《哈佛商业评论》增刊，9篇人工智能相关的文章的合集。
总体评价3星，有参考价值。
以下是书中一些内容的摘抄，#号后面是kindle电子版中的页码：
1：实际上，目前AI最大的进步出现在以下两大领域：感知和认知。前一类别中出现的一些重大实践进展与说话有关。#20
2：第二类重大突破是认知和问题解决能力的提升。机器已经打败了最优秀的人类扑克牌和围棋选手；谷歌的DeepMind团队利用ML系统，在人类专家对系统的优化基础之上，将数据中心的冷却效率进一步提高15%以上；#23
3：大体上讲，AI可以支持三个重要的商业需求：业务流程自动化、数据分析洞见，以及与客户和员工的交流。#52
4：我们研究的152个项目里，最常见的类型是运用机器人流程自动化（robotic process automation，简称RPA）技术，实现网络及现实任务（通常是行政事务和财务方面）自动化。#55
5：这类机器学习程序用于以下几个方面：•预测某位特定客户可能会购买什么；•实时识别信用欺诈和保险索赔欺诈；•分析质保期，发现手机等制成品的安全或质量问题；•针对目标群体自动生成个性化广告；•为保险机构提供更为准确细致的精算建模。#72
6：机器学习提供的认知洞见与传统分析结果的不同之处，通常有以下三个方面：数据密集程度更高、更详细，模型更具针对性，而且模型根据新数据进行预测或分类的能力会逐渐提升。#77
7：认知洞见应用多用于提升机器的工作表现，如广告购买计划（programmatic ad buying），涉及人类力所不能及的高速数据分析和自动化，因此通常不会令人类失业。#86
8：Facebook发现网站的聊天机器人Messenger在没有人工参与的情况下难以回答70%的用户提问，于是Facebook和其他几家公司将用户与聊天机器人交流的话题和种类限制在一定的范围内。#101
9：我们的研究表明，认知交互应用目前不会让客服和销售人员有失业之虞。我们研究的大部分项目，目标都不是裁员，而是在不增加员工数量的情况下满足日益增长的员工及客户交流需求。#103
10：基于规则的专家系统和机器人流程自动化，运作方式都是透明的，但都无法学习和自我升级。而深度学习善于从大量的有标记数据（labeled data）中学习，但我们几乎不可能理解它建立模型的方式。#113
11：在我们的调查中，只有22%的管理者认为削减人手是AI带来的一项主要好处。#215
12：斯坦福计算机科学家刘哲明（James Landay）及同事发现，语音识别现在比手机打字平均大约快3倍。误差率也从之前的8.5%下降到4.9%。令人震惊的是，这一显著改进在过去10年中都没有出现，仅仅在2016年夏才有突破。#272
13：第二大振奋人心的消息是，如今我们可以根据需要，购买或租赁AI必需的算法和硬件。谷歌、亚马逊、微软、赛富时（Salesforce）等公司通过云端搭建强大的ML基础架构。#359
14：最后一条好消息可能得到的重视程度最低，即你也许不需要太多数据，就可以有效利用ML。#362
15：虽然我们已经开始克服波拉尼悖论，但如今我们面临与之恰恰相反的悖论：机器所知胜于其所能言传。#393
16：三大风险接踵而来。首先，机器可能抱有隐性偏见；其偏见并非设计者有意为之，但用于培训系统的数据为偏见提供了温床。#394
17：第三，ML系统难免会犯错，但我们很难发现出错的地方并做出精确调整。#400
18：斯坦福大学选择了美国200个人口最密集的城市，使用深度学习技术，在5000万张谷歌街景图片中识别和判断汽车（模型含1990年后生产的2657种汽车），统计出汽车型号与GDP、平均收入、社会经济指标的相关性。通过这样的方法甚至成功预测出2008年美国大选结果。#449
19：IBM Watson使用人工智能技术来检测数万个基因与ALS的关联性，新发现了5个与ALS相关的基因，推进了人类对渐冻人症的研究进展（此前人类只发现了3个与ALS相关基因）。#462
20：越来越多热衷分析的公司看到，帕累托法则的比例由80/20变成10/90、5/50、2/30，乃至1/25。根据数据被掰开揉碎分析解读的程度，甚至会出现1/50、5/75和10/150这样的比例。#569
21：极值分布超越并主宰了行业。例如，10%的饮酒者贡献了一半以上的烈酒销量。还有更极端的情况，不到0.25%的手游玩家贡献了游戏内购收入的一半。#572
22：我们很清楚若想取得成功需要具备四大要素，那就是：重大问题或痛点的解决方案，以及快速增长的市场潜力；竞争中出奇制胜的差异化技术；执行能力异常出色的团队；阐明风险项目战略和价值的价值定位和商业企划。#642
23：如果用“端-网-云”的层次结构来看，大多数智能产品还仅仅停留在“端”的层面——只是预装了交互模块，能够实现基本的互动功能。很少有产品能够走到“网”的结构层面，进行数据的叠加、共享和协调。而有能力在“云”中进行算法迭代和系统优化的，就更是凤毛麟角了。#798
24：这意味着在智能商业时代，企业优势是有流动性的：它可以从一个环节传递到另一个环节，通过不断传递，形成巩固和扩大优势的良性循环。这个过程中涉及四个具体的步骤——场景数据化、数据网络化、网络智能化和智能平台化。#838
25：回应型零售（Responsive retail）已经发展到了顶峰，我们即将进入预测型商业（Predictive commerce）时代。对于零售商来说，是时候在人们产生需求的确切瞬间，帮助他们找到相应的产品——甚至是在他们形成这种意识之前——无论消费者是否登录了购物网站，是否准备好点击屏幕上的购买按钮。#891