近日， Dynatrace 發(fā)布一份全球報告顯示，隨著對 AI 的投資不斷增加，“復合 AI”將成為企業(yè)成功運用AI的關(guān)鍵因素。Dynatrace 指出，盡管 83% 的技術(shù)領(lǐng)導者認為 AI 是必不可少的，但 95% 的人認為，如果有其他類型的 AI 來協(xié)助，生成式 AI(GenAI)會更有效果。

　　該報告認為，企業(yè)需要采用一種復合的人工智能方式，也就是說組織要把多種類型的人工智能結(jié)合在一起。這些可能包括 GenAI、預測性和/或因果性 AI，以及來自可觀察性、安全性和業(yè)務(wù)事件等不同的數(shù)據(jù)源。這種方式可以實現(xiàn)更高層次的推理，并讓人工智能的輸出更加準確、相關(guān)和有意義。

　　由此可見，人工智能并不是一種簡單的技術(shù)，它涉及到多種類型、方法、數(shù)據(jù)和場景，每一種都有其優(yōu)勢和局限。要想充分發(fā)揮人工智能的潛力，單一的人工智能技術(shù)是不夠的，需要將不同的人工智能技術(shù)和數(shù)據(jù)源相結(jié)合，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。這就是復合人工智能(composite AI)的概念，它是指組合多種類型的人工智能，如生成型、預測型和因果型，以及不同的數(shù)據(jù)源，如可觀察性、安全性和業(yè)務(wù)事件。復合人工智能是企業(yè)成功采用人工智能的關(guān)鍵因素，因為它可以幫助企業(yè)解決復雜的問題，提供更有價值的解決方案，以及更好地適應不斷變化的環(huán)境。

　　本文基于Dynatrace的一項全球報告來分析復合人工智能的概念、應用和價值，以及復合人工智能的優(yōu)勢和挑戰(zhàn)。目的是為了我們更好地了解復合人工智能的重要性和潛力，以及如何有效地采用復合人工智能，以提升企業(yè)的競爭力和創(chuàng)新力。

　　01 復合人工智能的概念

　　眾所周知，人工智能是一門涉及到計算機科學、數(shù)學、統(tǒng)計學、心理學、哲學等多個學科的交叉學科，它讓計算機或機器具有類似于人類的智能，如感知、理解、學習、推理、決策、創(chuàng)造等。人工智能的研究和發(fā)展已經(jīng)有了幾十年的歷史，期間經(jīng)歷了多次的興衰和變革，形成了多種類型、方法、數(shù)據(jù)和場景的人工智能技術(shù)，每一種都有其優(yōu)勢和局限。

　　近來發(fā)展迅猛的生成型人工智能(generative AI)是利用深度學習等技術(shù)，從數(shù)據(jù)中生成新的內(nèi)容，如文本、圖像、音頻等。生成型人工智能的優(yōu)勢是可以幫助我們創(chuàng)建新的產(chǎn)品和服務(wù)，如虛擬助理、個性化推薦、智能內(nèi)容等。生成型人工智能的局限是可能存在不準確、不合理或不道德的問題，如生成的內(nèi)容與事實不符、違反常識或傷害他人的感情等。

　　預測型人工智能(predictive AI)的發(fā)展歷史可以追溯到 20 世紀 50 年代，當時出現(xiàn)了第一批統(tǒng)計學習理論和機器學習算法。預測型人工智能利用統(tǒng)計學習等技術(shù)，從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和趨勢進行分類、回歸、聚類等。預測型人工智能的優(yōu)勢是可以幫助我們優(yōu)化現(xiàn)有的產(chǎn)品和服務(wù)，比如性能監(jiān)控、故障預測、異常檢測等。預測型人工智能的局限是預測的結(jié)果與實際不符、受到噪聲或異常的影響或缺乏可解釋性等。

　　因果型人工智能(causal AI)是一種利用數(shù)據(jù)和算法來推斷因果關(guān)系的人工智能。它可以幫助組織理解數(shù)據(jù)背后的原因和效果，從而進行更好的決策和干預。因果型人工智能的一些應用領(lǐng)域包括醫(yī)療、社會科學、經(jīng)濟學、教育、政策制定等。因果型人工智能的核心概念是因果圖，它是一種用節(jié)點和箭頭表示變量和因果關(guān)系的圖形模型。因果圖可以用來表示數(shù)據(jù)生成的機制，以及如何通過干預或?qū)嶒瀬砀淖償?shù)據(jù)的分布。因果圖還可以用來回答因果問題，如“如果我做了這個，會發(fā)生什么?”或“為什么這個變量會影響那個變量?”

　　除了不同類型的人工智能技術(shù)，還有不同的數(shù)據(jù)源，如可觀察性、安全性和業(yè)務(wù)事件?？捎^察性數(shù)據(jù)是指與應用程序性能、軟件開發(fā)和安全實踐、IT基礎(chǔ)設(shè)施和用戶體驗相關(guān)的數(shù)據(jù)。安全性數(shù)據(jù)是指與網(wǎng)絡(luò)安全、數(shù)據(jù)保護和隱私合規(guī)相關(guān)的數(shù)據(jù)。業(yè)務(wù)事件數(shù)據(jù)是指與業(yè)務(wù)流程、交易、客戶行為和滿意度相關(guān)的數(shù)據(jù)。不同的數(shù)據(jù)源可以提供不同的信息和價值，也有不同的質(zhì)量、安全和隱私的要求和挑戰(zhàn)。

　　復合人工智能是指將不同類型的人工智能技術(shù)和數(shù)據(jù)源相結(jié)合，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。復合人工智能可以幫助我們解決復雜的問題，提供更有價值的解決方案，以及更好地適應不斷變化的環(huán)境。復合人工智能的核心是利用不同的人工智能技術(shù)和數(shù)據(jù)源的優(yōu)勢，彌補不同的人工智能技術(shù)和數(shù)據(jù)源的局限，實現(xiàn)人工智能技術(shù)和數(shù)據(jù)源的協(xié)同和互補。

　　02 復合人工智能的集成和調(diào)整

　　復合人工智能的集成和調(diào)整是將不同類型的人工智能技術(shù)和數(shù)據(jù)源相結(jié)合，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。復合人工智能的集成和調(diào)整需要考慮多個方面，如人工智能的目標、范圍、方法、數(shù)據(jù)的質(zhì)量、安全和隱私、以及人工智能的評估和監(jiān)督等。所以需要一些基本的概念和原則。

　　目標是人工智能要解決的問題或?qū)崿F(xiàn)的功能，如診斷、預測、生成、推薦等。人工智能的目標決定了人工智能的輸出的類型、格式和內(nèi)容，以及人工智能的輸出的價值和影響。人工智能的目標應該是明確、具體、可量化和可達成的，以便于人工智能的設(shè)計、實現(xiàn)和評估。

　　還需要設(shè)定要涉及的領(lǐng)域或場景，如醫(yī)療、教育、金融、制造等。人工智能的范圍決定了人工智能的輸入和輸出的來源、特點和要求，以及人工智能的輸入和輸出的復雜性和難度。人工智能的范圍應該是適當、合理、可行和可擴展的，以便于人工智能的獲取、處理和應用。

　　選擇的方法是人工智能要采用的技術(shù)或算法，如生成型、預測型和因果型人工智能，以及深度學習、統(tǒng)計學習、因果推理等。方法決定了人工智能的輸出的質(zhì)量、可靠性和可解釋性，以及人工智能的輸出的優(yōu)勢和局限。人工智能的方法應該是合適、有效、創(chuàng)新和可改進的，以便于人工智能的優(yōu)化、驗證和更新。

　　數(shù)據(jù)的質(zhì)量是指數(shù)據(jù)的準確性、完整性、一致性、時效性和相關(guān)性等。數(shù)據(jù)的質(zhì)量影響了人工智能的輸出的準確性、合理性和道德性，以及人工智能的輸出的信任度和可接受度。數(shù)據(jù)的質(zhì)量應該是高、穩(wěn)、清和新的，以便于人工智能的學習、推理和生成。

　　還要考慮數(shù)據(jù)的安全和隱私，也是數(shù)據(jù)的保護和合規(guī)，包括數(shù)據(jù)的加密、授權(quán)、審計、備份、刪除等。數(shù)據(jù)的安全和隱私影響了人工智能的輸出的安全性、合法性和責任性，以及人工智能的輸出的風險和后果。數(shù)據(jù)的安全和隱私應該是強、嚴、規(guī)和法的，以便于人工智能的防范、應對和糾正。

　　重要的是人工智能的評估和監(jiān)督，對人工智能的輸出進行檢驗和改進，包括人工智能的輸出的測試、評價、反饋、監(jiān)控等。人工智能的評估和監(jiān)督影響了人工智能的輸出的效率和效果，以及人工智能的輸出的創(chuàng)新和發(fā)展。人工智能的評估和監(jiān)督應該是持續(xù)、全面、客觀和及時的，以便于人工智能的調(diào)整、優(yōu)化和更新。

　　復合人工智能的集成和調(diào)整是一個涉及到多個方面的過程，以提供更高級的推理，以及更準確、更有意義和更有上下文的人工智能輸出。這是一個需要大量的時間、資源和專業(yè)知識，以及高度的協(xié)調(diào)和合作的過程。