学习人工智能主要成分
学习目标
完成本单元后，您将能够：
- 确定构成人工智能解决方案的技术。
- 描述在使用 AI 预测时工作流和规则的作用。
最近，您可能听说过很多关于人工智能的事情——每周都有关于 AI 如何帮助我们做一些新奇而令人惊叹的事情的报道。各行各业的人理所当然地都对这种变革性技术充满好奇。开始使用 AI 让您兴奋不已，但您可能对它可以做什么和不能做什么有很多疑问。由于 AI 背后的技术以惊人的速度变化，回答这些问题更具挑战性。
为了弄清人工智能可以提供哪些东西，了解 AI 技术的基本构建块非常重要。在本模块中，您将了解这些构建块，弄清开始第一个 AI 项目所需的必要条件，并知悉 AI 如何通过潜在客户得分、销售预测、市场营销、服务等方面为企业带来好处。
主要成分
初次听说 AI 的作用时，它可能显得有些神秘，也许有点神奇。事实上，为商业应用提供支持的 AI 实际上可以归结为一些小的组成部分，当以创新的方式将它们组合在一起时，能为企业带来真正的价值。可以将人工智能看做是将各种成分组合在一起，为您的企业创造出完美的配方。以某一种方式组合成分，您得到了一道菜。以不同的方式组合成分，您得到了不同的菜。这些简单的成分可以组合成令人印象深刻的各种解决方案，满足您的业务需求。
让我们来看看任何可靠 AI 平台都包含的主要成分：“是”和“否”预测及答案、数值预测、分类、推荐和总结。
“是”和“否”预测及答案
第一个成分是“是”和“否”预测。“是”和“否”预测使您能够回答诸如“这是一个适合我的业务的潜在客户吗？”或“这个潜在客户会打开我发的电子邮件吗？”等问题。AI 通过分析您存储在系统中的历史数据来帮助您回答这些问题。
“是”和“否”预测通常以概率的形式呈现（例如，“Mary Smith 有 67% 的可能性打开这种类型的电子邮件”）。但有时概率会转换为分数。分数只是“是”的可能性的另一种表示方式，它们可以表示为数值范围内的数值（例如 0 到 100），甚至可以表示为五星评级调查中的星星数量。记住，这些分数只是以不同的方式展示同一个的概率。此外，在生成式 AI 的帮助下，您可以提出的问题不仅限于简单的“是”和“否”问题，比如“写一封欢迎潜在客户的电子邮件”或“为我的博客文章创建一个摘要”。Gen AI 会根据您的要求提供相应的回应。Gen AI 不仅会回答您的问题，而且会根据您的反馈不断改进其回复。您的请求越详细、越具体，得到的回复就越有帮助。
数值预测
下一个是数值预测。数值预测通常用于预测型预报解决方案（例如，“这个新客户将带来多少收入？”），但也可以用于其他场景，比如客户服务（例如，“我们需要花多少天来解决这个客户的问题？”）。数值预测也根据您的历史数据来得出这些数字。
分类
接下来我们要谈的是分类。分类经常利用“深度学习”功能来处理非结构化数据，如自由文本或图像。分类的原理是从非结构化数据中提取有用的信息，并回答诸如“这张图片中有多少个汽水罐？”等问题。它甚至可以根据类似“我想再买一双和上次买的鞋子一样的鞋子”的陈述来启动一个工作流，该工作流可以查找上一次的买鞋订单，并将同一双鞋放入客户的在线购物车中。
使用深度学习的分类是一种非常强大的工具，即使非结构化数据以不同的形式提供。以上面的鞋子为例。您可以说“我想要另一双那样的鞋子”，或者“给我另一双那样的鞋子”。无论以何种措辞提出请求，AI 平台中内置的深度学习基础引擎通常都能理解所有这些请求，就像您的大脑一样。
另一种分类（可能使用深度学习也可能不使用）被称为群集。这种类型的 AI 成分可以从数据中获取您未曾注意的见解。例如，如果您是一个服装供应商，AI 可能会学到农村里的老年男性和城市中二十多岁的人都喜欢购买某种类型的毛衣。尽管您凭直觉认定这是两个完全不同的群体，但数据显示他们在购买产品方面的行为相似，因而您可能希望以类似的方式向这两个群体进行营销。
推荐
接下来我们要谈的是推荐。推荐在您希望向用户推荐大量商品时非常关键。许多电子商务网站会将推荐策略应用在商品上；它们可以发现购买了特定一双鞋的人也经常订购某双袜子。当用户将这双鞋放入购物车时，AI 会自动推荐那双袜子。
推荐策略不仅仅适用于商品。营销人员采用相同的技术向业务用户推荐白皮书等内容。雇主可能会使用人力资源招聘系统中的推荐功能向求职者推荐职位。作为用户，如果您在起草电子邮件或解决客户个案时遇到困难，您会收到推荐。生成式 AI 可以生成并为您提供回复或模板，帮助您快速上手。或者您可以让 Einstein 提供写作帮助，它可以帮助您完成任务。
工作流和规则
工作流和规则在技术层面不是 AI 的一部分，但它们是 AI 使用方式的重要组成部分。 举个例子。假设 AI 预测某个客户有 25% 的可能性不续签合同。仅仅知道这件事是不够的——您需要做点什么。这时，工作流和规则将发挥作用。在这个例子中，您的工作流可能指的是当 AI 预测客户不大可能续约时，启动客户保留活动。
总结
最后我们要谈谈总结。总结对生成式 AI 的工作方式起着重要作用。想象一下，您有几个小时的录音要听，或者需要阅读一篇关于 Salesforce 价值观的长达 10 页的文档。生成式 AI 有助于将信息组块总结为易于消化的简短笔记。无需花几个小时查看录音或笔记，Einstein 会总结最重要的信息并保留其价值，这样您就可以随时了解情况，而不用花很长时间研究某个主题。
有了这些基本的 AI 成分，您便可以开发满足各种业务需求的自定义 AI 应用程序。在下一单元中，您将学习如何开始构建您自己的 AI 解决方案。
