关于作者：叶伟志，壹企问创始人，以最新科技帮助企业成为行业领军，专注领域为企业信息化、软件开发、人工智能和企业升级。
本文为作者于UCB（美国加州大学伯克利分校）人工智能课程学习的第一篇分享内容。
就如吴恩达Coursea新开的课程一样，最近人工智能的热点，在于人工智能的应用以及人工智能战略的选择和落地。
当我们说到人工智能，每个人都在期盼会出来一些很奇妙的东西，会是一个脑洞大开的黑科技，这样才能够满足大家对这个热点话题猎奇的心理。但现实不是很骨感，而是像你肚子上那一圈肥肉，很残酷很不忍直视。
人工智能当中大部分技术，都是一般人看起来普通到不能再普通的技术，都是尝试代替人去做一些重复性的“算力”操作。
在我的理解中，真正有意义的地方，是如何把这些普通技术，应用到真实的商业行为当中。这里的困难，就如这个课程说到的，管理者或者战略相关者，需要懂得人工智能，不能停留于饭局当中的侃侃而谈。至于具体一些算法的选择和参数的调整，Hire someone（请人！！！）
大数据全部都是业绩和目标导向的
大数据项目，最容易犯的错误，就是非商业导向。花了很多精力，去研究一个离商业很遥远的事情，这个也跟前面提到的大众对大数据的猎奇心理有关。一个企业，万一迷失了方向，为了迎合大众的猎奇心理，赢得大众的关注。
而去研发一些非商业导向的项目，就会非常危险。本质上来说，AlphaGo表面上就是这么一个项目，虽然事实上，他是一个商业导向项目当中的小分支。但是并不是一个普通公司都能完成这样的项目，又或者说并不是一个普通公司应该采取的高风险“ALL IN”行为（德州扑克术语：全部赌注赌上）。
有价值的大数据项目，都是基于现有的商业模式，使用机器替代一些人力，实现更低成本，更好效果。比如之前我们做的项目，如何用人工智能取代财务上面一些重复性操作？如何用人工智能实现电池的高效高精度质检？
大数据逐渐进入我们的眼睛，是因为大数据的使用成本降低并超过了一个临界值
就如半导体二极管的特性一样，没达到击穿电压之前，就是不通电的。达到击穿电压了，电阻就会快速降低，变成通电的了。
大数据也一样，核心是因为“算力”成本不断下降，导致大规模地做一些验证性运算成本变得很低很低。并不要把大数据想得太神奇了，大数据的思想，几百年前都已经一样存在。
正确理解人工智能大数据的其中一个本质，是低成本地验证性运算，总结规律并复用。有助于发现人工智能的落地商机。
任何一个决策，都是有生命周期的，关键能力不是获取一个优秀决策，而是获取产生优秀决策的能力
“授人以鱼不如授人以渔”，还是中文比较有魅力，简短对仗有口感。事实上，近几年由于工作的特点，接触很多创业项目，很多转型项目，都有一个特点，就是希望通过创始人的一些创新性的决策，然后飞黄腾达，鱼跃龙门。
但这个显然是走不通的，就像跑着赛道理论一样，要保证的，是选择好赛道，跑在飞速发展的赛道。自己做跑着或者别人做跑着不重要，是不是跑直线问题也不大，最终能跑到终点的，大概都会遵循类似的关键点，但路径会很不相像或者很不重要。
这有点光学费马定理的意味。Em…我以后可以总结一下赛道理论跟费马定理的集合，用我自己命名可好？
非常看Dynamic Pricing（动态定价）的领域
不知不觉，我们走在了社会的最前沿，我们不是看到动态定价，而是在电商行业，实现了复杂情况的动态定价。
实时监控竞争商品的价格，并通过人工智能的技术，决定后续操作，并自动化操作。希望我们判断对了，或者说希望我们踩狗屎运了。
所有的公司都会变成软件公司->所有公司都会变成数据公司
这个作为多年的软件开发公司，对这个非常大的感受。以前别人问我们干嘛的，我们说我们是做IT的，开发APP，网页，公众号，小程序，内部系统等等。
但是现在，每个公司都有IT的需求，每个公司都有IT团队，每个公司现在已经是，或者将来都是IT相关的公司，IT就像电力一样，以后每个公司都用电，每个公司都会成为软件公司。当然，数据公司也一样，不过估计还得有一些时间。
作为CEO，你要懂一点大数据和人工智能
以后所有公司都会变成数据公司，作为CEO，一定需要懂得人工智能，因为人工智能必须基于战略层面的高度，做好规划，调度战略资源，才有可能成功。
你也无法雇佣到一个能够基于战略高度自主产生计划的人工智能专家。这次课程当中，就有大量的企业家，企业高管参加，每个人对课程的安排都赞不绝口，都收获良多。
推荐阅读：
