人工智能(AI)是有史以来最强大的技术之一，但它并不像你想象的那么新。事实上，自1950年代成立以来，它经历了几次演变。第一代人工智能是一个“描述性分析”，回答“发生了什么？”这个问题。第二个“诊断分析”说：“为什么？”第三代是“预测分析”，它回答了以下问题：“基于发生了什么，未来会发生什么？“
尽管预测分析可能非常有用，可以节省数据科学家的时间，但预测分析仍然完全依赖于历史数据。因此，面对新的未知，数据科学家几乎没有选择余地。为了拥有真正的“人工智能”，我们需要能够独立思考的机器，尤其是在不熟悉的情况下。我们需要的人工智能不仅能够分析所显示的数据，而且能够“直观地”行事，而不需要把它们全部加起来。简而言之，我们需要能够模仿人类直觉的人工智能。幸运的是，我们有它。
什么是人工直觉？
第四代人工智能是“人工直觉”，它使计算机能够识别威胁和机遇，而不需要告诉我们应该寻找什么，就像人类直觉允许我们在没有特殊指令的情况下做出决定。类似于一个经验丰富的侦探，他可以进入犯罪现场，并立即知道有些事情似乎不对劲，或者一个经验丰富的投资者，可以在其他人面前发现一个即将到来的趋势。人工直觉的概念在五年前还被认为是不可能的。但是现在，像谷歌，亚马逊和ibm这样的公司正在尝试开发解决方案，有些已经成功实现了。
它是如何工作的？
那么，人工直觉如何在企业没有其他任何一个历史文化背景的情况下可以准确地分析未知数据以将其指向学生正确的方向呢？答案在于通过数据技术本身。一旦显示了当前经济数据集，复杂的人工直觉算法便能够有效识别数据点之间的任何相关性或异常。
当然，这不是自动发生的。首先，人工直觉不是为了建立处理数据的定量模型，而是应用定性模型。它分析数据集并开发一种表示其观察到的总体配置的上下文语言。这种语言使用各种数学模型，如矩阵、欧几里德和多维空间、线性方程和特征值来表示“总体情况“。如果你把一个大图想象成一个巨大的拼图，你可以从一开始就直观地看到完整的拼图，然后根据特征向量之间的关系追溯到填补空白。
在线性代数中，特征进行向量是一个非零向量，当对其应用研究线性变换时，特征空间向量数量最多可以变化就是一个标量因子（方向发展不变）。对应的特征值是特征参数向量缩放所依据的因子。从概念上讲，这提供了一个数据可视化系统异常标识符的指南。然后，将任何企业无法形成正确放入大图的特征以及向量都标记为可疑。
如何使用？
人工直觉几乎可以应用于任何行业，但金融服务业已经取得了巨大进步。大型全球性银行正越来越多地利用它来侦测复杂的新型金融网络犯罪计划，包括洗钱、欺诈和atm黑客行为。可疑的金融活动通常隐藏在成千上万的交易中，这些交易都有自己的一套关联参数。使用极其复杂的数学算法，人工直觉可以快速识别出五个最有影响力的参数，并将它们呈现给分析师。
在99.9%的案件中，当分析人员从数百个最重要的五个组成部分和联系中发现时，他们可以立即确定提出的犯罪类型。因此，人工直觉有能力生成正确类型的数据，识别数据，以更高的精度和较低的误报率进行检测，并以易于分析师理解的方式呈现。
通过发现貌似无辜的事务，人的直觉和能够检测该银行发布了“未知的未知”之间的这些隐藏的关系（以前是不可见的，因此意外攻击）和警觉。不仅如此，还要追踪和记录模式也可以用来解释数据，从而使分析师可以准备银行可执行的可疑活动报告，金融犯罪执法网络。
它将如何发展影响研究工作场所？
人工直觉并不是要取代人类的本能。这只是一个额外的工具，它可以帮助人们更有效地完成自己的工作。在银行业务例如上文所述，人的直觉，不能让自己的任何最终决定;它仅提供信息，分析师认为犯罪活动。分析师仍在努力审查已确定和证实的怀疑机交易。
自从艾伦·图灵（Alan Turing）于1950年代首次明确提出该概念发展以来，人工进行智能技术已经可以走了一个很长一段路，并且它丝毫不能没有经济放缓的迹象。前几代人我们只是冰山一角。人工直觉标志着AI真正能够成为“智能”的关键。
