[[350689]]

如今，大多數(shù)組織都在準(zhǔn)備迎接一個(gè)人工智能無處不在的世界。這種發(fā)展需要業(yè)務(wù)和技術(shù)領(lǐng)導(dǎo)者以對(duì)新技術(shù)能力、利用新技術(shù)的技術(shù)技能的理解來裝備他們的組織，并關(guān)注傳統(tǒng)IT工作流的新方法。但缺乏人工智能技能是采用人工智能的最大障礙之一。盡管從大學(xué)畢業(yè)的專業(yè)數(shù)據(jù)科學(xué)家和人工智能從業(yè)者的數(shù)量達(dá)到了創(chuàng)紀(jì)錄的水平，但企業(yè)在尋找和吸引優(yōu)秀人才方面仍然面臨著巨大的困難，這使得人工智能提升技能項(xiàng)目成為優(yōu)先考慮的項(xiàng)目。

對(duì)于一個(gè)組織來說，對(duì)人工智能世界來說，提高技能意味著什么?

每一家企業(yè)最終都將成為一個(gè)人工智能企業(yè)。 每個(gè)企業(yè)都知道它需要提高員工的人工智能技能。 然而，各組織難以確定人工智能技能的提高意味著什么，以及必須采取哪些具體行動(dòng)來發(fā)展這些技能。 對(duì)于一個(gè)組織來說，對(duì)人工智能世界來說，提高技能意味著什么?

人工智能并不是單一的。 它不是由一組技能定義的，也不是由組織中的單一角色定義的。

有些技能是相對(duì)簡(jiǎn)單和基礎(chǔ)的，必須在整個(gè)組織中廣泛發(fā)展。 另一些則更為復(fù)雜，集中在較小的高技能專業(yè)群體中。 了解具有多種技能的多個(gè)角色如何在一個(gè)以最終結(jié)果為重點(diǎn)的統(tǒng)一框架中對(duì)其工作進(jìn)行調(diào)整和編排是至關(guān)重要的。

建立人工智能知識(shí)、上下文人工智能知識(shí)和人工智能解決方案構(gòu)建能力

開發(fā)提高員工技能的程序的組織應(yīng)該從所有人的基本要素開始，深入到特定角色的更復(fù)雜的專業(yè)化層次，重點(diǎn)關(guān)注技能進(jìn)步。 我們看到這種技能的進(jìn)步是由三個(gè)主要層次構(gòu)成的:人工智能知識(shí)、上下文人工智能知識(shí)和人工智能解決方案構(gòu)建能力。

人工智能掃盲

這些技能應(yīng)在整個(gè)組織中得到廣泛發(fā)展，重點(diǎn)是對(duì)數(shù)據(jù)的概念理解、與啟用人工智能或由人工智能驅(qū)動(dòng)的工具進(jìn)行交互的能力以及在組織中為人工智能確定機(jī)會(huì)的能力。

這些目標(biāo)應(yīng)針對(duì)技術(shù)和非技術(shù)專業(yè)人員，他們應(yīng)能夠:

• 閱讀、理解、創(chuàng)建和交流數(shù)據(jù)作為信息;進(jìn)行批判性思考以在數(shù)據(jù)中找到相關(guān)的洞察力;從圖表中理解洞察力，同時(shí)盡量減少被數(shù)據(jù)誤導(dǎo)和得出有害的錯(cuò)誤結(jié)論的風(fēng)險(xiǎn)。
• 識(shí)別人工智能技術(shù)和流程如何影響業(yè)務(wù)目標(biāo);識(shí)別哪些技術(shù)是合適的;識(shí)別需要哪些數(shù)據(jù);以及理解人工智能如何支持業(yè)務(wù)。 這一技能要求具備專業(yè)知識(shí)，認(rèn)識(shí)到如何利用側(cè)重于預(yù)測(cè)、自然語言處理、視覺和語音識(shí)別等方面的技術(shù)，以及如何將數(shù)據(jù)視為戰(zhàn)略資產(chǎn)。
• 理解和掌握用于編排不同角色的工作的方法; AI需要迭代和實(shí)驗(yàn)的文化，以及對(duì)業(yè)務(wù)和技術(shù)工作流的深入反思。

上下文人工智能知識(shí)

下一層次的技能需要擁抱人工智能技術(shù)能力并將其注入其他領(lǐng)域。 重點(diǎn)是利用人工智能技術(shù)開發(fā)領(lǐng)域戰(zhàn)略，管理輸入和使用預(yù)構(gòu)建的人工智能模型的輸出。 在這一階段，一些技能應(yīng)該在技術(shù)和非技術(shù)團(tuán)隊(duì)中開發(fā)，與開發(fā)、數(shù)據(jù)工程和數(shù)據(jù)科學(xué)家一起開發(fā)。

各組織需要能夠:

• 開發(fā)識(shí)別商業(yè)機(jī)會(huì)、數(shù)據(jù)策略的過程，以及人工智能模型如何在特定領(lǐng)域的商業(yè)目標(biāo)中驅(qū)動(dòng)新的價(jià)值。
• 識(shí)別人工智能何時(shí)是實(shí)現(xiàn)特定業(yè)務(wù)目標(biāo)的正確方法;根據(jù)影響和實(shí)現(xiàn)的難易程度對(duì)用例進(jìn)行優(yōu)先排序和選擇;定義 KPI以基于業(yè)務(wù)優(yōu)先級(jí)并與業(yè)務(wù)目標(biāo)保持一致地驅(qū)動(dòng)人工智能實(shí)現(xiàn)。
• 確定可以解決特定問題的人工智能能力的類型，并確定可用于訓(xùn)練人工智能模型的不同數(shù)據(jù)類型。 這一技能為探索潛在的新數(shù)據(jù)集(結(jié)構(gòu)化和非結(jié)構(gòu)化、外部和內(nèi)部、前提或云上的數(shù)據(jù)集)以及定義數(shù)據(jù)管道和數(shù)據(jù)訪問過程提供了很好的機(jī)會(huì)。
• 利用預(yù)構(gòu)建的 AI模型(NLP，可視化識(shí)別)和框架(Tensorflow, Keras)等技術(shù)幫助加速解決方案構(gòu)建。
• 了解如何在概率環(huán)境中做出決策，并適當(dāng)?shù)毓芾盹L(fēng)險(xiǎn)。

構(gòu)建人工智能解決方案

下一階段的技能側(cè)重于構(gòu)建 AI解決方案和開發(fā)管理端到端 AI生產(chǎn)流程所需的技能。 數(shù)據(jù)科學(xué)角色是人工智能生產(chǎn)周期的核心，其他業(yè)務(wù)和技術(shù)利益相關(guān)者在不同階段扮演著重要角色。 數(shù)據(jù)科學(xué)家及其相關(guān)利益攸關(guān)方通常:

• 制定以道德操守和隱私原則為基礎(chǔ)的框架/方法，在整個(gè)組織實(shí)施，以構(gòu)建端到端人工智能解決方案。
• 建立機(jī)器學(xué)習(xí)模型(監(jiān)督/非監(jiān)督/深入/強(qiáng)化)，以及深度學(xué)習(xí)模型。
• 具有扎實(shí)的數(shù)學(xué)專業(yè)知識(shí)(概率、推斷統(tǒng)計(jì)、線性代數(shù))，確保機(jī)器學(xué)習(xí)模型的正確建立.
• 將人工智能模型部署到生產(chǎn)環(huán)境中，并以信任和透明的方式實(shí)現(xiàn)人工智能。
• 確保人工智能的建議是完全可追溯的，并審核的血統(tǒng)模型和相關(guān)的培訓(xùn)數(shù)據(jù)可以被執(zhí)行。

人工智能可以為組織帶來巨大的機(jī)會(huì)和利益，這需要技能開發(fā)計(jì)劃，以確保一致性和有意的結(jié)果。 人工智能技能發(fā)展的指令性方法是成功的關(guān)鍵。

了解更多IBM 數(shù)據(jù)與AI解決方案請(qǐng)?jiān)L問：http://cloud.51cto.com/act/ibm2020q4/ai