提供人工智能技术的能力时，需要考虑哪三个方面？

专业人员

第一，也是最重要的一点：确保供应商拥有在人工智能和深度学习方面拥有广泛教育和背景的专业知识和员工。这包括大量的数据科学家、数学家、建筑师和工程师。这些人负责提出模型，教机器了解各种情况，计划未来的行动，预测它们的影响，并从结果中学习。同样重要的是，他们得拥有可视化方面的背景——这是以一种很容易翻译的方式来理解数据的过程。可视化通常和算法本身一样重要。

像谷歌、Facebook、微软和亚马逊这样的大公司，能够招聘最优秀的人才。仅Facebook就有100名员工专门从事人工智能研究，他们都有成千上万的数据科学家，其中很多都是博士和来自顶级大学的专家。因此，一定要了解技术背后的员工和他们之前的经历。

数据，和更多的数据

下一个重要拼图是数据。涉及到人工智能应用程序时，数据越多越好。查看供应商的数据范围，并确保他们能够从各种来源收集信息。询问他们的客户基础，以及在垂直行业、地理位置和部门规模等方面的多样性。

同样，并非每家公司都可以拥有谷歌或Facebook的规模，但更深入、更广泛的数据将确保有足够的相关性，从中找到有趣的见解，并从中学习做出更有价值的决策。

云计算人工智能

一个灵活且安全的基础设施

最后一个元素是确保IT供应商拥有可靠的基础设施。云计算公司理解管理数据中心、管理访问和保护数据的挑战。这些公司需要的另一个关键角色是devops：经验丰富的团队可以将各种技术(如ApacheSpark、Hadoop和开源组件)结合在一起，从而使人工智能系统发挥作用，并给予数据科学家正确的访问权限。

如果你的供应商在欧盟运营，或者在那里为客户服务，他们也会从匿名化引擎中获益，以遵守当地数据保护法规，这可能会使系统开发变得更加困难，或者担起高额罚款的风险，甚至可能更糟。但事实上，任何地方的公司都可以从提升的安全性中获益。

人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
人工智能，机器学习和深度学习之间，主要有什么差异？
http://www.duozhishidai.com/article-15858-1.html
AI vs 深度学习 vs 机器学习，人工智能的 12 大应用场景
http://www.duozhishidai.com/article-15385-1.html
在网络大时代背景下，人工智能技术是如何应用的
http://www.duozhishidai.com/article-15277-1.html

---

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站