机器硕士:人工智能高管教育课程【深圳MBA资讯网】 
最新报名:
6小时前,深圳市**投资发展有限公司 总经理 加入企业投资总裁班,6小时前,东莞**科技控股有限公司  执行董事 加入资本运营作总裁班,6小时前,深圳市*科技有限公司 总经理 加入高级工商管理(EMBA)总裁班,3小时前,惠州***实业有限公司 总经理 加入工商管理(EMBA)总裁班,3小时前,惠州**科技有限公司 董事长 加入工商管理(MBA)总裁班,1小时前,深圳***金融集团有限公司 董事长 加入PE私募股权投资总裁班
商学院banner图
机器硕士:人工智能高管教育课程
发布时间:2022-01-27 20:59:24

机器硕士:人工智能高管教育课程
尽管存在一些道德疑虑,但人工智能有能力改变企业的运营方式
人工智能是一种通用技术,能够改变企业的运营方式。从客户服务到制造和物流,人工智能的影响将塑造未来几十年的商业投资,并为能够有效部署人工智能的组织带来决定性优势。
然而,兑现人工智能的承诺并非没有风险。成功的实施依赖于对基本原理的深刻理解,以及战略的清晰性和一致性。
这就是商业教育,特别是高管课程可以为领导者和高级决策者提供巨大帮助的地方,尽管这些课程可能对许多角色的参与者都有益。


INSEAD 战略教授 Phanish Puranam 表示,人工智能对企业,尤其是决策制定有着巨大的影响。“应用的广度简直是巨大的,”欧洲工商管理学院通过 AI 高管教育课程转变您的业务的联合主任 Puranam 说。“如果有足够的数据,很可能使用人工智能技术可以帮助我们根据更好的预测做出更好的决策,而不是我们本来可以完成的事情。”
这可能包括图像或音频识别以决定文档的相关性,一直到预测销售、员工保留甚至不同投资的预期回报以做出资源分配决策。
鉴于这项技术的变革性,INSEAD 认为,对于所有高级管理人员而言,无论行业或职能如何,了解 AI 的工作原理,并就他们对这项技术的投资做出正确的商业决策,以及其应用。
“他们不仅需要从多个角度(技术、组织、运营)了解空间,还需要从业务和监管风险方面了解,”欧洲工商管理学院项目联合主任、决策科学和技术管理教授 Theodoros Evgeniou 说。


无需 AI 的先验知识
这所位于法国和新加坡的商学院的课程面向没有技术背景的高管,让他们深入了解人工智能技术如何工作的基本逻辑,并让他们接触到跨行业的一系列应用。但是,与许多商学院一样,该计划是培训经理,而不是数据科学家。
“高管不需要了解人工智能技术如何工作或如何编程的细节,”麻省理工学院集体智能中心的创始主任托马斯马龙说。“但他们确实需要对人工智能能做什么和不能做什么有合理的期望。他们还需要了解公司以创造性和强大的方式使用人工智能的例子。”
这就是美国麻省理工学院斯隆管理学院的人工智能:对商业战略的影响项目的目标。兴趣特别高,AI 课程比仕龙高管教育组合中的任何其他课程都吸引了更多的参与者。


“随着人工智能的能力每年都在增加,人工智能系统将在许多业务领域变得越来越有用,”马龙说。“在某些情况下,这意味着企业可以做他们过去做的事情,但他们现在将能够以更低的成本更有效地做这些事情。”
然而,马龙警告说,我们距离拥有人类通用智能的人工智能系统还有很长的路要走。例如,即使是一个五岁的孩子,也可以就比当今最先进的人工智能系统更广泛的话题进行明智的对话。
“但对于某些特定类型的任务,人工智能系统每天都变得更加强大,”他说。“例如,长期以来,计算机在算术等方面的能力一直强于人类,现在它们在识别大量数据中的模式方面往往比人类更好。”


利用人工智能的力量
英国赛德商学院牛津人工智能项目主任 Matthias Holweg 表示,人工智能是一种非常强大且用途广泛的工具,但成功取决于根据组织目标明智地应用这项技术。
“该计划的总体目标是为企业领导者提供支持和领导可以为其组织带来变革价值的人工智能计划的技能,”他说。“我们确保他们能够评估、采购和监督其组织中的人工智能计划。”
这些学习成果是通过广泛的学习计划实现的,从人工智能和机器学习的基本机制开始,然后逐步考虑这项技术的实际、道德、法律和社会影响。然后,参与者利用他们获得的知识,为他们组织中的转型 AI 项目识别和构建业务案例。
然而,虽然人工智能是一种非常通用的工具,但它远非媒体有时描绘的灵丹妙药。“人工智能的潜在陷阱很多;正是对这些限制的理解使企业领导者能够为这种转型技术选择最佳机会,”牛津人工智能项目的首席导师 Linford Bacon 说。


这些程序的首要目标是揭开人工智能的神秘面纱。哈斯商学院的教授努力让参与者很好地了解今天的人工智能有什么能力,以及它的局限性是什么。
加利福尼亚的学校开设了人工智能:商业战略和应用课程,该课程还涉及伦理和道德挑战,这些挑战往往分为两大类。
第一个是明显对某些群体不利的算法示例,例如面部识别在分析某个种族的面部时会犯更多严重错误。“罪魁祸首通常是用于训练算法的基础数据,”哈斯商学院费舍尔商业分析中心主任 Zsolt Katona 说。 
第二类是人们认为算法的应用在某种程度上是不公平的。“这里的困难在于公平没有普遍的定义,在许多情况下,确定什么是公平的不是技术问题,而是道德问题,”他说
“这里没有简单的解决方案,但重要的是我们就这些话题进行持续的对话,这样我们作为一个社会才能同意一些基本规则和规范。”

 

版权申明:以上课程知识产权归属主办单位,深圳MBA总裁班研修网仅提供信息展示,而非商业行为 粤ICP备17004821号
免责声明:深圳EMBA总裁研修网部分内容摘自网络,如有侵害您的权益,请联系管理员删除
Copyrights © 2007-2022 mba-sz.com shenzhen MBA edu Cente All rights reserved