如何准备 GRE 考试？ - 知乎<strong class="NumberBoard-itemValue" title="被浏览<strong class="NumberBoard-itemValue" title="0,672分享邀请回答pan.baidu.com/s/1mhXcEwS 密码：yub6填空：链接： 密码：rmci阅读： 密码：hifp数学： 密码：cgwi写作： 密码：2u3p第一阶段，目标重点：背单词，时长：一个月Final虽然过了，我的实习还并没有结束，而且从一周工作三天，变成了一周工作五天。赶着晚高峰挤地铁回到家里已是六点半，吃过晚饭休息一会儿，七点半准时地坐在桌子旁边，翻开《再要你命3000》。背单词是没有什么捷径可以走的，就是大量重复大量看，没错是看，不是背，因为第一次见到完全陌生的词汇，要求自己背下来是不现实的，而且会拖慢自己整体背单词的节奏。看完了杨鹏《17天搞定GRE词汇》，我深知自己绝对做不到像大神一样废寝忘食，但是里面的背单词方法可以参考。我把复习频率定为30min，1day，3day。以一个list为例，里面一共有100个单词，保证在一个小时时间里面看完。看完前50个，从头复习一遍，再看后50个，再把后50个复习一遍。这时候休息15-20分钟，起来走一走，吃点水果，回来把第一个list全部复习一遍，同样方法开始看第二个list。背完之后，在背过的两个list上记下第一次背的日期，这样可以推算出以后复习的具体时间。按照这样的方法，我一天之中需要背的新单词为两个list，需要复习的单词最多为四个list，复习时速度保持为第一次背时的两倍，将一天的工作量控制在4个小时。初次背单词不需要看近反意词，只需记住中文解释即可。背的过程中遇到长得像的单词，可以把他们写在一起，方便自己区分，我喜欢每天用不同颜色的笔，这样比较好看，而且把书上画得满满的更让人有成就感呀。科学家好像说过，人在运动的时候记忆力会变好，于是……我选择一边背单词一边动嘴，科科，效果不错，一个寒假长了6斤肉呢……除了每晚背单词之外，上下班路上的时间，吃完午饭后的休息时间也不能放过，我用扇贝APP，每天给自己设置100个单词的量，量不大，因为最主要是希望在app上碰到3000里有的单词，再进行一次复习。不过扇贝里面有一些中文翻译不准，这个着实头疼。给大家另外推荐两个朋友用过的app，大家可以自行选择。1. 好G友 背单词时可以选择显示到什么程度，有中英文释义、例句、近反义词、可以勾选，所以很适合大家根据不同复习阶段自己把握。另外，它可以进行测试，有难度和时间可以选择，软件会对用户的测试进行统计，测试情况历史情况都有统计，均可查阅。2. 百词斩最大的特点就是每个单词都会配图片，根据图片记忆，图片比较幽默。另外，可以根据自己的需要制定计划，比如10天背完3000，他会大概计算每天需要耗时多久。朋友说很喜欢它随身听的功能，念单词和例句，这样走在路上也不用担心浪费时间了，嘿嘿。这一阶段大约持续了一个月我把单词书过了两遍，你要问我记住了多少？咳咳，四分之一？不过这不是最重要的，我们的目的在于培养起自己的复习节奏，坚持下去，会有一天你突然发现，诶这些词我怎么突然都认识了！四个周末，我把OG总册，语文分册和数学分册仔仔细细地刷了一遍，和我一样大学就再没碰过数学的文科生们注意了，仔细看数学考点！这个非常重要！比如，有关正态分布的问题我都是厚着脸皮问数学系小伙伴的。什么？你没有数学系小伙伴，那学工程的有木有，打代码的有木有，学物理化学生物商科的有木有？实在不行，还可以问高中数学老师嘛~看考点的过程中，把数学相关专业词汇动手整理一遍，我知道网上到处都是数学词汇册，但是自己动手整理过才能印象深刻啊，还可以把不会的例题一起记在单词旁边，留着日后复习。第二阶段，目标重点：大量刷题+总结+找手感，时长：两个月寒假一过，我又开学了，并且来到了异常糟心的大三下半学期，专业课难到爆炸，马克思哲学理论和传播政治经济学时时刻刻折磨着我，这样的艰苦条件之下，我只能保证每天三个小时时间刷题。朋友有向我推荐过趴趴的复习计划，他用的很好，听说有老师的指导信，极大缩短新手入门时间，也省了自己找资料看经验贴的时间。我没有买，但是我把他的抢了过来嘿嘿嘿。大概长成这样：所以，我的备考过程可以说，结合了朋友的定制计划和我自己的聪明才智。周一到周五，没有晚课，我的复习可以从每晚6点半开始。用两个小时刷题，45分钟总结+整理，15分钟休息第一个小时，做陈圣元句子填空，这本书非常适合刚着手杀鸡的宝宝，难度不算高。陈书说填空的无上法则就是重复——同意重复与反义重复，做题时需要做的就是找出空格与句子的哪个部分形成了同义或反义，然后，直接选答案！我觉得，找同反义关系的难点在于句子结构的分析，说白了就是理解句意。GRE句子最大的特点就是晦涩难懂，很多时候结构也懂，单词也懂，然而就是不造他在说啥。这一方面是因为我们对于句子所讨论的话题不熟，特别是涉及到高科技的时候，另一方面是，我们不懂ets的逻辑。我觉得ets的逻辑就是填空与其他部分只能是同义或者反义关系，没有别的关系，虽然理论上有。比如，要是句子说虽然A，那么后面肯定就是非A，或者是进而A，不会出现另外一个B。只要多多做题，就会体会到ets的这种傻瓜思路。而对于前一点，唯一的对策就是要让自己习惯于读陌生的话题内容。因为可能平时读书的时候看的都是自己熟悉的领域，不需要推理，大脑都处于一种自动反应的状态。而在读gre句子的时候，大脑仍处于这种慵懒之中，自然就读不懂了。所以，养成推理的习惯非常重要，要争取做一个积极的读者。八点到了，又到了我的休息时间，跑出图书馆，吹吹冷风，还可以偷看看小树林里的小情侣，看他们都不知道好好学习，真是不如我，哼唧。回头点杯热可可带回楼上，心情好还可以矫情地摆拍发个票圈，别忘了@爸妈，科科，我最机智。八点一刻，开始刷阅读。《杨鹏长难句》！！！这是一本好书，可以说是为数不多必须有的书。网上大神说每看一遍做题速度就能提高30%，讲道理，这我是不信的。不过，这本书提到了“不能回视”的阅读方法，很有道理的！在按照“不能回看”的方法练习时，就是在一遍遍逼迫自己的大脑主动思考和阅读，每天坚持看20句，真的有效果。不过我也做不到完全不回视，一些topic sentence，和转折关系特别复杂的长句还是可以多看两遍的。长难句看的实在恶心了，就多吃点儿东西好了。然后刷《陈虎平阅读36套》。这一阶段，做题不必在意时间，看懂是首要任务！每篇文章都需要通读再做题，总结了一些经验，分享给大家：1. 第一段精读，必须精读，了解文章大概内容，可以在脑袋里进行一些合理推测。往后的每一段，精读第一句和最后一句。这样一篇长阅读读下来需要2-3分钟，但是在做细节题时，定位时间会大大地缩短。2. 逻辑单题不要钻牛角尖，也不要用中国学生数学均分160+的大脑去碰撞ets的神秘逻辑。事实上，在刷逻辑单题的过程中，会慢慢摸出ets逻辑的，我们不求逻辑多变，抓住了套路，请笔直大胆地走下去。 另外，抓紧每天的闲散时间用来背单词，上午两节课间半个小时，中午吃完饭后的半个小时，下午两节课间的半个小时，还有水课上的半个小时到一个小时，算下来，每天两个小时背单词的时间是可以保证的，我背的还是3000，每天两个list，复习前一天背过的两个list。拿一个小本子，把总是忘记的词汇记录下来，睡前再翻一遍。其实到了这样一个阶段，随身带着单词书已经是习惯了，没有什么时间，没有什么地点不可以用来背单词。去约会的路上干什么？背单词啊。等室友吃饭的间隙干什么？背单词啊。和女朋友开房干什么？一起背单词啊~ 这时候当然也可以转战红宝书，而我，已经和3000有感情了，我离不开它，所以一直背着。到了周末，我会全天泡在图书馆里，上午填空+写作，下午阅读+数学，晚上背单词。我写作只有4.0，就不误导大家了，分享一个网站，里面是写作词频，建议把出现频率高的作文题目都写一遍。然后，一定一定要找人批改!同学互批也可以，淘宝上卖作文批改的也很多，不过要谨慎挑选。数学推荐150真题和数学112难题，要记住自己不是为了刷题而刷题，自己是为了得满分而刷题，遇到过的知识点不许再出错，见过的专业名词不许再忘记，因为粗心做错的话，自觉出门左转死一死。由于数学真的真的不难，我复习数学的时间是不断缩短的，保证正确率就好。摘录一段数学满分法，发现和自己的满分经验差不多：首先，认真读题目，看清楚提问的是什么，是percentage，还是ratio（而且是谁比谁），还是number，还是which item，还是……这个很好看，就看 What is 后面紧跟的那个词就行了。其次，解题，计算结果。（第一遍解题）再次，把结果带回原题。看看能不能按照原题目的逻辑符合题意。并且，如果你不放心的话，看看题目，看看有没有注意到所有细节，看看回答的东西是不是题目想要你回答的东西（第二遍检查）。都做完之后，重头检查。之前用手算的题目，用计算器再算一遍（别问我计算器在哪。。。）；用计算器算的题目，用手算一遍（不会耽误你很久的啊兄弟）。（第三遍了想错都难啊！亲- -）原贴在这里： 第三阶段：目标重点：锻炼做题速度+模考 时长：一个半月这一阶段非常重要，我感觉是自己实力提升最快的一个阶段。同时，也是最痛苦的一个阶段。词汇我用了magoosh flashcard，我背了8套，共400单词。整个flashcard有1000词，取词非常精准，而且全英文释义，有助于理解。推荐英英词典，只有英英，才能讲解出最精准的释义。我最后上考场之前又刷了一遍佛脚词汇，和数学词汇。推荐大家一篇帖子，答主这方面很有研究。 其余练习题全部用magoosh，magoosh是公认的最接近ETS出题思路的练习题，必备！再分享大家一篇帖子，里面写的非常清楚要如何使magoosh 这一阶段，刷题一定要计时，长阅读要保证自己8:45之内一定要读 完做完题。单空题1分钟之内，2空题1分30秒，3空题2分钟之内。这是一个非常大的挑战，但是只有计时，才能知道自己问题到底出在哪儿。限时做阅读的话正确率惨不忍睹怎么办？首先，限时做完题目之后先不要对答案，先好好静下心来分析一下文章，看看哪些句子是必须精读的，哪些句子只需要有个概念就好，看看现在你是否还会坚持之前的选择？再对比答案，看看在有时间限制和没有时间限制两种状态下自己的正确率相差多少。然后把每到题目在原文中找到对应，在旁边标记考点。这样逐步培养自己对于文章结构，主旨句，句子改写出现在答案中的敏感度。我考前一个月做了第一次PP2模考，成绩159+168+4.0，考前半个月做了第二次，遇到了蛮多做过的题目，所以特别顺利，成绩162+170+4.0。事实证明，模考成绩和真正考试还是很贴近的。因为我平时的学习时间比较散，只有周末能有大块复习时间，所以一开始我很担心自己没办法保证接近4个小时的专注。所以第一次模考完了之后我调整了周末的复习模式，完全按照考试时间和顺序来复习，坚持了三个礼拜。眼看着考试日期越来越近了，心里压力也越来越大，我觉得解压的最好办法，就是和一起备考的，而且实力不如自己的朋友聊天，科科。我：“哎呀，我现在做magoosh填空正确率就40%不到，要shi了”他：“我还没刷magoosh呢来不及”我：“背完的单词又忘了妈蛋，我才背了4遍”他：“我一遍还没看完呢”我：“你托福考出来了吗”他：“没有，再见”人啊，总得有那么几个可以肆无忌惮的朋友，互相伤害，再互相鼓励，科科。另外，找到最好吃的，最能安慰自己的食物也很重要！我在第一次考试的时候选了士力架，毕竟“横扫饥饿无极限”“做回你自己”，结果，被齁得嗓子疼，太！甜！了！又不敢喝太多水，怕会上卫生间……结果真的很不爽。第一次模考的时候吃了一根香蕉，因为看到科学家研究发现吃完香蕉之后人的智商会有短时间内的提升？和一包Pocky，草莓味的，看着就让人有食欲~结果确实分数进步了，科科，不知道和香蕉有木有关系。Pocky是好吃拉，但是太纤巧了，不太方便。第二次模考选了软软的有奶油的不干硬的蛋糕，这个好评好评好评！！！吃完心情大好，在做模考的时候就很有干劲，想赶紧做完再去买一块…… 然后第二次杀鸡的时候也啃蛋糕啃得特别开心……GRE备考过程是不可能无痛的，但是我们可以苦中作乐啊。以上只是我的备考经验，其实并不一定适合所有人。最重要的并不是我把自己逼得多狠，我经历了怎么样的折磨和痛苦，而是培养最适合自己的复习节奏，重复一遍，最适合自己的复习节奏。单词背不出，不着急，想一想自己是不是早晨精力特别好更适合背单词？或者默写一遍？或者找个漂亮的小姐姐一起背更有动力？写了一天论文了不想刷题，打开随身听，听着单词去操场上走一走。压力特别大，心情烦躁，用食物奖励自己。于我而言，没有什么不能用好吃的解决，科科。最后的最后，
推荐大家两个微信公众号，可以看到关于考试、申请等等的最新资讯：1. 琦叔GRE2. 趴趴G阿姨小助手琦叔很有名啦，平日分享里有干货，有冷知识，还有鸡汤……可以选择性服用。趴趴是朋友推荐给我的，感觉做得很用心，经常可以蹭到福利，而且很多推文real逗！文风和我一样可爱~PS有宝宝说填空链接打不开，可我戳进去一切正常啊，还是再给大家贴一遍好了。链接： 密码：gypj2.4K208 条评论分享收藏感谢收起47849 条评论分享收藏感谢收起关于人工智能，你必须知道的8大精准预测
当前人类正处于大变革时代，其中一部分来自于技术的颠覆，其核心影响是制造业的改革，而AI正是重要的变革动力之一。
长江商学院创办院长、中国商业与管球化教授项兵
在2018哈佛中国论坛上的主旨演讲
人工智能的成功有可能是人类文明史上最大的事件，但也有可能是人类文明史的终结。我们初尝了AI的甜头， 也产生很多担忧，关于人工智能在2018年的发展趋势，普华永道做了8条具体的预测，让我们一起来看看AI会对企业、政府和社会产生怎样的影响，并且思考，未来你该如何把握机会，何去何从？
来源 | 普华永道
翻译 | 36Kr
人工智能将会对雇主产生影响
长期来看, 人工智能不会摧毁就业市场——至少在2018年是不可能的。但是企业面临着一个重大挑战：只有汇集了来自不同种类的数据以及不同学科的团队成员时，人工智能才能发挥出最大的效果。同时，它还需要借助相应的结构和技能来实现人机协作。但是大多数企业都把数据存放在联合企业和团队的数据库里。 很少有企业开始为员工提供他们所需要的基本人工智能技能。普通的企业还没有准备好满足人工智能的需求。
可能你读到过很多这样的新闻：机器人和人工智能将会摧毁工作机会。但我们并不这样认为。我们看到一个更加复杂的情况成为焦点，人工智能将会促进就业市场逐步演变，只要正确的应对这一趋势，就会对就业产生积极的影响。新的工作机会将抵消那些失去的。人们仍然会进行工作，但他们会在人工智能的帮助下更高效地工作。
同样，你也可能听说了人工智能击败了世界上最厉害的国际象棋大师。但并不是每个人都知道什么才能击败人工智能象棋大师：一个“人机结合”系统，或者人和人工智能作为一个团队去下棋。人类能够从人工智能合作伙伴那里获取建议，但也可以自由的推翻它。这是两者建立联系的过程，也是取得成功的关键。
这种无与伦比的组合将成为未来劳动力队伍中的新常态。考虑一下人工智能将会如何加强产品设计的过程：人类工程师定义每个零件使用的材料、特征和各种约束条件，并将其输入到人工智能系统中，从而生成大量模型。然后，工程师可以选择其中的一个模型，也可以改进他们的输入，然后让人工智能再次尝试生成模型。
这种模式是人工智能促进经济发展的一个原因。然而，不可否认的是，在一些行业，经济体和企业（尤其是那些涉及重复性工作的行业，经济和企业）中，工作将会改变或被淘汰。不过，在接下来的两年内，影响相对有限：根据普华永道的国际就业自动化研究估计，在对29个国家的分析中，到2020年，存在高度自动化风险的就业岗位仅约3％。
为什么一些企业会成功，一些企业会失败？
在2018年，企业将开始意识到他们需要改变他们当前的工作方式。在他们这样做的时候，他们需要特别留意之前发生的事情：失败的技术转型。发生这种情况的原因有很多，但有两个原因与许多企业接近人工智能的方式有关。一是不会变通，对号入座；二是孤岛上进行思考和工作。
精通人工智能的员工不仅仅需要知道如何选择正确的算法，以及将数据输入到模型中。他们还需要知道如何解释结果，以及什么时候让算法自主决定，什么时候该介入其中。
同时，不同团队之间的相互协作才能有效使用人工智能。想象一下一个帮助医院工作人员决定批准哪些医疗程序的人工智能系统，它不仅需要来自医疗和人工智能领域专家的投入，还需要来自法律，人力资源，财务，网络安全和合规团队的投入。
大多数企业喜欢设定界限，让特定的团队负责某些领域或项目，并据此分配预算。但是人工智能需要多学科团队齐心协力解决问题。之后，团队成员继续进行其他挑战， 但是会继续监控并完善第一个挑战。
就人工智能而言，和其他许多数字技术一样。企业和及教育机构应该少考虑一些工作title的问题，多关注一些工作任务、技能和思维方式方面的问题。这意味着要拥抱新的工作方式。
人们将普遍接受人工智能
随着人工智能的发展，人们将会意识到人工智能摧毁工作只是一场虚惊。人们可能会更乐意接受工作场所和社会中的人工智能。关于人工智能抢走我们工作的言论将会销声匿迹，人们将会谈论机器人使我们的生活或工作更将容易的话题。这将会倒逼企业更快的拥抱人工智能。
企业将开始重组
这将是一个漫长的过程，但一些具有前瞻性思维的企业已经开始改变将数据存放在联合企业和团队的数据库里的格局。一些企业也开始大规模地增加人工智能和其他数字技术所需要的劳动力。这种增加不仅仅是教员工掌握新的技能，它还将教导员工掌握一种强调与同事和人工智能合作的新思维模式。
人工智能将融入现实
它可能不会成为媒体的头条新闻, 但人工智能现在已经准备好了，能够自动完成日益复杂的流程，识别出能够创造商业价值的趋势，并提供具有前瞻性的情报。
这带来的结果是, 人们的工作量减少, 做出的战略决策也变得更好了：员工的工作也比以前更好了。 但是, 由于传统的投资回报率（ROI）策略可能无法准确地识别出这一价值，企业将需要考虑采取新的指标，以便更好地理解工智能可以为它们做什么。
54%的高管表示，人工智能解决方案提高了生产力。
在很多媒体的报道中，以人工智能为动力的未来看起来非常神奇：自动驾驶汽车组成的车队基本上不会遇到车祸或者交通拥堵；机器人医生诊断疾病通常只需要几毫秒；智能的基础设施将会优化人员与货物的流动，并在需要修理之前自动维护。在将来，所有的这些可能都会发生，但不会出现在2018年。
在接受调查的高管中，他们认为人工智能对他们的成功至关重要：72％的人认为这将是未来的商业优势。但我们面临的问题是：当下它能为我们做什么？答案就在这里。
提高人的生产力
如果人工智能听起来可能让人感到牵强附会，那么，能够执行繁琐重复性的白领的任务的工具，能让管理者们把时间花在分析上，听起来怎样？那么，一个能够识别欺诈行为并提高供应链弹性的方法呢？
这就是人工智能在2018年的价值：不在于创造一个全新的行业（未来十年），而在于增强现有员工的能力，为现有的企业增加更多的价值。
主要有三种方式：
1、将那些对于老技术来说过于复杂的流程自动化
2、从历史数据中发现趋势以创造商业价值
3、提供具有前瞻性的情报来使人们更好地下决策
从繁琐的任务中获得价值
想象一下大多数公司的财务部门是如何花费大部分时间的：浏览来自ERP，支付处理，商业智能和其他系统的数据。许多员工每天要花费数小时的时间研究法律合同和电子邮件，或执行一些普通的交易任务。
这带来的结果是，许多金融专业人员在有其他日常工作剩余时间的时候，才会进行增值分析。
现在想象一下，有一个人工智能系统能够扫描所有的数据，发现趋势和异常情况，自动执行许多交易，并标记相关问题以便进一步跟进。想象一下，这个人工智能系统还会识别和解释可能存在的风险，并提供数据驱动的预测来支持管理人员的分析和决策。
它听起来可能没有智能城市那么性感，但这种实用的人工智能现在已经准备就绪。它通常是“偷偷地从后门溜进来”。来自Salesforce，SAP，Workday和其他公司的企业应用程序套件正在越来越多地拥抱人工智能。
业务问题将会打开通向人工智能的大门
领导者没必要为了人工智能而采用人工智能。想法，在他们寻求商业需求的最佳解决方案时，人工智能将发挥越来越大的作用。企业是否想要实现自动化计费？自动化执行普通的会计和预算等众多合规的功能是否想要将采购、物流和客户服务部分自动化？人工智能很可能会成为解决方案的一部分，无论用户是否能够察觉到它。
需要采用新的投资回报率衡量策略
有时衡量人工智能价值的最佳方法是使用与其他商业投资相同的指标：收入增加或成本降低等。 但是人工智能带来的好处往往是间接的，所以企业需要探索其他衡量投资回报率的指标。 自动化的全职员工可以捕捉到人工智能是如何将劳动力从平凡的任务中解放出来的。 其他指标可以显示出人工智能是如何改善人们的决策和预测的。
人工智能将帮助回答有关数据的问题
许多针对数据技术和数据集成的投资都未能回答这样的一个重大问题：投资回报率在哪？现在，人工智能正在为这些数据项目提供商业案例，新的工具将会使这些项目的价值凸显出来。
企业不再需要决定"清理数据"——也不应该这样做。他们应该首先从一个业务问题开始来量化人工智能的好处。一旦数据被用来解决一个特定的问题，进一步开发数据驱动的人工智能解决方案就会变得更容易，从而就会形成一个良性循环。 问题出在了哪里？一些企业仍然在犹豫要不要建立，或者是没有建立好数据基础。
许多公司没有看到他们对大数据进行投资带来的收益。这里有一个脱节。商业和技术行业的高管们认为他们可以用数据做更多的事情，但学习曲线非常陡峭，工具也不成熟。所以他们面临着相当大的挑战。
现在，随着应用场景的成熟和人工智能本身变得更加真实和实用，一些人正在重新思考他们的数据战略。他们开始提出正确的问题，例如：如何使我们的流程更有效率？需要做些什么才能实现数据提取的自动化？
同时，企业现在可以利用新的工具和技术进步，其中包括：
1、采用更简便的方法挖掘结构较差的数据，比如那些用于文本索引和分类的自然语言处理
2、企业应用程序套件将包含越来越多的人工智能工具
3、新兴的数据湖即服务的平台
4、可以利用不同类型数据的公共云
5、自动化地机器学习和数据管理
喂养AI野兽
尽管取得了这些进展，但许多企业仍然面临着诸多挑战。许多类型的人工智能（如监督式机器学习和深度学习）需要大量标准化、标签化的数据，并且还要把偏差和异常的数据“清除”掉。否则，不完整或有偏见的数据集将导致错误的结果。这些数据也必须足够具体，才能有用，当然，也要保护个人隐私。
考虑一个典型的银行业务流程。各个业务线（例如零售，信用卡和经纪业务）都有自己的客户数据集。其中不同部门（例如营销部门，账户创建部门和客户服务部门）也都有自己的数据格式。一个人工智能系统可以识别银行中最赚钱的客户是谁，也能为如何找到并赢得更多像他们这样的客户提供建议。但要做到这一点，系统需要以标准化的、无偏见的形式访问各业务线和各部门的数据。
正确的数据处理方法
从清理数据的开始并不是个好主意。从商业案例开始，然后评估如何在这个具体案例中取得成功会比较好。
例如，医疗保健供应商可能会致力于改善病人的治疗效果。在开始开发系统之前，供应商会量化人工智能可以带来的好处。供应商接下来将研究需要哪些数据——电子病历，相关期刊文章和临床试验数据等——以及获取和清理这些数据的成本。
只有供应商的收益——包括间接收益以及未来的应用程序如何使用这些数据，能够超过成本的情况下，供应商才会向前推进。
这就是有多少企业最终会改革数据架构和管理的衡量方法：人工智能和其他技术提供了需要它的价值主张。
成功将会带来成功
那些已经为一个应用程序解决了数据问题的企业，将会在下一个计划中有一个良好的开端。它们将开发最具实践性的项目，从而有效利用其数据资源并跨越企业边界进行工作。
第三方数据供应商将蓬勃发展
企业内部的数据对于人工智能和其他创新来说是无可替代的，但有一个补充：第三方供应商将会越来越多地采用公共数据源，将其组织成数据湖，并为人工智能的使用做好准备。
更多的合成数据即将到来
随着数据变得更有价值，合成数据和其他“精益”和“增强”数据学习的技术进步将加速。例如，我们可能不需要一整队自动驾驶汽车生成它们将会在路上如何行驶的数据。 只需要少数的一些汽车, 加上精密的数学计算，就足够了。
决定人工智能人才竞赛的不是技术人员
现在大型的企业都在争夺计算机科学家，但是顶尖的技术人才并不足以让人工智能取得成功。 企业需要能够与人工智能和人工智能专家合作的各个领域的专家，他们不需要成为程序员。但他们必须了解数据科学和数据可视化的基础知识, 以及人工智能的思维方式。
在人工智能离开计算机实验室，并进入日常工作流程时，这些专家将比计算机科学家更加重要。 但许多专家需要适当地提高技能。
随着人工智能扩展到更为具体的领域，它将需要数据科学家和人工智能专家通常缺乏的各领域的专业知识和技能。
想象一下计算机科学家创建一个人工智能应用程序来支持资产管理决策是什么情景吧。人工智能专家可能不是市场领域的专家。所以，他们需要经济学家、分析师和交易员来帮助他们确定人工智能在哪里能发挥作用，来帮助确定怎么去设计和培训人工智能，从而让人们能够愿意且有效地使用人工智能。
而且由于金融世界处于不断的变化之中，一旦人工智能开始运行，就需要不断进行定制和调整。所以，金融领域的专家——而不是程序员——将不得不带头工作。不仅在整个金融服务领域，在医疗保健，零售业，制造业以及人工智能所涉及的所有领域也是如此。
公民数据科学家
人工智能变得更加方便了。用户不再需要知道如何编写代码来使用一些人工智能应用程序了。但是大多数人仍然需要掌握比电子表格或文字处理程序需要更多的技术知识。
例如，许多人工智能工具要求用户将他们的需求制定成机器学习问题集。他们还需要了解哪些算法最适合特定问题和特定数据集。
所需的确切知识水平会有所不同，但我们可以将人工智能对人类知识的需求大致分为三类。首先，一家人工智能支持的企业的大多数成员需要一些关于人工智能价值的基本知识以及它能用数据做什么和不能做什么。其次，即使是最成熟的人工智能项目也需要一组计算机科学家。最后，第三类是许多企业尚未注意到的——懂得人工智能的各领域的专家。
正如前文所说，他们不需要成为程序员。但他们必须了解数据科学和数据可视化的基础知识, 以及人工智能的思维方式。他们必须是公民数据科学家。
零售分析师，工程师，会计师以及许多其他领域的专家，他们需要知道如何准备数据，并将数据场景化, 以便人工智能最大限度地利用数据，这对企业的成功至关重要。在人工智能离开计算机实验室，并进入日常工作流程时，这些专家将比计算机科学家更加重要。
更快地提升技能意味着更快地部署人工智能
那些想要充分利用人工智能的企业不应该只是争夺那些出色的计算机科学家。想要人工智能快速运行，它们更应该提高各领域的专家的人工智能素养。一些大型的企业，应该会更进一步，确定人工智能将会在哪些运营方面发挥作用，并提高相应技能地优先级。
提升技能将带来新的学习方法
企业必须提高员工的技能，学习数据科学的基础知识以及如何像人工智能应用程序那样思考。考虑到这项任务的艰巨性，企业必须找到方法来评估高潜力学习者的技能，并将其放在个人的学习路径上，使其更快。
网络攻击将因人工智能变得强大
但网络防御也会如此产生影响
智能的恶意软件和勒索软件通常能够在传播过程中学习，通过机器智能协调对全球网络攻击，并通过先进的数据分析来定制攻击方式——不幸的是, 这一切都在进行中。
企业不可能拎着刀去参加枪战。它们必须要用人工智能来对抗人工智能。即使是那些对人工智能非常警惕的企业或者组织也别无选择，只能部署人工智能网络防御系统。网络安全将是许多企业第一次尝试使用人工智能。
27%的高管表示，他们所在的企业计划在2018年投资利用人工智能和机器学习来打造网络防御系统。
黑客攻击，让人工智能显示出了超越人类的优势。例如，机器学习可以轻松跟踪你在社交媒体上的行为，然后为你个人定制网络钓鱼推文或电子邮件。一个人类黑客不可能快速地完成这项工作。
人工智能越发展，网络攻击的可能性就越大。先进的机器学习，深度学习和神经网络等技术使计算机能够发现和解释模式。黑客也可以利用它找到并利用漏洞。
智能的恶意软件和勒索软件通常能够在传播过程中学习，通过机器智能协调对全球网络攻击，并通过先进的数据分析来定制攻击方式——不幸的是，你所在的企业或者组织很快就会受到牵连。就人工智能本身而言，如果没有得到很好的保护，就会引发新的漏洞。例如，恶意行为者可以将有偏见的数据注入算法的训练集中。
用人工智能来拯救
就像我们预计人工智能在2018年将会成为一个不断增长的网络威胁一样，我们也确信它将成为解决方案的一部分。可扩展的机器学习技术与云技术相结合，正在分析大量数据并为实时威胁检测和分析提供动力。人工智能还可以快速识别网络攻击正在飙升的“热点”，并提供网络安全情报报告。
但即使在网络安全领域，也有一些只有人才能做到的事情。人类更善于吸收情境并富有想象力地思考。网络战不仅仅是两台计算机之间的战争。但人工智能将成为每个主要企业或组织机构的网络安全工具包的重要组成部分。
不要拎着刀去参加枪战
在企业的其他部分，许多企业可能会选择放慢人工智能的速度，但在网络安全方面，它们不会有丝毫犹豫：攻击者会使用人工智能, 所以防御者也不得不使用人工智能。 如果一个企业或组织的IT部门或网络安全供应商还没有使用人工智能，那么它必须立即开始考虑人工智能的应用了。 示例使用案例包括分布式拒绝服务攻击(DDOS)模式识别，升级和调查日志警报的优先级以及基于风险的身份验证。
网络安全可能会加快对人工智能的接受度
即使是那些对人工智能非常警惕的企业或者组织也别无选择，只能部署人工智能网络防御系统。网络安全将是许多企业第一次尝试使用人工智能。我们看到这种情况促使人们熟悉人工智能并愿意在其他地方使用它。对人工智能的进一步接受来自于对数据的渴求：人工智能在整个组织中的存在和获取数据的机会越多，它就能更好地抵御网络威胁。 一些组织正在构建内部部署和基于云的“威胁湖”，这将使人工智能的能力得以显现。
人工智能黑客可能会增加公众的恐惧
许多人已经对人工智能感到紧张，现在他们会更加担心网络安全问题。 当人工智能在2018年成为头条新闻的时候，可能不是为了帮助人类，而可能是因为它使得一次重大的黑客攻击成为可能。 更好的网络安全可以减少这种风险。 除了利用人工智能技术之外，这种高度的安全性需求还需要公司增加数据和计算平台，以支持先进的访问监控、对象级变更管理、源代码审查和扩大网络安全控制等预防措施。
打开人工智能的“黑匣子”将是重中之重
人工智能失控，并不是人们在2018年会面临的危险，毕竟它现在还不够聪明。但人工智能的行为令人费解，从而导致领导者和消费者对其保持谨慎的态度——这才是真正的危险所在。
我们会面临更大的压力。所以，必须要打开人工智能“黑匣子”，使其能够被解释。但这涉及到成本和效益之间的权衡。 企业需要建立一套能够评估业务、业绩、监管和声誉方面问题的框架，因为它们决定了人工智能的可解释性的正确水平。
人工智能驱动的自动化武器是否能成为连环杀手？人工智能系统告诉我们减少空气污染最合乎逻辑的方法是消除人类？这种恐惧可能会带来一些好的惊悚电影，但危险是可以控制的。
这里有一个许多人工智能支持者都不愿意提及的秘密：人工智能并没有想象中的那么聪明，至少现在是这样的。人工智能模式识别和图像识别、将复杂任务自动化以及帮助人们做出决策方面越来越好。所有这些都为价值数万亿美元的企业提供了机会。
例如，在过去，为了让人工智能程序能够学习下国际象棋或其他游戏，科学家们不得不给它们提供大量的历史游戏数据。现在，他们只需要向人工智能提供游戏规则就行了。在几个小时后，它就能知道如何打败世界上最伟大的大师了。
这是一个非同寻常的进步，具有巨大的潜力来支持人类决策。与下棋不同的是，一个拥有正确规则的人工智能程序可以在企业战略、留存消费者或设计新产品方面表现的更好。
但它仍然只是遵循人类设计的规则。如果对负责任的人工智能I给予适当的关注，我们可以安全地利用其能力。
真正的风险
尽管人工智能是可控的，但它并不总是可以理解的。一方面，许多人工智能算法超出了人类的理解范畴。另一方面，一些人工智能供应商为了保护知识产权不会透露他们的项目。在这两种情况下，当人工智能做出决定时，终端用户是不知道它是如何到达那里的，它就是一个“黑匣子”，我们无法看到它的内部。
在一些方面，这算不上一个问题。就比如子商务网站使用算法向消费者推荐新的衬衫，风险就很低。但是当人工智能驱动的软件因为银行无法解释的原因拒绝了抵押贷款申请时会发生什么？如果人工智能没有明显的理由在机场安检中标记某个类别的人该怎么办？当基于人工智能的交易软件出于神秘原因在股票市场上进行杠杆式投注时会发生什么？
如果用户不能理解人工智能的工作原理，他们可能不会相信它。如果领导者不能看到它是如何作出决定的，他们可能不会投资人工智能。因此，运行在“黑匣子”上的人工智能可能会遇到一波不信任的浪潮，从而限制了它的运用。
许多黑匣子将会打开
我们预计，企业面临的来自终端用户和监管机构的压力将越来越大，所以不得不部署可解释，透明和可证明的人工智能， 这可能需要供应商分享一些秘密。同时，这也可能需要使用深度学习和其他高级人工智能的用户使用新技术, 以解释以前难以理解的人工智能。
企业需要进行权衡
大多数人工智能都是可以解释的——但需要付出代价。与其他任何流程一样，如果每个步骤都必须进行记录和说明，流程就会变得更慢，而且可能会更加昂贵。但是打开黑匣子将减少某些风险，并帮助获得利益相关者的信任。
企业需要建立关于人工智能解释能力的框架
可解释性、透明度和可证明性不是绝对的，它们存在于一个范围之内。 一套能够评估业务、业绩、监管和声誉方面问题的框架可以使人工智能使用案例在哪些方面达到这个范围做出最佳决策。使用人工智能来帮助做出生死决定的医疗保健公司与使用人工智能来确定潜在的进一步研究目标的私募股权基金有不同的需求。
人工智能的竞争将会上升到国家层面
人工智能是一个巨大的机会, 许多政府正在努力确保他们的国家得到一大块蛋糕。 加拿大、日本、英国、德国和阿联酋都有国家级的人工智能计划。 美国的税收改革和放松管制可能会推动人工智能的快速发展。
中国与众不同，在如何利用人工智能发展未来经济方面的努力已经取得了成果，并可能会导致一个“斯普特尼克”时刻。这不是贸易战，而是研究、投资和人才问题，中国正在迅速发展。就像在人造卫星领域美国被俄罗斯超过一样，美国也开始担心其丧失人工智能的技术优势。
根据我们的研究，人工智能将成为一个巨大的市场：到2030年将达到15.7万亿美元的规模。人工智能蛋糕是如此之大，以至于除了个别公司之外，各个国家也正在制定策略，争取从中获得最大的份额。
美国从刚开始的时候发展十分强劲，并在2016年发布了三份报告。他们概述了一个计划，使美国成为人工智能强国，从而推动经济发展和保障国家安全。
建议包括增加联邦资金、监管变革、建立共享公共数据集和环境、制定标准和基准，发展劳动力以及人工智能支持网络安全和军事的方式。
但是，自2017年初进入新一届政府以来，政府已经放弃了这一计划。它正在削减人工智能方面的研究基金。
然而，前不久通过的税收改革可能会推动美国人工智能的发展。较低的企业税率、从海外汇回现金的规定、以及允许100% 的资本投资可能会刺激人工智能和其他技术的投资。现任政府强调放松管制可以帮助某些行业的人工智能发展，例如无人驾驶飞机和自动驾驶汽车。
新的人工智能领导者
在英国去年推出了一项计划，以改善对数据的访问、提高人工智能技能、推动人工智能研究和吸收。其最新预算为数据伦理与创新中心增加了资金，以推动负责任的人工智能，开展数据信托的探索工作。
加拿大——已经是人工智能领域的领导者了——也在努力使人工智能成为未来经济的关键。联邦政府去年推出了PanCanadian人工智能策略。该计划包括与私营公司和大学合作为人工智能研究中心提供资金。它还旨在吸引和留住顶尖的人工智能人才。
日本发布了一项人工智能技术战略，其中包括实现真正的人工智能生态系统的三阶段计划。在机器人技术的成功基础上，日本政府设想将人工智能与其他先进技术（如物联网，自动驾驶汽车以及网络和物理空间的融合）结合起来。
其他也有一些国家公布了人工智能计划，比如德国的自动驾驶道德准则及其工业4.0倡议，阿联酋实施使用人工智能提升政府绩效和各种经济部门的战略。
中国与众不同
2017年，中国发布了下一代人工智能计划，宣布人工智能是战略性的国家优先事项，展示了中国最高领导层对于人工智能驱动的新经济模式的愿景。
与美国不同的是，中国政府正在实施这一计划。比如委托百度与一流大学共同创建了国家“深度学习实验室”，并且在这项工作中投入了一笔未披露的资金。
中国在人工智能领域已经很强大了。百度、阿里巴巴和腾讯是全球人工智能领导者。来自中国的程序员赢得了ImageNet 人工智能竞赛。其领先的电子商务公司正在它们的仓库和业务中使用高度复杂的人工智能。
其他国家也有创新的工程师、大学和公司。但不同的是，中国政府优先考虑人工智能上表现的非常突出。 我们的研究表明，未来十年中国将从人工智能中获得最大的收益：由于生产力和消费的增长，到2030年，中国将获得7万亿美元的GDP收益。
中国的投资可能唤醒西方
如果中国开始引领人工智能的发展，西方国家可能会作出回应。无论是“斯普特尼克”时刻，还是逐渐认识到它们正在失去领导地位，政策制定者可能会感到压力，来改变法规并为人工智能提供资金。
更多的国家和地区将会出台人工智能战略
更多的国家会发布人工智能战略，这会对企业产生影响。我们不会感到惊讶的是，欧洲已经开始通过其“ 通用数据保护条例”（GDPR）保护个人数据 ，并出台政策来促进该地区的人工智能发展。
相互合作也会到来
国家之间对人工智能的竞争将永远不会停止——这里有太多的资金处于危险之中。但是，我们确实期望在联合国、世界经济论坛和其他多边组织的推动下，促进各国在国际关注的领域开展人工智能的合作研究，推动增长。
人工智能开发不会只靠科技公司
侵犯隐私、算法偏差、环境破坏，以及品牌和收入面临威胁——对人工智能的担忧比比皆是。 幸运的是，围绕开发负责任的人工智能的原则正在形成全球共识。 这些原则可以保护企业，使它们能够获得经济利益。
由于监管机构难以追上最新的技术发展步伐，自我监管组织可能会成为一种越来越重要的解决方案, 来负责弥补监管滞后的缺口。
不管是否合理，或者是不是阴谋论，新技术往往会带来新的威胁。普华永道2017年的调查显示，77%的首席执行官表示，人工智能和自动化将增加他们开展业务的风险。在政府官员那里，我们得到了相似的答案。
很快，领导者将不得不面对与人工智能有关的难题。可能是社区团体和选民担心的算法偏见；客户可能会担心人工智能的可靠性；关注风险管理、投资回报率和品牌的董事会也会抛出难题。
在所有情况下，利益相关者都希望知道企业正在负责任地使用人工智能，从而使人工智能能够推动企业和社会向好的方向发展。
我们相信，这会推动负责任的人工智能原则出现。
全球运动开始了
并不是只有我们相信这一点。世界经济论坛的第四次工业革命中心、 IEEE、 AI Now、 The Partnership on AI 、Future of Life、AI for Good和DeepMind，以及其他的组织，都发布了一系列的原则：如何最大限度地提高人工智能对人类的好处并限制其风险。
我们支持的一些原则如下：
将社会影响作为设计人工智能的重要依据
人工智能发布前需要进行广泛的测试
透明地使用人工智能
人工智能发布后需要严格监控
推动劳动力培训和再培训
保护数据隐私
为数据集的出处、使用和保护设定标准
建立审计算法的工具和标准
对于新技术来说，我们应该遵循的黄金法则不仅仅是法规要求。监管机构和法律往往滞后于创新。那些不依赖于政治制定者颁布法规、主动负责任地使用新技术的企业，将会降低风险，提高投资回报率并提高品牌的美誉度。
负责任的人工智能的新企业结构
当组织面临设计、构建和部署值得信任的人工智能系统的压力时，许多组织将建立团队和流程来寻找数据和模型的偏见，并密切监控恶意行为者可能“欺骗”算法的方式。人工智能管理委员会也可能适用于许多企业。
公私合作和公民与公民的合作
负责任地使用人工智能的最佳方式之一是让公共和私营部门机构进行合作，特别是在人工智能对社会的影响方面。 同样，随着越来越多的政府探索使用人工智能来有效地分配服务, 他们正在让公民参与到这个过程中。
自我监管组织促进负责任的人工智能创新
由于监管机构难以追上最新的技术发展步伐，自我监管组织可能会成为一种越来越重要的解决方案, 来负责弥补监管滞后的缺口。其将围绕某些原则将人工智能的使用者聚集在一起，然后监督并制定使用规范，根据需要征收罚款，并将违规行为提交给监管机构。这是一个在其他行业有效的模式。对于人工智能和其他技术来说, 它可能也是如此。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点