- 综合排序
- 最热优先
- 最新优先
- 来自专栏EAWorld
偏见：人工智能辅助决策的隐患
和我们看过的大多数科幻电影不同，人工智能给现代生活带来的革命是润物无声的；拥有自主意识的机器人统治人类的场景还没有出现，但人工智已经渗透到我们的生活之中，稳步地侵入了以前人类独有的决策领域。 人们的初衷是，人工智能中的算法能够在公平和高效等方面超越人类既有的水平。世界各地的公司、政府、组织和个人都在使用机器决策，支持这样做的理由有很多：更可靠、更容易、更便宜、更节省时间等。 结语 尽管我们已经阐明了人工智能模型可能带来的许多问题，但仍旧有很多理由可以支撑我们从以人为中心的决策方式转变为基于人工智能的决策方式。正如前面提到的，尽管人工智能存在种种缺陷，但它仍然比人类更客观。 正因为如此，我们看到人工智能在基于决策和预测的任务中的应用仍旧在持续深入。但是，较少的偏见并不等同于没有偏见，当算法做出有偏见的决定时会发生什么？我们如何决定谁应该为此承担责任？ 可以说，跟踪问责制的最佳方法是对人工智能决策过程进行准确和详细的记录。也就是说，做出决定的过程和数据必须是透明的，这样如果有任何问题发生，第三方审计师就能够追溯导致结果的步骤，以找到问题的根源。
1.5K30发布于 2018-12-29 决策智能
想象一下这样一个世界：软件不仅可以加快业务决策速度，而且可以使业务决策变得卓越。这就是决策智能（DI）的意义所在。它不仅仅是另一种人工智能（AI）。 此外，我将阐明决策智能与决策科学、人工智能、数据科学和商业智能（BI）等同类产品的不同之处。决策智能（DI）定义及其在供应链中的应用 决策智能（DI）是一个相当新的术语。 为了更好地了解什么是决策智能，以下是几个定义。第一个只是DI的简单定义。而第二个定义专门针对供应链的决策智能。 这是因为决策智能利用了各种分析工具，例如商业智能、数据科学、决策科学和专家AI系统。此外，决策智能功能最好部署为专门专注于决策的软件平台。 此外，这些DI系统能够衡量和学习以前的决策，以提高决策有效性。决策智能与其他分析学科 什么是决策智能，以及它与其他分析学科（如决策科学、专家AI、数据科学和商业智能）的比较。
36100编辑于 2025-07-22AI值守辅助系统：构建全天候智能响应与决策支持体系
AI 值守辅助系统以智能算法为核心驱动力，构建起 7×24 小时在线的自动化响应网络，将重复性工作转化为标准流程，同时保留关键节点的人类决策权，实现效率与精准的双重提升。 基于自然语言处理技术，精准识别用户意图，并结合行业业务逻辑库实现智能匹配，覆盖从咨询应答到事务处理的全链路场景。 在智能制造场景中，更能基于维修记录预测备件需求，推动供应链智能化升级，从单点替代迈向全局数字化转型的战略赋能。 实施路径建议推荐分阶段推进策略：初期聚焦高频标准化场景快速验证价值，中期拓展至专业领域培养用户习惯，后期渗透高价值决策环节。 人机共生愿景AI 值守辅助系统并非替代人力，而是通过自动化基础工作释放人力资源，使员工专注于创造性价值环节。这种新型协作模式，正重塑企业组织架构与人才策略，为可持续发展注入新动能。
23310编辑于 2025-10-27- 来自专栏生信菜鸟团
从肿瘤突变列表到辅助临床决策
医生们则会在拿到这份报告之后再结合病人的实际病情进行临床决策。 那如何根据突变数据进行临床决策呢？ 最近刚发表在Nature Cancer的文章详细介绍了Cancer Core Europe（CCE）开发的一款临床决策支持系统(CDSS, Clinical decision support systems 通过阅读这篇文献，你一方面可以了解目前的生物标志物物相关高频基因和高频突变位点（有附件可下载），另一方面可以了解临床决策的基本逻辑和重要数据库，最后还能获得一个即刻可用的在线突变注释工具MTBP。 ---- 肿瘤变异的临床解读 临床决策支持系统的最终目标是根据最先进的证据，将NGS的结果转化为最合适的治疗决策。 影响肿瘤药物反应（敏感性或耐药性）和具有诊断或预后价值的变异不断被报道。
76830编辑于 2022-04-08 - 来自专栏AI智能体从入门到实践
构建AI智能体：AI医疗场景实践：医学知识精准问答+临床智能辅助决策CDSS
从早期的关键词匹配和规则系统，到如今的大语言模型、向量检索和知识图谱，我们正在构建一个能够理解、推理并辅助决策的“智能医疗大脑”。 整合近期的RAG和想来数据库知识结合医疗的两大实际场景了解一下医学知识精准问答和临床智能辅助决策CDSS系统的构建过程。二、医学知识精准问答1. 三、临床智能辅助决策CDSS1. 系统定义 CDSS是一个更高级、更复杂的系统。 四、两个系统的协同效应特性医学知识精准问答系统临床智能辅助决策系统 (CDSS)核心目标回答知识辅助决策输入自然语言问题结构化的患者数据输出知识性答案个性化的诊断、治疗建议、预警模式被动响应（用户提问） CDSS：快速生成诊断思路和治疗建议，辅助医生更快做出决策，并自动化生成部分病历内容，减轻文书压力。5.
90621编辑于 2025-11-23 - 来自专栏接地气学堂
数据分析如何辅助决策【通俗版】
我们常说：数据分析辅助决策。可到底是怎么辅助的，很少有系统讲解。今天用3分钟系统科普一下。首先，我们得明白决策是什么。决策其实就是下决定做一系列的动作。既然是做动作，就会有5w2h。 了解了决策的过程以后，我们会发现数据对决策作用。数据最大的作用，是量化过程。是滴，不是什么人工智能分析，不是精准推荐预测，而是简简单单的量化。去吃饭，至少得扫一眼大众点评上这个饭店的名字、价格、距离。 （二道坡爱情故事都不这么演） ╮(╯▽╰)╭ 很多时候人们是凭着直觉、印象、习惯做决策，根本没有考虑那么多。这时候就需要用数据分析，指出这些随意决策的不靠谱之处，把人们拉回来。 这时候数据分析的作用会越来越重要，那个被呵斥的年代正在远去，反倒要提防的，是“用你的人工智能阿尔法大狗子，分析下到底我们怎么做吧！”这种需求。数据分析是工具，不是包生儿子、起死回生的大力丸哈。 数据分析如何辅助决策的基本思路就是这样。想达成效果，需要两个方面的能力：第一，数据分析能力。会利用数据分析问题，解读问题，最后得出正确的答案推动决策能力。
2.2K32发布于 2019-12-09 - 来自专栏数据派THU
基于深度强化学习的作战辅助决策研究
来源：专知本文为论文，建议阅读5分钟如何有效地利用智能化技术实现计算机辅助决策，已经成为制约作战指挥控制技术发展的瓶颈。 面对瞬息万变的战场，如何有效地利用智能化技术实现计算机辅助决策，已经成为制约作战指挥控制技术发展的瓶颈。 通过深入分析作战决策制定过程，将其转化为一个序列多步决策问题，使用深度学习方法提取包含指挥员情绪、行为和战法演变过程决策状态在内的战场特征向量，基于强化学习方法对策略状态行动空间进行搜索并对决策状态进行评估 ，直到获得最佳的行动决策序列，旨在实现未来战场“机脑对人脑”的博弈优势。
53140编辑于 2022-06-13 - 来自专栏人工智能的秘密
智能决策：人工智能+大数据
但是随着人类科技的发展，这类决策系统部分由机器来承担了起来，例如我们前些年经常讨论的BI、近些年讨论的大数据分析，实际上都已经较为普遍的被人类用来做辅助决策，而伴随着人工智能的迅速进化，我们不禁联想，能不能依靠人工智能相关技术 从辅助决策到智能决策 答案是肯定的。 百分点集团技术副总裁及首席架构师刘译璟说，以前确实有一些决策系统，但往往都是称之为做决策支持系统或者决策辅助系统，原因是以前的技术确实只能做到辅助决策的层面，这类技术中比较成熟和典型的技术是90年代的BI 而人们通过对这些关键指标的分析去做一些决策，这个决策完全是人做出的，所以叫辅助。 但是今天百分点发布的这个决策系统，是由机器而不是人来做决策，这是最大的一个转变，也是这套系统与以往的决策辅助或者决策支持系统本质的区别。
5.9K01发布于 2017-12-21 如何利用YashanDB实现智能决策
YashanDB作为一款高性能的数据库系统，采用了先进的体系架构，特别适合快速处理海量数据，进而为智能决策提供强有力的支持。 本文旨在深入探讨YashanDB的核心技术及其在智能决策中的应用，帮助技术人员和决策者更好地理解和利用这一工具。 智能决策的实现离不开快速、准确的数据访问，这正是YashanDB所具备的能力。灵活的部署架构YashanDB提供多种部署方式，包括单机、分布式和共享集群架构。 这一点对于需要高可用性的智能决策支持系统尤为重要。丰富的分析功能YashanDB内置了丰富的分析函数与存储过程，支持复杂的数据运算和实时分析。 结论YashanDB通过多版本并发控制、高效存储和查询引擎、灵活的部署架构以及丰富的分析功能，为智能决策提供了强有力的支持。
14110编辑于 2025-10-03- 来自专栏AI科技大本营的专栏
通过算法为宝宝选保姆，数据辅助决策靠谱吗？
越来越多的技术公司正在努力帮助我们进行决策，消除这种不信任感，不管是雇保姆、房屋租赁还是叫滴滴。今天的技术比以往任何时候都更加了解我们。但仅仅凭一个算法就真的可以确定谁值得进行交易，谁又不能被信任吗？ Baveja和Shapiro承认了尝试采取道德决策并将其转化为代码的责任。那我们应该为这种方式暴露多少我们的个人信息？并且我们能在多大程度上接受让算法来判断谁是值得信赖的人的做法呢？ 在这样一个只需要滑动几次手机就可以随时随地找到人来修理漏水或者开车送我们回家的世界当中，在线信用评级发生的将会更加普遍，更加智能和普及。
87660发布于 2018-04-26 - 来自专栏AI人工智能
AI落地，如何辅助决策者将价值最大化
人工智能系统首先学习数据，然后从中推理出结果 为了进一步加快人工智能普及速度，推动了基础设施创新，业界和学术界纷纷将与人工智能有关的功能直接嵌入到硬件之中，例如：最新的 英特尔®至强®可扩展处理器为广泛的人工智能工作负载提供可扩展的性能 英特尔为此提出了一套“概念验证（PoC）”的解决方案，并且详细撰写了一套“白皮书”，能够帮助决策者回答这些问题，同时最大化价值，最小化风险。 对于任何人工智能项目或程序，概念验证让决策者能够：更快收获价值、获取技能和经验、测试硬件、软件和服务选项、确认和解决潜在的数据瓶颈、突出人工智能对 IT 基础设施和广泛业务的影响、提升人工智能的积极印象 最后，需要根据人工智能领域广为人知的“可解释性”（即决策质量）来评估解决方案的需求。 公平公正：如果决策是基于人工智能系统制定的，如何确认这些决策是否公平公正？在这种环境中，公平公正意味着什么——对谁公平？ 因果联系：该模型除了提供正确的推理之外，是否还能解释一些基础现象？
1.2K10发布于 2019-05-29 通过YashanDB实现业务智能决策
通过YashanDB实现业务智能决策可以遵循以下步骤：1. 数据采集与集成- 收集数据：从各个来源（如CRM系统、销售平台、社交媒体等）收集业务相关的数据。 - 机器学习与预测分析：运用数据挖掘与机器学习技术对历史数据进行分析，预测未来趋势，辅助决策。4. 数据可视化- 仪表板构建：使用数据可视化工具（如Tableau、Power BI等）构建仪表板，将分析结果以图形化方式展示，便于理解和决策。 决策支持与优化- 决策制定：基于分析结果和可视化仪表板，为业务决策提供数据支持，帮助管理层制定战略。- 持续优化：根据数据反馈不断调整和优化业务策略，以提高效率和盈利能力。6. 总结YashanDB作为一个高效的数据库管理系统，通过有效的数据管理、分析和可视化，可以帮助企业在复杂的商业环境中实现智能决策。关键在于建立系统的数据处理流程，并利用数据驱动的方式持续优化业务策略。
15010编辑于 2025-10-05- 来自专栏招标采购
AI智能辅助评标系统功能
智能辅助评标系统是一种基于人工智能（AI）、大数据分析和自动化技术的招投标管理工具，旨在提升评标效率、减少人为干预、确保公平合规。 郑州信源智能辅助评标系统通过评审客观分智能计算、投标文件自动定位、智能辅助验真等功能，实现智能评标，减少专家评标的工作量，投标文件定位难、资格审查难度大等难题，有效提升工作效率，降低评审风险，部分功能如下 ：1、智能辅助审核基于大模型的理解能力，系统可以在信息繁琐的审核点设置审核规则，实现智能辅助审核，以供应商注册审核为例，供应商审核需要花费大量时间进行供应商的资质证照审核，由于供应商不按规定上传相关材料和填写相关内容 、结构化信息提取的功能，为投标文件智能审查及智能评审提供结构化数据支撑。 ⑤技术标智能评审基于投标文件解析和自动定位功能，结合大模型的文本理解能力，实现对技术评分项的自动总结摘要和关键信息提取，辅助专家快速阅读，提高评审效率。
1.1K10编辑于 2025-09-15 - 来自专栏天意云&天意科研云&天意生信云
Nature证实：ChatGPT能够有效辅助医生提升决策准确率
ChatGPT 提升决策质量 研究结果显示，使用GPT-4辅助的医生在管理推理任务中表现更好，得分显著更高（均值差异=6.5%，P<0.001），尤其在平衡治疗策略、患者偏好和社会因素的复杂决策时，表现更优 同时，GPT-4辅助医生的中等和高风险错误比例略低于传统资源组，这表明GPT-4能够有效提升医生的临床决策质量。 ChatGPT 可独立决策 GPT-4不仅可以作为医生的辅助工具，还能独立完成部分决策任务，展现其广泛的适用性和灵活性。 根据文章研究显示，GPT-4独立完成的临床决策质量与“医生+GPT-4”辅助组相当，且显著优于仅使用传统资源的对照组。 GPT-4不仅是医生的辅助工具，也可能在某些情境下独立使用，为医疗领域带来新的可能性。尽管GPT-4展现出强大的潜力，但在使用时也需要谨慎，确保AI的辅助作用不会替代医生的专业判断。
37210编辑于 2025-04-22 科研决策AI辅助系统：让科学家“看得更远、想得更深
答案正在于——科研决策AI辅助系统。科研决策AI辅助系统，是一种融合人工智能、大数据分析与知识图谱技术的智能工具，专为科研人员、高校实验室及研发机构设计。 技术核心：三层智能引擎驱动文献智能理解引擎undefined系统通过自然语言处理（NLP）技术，实时抓取全球数千万篇学术论文、专利与技术报告，自动提取研究主题、方法、结论与引用关系。 实际价值：从“经验驱动”到“数据+智能驱动”传统科研高度依赖个人经验与团队积累，而AI辅助系统将决策依据从“我觉得”升级为“数据说”。 面向未来：人机协同的新科研范式科研决策AI辅助系统并非“黑箱”，而是强调“可解释性”与“人机协同”。科学家始终掌握最终决策权，AI提供多维度证据支持。 在国家强调“有组织科研”与“原始创新”的背景下，科研决策AI辅助系统正成为科研基础设施的重要一环。它不仅提升个体效率，更助力整个科研生态从“单点突破”迈向“系统创新”。
30610编辑于 2025-10-23决策智能是新的人工智能平台吗？
决策智能是一个新领域，通过将数据与决策和结果联系起来，帮助支持、增强和自动化业务决策。它结合使用方法（例如决策映射和决策理论）和技术（例如机器学习、自动化及人工智能平台）来改进公司决策的方式。 决策智能包括持续评估决策结果并通过反馈系统对其进行优化。 2021年10月，Gartner分析师将决策智能确定为2022年最具影响力的技术趋势之一。为什么决策智能很重要？公司的成功取决于决策。这些决策范围从市场选择到人才招聘再到发票支付授权。 DI可以支持业务决策的三个层面——有点像辅助驾驶中不断提高的自主性水平。第一层是决策支持，其中机器提供一些基本工具来支持人类决策，例如警报、分析和数据探索。决策本身完全由人类做出。 决策智能的组成部分是什么？决策智能技术是现有技术（包括人工智能和流程自动化）的组合，其能力比单独完成更多的事情。人工智能和机器学习专注于数据；它们可以产生洞察力，但通常与决策的执行和结果脱节。
32410编辑于 2025-09-18- 来自专栏MixLab科技+设计实验室
参数化与人工智能，从计算机辅助到计算机决策，同济大学DigitalFuture演讲记录
很高兴收到同济大学建筑与城市规划学院的邀请，能给大家讲讲我之前的研究，从参数化到人工智能，从计算机辅助到计算机决策。 计算机在这里扮演了监工的角色，辅助一个构筑物的精密建造。 这么看来，计算机显然已经替代了人类的劳动力工作，那么下一步，计算机是否有可能不仅作为辅助者，而是作为决策者，取代建筑师呢？ 在完全没有人工干预的情况下，计算机决策设计能够根据给出的既定条件，快速得出不亚于人类设计的解。 而下一步将会是计算机决策建造。波士顿动力公司已经研发出了人形机器人，配合人工智能的算法，全功能机器人的出现已经指日可待。未来甚至整个城市的设计到建设都将由机器人团队完成。
2.1K20发布于 2018-10-22 - 来自专栏AI科技大本营的专栏
机器学习真能产生智能决策吗？
是否会引发“第二次人工智能革命”？ 正如图灵奖授予珀尔时评价他的工作为“人工智能领域的基础性贡献，他提出概率和因果性推理演算法，彻底改变了人工智能最初基于规则和逻辑的方向。” 但是，许多数据科学领域的研究人员也已经意识到，从当前实践效果来看，机器学习无法产生智能决策所需的那种理解能力。这些问题包括：稳健性、可迁移性、可解释性等。下面我们来看看例子。 数据统计靠谱吗？ 因为“数据拟合”“所有知识都来自数据本身”为许多重大决策提供了数据统计依据。但是，在进行分析时，我们需要谨慎分析。毕竟，事情可能并不总是乍看之下！一个与我们生活息息相关的案例。 比如，在决策理论中，因果关系和统计之间的区别更加清楚。决策理论中有两类问题，一类是已知当前环境，拟采取干预，预测结果。另一类是已知当前环境和结果，反推原因。前者称为求果问题，后者称为溯因问题[3]。 尽管机器学习算法可以把这些事做得很好，但是准确的预测结果对于我们的决策是不够，而因果学习为其提供了一种有益的补充。
58630编辑于 2022-12-10 - 来自专栏程序你好
人工智能将改变商业决策
虽然人工智能的未来可能会让机器像人类一样做出决策，但现在已经在影响着人类的决策，尤其是商业决策。在本文中，我们将讨论一些关于人工智能如何(以及将如何)改变企业决策的有趣方法。 人工智能和商业决策 在人工智能问世之前，企业不得不依赖于不一致的数据。因此，决策过程不是很精确。就在那时，人工智能来拯救世界。现在，有了人工智能，企业可以转向基于数据的模型和模拟。 这些顾问提供了辅助建议和预测模型。这种模式在零售和机构产品中尤其流行。然后出现了具有经济和市场前景的终极认知机器人顾问模型。与之前的模型一样，该模型帮助供应商和消费者做出基于财务的决策。 $ecure使FSS公司能够在几秒钟内做出实时的业务决策。 汽车行业 从汽车设计到销售决策支持，汽车工业已经开发了一套人工智能应用程序。人工智能是智能无人驾驶汽车设计背后的核心原因。 这种人工智能的决策帮助汽车制造商预测了未来无人驾驶汽车的流行趋势。除了设计和制造之外，人工智能还帮助企业做出更好的营销和广告决策。 市场营销行业 在做营销决策时，有很多复杂的问题。
1.6K20发布于 2018-09-29 - 来自专栏决策智能与机器学习
决策智能的关键问题探讨
通常认为是决策类任务，因为他所面对的现实情况是人在回路、环境也是动态变化的，而据此制定策略就变得更加艰难，尤其这种策略的制定是有时间限制的，否则策略所针对的目标会失去意义。 这里面临的决策因素通常涉及到人性和社会关系、环境中的生物、物理和化学问题，而且在时效性限制下必须要在信息不完备、不确定的情况下给出决定并伺机调整。 一些方法包括但不限于数学模型、符号和模糊逻辑系统、决策树、归纳规则集和神经网络。 这样说可能有点抽象，我们举个栗子。 在金融投资中，所谓的圣杯是对终极市场规律的掌握。 展望 至今为止，关于智能背后的基础理论和各种探索试验都还在进展之中，代表着智能技术最为先进的美国DARPA仍然在第三代人工智能的基础理论方面布局了大量研究，如可解释人工智能、终身机器学习机等等，探索通用 、可信、高效的智能技术背后的理论。
46520发布于 2020-08-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号