升到句子，上升到段落，還要處理語境，這樣機器處理語言的方式就和以前完全不同，機器翻譯的準確度也會顯著提升。
舉兩個更好的預(yù)測可能改變流程或者商業(yè)模式的例子。
在醫(yī)學領(lǐng)域，X光和CT這樣的檢查，是幫助醫(yī)生去判斷病人是否有腫瘤的重要依據(jù)，當醫(yī)生無法確定腫瘤是良性還是惡性的時候，需要對病灶做生理切片檢查的小手術(shù)。如果AI分析檢查片子的能力增強，預(yù)測腫瘤的準確度提高，手術(shù)的必要性會越來越低。
更準確地預(yù)測也可能顛覆整個電商領(lǐng)域的商業(yè)模式。如果電商可以準確預(yù)測消費者的需求，商業(yè)模式可以有什么變化？目前，電商已經(jīng)可以比較準確地預(yù)測一定區(qū)域內(nèi)用戶對一些大宗商品比如說肥皂或者洗衣粉的需求，并因此可以在靠近社區(qū)的倉庫中提前布貨。未來，如果預(yù)測的準確度可以進一步提升，像亞馬遜這樣的電商巨頭很可能不再需要用戶在線或者在手機上搜索下單，而是直接把用戶需要的商品送到客戶家里。因為準確度非常高，配送十件商品至少有九件滿足客戶的需求，亞馬遜只要做好一件商品的退貨服務(wù)即可。
人人都要培養(yǎng)AIQ
如果說IQ是用來測量一個人的智商，EQ用來評價一個人的情商，那么AIQ就是評價一個人對人工智能的認知?！禔IQ》的兩位作者都是數(shù)字工程師，他們認為要適應(yīng)未來“人+機器”的工作場景，每個人都需要培養(yǎng)AIQ，提升對AI的認知，以便更容易適應(yīng)科技快速迭代改變的未來。此外，人類還需要有能力去監(jiān)督AI，在“人+機器”的協(xié)作中，成為關(guān)鍵的一環(huán)，要做到這一點的前提也必須對AI和數(shù)據(jù)科學有基本的認知。
培養(yǎng)AIQ首先要建立對當下AI發(fā)展的認知。很多人把AI看得神秘莫測，的確現(xiàn)在AI可以做很多神奇的事情，比如說圖像識別、語音識別、輔助駕駛、自動翻譯等等，在一些情況下做的比大多數(shù)人還要好。但目前的AI仍然并不具備人類的那種聰明，它只聽得懂一種語言——數(shù)字。
AI可以處理各種信息，只要輸入的是數(shù)字就行。所以AI系統(tǒng)要能起作用，需要將各類不同輸入都變成可以處理的數(shù)字語言，數(shù)據(jù)工程師把這種過程稱為“特征工程學”，比如說把圖像和語言的數(shù)字特征提取出來，變成機器聽得懂的語言。
以自然語言識別為例。以前處理語言的思路是自上而下的編程思路，希望灌輸給機器所有的語言規(guī)則，同時窮盡任何特例。結(jié)果幾十年語言識別都沒有大進步，因為語言其實太隨意、太復雜了。AI的自然語言識別，完全走了另外一條路，讓機器做最擅長的事情，找到文字與文字之間的相關(guān)性。機器回答的是一個最基本的問題，能不能讓有相同意思的詞，對應(yīng)的數(shù)字也類似？當機器可以給每個單詞和詞組一個描述性的數(shù)字后，就可以用數(shù)字的加減乘除來幫助算法做出正確的判斷。比如說，如果問機器一個問題：英國的倫敦，對應(yīng)的詞應(yīng)該是意大利的什么？機器就可以這么計算：倫敦-英國+意大利=羅馬，因此得出羅馬這個正確答案。
現(xiàn)在的AI，無論是亞馬遜的Alexa，或者蘋果的Siri，都并不懂得語言的含義，但是卻能準確判斷文字之間的相關(guān)性。不究原因，只強調(diào)結(jié)果，AI能帶來高效率，而我們暫時遠不用擔心它能和我們有一樣的智慧。
這也是培養(yǎng)AIQ的第二個要點，不用過早擔心AI是否會取代人類，因為現(xiàn)在的AI發(fā)展距離通用機器智能（AGI），距離趕上人類的智能還很遠。數(shù)字工程師現(xiàn)在要花90%的時間用于處理數(shù)據(jù)，把非標的數(shù)據(jù)變成機器可以讀懂的結(jié)構(gòu)化數(shù)據(jù)，只有10%的時間用在推進AI的發(fā)展上。因為AI只聽得懂數(shù)字，無論是圖像還是文字的識別，都是找出它們的數(shù)字屬性，然后讓AI做最擅長的事：快速地計算和找到準確的關(guān)聯(lián)。
培養(yǎng)AIQ的第三點，需要理解人與現(xiàn)在的AI