9、AI在不同行业的应用案例与启示

AI在不同行业的应用案例与启示

1. Mandiant的机器学习策略

1.1 早期探索与数据驱动工具

在早期阶段、定义不明确的探索工作中，人类专家主导的方法在可预见的未来仍具有重要作用。而基于数据驱动的机器学习工具则更适合应用于数据源源不断的广泛领域。

1.2 “无自动魔法”原则

Mandiant在机器学习开发和部署策略中遵循“无自动魔法”原则，即团队不会使用成员无法理解其工作原理和结论得出方式的基于机器学习的系统进行分析或提出建议。

1.3 行业变革反思

从军事情报分析师到网络威胁情报分析师，Stone经历了行业的巨大变革。过去，情报分析是在信息稀缺的情况下，从众多信息源中寻找一条有用信息；而现在则是要从海量信息中筛选出真正对当前任务有价值的部分，这需要全新的技能和思维方式。

1.4 案例启示

• AI工具支持 ：筛选和选择性使用传感器和交易中持续收集的大量数据以获取洞察，离不开AI工具的支持。
• 系统分析方法 ：AI模型开发带来的新系统分析方法，能让公司有信心与客户或公司其他部门分享以前临时的分析结果。
• 可解释AI的重要性 ：可解释AI对技术专业人员和客户都至关重要，在用户无法理解系统结论得出方式的情况下，使用AI输出可能不合适。

2. DBS Digibank India的客户科学项目

2.1 项目起源

2016