人工智能如何为商业赋能？ 随着大数据、物联网和5G等技术的发展，人工智能早已进入我们的生活，并作为核心驱动力，对各行各业进行了深刻的塑造和改变，推动着商业模式、经济结构甚至**战略的升级革新。 人工智能是未来的发展趋势，这已是共识。但是，我们对人工智能的了解，很多还囿于智能机器人和无人驾驶汽车等吸引眼球的领域，对它之于其他商业领域的价值，缺乏必要的系统化行业落地框架和实践。 浸淫人工智能领域近20年，指导过多家知名企业AI业务的丁磊指出，人工智能不仅仅是一种先进技术，其核心意义是一种分析数据的思维模式。他据此提出AI思维这一模式。这是一种通过数据驱动决策的思维模式，包括数据、模型、算力和业务模式四要素。从数据出发，通过模型和算力形成决策，*终在业务中产生价值。 数据 人工智能 场景=价值。 这本书总结了人工智能优化各类业务、落地实践、创造价值的全过程。作者从人工智能的原理到逻辑，从人工智能在商业领域的业务模式到案例分析、在行业中的应用和发展，一一进行解读，为读者从宏观到微观、从理论到实践，逐步揭开人工智能的神秘面纱，帮助读者了解系统框架，掌握运用AI思维赋能商业的思维方式和方法，把握时

数字时代，既是机遇，也是挑战。互联网、大数据、人工智能的发展使得生产、商业和生活的各个领域都发生了改变，新生信息层出不穷，知识总量爆炸式增长。面对这个日新月异的时代，我们——渺小的个体，有限的精力，受限的知识面——唯有不断更新自我，提升认知，才不至于被激烈而残酷的竞争所淘汰。
我们要改变原有的认知方式，如果单靠知识填充，难以达到质的改变，需要转换思维模式。我一直相信，万事万物皆有规律，只有快速把握规律，才能理性认识存在，提升思维能力，抓住时代脉搏。当然，数字世界也不例外，数据之中也有规律性。在利用人工智能(AI)发现和挖掘数据规律与价值的实践中，我认识到人工智能不仅是一种技术方法，其中蕴含了一种思维逻辑，也就是AI思维，这才是人工智能的真正精髓，它集中体现在对数据理解方面的优势，能够帮助我们突破认知局限，从而找到自身的真正优势，获得展现个体主动策略优势的收益。我与人工智能的故事早在20年前就开始了。世纪之交入学浙江大学，“形上谓道兮，形下谓器”的校歌时至**仍不时回荡在我的耳边。我对人工智能的探索便开始于在浙江大学读书的阶段。
大学四年，我从“器”的层面了解人工智能、机器学习、模糊数学以及神经网络等领域。当时，越来越多的富媒体数据出现在互联网上，我便猜测人工智能接下来的使命是让计算机自动理解这些数据，从而增进用户的效率和体验。读博士时，我毫不犹豫地将当时相对冷门的人工智能作为专业方向，因为我深信人工智能将成为信息技术的下一范式。
我对AI思维的认识和总结，是从实践中不断丰富而来的。在美国博士毕业后，我先后经历过高等研究院所、国际大型企业以及各个阶段的创业公司，服务过IBM(国际商业机器公司)、亿客行(Expedia)、Orbitz(旅程网)和PayPal(贝宝)等公司。在硅谷，我也成为将人工智能运用于深度商业运营的早期实践者和探路人之一。早在2011年，我领导建立的人工智能系统在全球*大的在线旅游平台亿客行上线，通过电商网站访客的行为信号，精准预测访客线上消费行为，并以此为基础投放恰当的广告。这是业内较早、规模较大的电商行为预测和智能营销平台，至今仍优化着全球数以亿计的用户体验。后来，作为PayPal全球消费者数据科学部的创立者和负责人，我在电商、支付和广告领域通过人工智能和深度学习技术，领导团队开发了基于大数据的消费者动机预测引擎、精准**引擎以及*佳行动引擎，大幅度提升了全球数百万商家的赢利性和数亿用户的购物体验，并因此受邀在哈佛大学、麻省理工学院等学校做专题演讲。
在美国工作期间，我同样关注国内人工智能的应用和发展，发现国内人工智能的研发与商业运用之间存在脱节的问题。而后我应邀回国工作，致力于发掘人工智能在行业中新的增长点。在百度金融任职**数据科学家期间，我负责金融领域的数据挖掘和变现，通过大规模特征挖掘和深度学习技术，从海量的互联网数据中提取金融相关变量，提升金融产品的市场竞争力，运用人工智能帮助金融机构升级换代，促进普惠金融的健康发展。
从对人工智能模型的攻坚克难到运用人工智能帮助企业解决业务问题，在长期实践中，我逐渐体会到，人工智能作为一种技术，可以用于商业活动中，处理数据，提**率，提升体验。但是，人工智能远不仅是一种技术。当下人人都在说人工智能，但往往都说不清。自从1956年达特茅斯会议“人工智能”的概念正式提出，人工智能既经历过至暗时刻，也经历过辉煌岁月。什么是人工智能?这是一个很多人在尝试回答，但是又感觉力不从心的问题。
提到人工智能，大众的认知普遍是无人驾驶、视觉识别、语音识别或者是像AlphaGo(阿尔法围棋)那样的机器人等，但其实这些只是人工智能的具体应用，只是人工智能的冰山一角，却在很多人心中成了人工智能的代名词，这说明目前对人工智能的认识还有局限性。运用于商业各个领域以及工业生产、日常生活中的人工智能是有共通之处的，可以从“器”的层面总结升华出“道”，即一套特有的思维模式——AI思维。人工智能不仅仅是一种先进技术，其核心意义是一种分析数据的思维模式。深受我的合作导师、计算机视觉之父黄煦涛等几位学术大师的影响，我深信一切现象和对应的数据必有规律性，而AI思维就是发现和发掘这种规律性的强大工具。
AI思维，简单来说就是从大量数据中形成模型，进而对未知情况做出*佳预测的思维模式。这样的预测无论对个人、组织还是社会整体，都有积极的意义，能够避免经验主义带来的主观、片面的判断。AI思维的基础在于数据，核心在于模型，实现在于算力，应用在于业务模式。AI思维与大数据相伴相生，恰如炼油的过程，大数据是原油，AI思维则是从原油中提炼产品产生价值的“炼金术”。
AI思维也是对现有科学体系进行“数据驱动”升级的方法论。人工智能给社会带来的价值远不只哗众取宠的“黑科技”，也不只是给人们带来便捷或者帮助企业重塑商业模式，它*终能够关乎民生的方方面面。无论是在零售还是金融行业，抑或是在**和教育领域，通过AI思维你都能更快速、更直接、更准确地预测个体的行为或表现结果，从而既能满足行业发展本身的需求，又能在实践中创造出****的价值，将先进的经验和知识惠及所有人。想象一下，通过人工智能，所有的病人可以获得全球***医生的诊断和**，所有的孩子可以获得全球*先进的教育方法的培养，我们生活的世界将会变得怎么样?“千百支蜡烛可以被一支蜡烛点燃，而那支蜡烛的生命不会因此缩短。”在人工智能时代，每个人的数据都可以转化为知识，帮助别人并由此受益。
我阅读过很多面向大众的人工智能方面的书籍，其中讲述“器”和“用”的居多，很少涉及“道、法、术”层面。而且，“器”的介绍较容易变成“动物园”模式，仅仅介绍了人工智能算法，没有总结上升到理论和法则的高度，而“用”层面的案例也主要集中在智能机器人和无人驾驶汽车等吸引眼球的领域，缺乏必要的系统化行业落地框架和实践。这也难怪读者很容易将人工智能误认为是明天的科技，或将人工智能局限地认定在几个特定的领域。在这样的理解下，很难把握人工智能的思想精髓，人工智能对个人和社会的潜在影响也大打折扣。所以，本书试图打破这种局限，分为八章，精心设计“道、法、术、器、用、势”体系，旨在避免上述的问题，既包括AI思维的方法论，也包括AI思维在行业中的应用和发展，帮助读者从宏观到微观、从理论到实践，一步步、一层层地通过系统性框架，逐渐脱下人工智能神秘的外衣，帮助读者理解AI思维的实质以及对每个人的价值和意义。这是我创作本书的初心，但也深知长路漫漫，任重道远。
具体来说，本书**章从“道”的层面阐述AI思维内在逻辑和价值，用AI思维来思考问题;第二章从“法”的层面介绍AI思维的底层逻辑，从规律的角度了解AI思维;第三章从“术”的层面讲解AI炼金术如何通过数据驱动决策，形成一套从数据到价值的完整方法论;第四章从“器”的层面引入人工智能落地所涉及的方法和模型，模型在AI思维中具有核心位置;第五、六、七章从“用”的层面分别介绍数字化赋能、人工智能平台化思维和人工智能实战案例;第八章从“势”的层面介绍人工智能落地过程中存在的挑战和相应的对策，期待人工智能未来的发展。
本书的章节分别从不同角度逐一阐述AI思维的价值和意义，大部分内容都以“数据 人工智能 场景=价值”作为核心逻辑，希望任何一个不想在新经济中落伍的人，在阅读本书之后，都能理解AI思维，并对工作和生活有所助益。

**序 “AI 思维”— 人工智能的落地指南 / 肖京 前言 / IX **章 AI 思维是时代机遇 大赚 1 000 亿美元的秘密 / 004 寻找你的“阿尔法” / 016 AI 思维的核心价值 / 028 第二章 AI 思维的底层逻辑 模型的泛化能力 / 044 方差和偏差的权衡 / 055 相关性和因果性 / 066 数据的规律性 / 077 第三章 AI 炼金术:数据产生价值 从数据到价值的历程 / 092 AI 如何做出决策 / 103 业务优化方法 / 115 会思考的人工智能 / 128 AI 炼金术的应用生态 / 142 第四章 人人都能理解 AI AI 的分类和聚类 / 158 AI 感知图像和语音 / 174 AI 理解自然语言 / 192 AI 理解商业数据 / 204 AI 理解消费数据 / 215 AI 理解社交数据 / 227 第五章 数字化赋能 行业数字化是大势所趋 / 242 工业赋能:数字化的物理世界 / 257 零售赋能:智能产品定位和营销 / 269 第六章 企业级 AI 中台 美好而混乱:AI 治理的困境 / 284 以生产目标为核心，提升智能制造水平 / 295 以消费者为核心，赋能智慧新零售 / 306 第七章 AI 实战的故事 零售业 AI 实战 / 322 工业 AI 实战 / 336 金融业 AI 实战 / 346 第八章 AI 的挑战与对策 AI 模型的挑战 / 364 AI 的伦理和法律挑战 / 376 AI 落地的人为因素 / 388 参考文献 / 401 后记 / 407