谈论人工智能时，让我们澄清一下
不久前科幻小说现在是主流的技术，而且可能性看起来令人兴奋。但是进入那个未来并不容易。到处都是流行语：
人工智能或人工智能。机器学习。预测。自动见解。高级分析。听说过他们吗？当然。但是你能告诉他们分开吗？
其中一些术语已互换使用，引起了混乱，使您的公司最能从中受益最大的新技术。因此，让我们清除一切。
定义简化
人工智能或人工智能。人工意味着它是由机器或设备而不是人类完成的。人类有所谓的自然智力，意味着有机生物收集并与数据互动。人工意味着一种非有机物（例如计算机）会收集并与数据进行交互。无论是通过有机存在还是计算机，智能被定义为获取和应用知识。
这加上一个简单的解释：人工智能是机器或计算机获取和应用知识的能力。
请注意我们说知识，不是数据。这是另一个区别：数据是数字，事实，列表和统计信息。知识是数据在上下文中，并且通过分析和经验获得了。知识是使数据可用的。这就是AI所做的；它使数据可用并应用于新环境中。
AI是一个涵盖许多主题的广义术语。首先，让我们列出一些可以将AI应用于日常问题的方法。（单个解决方案可能属于多个类别。）
自然语言理解。诸如Alexa，Siri和Cortana之类的个人语音助手认可演讲，将音频声音转化为他们可以获取和使用的信息。这些程序可以学会适应区域口音或错误发音的单词，以便遵循简单的说明，例如播放音乐，打开灯光或在驾驶时导航到位置。（这项技术使电话树能够超越“按下6再次听到这些选项，或者按0与代理进行交谈。”）自然语言理解也可以与文本一起使用，例如，翻译语言或查找相关文档。
数字视觉。诸如Facebook的DeepFace和自动驾驶汽车之类的工具从数字图像中获取信息。例如，DeepFace识别照片的哪一部分是人脸，并基于使用已知面部数据库训练的AI工具来识别它。
其他类型的AI工具包括聊天机器人，聊天机器人可以模仿人类的对话，提出问题并以简单的结构化方式（通常在客户服务中使用），知识机器人（聊天机器人的聪明的堂兄弟姐妹），可以在更开放的开放式上工作帮助您找到所需信息的方法）和推理引擎将逻辑规则应用于数据，连接点并推断新信息。
现在，让我们定义AI中的一些主要方法论。
机器学习（ML）。ML是当计算机或设备从大量数据中获取并解释知识的时候，并以或不受人类的帮助来改善其流程的方式。ML根据统计和其他数学应用程序，使用其获取的信息来更快，更智能和更准确。例如，如果您提供了您现有客户，t他的ML模型将能够估计其他人也成为您的客户的潜力。或者，您可以养活IT股票市场历史，天气，政治情况和业务数据，并提出基于数学的股票贸易建议。
预测是机器学习中的特定领域，涉及预测时间序列的未来值。示例可能是对公司每种产品的需求，或者按业务部门的运营费用。预测使用高级方法来找到未来价值的主要指示，并在历史数据中解密动态，以暗示未来值的内容。
深度学习是一种基于人工神经网络的机器学习方法（计算机算法以模仿生物神经系统传达和生长方式的模式排列的计算机算法）。这是最前沿和流行的ML方法之一。它试图识别数据中的模式，这两个模式都可以很容易揭示，并且只有复杂算法才能检测到的模式。如今，在许多不同的用例中使用了深度学习技术，包括上面列出的用例。它们可以根据标记的数据（例如分类任务）以及未标记的数据（例如异常检测或路径优化）应用于问题。
AI可以超级收费分析
机器AI的复杂性取决于它可以通过新的方式，效率增加甚至独立地以新方式应用信息来应用信息。同时，不同的技术（分析或商业智能（BI））也已经获得了越来越复杂和有希望的商业问题答案。那么，先进的分析能够适合所有这些呢？
实际上，所有这些AI主题以及更多的主题都符合高级分析。传统分析或BI是对过去结果报告的历史数据的评论。先进的Analytics使用AI和其他技术，包括统计和预测预测，以展望进一步。简而言之，传统分析问：“发生了什么事？”高级分析问：“有什么可能？”
所有这些如何影响计划？
AI和ML可以在业务计划中产生很大的影响。Instead of basing (let’s say) this year’s sales forecast solely on last year’s figures, you could have a plan that takes projections for significant events into account—social or local events like festivals or sports championships, business events like mergers and other changes along the supply chain, regulatory changes, weather predictions and effects, seasonal demand, fads and trends, staffing issues—the possibilities are endless. (In fact, the many shocks of 2020 demonstrated how unreliable one year’s results can be in predicting the next year.)
该工具获取必要的信息并自行应用所有信息，使您可以自由查看结果并提出智能回应这使您的公司领先于竞争对手。
更快的数据可以帮助进行更智能的预测
AI和ML兴起的另一个因素是，当今的企业有更多可供计划的数据。传感器，存储和网络技术的进步使数据每年更便宜，更丰富。现在，组织可以在其所有操作中安装数百万个传感器，从而提供供应，需求，劳动力，全球指标等的实时变化。
例如，在2020年，许多企业最重要的计划指标是Covid-19感染和反测量的水平 - 几个月前没有人预见到的数据。基于AI的预测可以处理大量数据，并为动态，敏捷和准确的计划生成知识和见解。
您可以使用选择的标准，而不是尝试制定一个预见所有内容（或不尝试）的计划（或不尝试），而是可以从为您准备的各种场景中选择最理想的结果。但这不仅仅是这样 - 您不会花时间编译和验证数据，并试图跟上发生的事情。您和您的团队可以回到您真正想做的工作。业务状态不断更新和准确，并且该信息可在您最近的屏幕上获得。
全清？
在充分利用数据方面，有很多可以缠绕您的头。在启动任何新技术之前，无论您是开发时间机，太空程序还是更好的计划工具，都需要做一些足够的准备和学习。您刚刚迈出了第一步，获得了技术投资的高回报。
要探索更多有关AI的信息，尤其是Anaplan在嫁给机器学习和计划方面的突破 - 以及您的业务是否准备好受益，请了解更多信息Planiq™，我们的新预测智能平台。
或查看我们的一些讨论CPX 2020会议：