人工智能將給未來工作帶來什么樣的改變？

• 2018年9月30日 ZhangHongYuan來源：經濟觀察報 902 56
• 繁體

• 

  行業集中度在不斷提升，不進則退。ITO鍍膜情報分析把握有力發展方向！

  企業并購包括兼并與收購。公司兼并是指經由轉移公司所有權的形式，一家或多家公司的全部資產與責任不需經過清算都轉移為另一公司所有，而接受全部資產與責任的另一公司仍然完全以自身名義繼續運...

如果說IQ是用來測量一個人的智商，EQ用來評價一個人的情商，那么AIQ就是評價一個人對人工智能的認知。

《經濟學人》去年出了一期很經典的封面，封面里將全球各大高科技平臺企業如谷歌、亞馬遜之許描繪成正在采油的鉆井，寓意很明顯，在數字經濟時代，大平臺正在開采數字化的石油——大數據，而開采出來的大數據則用于人工智能(AI)，因為AI會是數字化時代的電。

也有人用狂歌熱舞(DANCE)這個詞來形容AI主導的數字經濟時代。DANCE是五個英文詞的縮略語，分別是大數據(data)、算法/人工智能(al-gorithms/AI)、網絡(networks)、云(cloud)以及硬件呈指數級的性能改善(exponential　improvements　in　hard-ware)。其實DANCE的五點缺一不可，恰恰是大量數據產生，算法不斷更新，移動互聯和未來的物聯網讓連接無所不在，云端讓數據的存儲和使用更方便，再加上硬件的不斷更新升級，推動了這樣一個科技以幾何級數增長變化的時代。而數字經濟時代的五點要素中，AI是貫穿始終的應用技術，也成為當下各個領域跨界研究的顯學。

要理解AI，除了從技術角度出發，了解機器學習神經網絡等前沿技術的發展之外，也需要站在更廣闊領域從多種不同視角去觀察和分析，最近有四本書從不同的角度剖析了AI的特點，聯系起來勾勒出清晰的AI發展與應用的圖譜。這四本書分別是從數字工程師的視角看待AI發展的《AIQ》、經濟學家分析AI作為一項通用技術將給商業帶來改變的《預測機器》(Prediction　Machine)、咨詢師眼中AI當下的應用場景《人+機器》(Human　+　Machine)，以及目前在國內很暢銷的麻省理工學院物理學教授泰格馬克暢想AI未來的《生命3.0》。

把商業問題變成預測問題

之所以說AI是未來的電，因為AI和電力一樣，將是改變工作和生活方方面面的一項通用技術。如果用簡單的供求關系來分析，當一項技術變得夠便宜，就會帶來足夠多的新應用;此外當一項技術變得夠便宜之后，跨界的應用也會不斷興起。電力作為工業經濟時代的通用技術就是如此。

1800年，退休的美國首任總統華盛頓的別墅一年需花費一萬多美元購買蠟燭照明。100年之后，同樣一棟別墅一年的照明費用只有100年前的四百分之一。這是新技術變得日益便宜之后帶來的普及效果。華盛頓時代只有富人才能晚上點得起蠟燭夜讀，電力普及時代任何一個大都市的家庭都不會為電費而煩惱。

《預測機器》的三位作者都是來自多倫多大學管理學院的教授，他們認為AI就是下一個通用技術，而AI越來越便宜，帶來最直接的效果就是“預測”的成本將越來越低，從而給商業流程和商業模式帶來全新的變化，就好像100多年前電的普及一樣。

如果說AI的最大特點是更好地解決預測問題，思考商業模式創新就需要把商業面臨的各種實際問題轉變成預測問題來思考。比如說，無人駕駛是不是可以看做預測問題?又比如說，翻譯是不是預測問題?

回答都是肯定的。在AI看來，無人駕駛就是怎樣去培養機器能夠更好地去預測一個經驗豐富的老司機如何應對各種復雜多變的道路環境。換言之，如果機器能夠很好地學會老司機適應各種不同環境應對道路上各種突發情況的能力，那么就能很好地解決無人駕駛問題。這也是為什么共享出行企業能在自動駕駛領域有所作為的原因，因為可以捕捉大量司機的駕駛行為，并以此培養無人駕駛AI。

翻譯也可以看做一種預測問題。AI出現之前的機器翻譯，強調的是如何自上而下，從規則的角度去讓機器理解語法，也是逐詞對應的翻譯。AI處理翻譯問題，同樣可以轉化成預測問題：預測一個資深的翻譯，會怎么翻譯處理一個詞、一段話、一篇文章。從詞上升到句子，上升到段落，還要處理語境，這樣機器處理語言的方式就和以前完全不同，機器翻譯的準確度也會顯著提升。

舉兩個更好的預測可能改變流程或者商業模式的例子。

在醫學領域，X光和CT這樣的檢查，是幫助醫生去判斷病人是否有腫瘤的重要依據，當醫生無法確定腫瘤是良性還是惡性的時候，需要對病灶做生理切片檢查的小手術。如果AI分析檢查片子的能力增強，預測腫瘤的準確度提高，手術的必要性會越來越低。

更準確地預測也可能顛覆整個電商領域的商業模式。如果電商可以準確預測消費者的需求，商業模式可以有什么變化?目前，電商已經可以比較準確地預測一定區域內用戶對一些大宗商品比如說肥皂或者洗衣粉的需求，并因此可以在靠近社區的倉庫中提前布貨。未來，如果預測的準確度可以進一步提升，像亞馬遜這樣的電商巨頭很可能不再需要用戶在線或者在手機上搜索下單，而是直接把用戶需要的商品送到客戶家里。因為準確度非常高，配送十件商品至少有九件滿足客戶的需求，亞馬遜只要做好一件商品的退貨服務即可。

人人都要培養AIQ

如果說IQ是用來測量一個人的智商，EQ用來評價一個人的情商，那么AIQ就是評價一個人對人工智能的認知。《AIQ》的兩位作者都是數字工程師，他們認為要適應未來“人+機器”的工作場景，每個人都需要培養AIQ，提升對AI的認知，以便更容易適應科技快速迭代改變的未來。此外，人類還需要有能力去監督AI，在“人+機器”的協作中，成為關鍵的一環，要做到這一點的前提也必須對AI和數據科學有基本的認知。

培養AIQ首先要建立對當下AI發展的認知。很多人把AI看得神秘莫測，的確現在AI可以做很多神奇的事情，比如說圖像識別、語音識別、輔助駕駛、自動翻譯等等，在一些情況下做的比大多數人還要好。但目前的AI仍然并不具備人類的那種聰明，它只聽得懂一種語言——數字。

AI可以處理各種信息，只要輸入的是數字就行。所以AI系統要能起作用，需要將各類不同輸入都變成可以處理的數字語言，數據工程師把這種過程稱為“特征工程學”，比如說把圖像和語言的數字特征提取出來，變成機器聽得懂的語言。

以自然語言識別為例。以前處理語言的思路是自上而下的編程思路，希望灌輸給機器所有的語言規則，同時窮盡任何特例。結果幾十年語言識別都沒有大進步，因為語言其實太隨意、太復雜了。AI的自然語言識別，完全走了另外一條路，讓機器做最擅長的事情，找到文字與文字之間的相關性。機器回答的是一個最基本的問題，能不能讓有相同意思的詞，對應的數字也類似?當機器可以給每個單詞和詞組一個描述性的數字后，就可以用數字的加減乘除來幫助算法做出正確的判斷。比如說，如果問機器一個問題：英國的倫敦，對應的詞應該是意大利的什么?機器就可以這么計算：倫敦-英國+意大利=羅馬，因此得出羅馬這個正確答案。

延伸閱讀

推薦閱讀

猜您喜歡