復合人工智能：企業(yè)使用AI成功的關(guān)鍵

　　近日， Dynatrace 發(fā)布一份全球報告顯示，隨著(zhù)對 AI 的投資不斷增加，“復合 AI”將成為企業(yè)成功運用AI的關(guān)鍵因素。Dynatrace 指出，盡管 83% 的技術(shù)領(lǐng)導者認為 AI 是必不可少的，但 95% 的人認為，如果有其他類(lèi)型的 AI 來(lái)協(xié)助，生成式 AI(GenAI)會(huì )更有效果。

　　該報告認為，企業(yè)需要采用一種復合的人工智能方式，也就是說(shuō)組織要把多種類(lèi)型的人工智能結合在一起。這些可能包括 GenAI、預測性和/或因果性 AI，以及來(lái)自可觀(guān)察性、安全性和業(yè)務(wù)事件等不同的數據源。這種方式可以實(shí)現更高層次的推理，并讓人工智能的輸出更加準確、相關(guān)和有意義。

　　由此可見(jiàn)，人工智能并不是一種簡(jiǎn)單的技術(shù)，它涉及到多種類(lèi)型、方法、數據和場(chǎng)景，每一種都有其優(yōu)勢和局限。要想充分發(fā)揮人工智能的潛力，單一的人工智能技術(shù)是不夠的，需要將不同的人工智能技術(shù)和數據源相結合，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。這就是復合人工智能(composite AI)的概念，它是指組合多種類(lèi)型的人工智能，如生成型、預測型和因果型，以及不同的數據源，如可觀(guān)察性、安全性和業(yè)務(wù)事件。復合人工智能是企業(yè)成功采用人工智能的關(guān)鍵因素，因為它可以幫助企業(yè)解決復雜的問(wèn)題，提供更有價(jià)值的解決方案，以及更好地適應不斷變化的環(huán)境。

　　本文基于Dynatrace的一項全球報告來(lái)分析復合人工智能的概念、應用和價(jià)值，以及復合人工智能的優(yōu)勢和挑戰。目的是為了我們更好地了解復合人工智能的重要性和潛力，以及如何有效地采用復合人工智能，以提升企業(yè)的競爭力和創(chuàng )新力。

　　01 復合人工智能的概念

　　眾所周知，人工智能是一門(mén)涉及到計算機科學(xué)、數學(xué)、統計學(xué)、心理學(xué)、哲學(xué)等多個(gè)學(xué)科的交叉學(xué)科，它讓計算機或機器具有類(lèi)似于人類(lèi)的智能，如感知、理解、學(xué)習、推理、決策、創(chuàng )造等。人工智能的研究和發(fā)展已經(jīng)有了幾十年的歷史，期間經(jīng)歷了多次的興衰和變革，形成了多種類(lèi)型、方法、數據和場(chǎng)景的人工智能技術(shù)，每一種都有其優(yōu)勢和局限。

　　近來(lái)發(fā)展迅猛的生成型人工智能(generative AI)是利用深度學(xué)習等技術(shù)，從數據中生成新的內容，如文本、圖像、音頻等。生成型人工智能的優(yōu)勢是可以幫助我們創(chuàng )建新的產(chǎn)品和服務(wù)，如虛擬助理、個(gè)性化推薦、智能內容等。生成型人工智能的局限是可能存在不準確、不合理或不道德的問(wèn)題，如生成的內容與事實(shí)不符、違反常識或傷害他人的感情等。

　　預測型人工智能(predictive AI)的發(fā)展歷史可以追溯到 20 世紀 50 年代，當時(shí)出現了第一批統計學(xué)習理論和機器學(xué)習算法。預測型人工智能利用統計學(xué)習等技術(shù)，從數據中發(fā)現規律和趨勢進(jìn)行分類(lèi)、回歸、聚類(lèi)等。預測型人工智能的優(yōu)勢是可以幫助我們優(yōu)化現有的產(chǎn)品和服務(wù)，比如性能監控、故障預測、異常檢測等。預測型人工智能的局限是預測的結果與實(shí)際不符、受到噪聲或異常的影響或缺乏可解釋性等。

　　因果型人工智能(causal AI)是一種利用數據和算法來(lái)推斷因果關(guān)系的人工智能。它可以幫助組織理解數據背后的原因和效果，從而進(jìn)行更好的決策和干預。因果型人工智能的一些應用領(lǐng)域包括醫療、社會(huì )科學(xué)、經(jīng)濟學(xué)、教育、政策制定等。因果型人工智能的核心概念是因果圖，它是一種用節點(diǎn)和箭頭表示變量和因果關(guān)系的圖形模型。因果圖可以用來(lái)表示數據生成的機制，以及如何通過(guò)干預或實(shí)驗來(lái)改變數據的分布。因果圖還可以用來(lái)回答因果問(wèn)題，如“如果我做了這個(gè)，會(huì )發(fā)生什么?”或“為什么這個(gè)變量會(huì )影響那個(gè)變量?”

　　除了不同類(lèi)型的人工智能技術(shù)，還有不同的數據源，如可觀(guān)察性、安全性和業(yè)務(wù)事件?？捎^(guān)察性數據是指與應用程序性能、軟件開(kāi)發(fā)和安全實(shí)踐、IT基礎設施和用戶(hù)體驗相關(guān)的數據。安全性數據是指與網(wǎng)絡(luò )安全、數據保護和隱私合規相關(guān)的數據。業(yè)務(wù)事件數據是指與業(yè)務(wù)流程、交易、客戶(hù)行為和滿(mǎn)意度相關(guān)的數據。不同的數據源可以提供不同的信息和價(jià)值，也有不同的質(zhì)量、安全和隱私的要求和挑戰。

　　復合人工智能是指將不同類(lèi)型的人工智能技術(shù)和數據源相結合，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。復合人工智能可以幫助我們解決復雜的問(wèn)題，提供更有價(jià)值的解決方案，以及更好地適應不斷變化的環(huán)境。復合人工智能的核心是利用不同的人工智能技術(shù)和數據源的優(yōu)勢，彌補不同的人工智能技術(shù)和數據源的局限，實(shí)現人工智能技術(shù)和數據源的協(xié)同和互補。

　　02 復合人工智能的集成和調整

　　復合人工智能的集成和調整是將不同類(lèi)型的人工智能技術(shù)和數據源相結合，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。復合人工智能的集成和調整需要考慮多個(gè)方面，如人工智能的目標、范圍、方法、數據的質(zhì)量、安全和隱私、以及人工智能的評估和監督等。所以需要一些基本的概念和原則。

　　目標是人工智能要解決的問(wèn)題或實(shí)現的功能，如診斷、預測、生成、推薦等。人工智能的目標決定了人工智能的輸出的類(lèi)型、格式和內容，以及人工智能的輸出的價(jià)值和影響。人工智能的目標應該是明確、具體、可量化和可達成的，以便于人工智能的設計、實(shí)現和評估。

　　還需要設定要涉及的領(lǐng)域或場(chǎng)景，如醫療、教育、金融、制造等。人工智能的范圍決定了人工智能的輸入和輸出的來(lái)源、特點(diǎn)和要求，以及人工智能的輸入和輸出的復雜性和難度。人工智能的范圍應該是適當、合理、可行和可擴展的，以便于人工智能的獲取、處理和應用。

　　選擇的方法是人工智能要采用的技術(shù)或算法，如生成型、預測型和因果型人工智能，以及深度學(xué)習、統計學(xué)習、因果推理等。方法決定了人工智能的輸出的質(zhì)量、可靠性和可解釋性，以及人工智能的輸出的優(yōu)勢和局限。人工智能的方法應該是合適、有效、創(chuàng )新和可改進(jìn)的，以便于人工智能的優(yōu)化、驗證和更新。

　　數據的質(zhì)量是指數據的準確性、完整性、一致性、時(shí)效性和相關(guān)性等。數據的質(zhì)量影響了人工智能的輸出的準確性、合理性和道德性，以及人工智能的輸出的信任度和可接受度。數據的質(zhì)量應該是高、穩、清和新的，以便于人工智能的學(xué)習、推理和生成。

　　還要考慮數據的安全和隱私，也是數據的保護和合規，包括數據的加密、授權、審計、備份、刪除等。數據的安全和隱私影響了人工智能的輸出的安全性、合法性和責任性，以及人工智能的輸出的風(fēng)險和后果。數據的安全和隱私應該是強、嚴、規和法的，以便于人工智能的防范、應對和糾正。

　　重要的是人工智能的評估和監督，對人工智能的輸出進(jìn)行檢驗和改進(jìn)，包括人工智能的輸出的測試、評價(jià)、反饋、監控等。人工智能的評估和監督影響了人工智能的輸出的效率和效果，以及人工智能的輸出的創(chuàng )新和發(fā)展。人工智能的評估和監督應該是持續、全面、客觀(guān)和及時(shí)的，以便于人工智能的調整、優(yōu)化和更新。

　　復合人工智能的集成和調整是一個(gè)涉及到多個(gè)方面的過(guò)程，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。這是一個(gè)需要大量的時(shí)間、資源和專(zhuān)業(yè)知識，以及高度的協(xié)調和合作的過(guò)程。