阿什·丰塔纳（Ash Fontana）

美国纽约一位管理超过70亿美元的风险投资人。他是第一家专注于人工智能领域的风险投资基金Zetta的合伙人和总经理，该公司是Kaggle、Domino、Tractable、Lilt和Invenia等人工智能领域公司的主要投资者。他之前曾在一家成功的创业投资平台AngelList负责产品投资。在AngelList推出在线投资后，他成为世界上最受认可的初创投资者之一。在麦格理资本（Macquarie Group）他是私募股权、投资银行和股票研究领域的顶级分析师。在学术上，他获得了悉尼大学的五项奖学金，获得法律和金融一等荣誉学位。他曾被快公司、彭博新闻社、福布斯和美国全国广播公司报道。他将自己的投资咨询经验写入本书。

在《智能先行》中，知名创业投资者阿什·丰塔纳建议企业优先将人工智能应用于商业服务，并提供了可执行的方法。作者认为，拥有人工智能的公司从创始之初就收集了有价值的数据，并使用它来自动化训练其核心功能和预测模型。因此，这些公司发展得更快并更容易超越竞争对手。本书是为面临市场压力的公司制定的剧本，它们拥有真正的预算，需要有效执行人工智能的战略和战术。无论你是新的在线零售商，还是《财富》500强公司，丰塔纳用五个“如何”具体讲述了他的理念：如何识别极具价值的数据；如何构建人工智能团队；如何将人工智能与现有流程集成并优化和迭代；如何衡量和复制集成系统的有效性；如何将集成系统的利润再投资以获取复合竞争优势。本书定义了人工智能通过自动复合而构建数据学习效应所带来的新型竞争优势，即机器智能。数据学习效应的竞争优势体现在三个方面：数据网络效应、数据规模经济以及数据处理能力。

绪论
新工具
人工智能优先的世纪
人工智能优先公司
本书结构
第一章 数据学习效应
人类的方式
机器的方式
超越旧公式
数据网络效应
数据学习效应的力量
数据学习效应的局限性
本章结论：现在怎么办？
本章要点
第二章 精益人工智能
客户需要什么？
客户需要人工智能吗？
精益人工智能
本章结论：从多层到精益
本章要点
第三章 获取数据
评价
客户生成的数据
人工生成的数据
机器生成的数据
消费者生成的数据
公共数据
本章结论：尽你所能得到它
本章要点
第四章 人工智能优先团队
聘用什么人？
什么时候招聘？
在哪里找到他们？
如何支持他们？
人工智能优先管理
人工智能优先公司
本章结论：传播数据科学
本章要点
第五章 建模
基本知识
挑选
复合
本章结论：构建业务模型
本章要点
第六章 模型管理
实施
机器学习管理回路
清单
本章结论：机器学习模型优化
本章要点
第七章 回路测量
回路
点亮正确回路
模型测量
机器赚钱
本章结论：飞轮优先
本章要点
第八章 优势聚合
传统形式
纵向整合
差别定价
人工智能优先的破坏力
人工智能优先聚合
定位
利用回路对抗现有公司
本章结论：为竞争排序
本章要点
结 语
术语表