Ai与Bi

AI（人工智能）

　　人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
　　人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
　　人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

2017年12月，人工智能入选“2017年度中国媒体十大流行语”。2017年度中国媒体十大流行语：“十九大”“新时代”上榜

2021年9月25日，为促进人工智能健康发展，《新一代人工智能伦理规范》发布。

BI（商业智能）

　　商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
　　商业智能的概念在1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

AI与BI的区别

　　BI目前实现的是收集数据，提供反馈，辅助决策的能力，以数据为基础的，面向数据管理和分析，属被动角色。而AI则辅以大数据，算法等得到更有价值的信息，实现收集+预测的能力，更多的是主动角色。
　　虽然AI的应用范围非常广，但结合BI现仍是处理结构化的数据。而此处二者的交集在于机器学习和数据挖掘，但又略有不同。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。
　　未来,AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AI+BI模式通过将AI嵌入BI，构建基于AI的BI平台，利用AI的智能让BI系统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。
　　对于结构化的数据，BI系统可应用机器学习算法，得到更精确的分析结果。例如上文提到的总结用户画像，分析人群行为数据，得到千人千面，实现精准营销的结果。还有金融领域的风险监测，AI+BI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。
　　对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理复杂业务场景。如语音转文字，录入数据及产出想要的报表等。
　　业务场景除了在 IT 信息化基础比较扎实的行业，也会在深度场景化的细分领域，且这些领域不具备通用性。也可理解为解决方案不具备复用性。这个时候通过AI完成一些算法匹配，根据匹配的结果来驱动业务执行。

总结：
　　从企业发展的阶段来看，AI是BI的辅助，先有BI，沉淀了很多数据，需要窥探数据背后的价值，才引申出AI的概念，如果没有BI沉淀的数据，就不会有AI，单纯用数据驱动算法来得到想要的AI模型，再把AI模型融入到实际生产中来变成BI，所以AI是BI的发展产物，是发展的必然阶段，没有BI就不会有AI，不管是语音控制，图像识别，还是企业现在用算法和数据去解决实际问题，都是这样的。
　　AI就是人工智能，模拟人类的智能，更多的是模拟人的某种能力，例如图像识别，语音识别等自然语言识别，以及用专家经验来挖掘数据背后的关系，他是关注人解决问题的能力，受众更多的是人，AI提高的是人解决问题的能力。
　　BI是商业智能，商业分对内的管理和对外的合作，他的受众是企业，提高的是企业的内部协同办公的能力和对外合作处理事件的能力，BI提高的是企业解决问题的能力。
　　AI是通过提高企业中每个人解决问题的能力来实现整个企业BI商业能力的提升，AI是需要数据和算法，数据又是BI的产物，所以两者结合最终的结果就是企业中人的能力提升和整个企业的竞争力提升。