人工智能（AI）和数据可视化似乎是一种不太可能的婚姻。人工智能技术通常都是黑盒子：我们无法知道人工智能是如何得出结论的。这可能会引起一些令人不安的问题：想一想医学诊断，或者对求职者进行筛选：如果我们看不到黑匣子内部，我们无法知道AI是否犯了严重错误，或者反映了我们的隐性偏见。当人工智能成为我们与数据之间的面纱时，它会让我们感到不舒服，并且需要我们自己的直觉和洞察力。

但AI可以帮助我们查看数据，成为我们自己的分析和判断的关键帮助。

狮子座Meyerovich，首席执行官Graphistry，讨论在这个播客采访中一些领域，其中AI驱动的数据可视化极大地促进人类分析员的工作：医疗保健，供应链管理，客户分析，从防欺诈，一路战斗人类贩卖和发现影响选举的策略。

Leo Meyerovich说，在所有这些应用中，“梦想是某种黑盒子[...但是]我发现零系统是完全自动化的。”循环中总有一个人。有时它会发现人工智能偶然发现“误报”，就像标记为欺诈性的合法交易一样。有时候，分析师的经验对于加速这个过程是非常有价值的：人类知道要寻找什么，并且比AI更能理解上下文。

在所有这些领域，AI提供了宝贵的帮助。人类的直觉，经验和决策继续在经济活动中发挥核心作用。但现在我们已经意识到数据可以帮助我们做出更好的决策，而且我们已经学会了收集和存储大量数据 - 这么大，我们很难自己理解它们。

特别是随着复杂的全球供应链的兴起，如今大多数公司都面临着大量不断变化的因素，从商品价格到运输成本再到全球经济发展（想想中国近期增长放缓的影响）。您如何捕捉所有这些因素对您业务的相互影响？

一张图片胜过千言万语，但面对大量数据，人类需要帮助建立正确的图片。这很可能不像条形图那么简单 - 它可能是一个钻石，一组不断变化的颜色编码的云和簇，或显示恶意软件传播的细丝和波浪。看看Graphistry或其他AI /数据可视化公司的演示，您将看到AI如何使数据表示更具创意，优雅，最重要的是，直观。人工智能现在可以采取巨大的数据集，并向我们展示帮助我们自己的情报发挥最佳作用的模式和相关性。正如我们必须以人工智能可以有效处理的方式组织和标记数据这样的艰苦工作，因此AI可以为我们自己的处理能力设计最佳设计输入。这是人机合作的一个很好的例子。

在这种情况下，AI还可以帮助在组织内捕获和转移学习：一旦经验丰富的分析师与AI一起设计了一套有效的步骤和可视化来分析问题，AI就能记住并将其构建成一组准备好一名初级分析师加入的工具。这可能对那些经历高人员流动的组织以及面临劳动力老龄化问题的行业尤其有用，这些行业有大量有经验的人群退休，而且正在筹备更少的人员。

业务越复杂，运动部件和变量的数量越多，我们从人工智能中获得的价值就越大，这有助于我们看到数据的迷雾。