文/Gil Press

在寻找实用人工智能（Practical AI）的过程中，笔者在与制药公司礼来（Eli Lilly）的首席数据和分析官Vipin Gopal的讨论中发现了一个很好的例子，而它的实用性在于展示了机器学习的最新进展，特别是深度学习在分析图像方面的成功，是如何能够量化地改善传统制造工艺的。

Vipin Gopal表示，礼来生产的注射器质量检查过去都是手工完成的，而在部署了一套视觉系统后，其便可以自动发现有缺陷的注射器。如今，在深度学习算法的帮助下，系统的整体准确性得到了提升，之前被丢弃的注射器中有20%被证明是没有缺陷的。这减少了停机时间，甚至不需要更换系统的现有硬件组件。

Vipi我爱线报网每日持续更新海量各大内部创业教程n Gopal提到的另一个提高运营效率和质量的例子与公司的核心业务——药物开发有关。通常情况下，将一种新药推向市场得花费10年时间和25亿美元，对此，Vipin Gopal说，“我们的目标是尽可能地缩短药物开发时间，并研究了临床试验操作中要做出的各种决定。”

在进行临床试验时，选择哪些地点来工作被证明是一个关键的决定。事实证明，礼来拥有在不同地点执行临床试验时所产生的内部和外部历史数据，比如招募患者参加试验所需的时间，以及修改方案所需的时间，而对站点数据的分析有助于改进站点选择。

礼来的第三个人工智能实践案例与其研究机构在开发新药时迈出的第一步有关。Vipin Gopal表示：“人工智能让模型驱动我爱线报网每日持续更新海量各大内部创业教程的药物发现成为可能，从而缩小了筛选范围。”新的人工智能工具会分析以前的药物发现工作和临床试验数据，以加快识别正确分子的过程，并从中创建所需要的化合物。

有了新的人工智能工具，再加上其他的新方案，礼来成功地将药物开发时间缩短了约3年。Vipin Gopal总结道：“人类的直觉，加上机器学习的力量，共同产生了最好的解决方案。”

人工智能正在从数据中学习，而实用人工智能则是成功的、可衡量的、从数据中学习的商业应用。之前，Vipin Gopal参加了麻省理工学院CIO研讨会上的、主题为“人工智能如何推动数字生态系统”的小组讨论，其他与会者包括Parexel（全球最大的临床研究机构之一）首席数据官兼高级副总我爱线报网每日持续更新海量各大内部创业教程裁Michelle Hoiseth和波士顿大学教授Marshall Van Alstyne。

在讨论中，Michelle Hoiseth描述了Parexel在实用人工智能方面的例子。其与Vipin Gopal的例子有些相似，可以分为“三个领域”：由机器人流程自动化（RPA）驱动的效率；模式检测，即在一项研究中发现欺诈行为；以及预测结果，例如使用人工智能“查看不同的人群数据，以了解哪些患者对治疗干预的反应会不同，这样我们就可以调整研究方向，以面对不同类型的患者。”

小组讨论的内容都是关于从企业内部和外部创建的数据中进行学习，比如“人工智能的良性循环”——从客户那里获取更多的数据，改善人工智能模型，从我爱线报网每日持续更新海量各大内部创业教程而获得更多能够提供数据的客户。

更多的数据，以及从数据中获得更多知识，这些都来自于数字生态系统的创建，而且它们是企业业务关系的总和。Marshall Van Alstyne提出了“外部化的价值”，即在商业生态系统中创建和使用的数据的网络效应。

Vipin Gopal说，为了让企业为外部存在的大量有价值的数据做好准备，一个必要的步骤是“在公司内部创建一个数据自由流动的生态系统”，“让数据在整个组织内部得到一致的管理”。他指出，这其中的挑战在于“大量的数据存在于组织的各个部分，而且大部分是不相关的”。

Michelle Hoiseth同意“让内部数据可以相互操作”是一项“费力不讨好的任务”，毕竟员工创建我爱线报网每日持续更新海量各大内部创业教程数据是为了自己的需要，而不会考虑到公司里其他人对这些数据的需求。为了打破这些数据孤岛，数据的消费者必须为数据创造者创造价值。

在企业整体中共享数据，并将其与外部数据进行集成，这需要一种“数据驱动的文化”，而这种文化可以通过对员工展开数据分析培训来实现。根据Vipin Gopal的说法，“要让组织以整体的形式来在一个人工智能驱动的生态系统中运行。”

本文作者是福布斯资深撰稿人，文章观点仅代表个人。