人工智能已經(jīng)得到了驚人的應用，為識別，模式和異常檢測，預測分析，自治系統(tǒng)，超個性化和目標驅(qū)動系統(tǒng)提供了強大的功能。但是，如果不訪問數(shù)據(jù)來訓練機器學習模型，人工智能系統(tǒng)將無法做任何事情。而且，大部分數(shù)據(jù)都以紙質(zhì)或電子形式或人工控制的形式鎖定在文檔中。

通常，實現(xiàn)任何AI項目的必要的第一步就是簡單地將這些文檔和流程從紙本和基于人的形式中提取出來，并轉(zhuǎn)換成機器可以理解的數(shù)字形式。將這些模擬資產(chǎn)轉(zhuǎn)換為數(shù)字形式的概念在文檔和信息的上下文中稱為數(shù)字化，在流程和基于人的活動的上下文中稱為數(shù)字化。根據(jù)分析公司Cognilytica的報告，毫不奇怪，數(shù)字化和數(shù)字化工作正在AI支持系統(tǒng)的背景下看到了一些最強勁的活動。（公開，我是Cognilytica的首席分析師）

數(shù)字化

數(shù)字化的總體思路是將信息轉(zhuǎn)換為計算機可讀的數(shù)字格式的過程。為了從您的數(shù)據(jù)和信息中獲得真正的見解，它需要以數(shù)字格式而不是紙質(zhì)形式并存儲在物理文件柜中。數(shù)據(jù)是收集信息，理解和見解的基礎層。文檔數(shù)字化是將計算機無法處理的信息獲取為可以處理的格式的想法。

通過數(shù)字化數(shù)據(jù)，組織和機構(gòu)可以從資產(chǎn)中獲取更多價值，而這些資產(chǎn)實際上是在收集灰塵并占用空間。為了從包括執(zhí)行分析，自動執(zhí)行各種任務以及合并更多智能和認知過程的數(shù)據(jù)中獲得更高層次的理解，信息需要從非數(shù)字形式轉(zhuǎn)換為計算機可以理解的形式。

數(shù)字化信息的示例包括：

將印刷文本和手寫文本轉(zhuǎn)換為數(shù)字格式

將模擬格式的音頻記錄轉(zhuǎn)換為數(shù)字格式

將檔案文件轉(zhuǎn)換為數(shù)字格式

將視頻和電影內(nèi)容轉(zhuǎn)換為數(shù)字格式