亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

人工智能在提高醫療保健質量、實現疾病早期診斷和降低成本方面具有巨大潛力。但如果實施不慎，人工智能會加劇健康差距，危及患者隱私，并使偏見長期存在。 STAT 在英聯邦基金的支持下，在過去一年半的時間里探索了這些可能性和陷阱，闡明了最佳實踐，同時發現了關注點和監管差距。本報告包括我們發表的許多文章并總結了我們的發現，以及我們從護理人員、醫療保健管理人員、學術專家、患者倡導者和其他人那里聽到的建議。它由 STAT 的 Erin Brodwin 和加州衛生技術通訊員 Casey Ross 共同撰寫。

短短50年，司法（法律）人工智能的飛速發展令人驚嘆，特別是近幾年，人工智能大有取代法律人的趨勢。在國外，人工智能應用于司法領域的例證可追溯至20世紀70年代，美國等發達國家研發了基于人工智能技術的法律推理系統、法律模擬分析系統、專家系統運用于司法實踐。

我國最初將人工智能應用于司法是在20世紀80年代，由朱華榮、肖開權主持建立了盜竊罪量刑數學模型；1993年，趙廷光教授開發了實用刑法專家系統，具有檢索、咨詢刑法知識和對刑事個案進行推理判斷、定性量刑的功能。

時至今日，隨著我國智慧法院、智慧檢務等重點工程的全面鋪開，最高人民法院在2018年推出了“智慧法院導航系統”和“類案智能推送系統”，還有北京的“睿法官”智能研判系統、上海的“206”刑事案件智能輔助辦案系統、河北的“智審1.0”審判輔助系統以及其他地方法院推出的人工智能產品，為法官審理案件提供了支持，全面提高了司法效率。

正如我們所看到的，司法人工智能一路走來，技術不斷革新，愈發突破人類的認知極限。確實，人工智能在司法領域的應用前景十分廣闊，很多學者甚至大膽猜測隨著人工智能技術革命性的發展，法律人也將逐漸被取代。然而，盡管這一新興事物激發了我們對未來的無限暢想，我們仍應保持清醒，在促進其發展的同時守住一些底線，不要抱有盲目的期待和開展毫無方向的研究，要在法律原則和倫理限度內客觀評估、審慎使用。下文我們將對此展開詳細的論述。

人工智能在司法領域的應用現狀

（一）法律問答、信息處理數據化

司法人工智能在法律檢索、信息處理上呈現電子化、數據化的趨勢，并且這一趨勢將如日中天地延續下去。如法律問答、訴前咨詢、電子卷宗生成、遠程立案等都屬于在線信息處理技術，在此期間運用的人工智能沒有自主思考過程，仍然由人進行實質化操作，其核心在于由傳統的線下辦案轉為線上模式，為當事人及辦案人員提供便利。其中法律問答機器人似乎與我們腦海中想象的人工智能更加接近，通過檢索在機器人系統中提前設置好的固定提問模式來獲取所需信息，其本身無法根據不同疑難問題產生額外答案，但對于日常一般案件所需還是可以滿足的。

再如卷宗OCR識別、庭審語音識別、證據識別等屬于感知智能技術，相較于傳統的掃描、錄音等技術有很大提升。以庭審語音識別為例，科大訊飛的靈犀語音助手特別針對中文口音問題進行了識別優化，語音識別率已能達到90%以上。與書記員在庭審中手動輸入文字材料相比，庭審語音識別技術大大提高了庭審記錄效率，經對比測試，庭審時間平均縮短20%至 30%，復雜庭審時間縮短超過50%，庭審筆錄的完整度達到100%。此外，這一技術的推廣能夠解決運用錄音、錄像技術記錄庭審過程的最大弊端，即我國的方言問題，這就避免了后期因錄音識別難度大所造成的理解困難。其次，識別轉化后的電子書面材料與錄音、錄像這一載體相比，查閱起來也更加有針對性，更加方便快捷，正在起到解放書記員的作用。

（二）文書制作、類案推送自動化

在文書制作與類案推送上，司法人工智能發揮的作用比基礎的信息處理就多了一些智能化的因素。對于大多數簡單案件，如危險駕駛、小額借貸糾紛、政府信息公開等可以簡化說理并且能夠使用要素化、格式化裁判文書的案件，裁判文書自動生成系統能夠通過OCR、語義分析等技術，自動識別并提取當事人信息、訴訟請求、案件事實等關鍵內容，按照相應的模板一鍵生成簡式裁判文書。對于其他制式法律文書的生成更是不在話下，還能夠自動糾錯，因而大大縮短了起草文書的時間，減輕了法官的工作量，幫助法官提高辦案質效。

例如河北高院研發的“智慧審判支持”系統，就包含這樣的文書制作功能，于2016年7月上線，在河北194個法院應用，截至2017年6月，短短不到一年的時間共處理案件11萬件，生成78萬份文書。以此積累從而建立自己的案例信息庫，通過分門別類、匹配標記達到類案檢索，在法官辦案時自動篩選以往相似度較高的案例，實現類案推送提醒，為法官對相似案件的審判提供參考。如此一來，能盡量避免“類案不同判”和“法律適用不統一”的問題，有利于統一本地的司法裁判尺度，防止裁判不公。

（三）案件分析、輔助裁判智能化

人工智能減輕了辦案人員處理日常瑣碎事務的負擔，在這樣的背景下，我們不僅希望人工智能在可量化、低效率的環節發揮作用，還期待能夠進一步發揮其智能化的優勢，從而提高司法效率。于是，將其應用于案件分析與裁判就成了一個重要議題。在案件分析的初級階段，通過設置分流原則和調整繁簡區分要素，智能分案系統能對各類案件進行精細化處理，在平臺運轉過程中，分別針對刑事、民事、行政等不同案件的特點，綜合各項權重系數，科學測算每個案件所需的辦案力量，幫助法院實現對案件的繁簡分流，合理配置司法資源，緩和“案多人少”的壓力。在案件的深度分析及輔助裁判上，北京法院的“睿法官”系統能在庭審前自動梳理出待審事實，生成庭審提綱，并推送到庭審系統中。上海“206系統”的最大亮點是證據標準、證據規則指引功能，這一功能實現了證據資料的智能審查，為辦案人員提供了標準化指引。此外，阿里推出的“AI法官”針對交易糾紛類案件建立了整套審判知識圖譜，能夠迅速分析案情并在極短時間內向法官給出判案建議。

總之，司法與人工智能的深度結合在理論界討論得熱火朝天，對人工智能產品的應用某些方面已經走在了理論的前面，司法系統的改革亦是大勢所趨。但這并不意味著目前的研究與應用是完全科學、有效的，對司法人工智能的應用空間及限度尚需細細推敲。

人工智能在司法領域的應用限度

（一）在廣度上不能覆蓋司法活動全程

目前，司法人工智能被集中運用于流程性重復低效勞動以及依據模型簡單推理等環節，能夠輔助處理事務性工作，在通用技術已然成熟的領域還是十分成功的，如在線方式的信息處理（信息電子化）以及語音識別技術的應用，確為司法活動提供了極大的便利。然而，我們發現，不管是在線信息處理還是語音識別，都是日常生活中已經廣泛應用的技術，這幾項應用的成功取決于成熟人工智能技術的普遍性適用。以語音識別為例，我們平時在智能手機中常用的語音輸入法便是這一技術最普遍的體現，只是在庭審中對此功能開發的更加精準與完善了而已，雖然場景不同，但其本質是不變的。

由此可見，目前成功廣泛應用的人工智能產品大多是將通用化的技術稍加完善，便移植到了部分司法活動中，而對于其他司法環節，如疑難案件的事實認定、評價證據的證明力度、法律解釋等等，僅靠通用技術的成熟是無法滿足其需求的，要通過非形式邏輯與司法經驗等因素的灌輸來“定制”專門化產品，使其達到能夠應對大多數司法問題的水平，從而貫穿司法活動全程。關鍵就在于能否實現這種“定制”呢？這不僅意味著需要有高度發達的研發水平作為支撐，還需要將人工智能、法律知識、司法經驗等多重因素深度融合，使人工智能具備法律人的邏輯與思維，其難度遠遠高于日常通用技術的開發。于是，如果期望人工智能技術覆蓋司法活動全程，我們不難得出，這種“定制”是很難、甚至無法實現的。

（二）在深度上不能替代法官價值衡量

如上文所提到的，司法人工智能已經在信息檢索、文書制作、智能識別、證據指引等方面得到了成功的推廣應用，對于一些簡單案件也可以實現輔助推理并提出量刑建議。其強大的數據處理能力大大減輕了法官從事日常瑣碎工作的負擔。雖然還有相關研究表明，將人工智能運用于預測裁判結果，得出的預測準確度遠高于人類，但是就能如部分人群所追捧的那樣，將人工智能取代法官嗎？

人工智能是關于數據的技術，依賴于人類對它進行設計和編程，它只能對人類輸入的已有知識和信息進行模式化的吸收和處理，盡管它對現有知識的掌握度遠超人類，但致命的缺陷就在于它不能適應人類社會日新月異的變化。法律適用作為對現實社會的即時反映,在司法裁判的價值衡量中融入社會一般公正觀念是一種常態，而這種價值衡量是一個十分復雜的過程,“帶有人情味的價值判斷”很難被機器所學習。而司法裁判是關于經驗的藝術，美國大法官霍姆斯說過，法律的生命在于經驗而不是邏輯，他要求法官根據社會生活的不斷變化賦予每個案件獨特的裁判價值，不要被固有的法律邏輯所束縛。這就需要在法律規范和生活之間有交互往返的認知過程，通過復雜的價值判斷來獲得結論。從這個角度來說，人工智能法官只能按照事先設置的形式化指令來裁判案件，亦步亦趨地跟隨著人類的操控，沒有人的參與和輸入，機器學習不會自主發生，更不會有人的獨立思維，也就無法滿足法官在價值判斷過程中的語境化需求。正如霍姆斯法官說得那樣，法律不是純粹的邏輯和極致的理性，在司法裁判中還應考慮經驗、道德和溫情。畢竟，只懂法律的人不一定能夠勝任法官,更何況只懂法律的機器呢？

司法人工智能的應用前景與出路

（一）司法人工智能：好鋼用在刀刃上

人工智能最大的優勢就在于它直接服務于人，通過介入司法活動的各個環節，在信息儲存、數據運算、簡單推理等方面發揮著重要作用，辦案人員借助這些輔助功能最大限度地將自身從重復性、事務性的工作中解脫出來，還能及時發現并糾正一些細節問題，從而能夠將時間和精力真正投入到分析疑難案件本身，實現了司法資源的優化配置。不僅如此，人工智能介入司法環節還能夠在辦案過程中對法官的行為進行程序化約束，矯正法官的主觀偏見，擴展法官的認知能力，減少法官因直覺等主觀因素對價值判斷形成的消極影響。

司法實踐中，人工智能作為輔助工具帶來便捷，但也僅限于服務法官、輔助法官。因此，對司法人工智能的研發要將重心放在其輔助功能上。并且，基于當前司法人工智能在通用技術領域的應用上已經取得了相應的成果，因而未來應當更傾向于針對司法活動的專業性特征，進行司法專用領域的技術開發。比如，國外的一些法院利用人工智能對案件結果進行預測，還將人工智能運用于審查專家證言的可采性上，為法官裁判案件提供指引和參考。我國在研發時也可以結合自身實際來開發相應的產品。此外，也可以針對我國部分法院開始應用的量刑推薦、審判偏離預警等功能進行進一步完善與推廣。

技術是人類社會進步的重要力量，人類作為社會發展的主體，必須將技術為我所用。正所謂“君子性非異也，善假于物也”，只有懂得如何開發與利用司法人工智能，善于揚其長避其短，才能將人工智能的價值發揮到最大化，只有將這塊好鋼用在刀刃上，才能為司法、為人民創造更多的價值。

###（二）人工智能法官：不可望也不可即

早在20世紀70年代，已有學者提出假設——人類法官是否能被機器法官所取代，以消除法律的不確定性？我國最高人民法院副院長賀榮給出了明確的答案：機器人大法官絕無可能出現。

事實上，無論是普通民眾，還是在領域內深耕已久的專家，都對計算機、人工智能和機器人這些事物的概念難以詳細地區分。但有一點眾所周知，它們的運作本質都是“接收信息-處理信息-輸出信息”這樣一種計算過程，每一個步驟都需要確切的定義，存在“唯一正解”。而司法裁判的魅力卻在于往往不追求非黑即白，每個具體的案件都有其獨特的一面，除了追求客觀與合法之外，其中隱含的人情世故、倫理道德錯綜復雜，需要有審判智慧和審判經驗的法官進行心證和裁量。法律雖然是冰冷的，但適用法律的過程卻蘊含著溫情，比如“于歡案”中，殺死“辱母”者這樣為母復仇的情節富有非理性的情感色彩，與我國自古以來“父之仇，弗與共戴天”的禮法觀念不無關聯，這些人情事理只有親歷了生活、接受過教育、感受過熏陶的人類法官才能體會和把握，而隔著冰冷屏幕的人工智能法官是無法體會其中之精妙的。此外，人工智能還面臨著算法“黑箱”問題。司法裁判的過程，本身就是一個注重辯論和說理的過程，在庭審中，不僅雙方的唇槍舌劍會給法官帶來事實判斷上的影響，一個交互的眼神、一個微妙的表情都會成為法官的捕捉點，我國西周時期就有“以五聲聽獄訟，求民情”的記載。而人工智能法官的判案過程則會是系統內部的數據處理和運算，得出的判決是一個“暗箱操作”的結果，我們對其中的運算過程一無所知，“黑箱”的封閉性決策直接與司法公開原則相違背，還可能會觸發算法獨裁和歧視，難免招致公眾對判決結果的質疑，引發社會混亂。

更重要的是，我國憲法有明確規定，國家的一切權力屬于人民，審判機關的權力由人民賦予，法官所行使的司法權實質上是人民主權理論下的公共權力。古代西方有這樣一句法律格言：“法官只有一個上司，那就是法律。”在此公共授權的語境之下，法官在審判中享有絕對的權威，其他任何主體都不能左右法官的最終判決。從這個角度上來說，如果讓人工智能取代法官，是將人民賦予的公共權力讓渡給了一個機器，無異于放棄了人民的公共事業，而導向機器人的統治。機器人是否能夠認可法律作為他的上司我們不得而知，但必然消解了司法裁判的意義，也破壞了司法公信，這是社會所不能接受和容忍的。

綜上所言，人工智能法官取代人類法官這樣的愿景，乍一聽固然美好，但是卻陷入了人工智能的萬能論當中。司法裁判是理解的技藝，是一門價值衡量的藝術，其中蘊含的經驗和智慧并非人工智能所能體悟。人工智能取代法官是一個不可望也不可即的遙遠幻想，未來對司法人工智能的開發不能突破底線，毫無節制地利用人工智能改造審判系統只會為現代法治帶來無可挽回的創傷。

結論

盡管人工智能熱潮一次次席卷而來，不斷突破想象、沖擊認知，但我們不能盲目追捧，尤其在司法領域更應保持審慎和理性。對于司法環節中的一些事務性、重復性工作，無疑應當交給人工智能來處理，發揮其超強的整合運算功能，提高司法效率；對于司法活動中的核心權力，如審判權，則必須由法官獨立行使，而人工智能因其自身認知和思維上的缺陷決定了其只能處于從屬地位。此外，如果一旦將司法決策權交與人工智能，隨之而來的算法黑箱、算法歧視必然對司法公正造成沖擊，也是對人民主權和現代法治制度的消解。

未來，要堅守法官的主體地位和人工智能的輔助角色，對司法人工智能的研發也要在服務法官、輔助法官的路上繼續前進，而不要誤入取代法官的歧途。人工智能與司法的深度結合已是大勢所趨，審時度勢地做好這道司法人工智能的加法題，讓“人工”和“智能”各歸其位、各取所需、強強聯合，才能為司法、為社會帶來最大的價值，將司法高效與司法正義共同推進。

來源：《人民法治》雜志

作者：賈喆羽 呂昭詩 孫曉璞

責任編輯：王雪

人工智能在刑事司法中的應用，可以從全球眾多例子說明。我們采用按時間順序的方法，追溯犯罪如何展開，包括(i)其承諾，(ii)其偵查，以及最終(iii)刑事法庭和懲教機構對其作出的反應。首先，我們關注惡意行為者利用人工智能實施應受譴責行為的可能性，盡管這一點還有待觀察。其次，我們評估了執法部門對人工智能的使用，包括警察部隊發現和預測犯罪的新能力。第三，我們研究了人工智能和刑事訴訟之間的關系，以顯示人工智能是如何被用于評估在審判前和定罪后階段與罪犯相關的各種風險的。最后，我們分析了人工智能在刑事司法領域所帶來的四大挑戰: 道德、效率、采購和撥款。我們敦促所有尋求在其刑事司法系統中實施人工智能的實體保持謹慎: 必須明確和徹底地解決這些相互關聯的問題類別，以便人工智能系統能夠迭代、公平和透明地成為刑事司法決策的一部分。

人工智能(AI)已經成為我們日常對話和生活的一部分。它被認為是改變世界的新型電力。人工智能在工業和學術界都有大量投資。然而，在當前的人工智能周期論中，也有很多炒作。基于所謂深度學習的人工智能在許多問題上都取得了令人印象深刻的成果，但其局限性已經顯而易見。自20世紀40年代以來，人工智能一直處于研究階段，由于過高的期望和隨之而來的失望，該行業經歷了許多起起伏伏。

//www.zhuanzhi.ai/paper/1d9d85c3196d033542a7e815757c49a8

這本書的目的是給人工智能的現實圖景，它的歷史，它的潛力和局限性。我們相信人工智能是人類的助手，而不是統治者。我們首先描述什么是人工智能，以及它在過去幾十年里是如何發展的。在基本原理之后，我們解釋了海量數據對于當前主流人工智能的重要性。本文涵蓋了人工智能、方法和機器學習的最常見表示。此外，還介紹了主要的應用領域。計算機視覺一直是人工智能發展的核心。這本書提供了計算機視覺的一般介紹，并包括對我們自己的研究的結果和應用的展示。情感是人類智能的核心，但在人工智能中卻鮮有應用。我們將介紹情商的基礎知識以及我們自己在這一主題上的研究。我們將討論超越人類理解的超級智能，解釋為什么在現有知識的基礎上，這種成就似乎是不可能的，以及如何改進人工智能。最后，總結了人工智能的現狀和未來要做的事情。在附錄中，我們回顧了人工智能教育的發展，特別是從我們自己大學的內容的角度。

為藥物開發人員而不是計算機科學家寫的，這一專論采用了一種系統的方法來挖掘科學數據源，涵蓋了從化合物篩選到先導化合物選擇和個性化藥物的合理藥物發現的所有關鍵步驟。第一部分明確地分為四個部分，討論了不同的可用的數據來源，包括商業和非商業的，而下一節著眼于數據挖掘在藥物發現中的作用和價值。第三部分比較了多藥理學最常見的應用和策略，其中數據挖掘可以大大提高研究工作。書的最后一部分是致力于復合測試的系統生物學方法。

在整本書中，工業和學術藥物發現策略被處理，貢獻者來自兩個領域，使一個知情的決定，何時和哪些數據挖掘工具使用自己的藥物發現項目。

一般來說，從數據庫中提取信息稱為數據挖掘。數據庫是一種數據集合，其組織方式允許方便地訪問、管理和更新其內容。數據挖掘包括數字和統計技術，可以應用于許多領域的數據，包括藥物發現。數據挖掘的功能定義是使用數值分析、可視化或統計技術來識別數據集中重要的數值關系，從而更好地理解數據并預測未來的結果。通過數據挖掘，我們可以得到一個模型，該模型將一組分子描述符與諸如功效或ADMET特性等生物關鍵屬性聯系起來。所得模型可用于預測新化合物的關鍵屬性值，為后續篩選確定優先級，并深入了解化合物的構效關系。數據挖掘模型范圍從簡單的、由線性技術導出的參數方程到復雜的、由非線性技術導出的非線性模型。文獻[1-7]提供了更詳細的信息。

這本書分為四個部分。第一部分涉及藥物發現中使用的不同數據來源，例如，蛋白質結構數據庫和主要的小分子生物活性數據庫。第二部分重點介紹數據分析和數據豐富的不同方法。在這里，我們提出了對HTS數據挖掘和識別不同目標命中的工業見解。另一章展示了強大的數據可視化工具在簡化這些數據方面的優勢，從而促進了它們的解釋。第三部分包括多種藥理學的一些應用。例如，在化學基因組學時代，數據挖掘可以為配體分析和目標捕捉帶來積極的結果。最后，在第四部分，系統生物學方法被考慮。例如，讀者被介紹到綜合和模塊化分析方法，以挖掘大分子和表型數據。結果表明，該方法能夠降低高維數據的復雜性，并為整合不同類型的組學數據提供了一種方法。在另一章中，建立了一套新的方法，定量地衡量化學品對生物系統的生物影響。

本書全面概述了人工智能(AI)在醫療和放射學領域的應用進展，使讀者對人工智能的技術背景以及新技術和新興技術對醫學成像的影響有了更深入的了解。在介紹了深度學習技術等放射學領域的之后，描述了人工智能在計算科學和醫學圖像計算領域的技術演變，解釋了人工智能的基本原理和類型及子類型。后續章節將討論成像生物標記物的使用、人工智能應用的開發和驗證，以及與大數據在放射學中日益重要的作用有關的各個方面和問題。然后，本文概述了人工智能在不同身體部位的多種現實臨床應用，展示了它們為日常放射學實踐增加價值的能力。最后一節重點介紹人工智能對放射學的影響以及對放射科醫生的影響，例如與培訓有關的問題。由放射科醫師和IT專業人員編寫，這本書將對放射科醫師、醫學/臨床物理學家、IT專家和成像信息專業人員具有很高的價值。

這本書的重點是面向深度不確定性下關于決策的理論和實踐的相關工具和方法。它探討了在深度不確定性下支持戰略計劃設計的方法和工具，以及它們在現實世界中的測試，包括在實踐中使用它們的障礙和促成因素。這本書擴展了傳統的方法和工具，包括與手頭的問題相關的行為和網絡的分析。它還展示了如何利用應用過程中獲得的經驗教訓來改進設計過程中使用的方法和工具。這本書提供了識別和運用適當的方法和工具來設計計劃的指導，以及在現實世界中實施這些計劃的建議。對于決策者和實踐者，這本書包括現實的例子和實用的指導方針，應該幫助他們理解在深度不確定性下的決策是什么，以及它可能如何幫助他們。

深度不確定性下的決策: 從理論到實踐分為四個部分。第一部分介紹了在深度不確定性下設計策略計劃的五種方法: 穩健決策、動態適應規劃、動態適應策略路徑、信息缺口決策理論和工程選項分析。每種方法都是根據其理論基礎、使用方法時要遵循的方法學步驟、最新的方法學見解和改進的挑戰來制定的。在第二部分中，將介紹每一種方法的應用。基于最近的案例研究，運用每種方法的實際意義被深入討論。第三部分基于對真實世界案例的理解，重點關注在真實世界的環境中使用這些方法和工具。第四部分包含結論和綜合可以為設計、應用和執行深度不確定性下的策略計劃而得出的教訓，以及對未來工作的建議。

這本書是關于運用機器和深度學習來解決石油和天然氣行業的一些挑戰。這本書開篇簡要討論石油和天然氣勘探和生產生命周期中不同階段的數據流工業操作。這導致了對一些有趣問題的調查，這些問題很適合應用機器和深度學習方法。最初的章節提供了Python編程語言的基礎知識，該語言用于實現算法;接下來是監督和非監督機器學習概念的概述。作者提供了使用開源數據集的行業示例以及對算法的實際解釋，但沒有深入研究所使用算法的理論方面。石油和天然氣行業中的機器學習涵蓋了包括地球物理(地震解釋)、地質建模、油藏工程和生產工程在內的各種行業主題。

在本書中，重點在于提供一種實用的方法，提供用于實現機器的逐步解釋和代碼示例，以及用于解決油氣行業現實問題的深度學習算法。

你將學到什么

• 了解石油和天然氣行業的端到端的行業生命周期和數據流
• 了解計算機編程和機器的基本概念，以及實現所使用的算法所需的深度學習
• 研究一些有趣的行業問題，這些問題很有可能被機器和深度學習解決
• 發現在石油和天然氣行業中執行機器和深度學習項目的實際考慮和挑戰

這本書是給誰的

• 石油和天然氣行業的專業人員，他們可以受益于對機器的實際理解和解決現實問題的深度學習方法。

學習設計思維的基本原理，以及如何在定義軟件開發和人工智能解決方案時應用設計思維技術。設計思維是一種創新的方法，它能識別問題并產生解決方案，并能通過原型設計迅速得到驗證。

這本書提供了設計思維的簡史和過程的概述。然后深入探討在設計思維研討會中使用的方法和工具的更多細節，從而得出有用的原型。提供以下指引:

• 為設計思考工作坊做準備
• 發現可能被解決的潛在業務問題
• 優先考慮可能的解決方案
• 識別和描述利益相關者
• 為開發選擇正確的原型
• 限制了原型構建的范圍和最佳實踐

本書最后討論了成功原型的操作化的最佳實踐，并描述了對成功采用至關重要的變更管理技術。您可以使用從閱讀本書中獲得的知識，將設計思維技術融入到您的軟件開發和AI項目中，并確保及時和成功地交付解決方案。

你將學到什么

• 獲得什么是設計思維以及何時應用該技術的基本知識
• 發現在研討會中使用的準備和促進技巧
• 了解想法是如何產生的，然后通過原型驗證
• 了解實現最佳實踐，包括變更管理考慮事項

這本書是給誰的呢

• 商業決策者和項目利益相關者，以及IT項目所有者，他們尋求一種方法，導致快速開發成功的軟件和AI原型，證明真正的商業價值。也為數據科學家，開發人員和系統集成商誰有興趣促進或利用設計思維研討會，以推動潛在的軟件開發和人工智能項目背后的勢頭。