閱讀心得 - 領導者的數位轉型

一、     什麼是 人工智慧、大數據分析、機器學習(深度學習)?

Ø  人工智慧：用電腦代替人腦可以做的事，普羅大眾較認識的名詞AI。區分為：

文字判別-如GOOGLE翻譯、聊天機器人

圖型判別-如影像辦識、無人機、無人駕駛

聲音判別-如語音辦識

決策處理-如下棋

Ø  大數據分析：用來產生上述結果的資料來源，其特性為多樣、多量且多變，經分析處理後得到各數據間的關聯性，區分為：母體、樣本。如社群網站的內容、IoTs。

Ø  機器學習(深度學習)：用來將大數據變成智慧知識的各類演算法，可以透過自我學習的方式提高預測的準確度。而深度學習即為此實現的方法之一，如類神經網路是模仿人腦的結構，是依據每一層、每一結點去建立高複雜度的學習模型，來產生預測結果。

因機器學習是需要高度的運算能力，在過去硬體設備無法支援的狀況下，很難被實現，如今已有GPU、TPU等專為機器學習開發的晶片，有更高效率的運算核心，可同時平行處理多重任務，使得近年來機器學習得以迅速發展。

二、     監督式學習V.S.非監督式學習，說明意義及其差異?

機器學習區分為三種：監督式學習、非監督式學習、強化學習，依實務問題來運用。

Ø  監督式學習：用來「分類classification」，已知有幾種類別，將資料依這幾類來區分。另一個是用「迴歸regression」來預測一個連續的值。

線性回歸:求各點相對於一條線最小誤差值的那條線。以梯度下降GD來求得佳化的極值。

邏輯回歸：只能做二元分類，求0~1的機率。可用於條件機率。

決策樹：用來做分類，可解釋性高。判斷一系列的問題來分割數據，最後決定結果。

KNN演算法：Nearest Neighbor Classifier，找k個最相近的鄰居。以距離度量後，再以多數決的方式判斷結果。

SVM支援向量機：保証找到二元分類裡最好的一條切分線。依據特徵來找最大邊界距離。

Ø  非監督式學習：用來「聚類cluster」，未知有幾類，將資料自動生成相似的群組，用來導出群組數據和數據間有意義的關係。

三、     領導者的數位轉型

本書由Marco Iansiti及Karim R. Lakhani所共同著作，說明近年來各大企業由傳統封閉型營運架構轉向人工智慧的新營運架構，在數位轉型間各產業競爭下的差異，其中包含：

Ø  Youtube及Netflix VS. 傳統娛樂產業

Ø  Airbnb及hotel.com VS. 傳統旅館產業

Ø  螞蟻科技 VS.傳統金融產業

Ø  Amazon Vs.傳統零售產業

於covid-19疫情下加速各產業於公司的商業模式及營運模式的轉變，作者強調有效轉型的五原則：

1.  有策略

2.  釐清架構

3.  聚焦在產品的敏捷組織

4.  能力基石

5.  多專業治理

         透過各類公司轉型探討，於舊公司組織或新創公司組織的實際運作，能幫助領導者可以更理解其運作方式。

書籍介紹

書名：領導者的數位轉型

Competing in the Age of AI

作者：馬可．顏西提/ 卡林．拉哈尼

出版社：遠見天下文化出版股份有限公司