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(fù)合 AI”將成為企業(yè)成功運(yùn)用 AI 的關(guān)鍵因素。Dynatrace 指出，盡管 83% 的技術(shù)領(lǐng)導(dǎo)者認(rèn)為 AI 是必不可少的，但 95% 的人認(rèn)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(rèn)為，企業(yè)需要采用一種復(fù)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(yù)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(shí)現(xiàn)更高層次的推理，并讓人工智能的輸出更加準(zhǔn)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(zhǔn)確、更有意義和更有上下文的人工智能輸出。這就是復(fù)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(yù)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(fù)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(fù)雜的問題，提供更有價值的解決方案，以及更好地適應(yīng)不斷變化的環(huán)境。

本文基于Dynatrace的一項全球報告來分析復(fù)合人工智能的概念、應(yīng)用和價值，以及復(fù)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(fù)合人工智能的重要性和潛力，以及如何有效地采用復(fù)合人工智能，以提升企業(yè)的競爭力和創(chuàng)新力。

 01  復(fù)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(jī)科學(xué)、數(shù)學(xué)、統(tǒng)計學(xué)、心理學(xué)、哲學(xué)等多個學(xué)科的交叉學(xué)科，它讓計算機(jī)或機(jī)器具有類似于人類的智能，如感知、理解、學(xué)習(xí)、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(xué)習(xí)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(zhǔn)確、不合理或不道德的問題，如生成的內(nèi)容與事實(shí)不符、違反常識或傷害他人的感情等。

預(yù)測型人工智能（predictive AI）的發(fā)展歷史可以追溯到 20 世紀(jì) 50 年代，當(dāng)時出現(xiàn)了第一批統(tǒng)計學(xué)習(xí)理論和機(jī)器學(xué)習(xí)算法。預(yù)測型人工智能利用統(tǒng)計學(xué)習(xí)等技術(shù)，從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和趨勢進(jìn)行分類、回歸、聚類等。預(yù)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(yù)測、異常檢測等。預(yù)測型人工智能的局限是預(yù)測的結(jié)果與實(shí)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(jìn)行更好的決策和干預(yù)。因果型人工智能的一些應(yīng)用領(lǐng)域包括醫(yī)療、社會科學(xué)、經(jīng)濟(jì)學(xué)、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(diǎn)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(jī)制，以及如何通過干預(yù)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。可觀察性數(shù)據(jù)是指與應(yīng)用程序性能、軟件開發(fā)和安全實(shí)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(hù)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(fù)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(zhǔn)確、更有意義和更有上下文的人工智能輸出。復(fù)合人工智能可以幫助我們解決復(fù)雜的問題，提供更有價值的解決方案，以及更好地適應(yīng)不斷變化的環(huán)境。復(fù)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(bǔ)不同的人工智能技術(shù)和數(shù)據(jù)源的局限，實(shí)現(xiàn)人工智能技術(shù)和數(shù)據(jù)源的協(xié)同和互補(bǔ)。

 02  復(fù)合人工智能的集成和調(diào)整

復(fù)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(zhǔn)確、更有意義和更有上下文的人工智能輸出。復(fù)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(biāo)、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(biāo)是人工智能要解決的問題或?qū)崿F(xiàn)的功能，如診斷、預(yù)測、生成、推薦等。人工智能的目標(biāo)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(biāo)應(yīng)該是明確、具體、可量化和可達(dá)成的，以便于人工智能的設(shè)計、實(shí)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(diǎn)和要求，以及人工智能的輸入和輸出的復(fù)雜性和難度。人工智能的范圍應(yīng)該是適當(dāng)、合理、可行和可擴(kuò)展的，以便于人工智能的獲取、處理和應(yīng)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(yù)測型和因果型人工智能，以及深度學(xué)習(xí)、統(tǒng)計學(xué)習(xí)、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(yīng)該是合適、有效、創(chuàng)新和可改進(jìn)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(zhǔn)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(zhǔn)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(yīng)該是高、穩(wěn)、清和新的，以便于人工智能的學(xué)習(xí)、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(hù)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(zé)任性，以及人工智能的輸出的風(fēng)險和后果。數(shù)據(jù)的安全和隱私應(yīng)該是強(qiáng)、嚴(yán)、規(guī)和法的，以便于人工智能的防范、應(yīng)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(jìn)行檢驗和改進(jìn)，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(yīng)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(fù)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(zhǔn)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。

 03  復(fù)合人工智能的應(yīng)用

復(fù)合人工智能的應(yīng)用是利用不同類型的人工智能技術(shù)和數(shù)據(jù)源，來解決復(fù)雜的問題提供更高級的推理和更有價值的輸出，這是將多種類型的人工智能結(jié)合起來的方式，以實(shí)現(xiàn)更高級的推理和更好的性能。復(fù)合人工智能的應(yīng)用領(lǐng)域非常廣泛，例如在自然語言處理領(lǐng)域，復(fù)合人工智能可以用來生成、理解和翻譯自然語言，例如使用生成式 AI、預(yù)測性 AI 和因果性 AI 等技術(shù)。

復(fù)合人工智能的應(yīng)用可以部署到各個行業(yè)和領(lǐng)域，如醫(yī)療、教育、金融、制造、娛樂、安全等。

在醫(yī)療領(lǐng)域，復(fù)合人工智能可以結(jié)合生成型、預(yù)測型和因果型人工智能，以及可觀察性、安全性和業(yè)務(wù)事件數(shù)據(jù)，來提供更準(zhǔn)確的診斷、治療和預(yù)防方案，以及更個性化的醫(yī)療服務(wù)。例如，生成型人工智能可以從醫(yī)療影像、基因序列、病歷等數(shù)據(jù)中生成新的醫(yī)療信息，如病灶、變異、診斷等。預(yù)測型人工智能可以從醫(yī)療監(jiān)測、檢測、評估等數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和趨勢，如病情、風(fēng)險、效果等。因果型人工智能可以從醫(yī)療干預(yù)、治療、預(yù)防等數(shù)據(jù)中推斷因果關(guān)系，如藥物、手術(shù)、生活方式等。可觀察性數(shù)據(jù)可以提供對醫(yī)療設(shè)備、系統(tǒng)和流程的監(jiān)控和分析，提高可用性和可靠性。安全性數(shù)據(jù)可以提供對醫(yī)療數(shù)據(jù)和隱私的保護(hù)和合規(guī)，防止數(shù)據(jù)濫用或泄露。業(yè)務(wù)事件數(shù)據(jù)可以提供對醫(yī)療服務(wù)和滿意度的衡量和提升，增加收入和利潤。

教育領(lǐng)域的復(fù)合人工智能是把生成型、預(yù)測型和因果型人工智能，還有學(xué)習(xí)者的行為、能力和偏好數(shù)據(jù)都結(jié)合起來，給我們提供更好的教學(xué)、評估和反饋，還有更適合我們的學(xué)習(xí)路徑。比如說，生成型人工智能可以根據(jù)教材、課程、知識圖譜等數(shù)據(jù)，給我們創(chuàng)造出新的教學(xué)內(nèi)容，比如問題、答案、例子之類的。預(yù)測型人工智能可以根據(jù)我們的學(xué)習(xí)活動、成績、反饋等數(shù)據(jù)，幫我們發(fā)現(xiàn)一些規(guī)律和趨勢，比如我們的學(xué)習(xí)水平、進(jìn)步速度、學(xué)習(xí)風(fēng)格之類的。因果型人工智能可以根據(jù)我們的教學(xué)干預(yù)、策略、效果等數(shù)據(jù)，幫我們推斷出一些因果關(guān)系，比如哪種教學(xué)方法、學(xué)習(xí)資源、學(xué)習(xí)成果之類的。學(xué)習(xí)者的行為、能力和偏好數(shù)據(jù)，可以讓人工智能更了解我們，給我們提供更個性化和定制化的服務(wù)，讓我們學(xué)得更高效和更有效。

復(fù)合人工智能在金融領(lǐng)域有很大的作用。它可以利用生成型、預(yù)測型和因果型人工智能，結(jié)合市場、客戶和風(fēng)險的數(shù)據(jù)，為我們提供更好的金融方案和服務(wù)。比如生成型人工智能可以根據(jù)各種數(shù)據(jù)，給我們提供新的金融信息，如報價、建議、策略等等。預(yù)測型人工智能可以根據(jù)各種數(shù)據(jù)，幫我們發(fā)現(xiàn)金融的規(guī)律和趨勢，比如價格、需求、行為等等。因果型人工智能可以根據(jù)各種數(shù)據(jù)，幫我們分析金融的因果關(guān)系，比如影響、風(fēng)險、收益等等。市場數(shù)據(jù)可以讓我們更好地了解和分析市場的情況，提高市場的透明度和效率。客戶數(shù)據(jù)可以讓我們更好地了解和服務(wù)客戶，提高客戶的忠誠度和滿意度。風(fēng)險數(shù)據(jù)可以讓我們更好地識別和管理風(fēng)險，提高風(fēng)險的可控性和可預(yù)測性。

 04  復(fù)合人工智能的價值

復(fù)合人工智能可以提高人工智能的可靠性和適用性。通過將不同類型的人工智能技術(shù)和數(shù)據(jù)源相結(jié)合，復(fù)合人工智能可以利用不同的人工智能技術(shù)和數(shù)據(jù)源的優(yōu)勢，彌補(bǔ)不同的人工智能技術(shù)和數(shù)據(jù)源的局限，實(shí)現(xiàn)人工智能技術(shù)和數(shù)據(jù)源的協(xié)同和互補(bǔ)。這樣，復(fù)合人工智能可以提供更全面、更準(zhǔn)確、更合理、更道德的人工智能輸出，以支持關(guān)鍵的業(yè)務(wù)用例，避免人工智能輸出的不符、不合或不良的問題。

Dynatrace 的首席技術(shù)官 Bernd Greifeneder 說：“要讓 GenAI 生成用戶可以信任的有意義的內(nèi)容，來解決特定的問題，是一件很難的事情。團(tuán)隊需要花費(fèi)很多時間和精力，來設(shè)計合適的提示，讓 GenAI 知道要生成什么樣的內(nèi)容，以及如何驗證 GenAI 生成的內(nèi)容的正確性。”

他還說：“要做到這一點(diǎn)，重要的是要明白，不是所有的人工智能都一樣。GenAI 的很多用例，特別是一些復(fù)雜的用例，比如優(yōu)化軟件代碼或解決安全漏洞，都需要復(fù)合人工智能（composite AI）。復(fù)合人工智能是指結(jié)合不同類型的人工智能，比如因果人工智能（可以找出系統(tǒng)行為的原因和影響）和預(yù)測性人工智能（可以根據(jù)過去的數(shù)據(jù)預(yù)測未來的事件），來給 GenAI 提供必要的背景信息。

“如果企業(yè)能夠制定正確的策略，把這些不同類型的人工智能和高質(zhì)量的數(shù)據(jù)結(jié)合起來，他們就可以大大提高開發(fā)、運(yùn)營和安全團(tuán)隊的生產(chǎn)力，并提供持久的業(yè)務(wù)價值。”

復(fù)合人工智能可以結(jié)合不同類型的人工智能技術(shù)和數(shù)據(jù)源，來提供更高級的推理和更有價值的輸出。我們可以用生成式人工智能（可以從數(shù)據(jù)中生成新的內(nèi)容）和預(yù)測性人工智能（可以根據(jù)過去的數(shù)據(jù)預(yù)測未來的事件）和因果人工智能（可以找出數(shù)據(jù)中的因果關(guān)系）來一起工作，讓人工智能可以生成更準(zhǔn)確、更有意義和更有上下文的內(nèi)容。我們還可以用不同的數(shù)據(jù)源，比如可觀察性數(shù)據(jù)（可以監(jiān)控和分析系統(tǒng)的性能和狀態(tài)）、安全性數(shù)據(jù)（可以保護(hù)和合規(guī)數(shù)據(jù)的使用和傳輸）、業(yè)務(wù)事件數(shù)據(jù)（可以衡量和提升業(yè)務(wù)的流程和效果）來一起工作，讓人工智能可以使用更全面、更可靠和更相關(guān)的數(shù)據(jù)。

參考資料：https://aimagazine.com/data-and-analytics/composite-ai-could-drive-success-as-investments-increase