作者：SAS 香港總經理何偉信
根據《全球趨勢研究》2017 報告反映，人工智能（Artificial Intelligence）及機械學習（Machine Learning）將於 2020 年在企業決策上帶來重要影響，幾乎所有受訪行業都計畫在 2020 年前投資在人工智能範疇，八成受訪企業目前已有作相關投資。
人工智能及機械學習最大的特點是能夠針對各行各業需要，發展出不同應用，當中衍生的認知運算（Cognitive Computing）是最常見的應用。認知運算透過應用深度學習（Deep Learning）及高效的認知運算系統，促進人類與電腦的互動，令電腦能感知周遭世界，達至更好的自動化效果，為企業提供更準確的資訊及見解，協助管理層在業務發展上作出重要決策。然而，認知運算系統背後需要豐富的數據源，加上強大而富彈性的分析功能，將數據點與點之間的關聯有效作出銜接，並將日常工作任務自動化。企業必須明確定下業務目標，在決定應用人工智能前，認清本身需要和能力，例如是否有足夠的數據量。
統一開放架構
數據分析是現今企業的核心，可助企業改善客戶體驗及發掘新商機。商界、政府和其他機構都需要一個易於管理、可應對各種數據分析挑戰，並提供各種數據分析的技術及架構平台 ，而人工智能其實是進階數據分析的伸延。一個能夠支援人工智能、機械學習及認知運算數據分析的統一開放架構，需具備以下三項條件：
首先，在未來三至五年，愈來愈多人工智能衍生的數據將儲存在雲端，加快企業把原有系統和數據遷移到雲端。進階數據分析領域需要多雲架構，確保其單一代碼庫一致、可重複利用，以及可隨著基建發展而靈活遷移資產。
此外，由於認知運算結合自然語言處理、圖像處理、文本挖掘及機器學習等技術，架構必須能處理文本及圖像產生迅速而龐大的數據，並能進一步支援分析來自話音及視像的海量數據。
最後是簡易管理的架構平台，簡單易用的管理及操作介面，可應對各種數據分析挑戰，提供各種分析技術，如加快建模和產生代碼的速度，協助進行數據分析，數據準備、功能設計、降低數據維數、綜合模型比較，以及在生產過程中實施模型等，協助不同技術水平的人士進行數據挖掘和分析。
數據人才缺一不可
最近不少國家的行業和機構採用內置人工智能效能的分析平台，如影像識辨、深入學習及自然語言理解等，以便從數據中獲取更高價值。以為球隊提供策略意見的荷蘭 SciSports 為例，研究隊伍需要重要數據、深入學習及人才專長 ，以取得各種分析及見解。透過人工智能模擬球員動向，而數據亦可以用作發掘新星，以及透過特定賽事中其他隊員表現的指標找出被低估的球員。
在人工智能的時代，企業如能配備支援所有數據分析工作技術的架構，加上合適的數據分析人才，就能從大量的數據源中得出以數據主導的見解。香港正處於缺乏數據分析人才的境況，不少企業都開始著手培養 IT 人才，以應付市場需求，最有效的方法莫非為員工提供全面的學習基礎和結構化的課程。針對本地僱主對大數據分析人才與日俱增的需求，IT 機構亦有推出專業認證計畫或培訓課程，進修人士可透過認可的課程取得業界肯定、從事大數據及數據分析工作必備的專業資格；僱主也能藉此活用大數據管理、進階數據分析、機器學習及數據可視化等技術，提升企業的競爭優勢。