人工智能(AI)是提高人类解决问题能力的关键，但与人工智能互动并不一定是直观的。企业领导者可能很难理解如何将特定的人工智能技术应用于其组织，以及如何开始大规模集成人工智能技术。  使用人工智能可能并不总是正确的方法，甚至不是必要的方法。在采用人工智能之前，信息官和业务领导者应该确定最紧迫的问题，并对它们进行优先级排序，然后确定哪种技术适合解决这些挑战。企业领导者不要忽视简单的解决方案，也不要强制在组织内使用人工智能。  一旦发现问题并确定人工智能确实是适当的解决方案，就开始在业务中技术先进的领域工作，因为人工智能模型需要丰富的数据历史和持续的数据收集来提出有益的建议。对问题域中的功能、特性和资产进行优先排序，这将有助于进一步做好数据准备。而作为额外的好处，这些领域通常对企业而言较为关键。  使用人工智能与使用其他任何技术都没有什么不同：企业需要了解试图解决的问题和技术能力，并对两者进行协调。  本文从人工智能在各种实际项目中的应用中总结出一些步骤。为了使步骤切实可行，我们将深入探讨其中之一：谷歌数据中心的能源效率。  谷歌DeepMind希望降低数据中心的能耗，同时保持运营安全。这个团队在谷歌的一个数据中心开展这个项目。这为数据丰富的环境提供了最新的传感器和设备，这有助于基线性能(以及后来测量影响)。虽然人工智能应用并不容易，但是如果从一个拥有干净数据的高级环境开始，其成功率可能会更高。  然后，DeepMind遵循以下六个步骤。其结果是人工智能系统在继续以安全、有效的方式运营数据中心的同时，降低了30%的能耗。其好处显而易见：谷歌公司在提高系统效率的同时，降低了数据中心的能耗、环境影响、成本。  从人工智能开始的六个步骤  该项目很复杂，但是其过程很简单。以下进行一下分解：  步骤1：确定目标。  在开始之前，需要定义要实现的目标以及参与的哪些部门。在人工智能中称之为目标函数。需要记住，这可能需要平衡多个目标。  在示例中，目标是降低冷却谷歌公司数据中心所需的能源，同时将服务器保持在安全的工作温度下。这个目标是重要的，但也可以尝试将冷却成本降至低，减少用水量等。在此确定优先级也是关键。将重要的目标设置为目标函数，然后确保模型在制定决策时也将其次要目标考虑在内。  步骤2：定义可能的决策集。  确定目标后，概述可利用的杠杆，企业可以(并希望)使用人工智能改善系统的哪些部分。这是行动空间。  对于谷歌公司的数据中心来说，非常依赖数据中心运营商(即领域专家)来了解DeepMind可以调整设施的哪些部分，因为某些变量无法直接设置，并且可以由系统的其他部分间接控制。谷歌数据中心设施管理人员表示，最大的能源消耗者是冷却设备，因此从这里开始。这些技术深厚的合作伙伴关系对于成功应用人工智能很是重要，并允许领域专家将人工智能作为一种工具来增强其影响力。  步骤3：确保系统安全。  任何人工智能系统设置的一个关键步骤是了解确保系统安全所必需的操作边界。应该在单个组件和整个系统级别定义这些约束。  在数据中心示例中，数据中心运营人员概述了单个设备的操作范围以及这些组件在系统级别的交互方式。然后，根据数据中心的安全操作所允许的内容，对人工智能的安全约束进行建模。约束系统对于避免损坏组件很重要，但过多的安全措施可能会限制创新。人工智能的一个优点是，它可以探索在系统上设置的边界内的选项，但是越严格的防护，就越难探索。在不缺少核心约束的情况下保持平衡是关键。  步骤4：审核数据。  人工智能依靠数据来做决定，所以需要必要的数据来衡量其所选择的行动和目标。在此阶段，还可以解决正在进行的数据问题，例如需要捕获系统级数据的频率、数据的延迟