人工智能的进化之旅——以模型为中心到以数据为中心再到以决策为中心。

以决策为中心的人工智能的新兴趋势有望通过整合数据分析、机器学习和优化技术来改变我们的决策方式。



以模型为中心和以数据为中心是人工智能领域的两种流行的方法，它们强调模型或数据在人工智能系统开发和性能中的重要性。以模型为中心的方法中的一些例子：

用于图像识别的CNN（卷积神经网络）和用于自然语言处理的RNN（循环神经网络）都是深度学习模型的例子。这些模型具有复杂的体系结构和多层结构，可以直接从输入中学习和提取特征。

GAN（生成式对抗网络）由生成器网络和鉴别器网络两个主要部分组成。鉴别器的作用是区分真假样本，而生成器生成人工数据样本。GAN 专注于通过利用模型的强大功能来生成准确的数据。

上述深度学习模型的所有训练技术和模型超参数选择本质上都试图调整模型，以最好地使用给定数据集解决任务。同样，以数据为中心的方法的一些示例：

迁移学习：使用通过在大型数据集上训练而学到通用特征的预训练模型进行迁移学习。然后减少了对特定任务的大量数据训练需求，因为这些模型只需要在更少的数据上进行微调即可。

数据增强：为提供更多的训练样本，数据增强方法包括对现有数据集添加变换或修改。例如，对照片进行翻转、旋转或加入噪声等操作可以提高图像分类训练数据的多样性。

这两种方法各有优缺点。一方面，以数据为中心的人工智能在处理有限的先验知识或快速变化的领域时是有利的。通过专注于数据收集和管理，它旨在捕捉现实世界场景的多样性和复杂性，使模型能够直接从数据中学习。这种方法更加灵活，能够适应不断变化的环境。然而，以数据为中心的人工智能严重依赖于高质量和代表性数据集，这可能很难获得。

另一方面，以模型为中心的人工智能可以在需要领域专业知识和先验知识的情况下发挥作用，例如自然语言处理或计算机视觉等复杂问题领域。它允许研究人员设计特定的结构和算法，以解决手头的问题，从而获得高准确度和性能。但是，以模型为中心的人工智能通常需要大量的计算资源和训练时间。这种以模型为中心的人工智能方法的典型例子是大规模语言模型GPT-3，其复杂性和处理大量数据的能力，需要大量的计算资源和训练时间。训练过程涉及对未标记的文本数据进行预训练，然后对特定任务进行微调。模型的大量参数需要高性能的基础设施来满足计算需求。

转向以决策为中心的人工智能

以模型为中心的方法在数据干净、管理良好等情况下有效。在尝试改进任何模型之前，数据质量必须是顶级的。然而，在现实中，数据并不理想。因此，以决策为中心的方法更加实用。

从这个意义上说，以决策为中心的方法至关重要，因为它可以在“关键时刻”促进创造性地解决问题，同时提高运营效率。为了使用户能够在适当的时刻采取适当的操作，人员、规则、数据和流程必须协同工作。想要对动态市场发展做出快速有效反应的公司必须采取以决策为中心的战略。它使企业除了学习新事物外，还可以迅速适应运营程序和公司战略的变化。因此，它是任何业务敏捷性工具包的重要组成部分。它促进了全面决策的统一性，并提供关键的反馈循环。该框架为将判断置于“商业时刻”提供了一个背景，无论这些决策是否由人工智能、机器学习、业务规则或任何其他技术技术支持。

以决策为中心的人工智能代表了人工智能发展的下一个阶段，其重点从单纯的预测转移到主动做出明智的决定。这种方法涉及整合数据分析、机器学习和优化技术，以根据预期目标和限制条件产生最佳决策。以决策为中心的人工智能将使组织能够做出与他们的目标和要求一致的更明智的、以数据为导向的决策。

通过整合上下文信息、业务约束和用户偏好，以决策为中心的人工智能系统将优化医疗保健、金融、供应链管理和客户服务等不同领域的决策流程。它将提高透明度和可解释性，使用户能够理解人工智能系统决策背后的原因。

这将建立对人工智能技术的信任并促进人工智能技术的接受和采用进程。最终，以决策为中心的人工智能有可能彻底改变组织的运作方式，使他们能够做出更准确、高效和有影响力的决策，从而推动创新，提高生产力和竞争力。同样重要的是要记住，以决策为中心的人工智能是提高人类决策水平而不是取代人类的决策。

人工智能系统开发和应用从以模型为中心到以数据为中心再到以决策为中心的方法不断地进行着演变，这种演变标志着人工智能系统的发展。起初，重点是创建可以直接从数据中学习的复杂模型。然而，这一战略的缺点促使人们转向注重数据收集和管理。以数据为中心的方法承认了高质量数据集的价值。制定以决策为中心的方法的目的是根据事实实时产生最佳的结果，并能够证明这些判断的合理性。未知情况是企业的日常问题，但通过将量化的模式数据和适应性场景添加到组合中，可以更快、一致和自信地做出选择。

从以模型为中心智能向以数据为中心智能的转变使组织能够利用大量数据来提高性能和适应性。然而，演变并不止于此。以决策为中心的人工智能的新兴趋势有望通过整合数据分析、机器学习和优化技术来改变我们的决策方式。最终，以决策为中心的人工智能有可能彻底改变企业；通过更准确和更有影响力的决策流程，推动创新、生产力和竞争力。人工智能的未来在于数据、模型和决策的整合，为一个更加智能和清晰的世界铺平道路。

 

来源：https://analyticsindiamag.com/ais-evolutionary-journey-model-centric-to-data-centric-to-decision-centric/