08 每个企业都需要一位首席人工智能官（第6/9页）

CAO作为一个新角色会面临很多不确定因素。当他去寻找人工智能服务时，应该遵循什么标准？就像CIO要懂得选择标准合适的第三方服务，个人用户会关心诸如计算机显卡或者USB（通用串行总线）接口标准一样。人们经常询问百度，人工智能服务有业界标准吗？

吴恩达认为，人工智能在当下并不十分成熟，还谈不上统一服务标准，各家都在尝试。在这个层面，各个企业的CAO都很重要，因为他们也担负着探索的责任。但是，稳定、方便、好用的工程化产品应该是正确的方向，有助于人工智能的“标准化”。比如开发者将可以在某个人工智能平台上方便地调用接口，享有稳定的智能流输出，支持企业运行和创业，就像现在人们在手机和开发平台上创造App一样。百度大脑就是这样一个平台。

这一轮的人工智能形成热潮，原因之一是门槛降低——深度学习的原理尤其是算法原理都差不多，就看谁的积累雄厚、谁的数据丰富、谁的训练充分。就好比无数程序员都会用java语言编程，但编程能力大有差别，你只能尽力选择最好的。

对于深度学习神经网络，调节神经网络参数的工作极其复杂和多变，需要根据不同业务场景做特别优化，虽然算法的基本思想差不多，但发展各异，也谈不上统一标准。因此，训练神经网络又被称作“炼丹”。吴恩达正在写作的新书《machine learning yearning》堪称一部“炼丹”手册，不是在讲“丹药”怎么好，而是在讲“炼丹”当中遇到的难题和解决办法。深厚的经验和务实的方法，大约就是一种标准吧。

期望每个高管完全了解人工智能是不合乎情理的。但如果所在的产业能产生大量数据，那就有很大的机会使用人工智能将这些数据转换成价值。对于大部分有数据但缺乏深度人工智能知识的公司来说，聘请一位CAO或人工智能副总裁（VP of AI）已经箭在弦上，一些CDO和有超前思维的CIO实际上已经在扮演这一角色。

图8-5 吴恩达新书封面

没有智能官的企业将被看作旧企业

著名数据分析公司MixPanel的CEO苏海勒（Suhail）认为，“机器学习不是为了证明某些原因，它的存在是为了针对一些特定的数据、行为或者是模式做出一些高质量的预测。算法唯一的工作就是让你能够更加有效、更加精确地达成目标，而不是告诉你为什么。”

不过我们认为问问“为什么”也是重要的。我们在大量的企业应用中发现，有些企业家急切地希望深度学习网络和数据挖掘能够马上带来利润的大幅度增加，而忽视了机器学习的规律以及企业自身的学习规律。

当企业大到一定规模，业务和数据复杂到一定程度之后，自身的运作逻辑往往是模糊的，不同于企业明文手册上的描述，即便是企业管理者对此也会感到陌生。机器学习具有根据数据反向求得函数逻辑的能力，这种反向推演能力可以给企业运作者提供一种观察企业非显性逻辑的视角。比如对企业邮件往来的关系分析，对电商用户下单时间的分析，对新闻网站发布资讯的时间段分析等，都可以帮助企业了解自身可以在哪些方面进行优化。

企业渴望从互联网时代迈进人工智能时代，这时CAO尤其需要分清轻重缓急，是先优化财务信息还是先优化产能？是固本强体还是拓展销售？

在对外业务上CAO可以带来显著的锦上添花的作用。比如建立自动化的客户需求分析系统，能够即时提交订单信息和生产信息给客户参考。但对内管理也十分重要。以制造型企业为例，生产管理、物料管理、质量管理、设计变更的信息化和数据化都需要整合，数据化达到一定程度后，辅以算法和开发，人工智能就水到渠成了。