12、人工智能在利益相关者理论中的应用

人工智能在利益相关者理论中的应用

1. 机器学习与深度学习

1.1 机器学习

机器学习是人工智能的一个子领域，但它并不能完全定义人工智能。机器学习依赖算法来分析大量数据集，系统通过学习特定模式并根据学习结果做出响应，随着时间推移，无需人工干预就能变得更加智能。其基础是数学，算法会根据特定目标、可用数据量和数据类型以特定方式解读大数据，目的是设计能够从新数据中交互式、自动创建分析模型的算法，而无需明确编程解决方案。监督学习算法是通过数据分析学习关联的程序，由监督者定义。

1.2 深度学习

深度学习也是基于经验学习，但在输入时需要大量数据库或信息，因此适合处理更大规模和更复杂的数据。它是机器学习的一个子类别，近期深度学习算法的进展表明，它能作为员工的助力，提高组织内的决策能力，进而增强分析能力。深度学习还涉及对环境数据的实时监控，有助于主动或预防性地提升决策水平。不过，目前只有一小部分可用数据被用于创建与组织相关的知识。尽管深度学习增强决策制定（DLADM）对公司有诸多优势，但管理者在实施时需要有深入的理解、反思和谨慎态度。

1.3 两者关系

深度学习是机器学习的一个子类别，它们都致力于从数据中提取信息和知识，但深度学习在处理大规模和复杂数据方面具有独特优势。

2. 大数据

2.1 大数据的概念与特点

互联网的出现使得数据和信息的生成、分发和积累成为可能，这些数据被称为大数据。大数据与人类的日常活动、情感、经验和关系相关，人工智能可以通过处理这些数据来学习人类的推理和行为方式。大数据具有三个特点，即“3V”：
- Vo