数据是重要的商业资产。通过分析和深入挖掘数据，一些公司已经能够开发新的用户参与方式、增强员工的绩效、培育新产品和服务、探索新的商业模式。而人工智能（AI），这一能够完成人类才能执行的任务的技术，正在成为数据分析工作的重要组成部分。然而，人工智能是机器智能（Machine Intelligence，即MI）的一部分，机器智能是一个更广泛、更重要的领域。机器智能的几个主要分支包括机器学习、深度学习、认知分析、机器人过程自动化和机器人软件等。
各个领域都有机器智能的早期使用案例。例如，美国一家医院正在“训练”其机器智能系统，通过机器智能来分析存储在医院数据库中的100亿张遗传和基因图像。
越来越多的公司正在试图利用机器的力量，并对机器智能技术进行投资（见图）。德勤预测，到 2019年，全球商业在机器智能领域的投资规模将达到313亿美元。机器智能也成为CIO（首席信息官）投资的优先考虑项。
数据：远比从前多得多
有三股强大力量共同驱动着机器智能趋势：
1. 数据呈指数级增长
如今，每隔12个月，全球各家公司创建和复制的数据量就会翻番。到2020年，全球的数据量将达到约44ZT（zettabytes）。这些数据（无论是大量结构化数据，还是存在于深层网络中的大量非结构化数据）对于机器智能的进步至关重要。数据越多，系统就越容易发现数据间的关系、潜在影响，以及数据模型，从而变得“更聪明”。
2. 更快的分布式系统
随着数据量越来越大，分析越来越复杂，我们的计算能力和速度也在飞速提升。如今，我们可以快速搜索、处理和控制数据。最新一代微处理器的性能优于1971年推出的第一个单芯片微处理器400万倍。
如此强大的处理能力铸就了更高级的信息处理系统，例如多核处理系统和并行处理系统。这些高级信息处理系统同样支持高级数据存储，可对归档数据进行快速检索和分析，进一步优化我们管理呈指数级增长数据的能力。
除了纯粹的速度增加，分布式网络的覆盖范围也越来越大。它们可以将基础设施、平台，以及应用程序无缝连接，并且消化和分析其中所产生的不断增长的数据。不仅如此，庞大的分布式网络已经覆盖了物联网、各种传感器和嵌入式智能设备。
3. 更智能的算法
近年来，随着机器智能算法变得越来越强大，模拟人类思考过程的第一阶段目标也获得了稳步的进步。机器智能应用案例将在未来的18-24个月内不断涌现，算法能力将得到更广泛的应用，其中包括自动优化、规划和调度（Optimization，plannig and scheduling）；机器学习（Machine learning）；深度学习（Deep learning）；概率推理（Probabilistic inference）；语义计算（Semantic computing）；自然语言引擎（Natural language engines）；机器人过程自动化（Robotic process automation）。
机器智能如何创造价值？
对CIO而言，转向机器智能需要一种新的理解数据分析的方式。数据分析不仅是一种用来创建静态报告的方式，更是一种利用更大型、更丰富的数据库来自动执行任务并提高效率的方式。在机器智能中，CIO可以考虑的机会有以下几种：
认知洞察（Cognitive insights）：机器智能不仅可以对已发生的事情进行洞察，还可以对现在正在发生的事情和接下来可能发生的事情进行深入洞察，这可以帮助企业制订程序来提高员工效率。例如，在全球呼叫中心，通过多功能的客户支持程序，客服代表可以回答有关产品的问题、接受订单、调查定价以及解决客户的其他问题，而现在许多这样的系统还需要工作人员在屏幕间来回跳转，以查询所需要的信息。
认知参与（Cognitive engagement）：机器智能价值树的下一级是“认知代理”（Cognitive agents），即采用认知技术与人类进行交互的系统。目前，这项技术的主要服务对象是消费者，而非企业。例如，“认知代理”可以根据人类的语音命令来打开某个电视频道。“认知代理”将能够接入复杂信息，执行诸如为用户推荐产品或服务等任务，其在客户服务领域拥有更大的商业潜力。
认知自动化（Cognitive automation）：认知自动化可能是机器智能最具颠覆性的一部分。它利用机器学习、机器过程自动化，以及其他认知工具来深度挖掘专业领域知识，然后自动化执行相关的任务。例如，某医疗公司应用深度学习技术进行医学图像的分析，在测试中，系统在判断恶性肿瘤方面比人类专家的能力高50%。在教育领域，嵌入到在线学习程序中的机器智能可以通过跟踪学习者解题时的“心理步骤”来模拟一对一辅导，为学习者提供及时的指导和反馈。
亚马逊副总裁玛利亚·雷兹的分享
亚马逊相信，语音会从根本上改善人们与科技的交互方式。我们正处于人工智能和语音技术的转折点。
比如，Amazon Echo（亚马逊智能语音计算机）的原始灵感是星际迷航计算机，我们想在云上创建一个完全由语音控制的计算机。Alexa语音助理是Echo背后的语音和大脑，它基于云端服务，每小时都在不断地学习。因此，在自然语言理解方面，Alexa能变得越来越聪明。如今，Alexa还嵌入到了其他第三方设备，如Nucleus对讲系统、LG智能冰箱，以及福特和大众汽车公司的汽车。
未来，我们在机器智能、神经网络和语音识别领域的发展将能为我们的客户提供更多新功能。
当然，人工智能在网络安全方面同时带来了回报和挑战。
所谓回报，是指借助机器自动化可以快速、有效地识别、警戒、消除潜在威胁。人工智能可以帮助我们进行数据分析，并在识别风险后自动采取保护措施。具有预知作用的风险模型将数据挖掘的范围进一步延伸到了未知领域，可识别可能遇到的新威胁。除此之外，企业还可以借助人工智能来推进项目、制订策略、规划产品。
不过，上述过程可能会带来网络安全隐患。当人工智能做出错误的推断时，其可能会引发新的风险。通过建立关联，人工智能也可能会产生一些引发隐私问题的数据。
归根结底，企业应该仔细考量这些基于推理的数据。
许多人已经开始讨论人工智能的伦理和道德问题。你的企业如何面对主动出击的人工智能所引发的品牌和信誉危机？当人工智能取代了人类，你的公司能否在这样的时代长期生存？
当我们驶入这些未知领域，CIO、CEO和其他领导者们应该仔细权衡这些可能会在未来产生的风险。
