■ 结束语

 我是在90年代，构建大規模地理信息系统时遇见了人工智能，当时人工智能处于第3次泡沫的结束期，基于大地测量和统计分析使用基于规则的计算，开发了不动产税务系统评估的支援系统，在10年之后又结合深度学习(遥感图像信息)开发的地震救灾支援系统。与现在相比当时人工智能的技术和功能非常有限，所以我在写「构建人工智能系统」系列博客之前也是非常犹豫。

　但是，为了帮助企业和政府了解人工智能的动向，并基于人工智能开展业务和提高企业和政府的效率，我把自己知道的知识和经历的经验作为一个参考，希望这些资料多少会对认识人工智能有些帮助，所以用不到一个月的时间完成了这个系列的博客。

 我不建议马上采用和追随「最先进的技术」而是认真地考虑「对于企业和政府正真需要什么样的人工智能」。研究深度学习只是极少数人，全球的媒体对人工智能进行了很多的报道也造成了社会上人们对人工智能的过度的期待。这个系列的博客不是为了进一步扩大人工智能的泡沫，只是希望在人工智能的泡沫中保持冷静，并能客观和有效地在业务中导入人工智能，投资深度学习构建非常强的人工智能系统不是一般企业和政府的合理的判断。

 这个系列的博客也可以作为了解构建人工智能系统的俯瞰图，帮助企业和政府在制定构建人工智能系统的计划。

 我认为人工智能这20年时间一直处于盲人摸象的阶段，主要存在以下3个问题:

1.缺乏对人工智能的理念和内涵大致一致的认识，从政府，到企业，到大众没有普遍的共识。

2.构建人工智能系统是复杂的系统工程，需要连接的散布于各个地方的知识和数据以及认知和经验，所以需要科学的顶层设计方法论来指导，但现在我们缺失有效的方法论体系。

3.重建设轻运营，构建人工智能系统项目建起来容易，但如何能够长效发展，动力机制是什么，我们还没有成熟的人工智能系统的可持续成长和发展的运营模式。

 同时，人工智能系统发展存在4个明显的「不协调」:

1.企业领先于政府

2.技术领先于管理

3.建设领先于运营

4.期望领先于效果

■ 基于人工智能系统战略

 要取得基于人工智能系统的战略优势，必须有明确的商业和业务的目标，在特定领域加强和特化人工智能的优势并集中投资，坚持执行构建人工智能系统的规划。

 在规划基于人工智能系统战略的之前，必须注意媒体有炒作新闻热点的倾向，现在很多媒体以还在研究和开发中的「深度学习」为中心进行了太多和过度的渲染。「深度学习」是下一代的人工智能技术的候补之一，现在「深度学习」还只是处于研究阶段的初期。在识别图像·视频·文字·语音的领域中虽然有了一些「深度学习」的实用化技术，但这是在巨大的研究投入的基础上取得的成果，如果单纯地认为「我们的企业也需要基于深度学习来开发业务」是非常危险的想法。

 机器学习的本质是被给与的数据的基础上得出能忠实地再现事实的变数。对人工智能过度得期待虽然不可取，但是，在期待中也隐藏着无限大的可能性。在21世纪初期SAP和Oracle等公司开发的企业信息系统中集成了企业经营管理所需要的大量数据，帮助企业经营和管理人员作出经营管理的决策。现在人工智能使用经营管理的数据代替经营管理人员进行分析，预计在不久的将来会诞生「能改善经营管理的人工智能」，那时，经营管理被人工智能所取代的「企业」这个生命体的意义就需要被重新定义。

  人工智能系统在包括制造业在内所有行业的应用可以从服务化开始，通过IoT技术在减低运营·维护成本的同时提高服务的质量。