人工智能无疑是近年来的新宠,屡屡登上新闻头条:从先后击败人类围棋冠军李世石和柯洁的AlphaGo，到魔幻般的DeepFakes换脸。但对于不精通深奥技术的商业人士而言,人工智能究竞能做什么?如果你想在投入时间和金钱之前了解人工智能将如何影响自己的业务,那么本书是为你量身定做的。
《从0到1：人工智能赋能商业的秘密》的案例讲解清晰,对技术概念的陈述简明易懂,将让你体会到人工智能的真正好处。每章都呈现几个现实世界的案例,讨论谷歌和奈飞等公司如何用人工智能重塑企业。本书由简入繁,呈现人工智能的核心理念,展示人工智能在现实世界中的应用。为帮你做好人工智能转型准备，本书抽丝剥茧般地讲述一个成功的人工智能应用案例,从雇用合适的团队,再到做出关于资源、风险和费用等方面的科学决策。
确定人工智能可能从哪些方面帮助企业设计人工智能策略
评估项目范围和业务影响
利用人工智能来提高转化率、编排内容以及分析反馈
理解当代人工智能如何运作以及人工智能可以/不可以做什么
前 言
《从0到1：人工智能赋能商业的秘密》旨在帮助你了解如何在各种规模的非营利组织中使用人工智能。希望《从0到1：人工智能赋能商业的秘密》能够提供一站式解决方案，让你有信心开始在企业中使用人工智能。为了帮助你实现这一目标，《从0到1：人工智能赋能商业的秘密》分为两大部分，其目标各不相同：
● 第Ⅰ部分介绍人工智能技术的核心原理，以及公司如何利用人工智能技术制造出神奇的产品。在该部分的最后，你将了解人工智能能做什么和不能做什么，并知道与技术人员有效沟通的方式。
● 第Ⅱ部分着重介绍如何为企业创造价值，介绍我们在咨询实践中用于选择、设计和构建成功的人工智能产品的策略。
《从0到1：人工智能赋能商业的秘密》读者对象
有三类人从近期人工智能的一连串改进中受益：科技企业家，为创业者提供大量资金的风险投资人，以及为数不多的热门人工智能专家。热门人工智能专家的薪水高达7位数。如果我们5年前就开始写作，就会针对技术类人才撰写一本技术手册。
如今，我们认为技术类人才已经大获成功，是时候让下一代专业人士加入人工智能革命中了。即将到来的人工智能时代的主角们不会为了技术进步而对构建人工智能应用程序感兴趣；他们不是计算机科学或数学大师，而是特定行业的专家，希望将人工智能作为解决现实世界问题的工具。
这些未来的主角中有一些为大公司工作，名片上写的是CEO、经理还是实习生都无所谓。重要的是他们帮助企业在这个快速变化的时代保持竞争力。另一些人在小公司工作，我很希望看到他们成长，创造新的产品和服务。还有一些人是企业家，在寻找“明日之星”。还有别忘了那些想培养独特技能的学生和应届毕业生。
在担当顾问和工程师期间，我们遇到了许多渴望成为人工智能领袖的人(见图0-1)。我们尽最大努力给他们提供所需要的东西：明确理解什么是人工智能，人工智能可以做什么，以及如何利用人工智能为企业创造价值。《从0到1：人工智能赋能商业的秘密》的目的是想让你加入技术革命的队伍。
图0-1 成为人工智能领袖
《从0到1：人工智能赋能商业的秘密》组织结构
《从0到1：人工智能赋能商业的秘密》内容共10章，因为你需要掌握两套基本技能以将人工智能带入企业中，所以分为两部分。
第Ⅰ部分是关于对人工智能的理解。由于当代人工智能建立在数据基础之上，因此该部分的每一章都会介绍不同类型的数据以及最适合每种类型的人工智能工具。
● 第1章简要介绍人工智能的历史和引发21世纪第一个十年人工智能革命的创新。
● 第2章是关于核心业务运营产生的数据，以及人工智能如何在其基础上构建独特的产品和服务。
● 第3章更深入地研究销售和营销的人工智能应用程序。
● 第4章介绍能够理解、生成和转换图像、视频和音频等媒体的人工智能模型。
● 第5章介绍理解和生成书面文本的人工智能算法。
● 第6章展示向人类推荐个性化内容的模型。
第Ⅱ部分是关于人工智能的构建。该部分旨在指导你在企业内设计和构建新项目。
● 第7章描述一个企业中识别人工智能机会并选择最佳机会的框架。
● 第8章讨论构建人工智能项目面临的挑战，从收集正确的数据到招募有效的团队。
● 第9章讨论如何实施策略，提出构建或购买技术的权衡，以及最小化风险的精益方法。此外，还包括逐步改进人工智能项目的策略。
● 第10章提供一个关于人工智能如何影响社会的最终广泛观点。
建议按顺序阅读这些章节，因为它们都建立在彼此紧密的联系之上，可以让你有全面的了解。
在线资源
读完《从0到1：人工智能赋能商业的秘密》之后，你可能想继续学习两大主要领域的知识。你可能需要加深对第Ⅰ部分中介绍的人工智能技术方面的知识，并开始构建一些人工智能项目。在这种情况下，你可以从各种在线课程和材料中进行选择。其中最广为人知的两门课程是吴恩达的“机器学习”和“深度学习”课程，可以在Coursera上找到。这两项都包括编程任务，并将为你在许多众所周知的算法背后的数学和实现问题上提供坚实的基础。有几所大学也在网上提供一些机器学习在线课程，包括视频讲座和家庭作业。我们推荐斯坦福大学关于计算机视觉应用深度学习的CS231课程和关于基于深度学习的自然语言处理的CS224N课程。与网上第一手材料相比，大学课程通常会更深入地涵盖理论。
如果你有兴趣了解更多关于人工智能实现的业务方面的知识，这方面的推荐会比较少，《从0到1：人工智能赋能商业的秘密》第Ⅱ部分将对此进行介绍。事实上，这也是我们写《从0到1：人工智能赋能商业的秘密》的主要原因之一。一些优秀书籍可以让你更深入地了解在构建创新产品时应遵循的最佳实践。例如，埃里克?莱斯所写的《精益创业》(The Lean Startup)(Crown Business，2011)一书涵盖了第Ⅱ部分中介绍的许多实验和增量开发技术。史蒂夫?布兰克(Steve Blank)和鲍勃?多夫(Bob Dorf)所著的《创业者手册》(The Startup Owner’s Manual)(K&S Ranch Publishing，2012)介绍了一个很好的分步蓝图，可用于任何与创新有关的事情，包括人工智能内部和其他方面。
目 录
第I部分 理解人工智能
第1 章 人工智能概况 3
1.1 当代人工智能发展之路 4
1.2 人工智能革命的引擎：机器学习 7
1.3 人工智能究竟是什么？ 9
1.4 教学方法 12
1.5 本章小结 13
第2 章 将人工智能应用于核心业务数据 15
2.1 在核心业务数据领域布局人工智能 16
2.2 在核心业务数据中使用人工智能 18
2.2.1 房地产市场示例 18
2.2.2 为FutureHouse赋予人工智能 21
2.2.3 机器学习的优势 26
2.2.4 将人工智能应用于通用核心业务数据 28
2.3 案例研究 30
2.3.1 谷歌如何利用人工智能削减能源开支 30
2.3.2 Square如何利用人工智能向小企业贷款数十亿美元 35
2.3.3 案例研究课程 39
2.4 评估性能和风险 40
2.5 本章小结 43
第3 章 将人工智能应用于营销 45
3.1 为什么要用人工智能进行销售和营销？ 45
3.2 预测客户流失 47
3.3 利用人工智能提高转化率和追加销售 52
3.4 执行自动化客户细分 55
3.4.1 无监督学习(或聚类) 56
3.4.2 用于客户细分的无监督学习 61
3.5 衡量性能 64
3.5.1 分类算法 64
3.5.2 聚类算法 68
3.6 将机器学习标准与业务结果和风险联系起来 69
3.7 案例研究 72
3.7.1 改进目标定位的人工智能：Opower 72
3.7.2 运用人工智能预测客户需求：Target 78
3.8 本章小结 81
第4 章 将人工智能应用于媒体 83
4.1 用计算机视觉改进产品 84
4.2 将人工智能应用于图像分类 88
4.3 使用小数据集的迁移学习 93
4.4 人脸识别：教计算机识别人类 95
4.5 使用内容生成和风格迁移 98
4.6 注意事项 101
4.7 人工智能在音频领域的应用 102
4.8 案例研究：运用深度学习优化农业 104
4.8.1 案例问题 108
4.8.2 案例讨论 108
4.9 本章小结 110
第5 章 将人工智能应用于自然语言 111
5.1 自然语言理解的魅力 112
5.2 分解NLP：衡量复杂性 113
5.3 将NLP功能应用于企业 117
5.3.1 情感分析 121
5.3.2 从情感分析到文本分类 124
5.3.3 NLP分类项目范围界定 128
5.3.4 文档检索 130
5.3.5 自然对话 132
5.3.6 设计克服技术限制的产品 136
5.4 案例研究：Translated 138
5.4.1 案例问题 142
5.4.2 案例讨论 143
5.5 本章小结 145
第6 章 将人工智能应用于内容管理和社区建设 147
6.1 选择的诅咒 148
6.2 使用推荐系统驱动参与度 148
6.2.1 基于内容的系统超越简单特征 153
6.2.2 特征和相似性的限制 156
6.3 群体智慧：协同过滤 157
6.4 推荐错误 160
6.5 案例分析：Netflix每年节省10亿美元 162
6.5.1 Netflix的推荐系统 162
6.5.2 推荐系统和用户体验 165
6.5.3 推荐的业务价值 166
6.5.4 案例问题 167
6.5.5 案例讨论 167
6.6 本章小结 168
第Ⅱ部分 构建人工智能
第7 章 准备好寻找人工智能机会 173
7.1 不要被炒作所迷惑：业务驱动的人工智能创新 174
7.2 创造：寻找人工智能机会 179
7.3 优先级：评估人工智能项目 183
7.4 验证：分析风险 187
7.5 解构人工智能产品 191
7.6 将人工智能项目翻译成机器学习友好型术语 196
7.7 练习 201
7.7.1 提高客户定位 202
7.7.2 工业过程自动化 204
7.7.3 帮助客户选择内容 205
7.8 本章小结 207
第8 章 设置——准备数据、技术和人员 209
8.1 数据策略 210
8.1.1 我从哪里得到数据？ 211
8.1.2 我需要多少数据？ 217
8.2 数据质量 221
8.3 招募人工智能团队 225
8.4 本章小结 230
第9 章 实践——人工智能实施策略 231
9.1 购买或构建人工智能 231
9.1.1 “购买”选项：一站式解决方案 233
9.1.2 “借用”选项：机器学习平台 235
9.1.3 “构建”选项：大干一场 237
9.2 使用精益战略 239
9.2.1 从购买解决方案开始 241
9.2.2 使用借用解决方案 243
9.2.3 自己动手：构建解决方案 244
9.3 理解人工智能的良性循环 246
9.4 管理人工智能项目 252
9.5 当人工智能失败时 254
9.5.1 Anki 255
9.5.2 Lighthouse AI 255
9.5.3 应用于肿瘤治疗的IBM Watson 256
9.5.4 情感日记 258
9.5.5 愤怒的电话 259
9.5.6 销售业绩不佳 260
9.6 本章小结 261
第10 章 人工智能的未来 263
10.1 人工智能如何威胁社会 264
10.1.1 偏见与公平 264
10.1.2 人工智能与就业 267
10.1.3 人工智能过滤器气泡 270
10.1.4 当人工智能失败时：边角案例和对抗攻击 272
10.1.5 当人工看起来真实时：人工智能生成的虚假内容 274
10.2 人工智能在社会中的机遇 275
10.2.1 技术民主化 275
10.2.2 可扩展性 277
10.3 人工智能在工业领域的机遇 278
10.3.1 社交媒体网络 279
10.3.2 医疗健康 280
10.3.3 能源 284
10.3.4 制造业 285
10.3.5 金融 287
10.3.6 教育 288
10.4 通用人工智能 289
10.5 结语 290
10.6 本章小结 291
书单推荐
