在上一个视频中，您学习了如何执行试点项目以获得内部AI团队的动力，并提供广泛的AI培训。
但是你想要你的业务，不仅仅是在短期内使用人工智能获得动力，而且从长远来看，这是一个非常有价值的，甚至可能是防御性的业务。
你能做什么？让我们谈谈人工智能战略以及对一些公司来说可能很重要的内部和外部通信相对于人工智能。
回顾一下，这是五步AI转型手册，在本视频中，我们将深入探讨最后两步。
AI转型手册的第四步是制定AI策略，我希望你可以利用AI来创造一个特定的玩具行业优势。
这本手册的一个不同寻常的部分是制定人工智能战略是第四步，而不是第一步。
当我与许多CEO分享这个请求反馈前请求反馈时，请你把策略作为第一步吗？因为我想弄明白我的公司策略是什么，然后我想找到资源，然后执行策略。
但我发现那些试图将策略定义为第一步的公司，然后才开始尝试知道什么是可行的AI项目。
像公司这样的公司最终会遇到一些有时甚至不符合生活的学术策略。
因此，例如，我看到一些CEO将报纸头条复制并粘贴到此策略中。
我们读到数据是重要的，他说，“我的策略是专注于收集大量数据，但对于您的公司而言，这些数据可能或可能不具有价值，可能也可能不是您公司的良好策略。
所以，我倾向于建议公司先启动其他步骤，执行试点项目。
开始建立一个团队的一点点。
开始提供一些培训，这样只有在您了解AI并了解它如何适用于您的业务之后，您才能制定您的策略。
我认为这对你的公司来说比你尝试制定人工智能战略要好得多，在你的公司包括特别是执行团队之前，对于人工智能能为你的工业部门做什么和不能做些什么稍微深入了解。
此外，您可以考虑设计一种与人工智能的良性循环相一致的策略。
让我用网络搜索来举例说明。
网络搜索是一个非常难以理解的业务的原因之一，意味着新进入者与现有的大型网络搜索引擎竞争现在非常困难，这就是：如果公司有更好的产品，可能是稍微好一点的产品，那么网络搜索引擎可以获得更多用户。
拥有更多用户意味着您收集更多数据，因为您可以观察不同用户在搜索不同术语时点击的内容，并且可以将数据输入AI引擎以生成更好的产品。
因此，这意味着公司产品稍好一些，最终会有更多用户，最终会获得更多数据，并且通过现代AI技术创建更好的产品。
这使得新进入者很难进入这种自我强化的反馈循环，称为人工智能的良性循环。
幸运的是，人工智能的这种良性循环也可以被小型团队用于新的垂直行业。
因此，我认为今天很难建立一个新的网络搜索引擎来与谷歌，百度，Bing或Yandex竞争。
但是，如果你正在进入一个新的垂直领域，一个没有根深蒂固的现有领域的新应用领域，那么你可能真的开发出一种策略，让你成为利用这种良性循环的人。
让我举例说明一下。
有一家名为Blue River的公司被John Deerefor收购超过3亿美元，Blue River使用人工智能制造农业技术。
因此，他们所做的就是建造这些机器，这些机器可以拖在拖拉机后面的农田里。
这台机器将拍摄作物的图片并找出哪种作物和哪种是杂草，并使用精确的AI来除去杂草，而不是作物。
所以，我知道蓝河的一些创始人，而他们是斯坦福大学的学生，正在上课。
因此，为了让这个项目开始，他们实际上只是使用他们的汗水，他们使用他们的个人相机，去了一堆农场，并在这些农业领域拍摄了大量作物的照片。
因此，他们开始收集白菜头和白菜杂草的头像。
一旦他们有足够的数据，从一个小的数据集开始，他们可以训练一个基本的产品。
第一个产品，坦率地说并不那么好。
它是在一个小数据集上训练的，但它运作得很好，开始说服一些农民，一些用户开始使用他们的产品，拖拉拖拉机后面的这台机器，以便为农民开始杀戮。
一旦这个东西在农场通过拍摄卷心菜和杀死杂草的过程，他们自然获得了越来越多的数据。
在接下来的几年里，他们所做的一切都能够进入这个积极的反馈循环，拥有更多的数据可以让你拥有更好的产品。
拥有更好的产品可以让您说服更多的农民使用它。
让农民使用它可以让你收集更多的数据。
几年之后，进入良性循环[听不清]，可以让您收集庞大的数据资产，从而使您的业务可以防御。
事实上，在收购的时候，我很确定他们有一个更大的数据资产，比起大型科技公司所拥有的卷心菜头的图片，并且实际上使得业务相对防御甚至大型科技公司有另一个网站搜索数据，但没有像这家公司在农业领域的白菜头一样多的图片。
还有一条建议。
很多人都认为一些大型科技公司非常擅长AI，我认为这是真的。
一些最大的技术公司非常擅长人工智能，但这并不意味着您需要或应该尝试与人工智能的大型科技公司竞争，因为人工智能需要专业化或垂直化为您的行业。
因此，对于大多数公司来说，最好的兴趣是为您的行业建立专门的AI，并为您的应用领域做AI的伟大工作，而不是试图竞争或感觉您需要与大型技术左右竞争 关于AI的公司在大多数公司都不适用的地方。
人工智能战略的其他要素。
我们将生活在人工智能世界中，正确的策略可以帮助您的公司更有效地应对这些变化。
您还应该考虑创建数据策略。
领先的AI公司非常擅长战略数据采集。
例如，一些面向消费者的大型AI公司将提供服务，如免费电子邮件服务，或免费的照片共享服务，或许多其他免费服务，这些服务不会货币化，但允许他们以各种方式收集数据，让我们学习更多关于你的信息，因此他们可以为你提供更多而不是补充，从而以与产品直接货币化完全不同的方式获取数据。
您获取数据的方式因行业垂直而异，但我参与了这些多年的国际象棋游戏，其他公司竞争对手和我正在玩多年游戏，看谁能获得最具战略意义的数据资产。
您还可以考虑构建统一的数据仓库。
如果你有50个不同的副总裁控制着50个不同的数据仓库，那么AI工程师几乎不可能将所有这些数据整合在一起来连接这些数据。
例如，如果用于制造的数据仓库与客户投诉的数据仓库完全不同，那么AI工程师如何将这个数据计算结合在一起，无论制造中可能出现的问题是什么，导致您发送故障手机这导致客户在两个月后蠢蠢欲动。
因此，许多领先的AI公司已经投入大量的前期努力将数据转换为单个数据仓库，因为这增加了工程师一个软件的可能性，可以连接点并发现今天制造中温度升高的模式可能会导致在一个错误的设备中导致客户在未来两个月内投诉，从而让您回过头来改善您的制造流程。
在多个行业中有很多这样的例子。
您还可以使用AI创建网络效果和平台优势。
在具有winnertake所有动态的行业中，AI可以成为一个巨大的加速器。
例如，分享乘车共享或乘车招聘业务。
今天，像Uber，Lyfts，Ola，DiDi和Grab这样的公司似乎拥有相对难以置信的业务，因为它们是将驾驶员与乘客联系起来的平台，并且很难有新的参与者积累大量的骑手观众和大型乘客观众同时。
像Twitter和Facebook这样的社交媒体平台也非常具有防御性，因为它们具有非常强大的网络效应，在一个平台上有很多人使这个平台对其他人更具吸引力。
因此，新进入者很难突破。
如果您正在与这些类型的获胜者开展业务，那么所有动力学获胜者将获得最大的动力，那么如果AI可以用来帮助您提高我们的成长速度。
例如，庆祝用户获取，然后可以通过转换为更大的机会，您的公司将成为这个业务垂直行业的成功者。
战略非常舒适，行业和情况具体。
因此，很难将战略顾问完全归功于每一家公司。
但我希望这些原则为您提供一个框架，让您可以考虑为您的公司制定人工智能战略的一些关键要素。
现在，AI也可以适应更传统的策略框架。
例如，许多年前迈克尔波特写过关于低成本和高价值策略的文章。
如果您的公司有低成本战略，那么也许人工智能可以用来降低您的业务成本，或者如果您的公司有高价值战略来提供成本更高的真正有价值的产品，那么您可能会使用AI专注于增加您的产品价值。
因此，人工智能能力也可以帮助论证更广泛的企业战略的现有要素。
最后，当你正在建立这些有价值和无法辩护的业务时，我希望你们也只建立能让人们变得更好的企业。
人工智能是超级大国。
这是一个非常强大的东西，你可以做一个伟大的人工智能公司，所以我希望无论你做什么，你只能通过让人类更好的方式做到这一点。
AI转型手册的最后一步是开发内部和外部通信。
人工智能可以改变公司及其产品，重要的是与相关的利益相关者就此进行适当的沟通。
例如，这可能包括投资者关系，以确保您的投资者可以作为AI公司适当地评估您的公司。
投资者关系还可能包括政府关系。
例如，人工智能正在进入医疗保健领域，这是一个高度监管的行业，因为政府有合法的需要保护患者，因此，如果AI影响这些高度管制的行业，我认为公司与政府沟通，并在公共场合与他们合作非常重要。 - 私人合作伙伴关系，以确保人工智能解决方案为人们带来可带来的好处，同时也确保政府可以保护消费者并保护患者。
因此，这对于医疗保健来说是真的，或者对于自动驾驶汽车来说也是如此，对于金融和许多其他AI行业垂直行业来说也是如此。
如果您的产品发生变化，那么消费者或用户教育将变得非常重要。
人才是非常稀缺的世界，所以，如果你能够获得一些真正有助于收集和招募的初步成功。
最后，如果你在公司转移，内部沟通也很重要，那么很多人内部可能会有担忧，有些人合法，有些人对人工智能和内部沟通不太理性，所以向人们保证适当的只会有所帮助。
通过这五个步骤，我希望它能让您了解公司如何成为AI的佼佼者。
如果您有兴趣阅读详细的AI转型手册，您也可以从这个登陆AI网站下载。
我希望你在AI转型手册中享受这两个视频。
我已经看到公司通过拥抱和擅长人工智能变得更有价值和更有效，我希望这些理想希望你迈出第一步，帮助你的公司擅长人工智能。
话虽如此，我还有许多常见的陷阱，这些公司在尝试实施人工智能时会遇到困难。
让我们看看下一个视频中的一些常见陷阱，希望你可以避免它们。
让我们继续下一个视频。
讲师：Andrew Ng
课程：https://www.coursera.org/learn/ai-for-everyone
