用于實現(xiàn)AI、大數(shù)據(jù)、和數(shù)據(jù)科學(xué)的十大類算法資料下載

算法是一系列包含能夠幫助人解決問題、完成目標任務(wù)的規(guī)則的步驟。用正確的方式把這些步驟和規(guī)則組織起來，能夠自動化算法建立人工智能（AI）。AI能夠幫助我們做大量的分析性工作，讓我們把時間集中于更有價值的事情。 AI正在改變我們的職業(yè)、我們的工作方式和我們的企業(yè)文化。AI讓我們得以專注于那些真正關(guān)鍵的技術(shù)，讓人力資源得以充分發(fā)揮他們的長處。但在工作場景中應(yīng)用AI確實會讓事情變得復(fù)雜，因為有各種不同層級的算法可以用于實現(xiàn)AI，每一類的使用和影響都有差別。為了更好地平衡人力資本和AI資本，本文作者介紹了用于實現(xiàn)AI、大數(shù)據(jù)、和數(shù)據(jù)科學(xué)的十大類算法，以及它們分別擅長的任務(wù)。 1. Crunchers 這些算法使用比較少的重復(fù)步驟和較為簡單的規(guī)則處理（crunch）復(fù)雜問題。我們給這些算法提供數(shù)據(jù)，它們就能得出一個答案。如果我們不喜歡這個答案，可以給算法提供更多的數(shù)據(jù)，讓算法調(diào)整答案。Cruncher類算法擅長客戶分類、預(yù)估項目持續(xù)時間、分析調(diào)查數(shù)據(jù)等任務(wù)。 2. Guides 這些算法為我們怎樣根據(jù)成功的歷史操作得出最好的策略、步驟或工作流提供指南（guides）。指南類算法擅長協(xié)調(diào)大量需要理解并執(zhí)行如風(fēng)險管理、戰(zhàn)略改變、復(fù)雜項目管理等事情的動態(tài)部件。 3. Advisors 這些算法基于歷史規(guī)律為我們提供預(yù)測、排名、成功的可能性等，對我們提出最佳選擇的建議（advise）。建議類（advisors）算法擅長提出決策、規(guī)劃和風(fēng)險緩解方面的建議。 4. Predictors 這些算法使用解釋歷史行為和歷史事件的小型可重復(fù)性決定和判斷來對未來的人類行為和事件作出預(yù)測。預(yù)測類（predictors）算法擅長商業(yè)規(guī)劃、市場預(yù)測、品牌管理、健康診斷，以及預(yù)測消費者行為、品牌吸引力、欺詐行為、營銷機會、氣候事件以及疾病爆發(fā)等。 5. TacTIcians 這些算法在戰(zhàn)術(shù)上（tacTIcally）預(yù)先考慮短期行為并作出相應(yīng)的反應(yīng)。它們通過應(yīng)用短期戰(zhàn)術(shù)規(guī)則（short-term tacTIcal rules）的組合以及從相關(guān)人員中學(xué)來的信息做到這一點。戰(zhàn)術(shù)類（tacTIcians）算法擅長平衡供應(yīng)鏈、系統(tǒng)性能、人力工作負荷和生產(chǎn)線。 6. Strategists 這些算法從策略上（strategically）預(yù)測行為并作相應(yīng)的計劃。策略類（strategists）算法根據(jù)過去的數(shù)據(jù)發(fā)掘洞察和創(chuàng)新機會。它們通過應(yīng)用短期規(guī)則和長期規(guī)則的組合、從相關(guān)人員中學(xué)來的信息以及這些人在不同的環(huán)境中的反應(yīng)來做到這一點。 策略類（strategists）算法擅長預(yù)測市場需求、客戶流失、工作效率以及員工流失。 7. Lifters 這些算法能夠代替我們自動完成重復(fù)性的任務(wù)，讓我們能夠?qū)Ｗ⒂诟袃r值的工作。lifters類算法擅長分析和識別規(guī)則、欺詐行為、風(fēng)險、改進、轉(zhuǎn)型、機會和創(chuàng)新等中重復(fù)的模式和差距。 8. Partners 這些算法具有我們的領(lǐng)域中的許多專業(yè)知識，能讓我們更高效、更專注。合作伙伴類（partners）算法擅長為我們提出建議、提供訓(xùn)練，讓我們密切了解市場變化，并調(diào)整每日、每季度以及每年的目標。Partners理解我們的行為模式，知道我們何時應(yīng)該吃午飯，氣溫達到幾度時需要開空調(diào)等等。 9. Okays 這些算法在多個領(lǐng)域具有專業(yè)知識，能夠代替我們的團隊完成全部分析工作。算法完成分析后，團隊中的每個人分別根據(jù)自己的專業(yè)技能審核分析結(jié)果，然后通過（okay）結(jié)果。Okays類算法擅長從各個角度深入分析物體構(gòu)建大型圖像，可用于業(yè)務(wù)規(guī)劃、戰(zhàn)略改變、文化轉(zhuǎn)型等。 10. Supervisors 這些算法對我們的工作具有關(guān)鍵作用。它們能夠管理工作者及其業(yè)務(wù)，使企業(yè)保持生產(chǎn)效率和財力的強健。監(jiān)督類（supervisors）算法能夠協(xié)調(diào)人力一起其他算法，幫助我們實現(xiàn)長期的戰(zhàn)略發(fā)展目標。 AI是我們在全球商業(yè)舞臺上生存的關(guān)鍵。僅以人類資本參與競爭是不夠的，我們不僅需要AI來代替我們自動化工作，讓我們的創(chuàng)新力有更大的發(fā)揮，而且需要AI 來改變我們的行為、習(xí)慣以及工作風(fēng)格，以使我們保持競爭力。為了保持我們的競爭優(yōu)勢，我們必須理解AI如何工作，同時AI也必須理解我們?nèi)绾喂ぷ?。而為了理解我們?nèi)绾喂ぷ?，AI必須理解情緒智能（Emotional Intelligence）。 延伸閱讀：谷歌人工智能新進展，只看一次圖片就能認得圖中物體 計算機算法通常需要成千上萬個例子才能學(xué)會一件事情，但谷歌DeepMind的研究人員卻找到一種繞過這一流程的方法。 我們多數(shù)人看過某個東西一兩次后都能認出這種物體。但計算機視覺識別和語音識別算法卻需要成千上萬個例子才熟悉一種新的圖形或單詞。 谷歌DeepMind研究人員現(xiàn)在找到了一種新的方法，他們對深度學(xué)習(xí)算法進行了一些調(diào)整，使之只需通過一個例子便可認出圖像中的物體或其他東西——他們稱之為“單次學(xué)習(xí)”。該團隊針對大量添加了標簽的圖片以及手寫字體和語言對此進行了驗證。 最好的算法的確能夠可靠地識別物體，但由于需要龐大的數(shù)據(jù)，所以非常耗費時間和金錢。例如，想要讓算法識別出道路上的汽車，就需要為其提供成千上萬個例子才能在無人駕駛汽車中實現(xiàn)可靠的準確率。但要收集如此多的數(shù)據(jù)通常并不實際——例如，不可能為了讓一個機器人在一套不熟悉的房子里行走而為其提供長時間的學(xué)習(xí)機會。 谷歌DeepMind研究員奧里奧爾·溫亞爾斯（Oriol Vinyals）在深度學(xué)習(xí)系統(tǒng)中增加了一個記憶組件。該團隊利用一個名為ImageNet的標記圖片數(shù)據(jù)庫對該系統(tǒng)的能力進行了驗證。 這套軟件仍然需要分析數(shù)百種圖片，但此后卻可以學(xué)會用一張照片識別新的物體。它本質(zhì)上是通過分析圖片中的獨特元素來完成識別任務(wù)的。這種算法只需要看一一個例子，便可達到近似于傳統(tǒng)深度學(xué)習(xí)系統(tǒng)的準確率。 溫亞爾斯稱，如果能夠快速識別出一個新單詞的意思，這項技術(shù)的用途便會得到明確體現(xiàn)。這對谷歌非常有用，因此該公司可以借此快速學(xué)習(xí)某個新的搜索項的含義。 之前也曾有人開發(fā)過單次學(xué)習(xí)系統(tǒng)，但通常不兼容深度學(xué)習(xí)系統(tǒng)?！拔艺J為這是一種很有趣的方法，它提供了一種新穎的方式對大規(guī)模的數(shù)據(jù)庫進行單次學(xué)習(xí)?！表n國先進科技學(xué)院大腦和機器智能實驗室主任Sang Wan Lee說，“這為人工智能社區(qū)做出了技術(shù)貢獻，計算機視覺研究人員可能非常重視此事?！? 但也有人對這項技術(shù)的用途提出質(zhì)疑，畢竟它與人類的學(xué)習(xí)方法存在很大差異。例如，哈佛大學(xué)腦科學(xué)系副教授山姆·格什曼（Sam Gershman）表示，人類通常是通過理解一張圖像的組成元素來學(xué)習(xí)的，這需要一些實際的知識或嘗試。例如，“賽格威可能看上去與自行車或摩托車大不相同，但它卻可以使用相同的零件?！? 不過，格什曼和Sang Wan Lee都表示，機器要在學(xué)習(xí)能力上比拼人類仍然要經(jīng)過一段時間的發(fā)展?！拔覀冞h遠沒有揭開人類單次學(xué)習(xí)的秘密。”他說Sang Wan Lee說。 (mbbeetchina)