作者 | Necati Demir

翻譯 | CDA數據分析研究院

我們到處都看到有關AI的新聞，有時，我們會看到AI領域一些激動人心的事情，有時我們也會看到一些有關人工智能如何取代或破壞我們工作的文章。偶爾，我們還會看到一些文章談論人工智能將如何摧毀人類。

在這篇文章中，我不會討論普遍性的人工智能或者想要摧毀人類的邪惡AI。我將重點關注當前的AI，它主要基于可以進行預測的算法，并討論AI的經濟學如何運作以及它如何影響業務。我還想提一下，本文的內容受到以下兩方面的高度影響——預測機器：人工智能的簡單經濟學和人機結合：人工智能時代的工作重構。

本文分為三個主要部分：

• 在 “技術的演變”中，我將簡要討論過去及其與人工智能時代的相似之處。
• 在 戰略中，我將討論如何更高的預測準確性可能會影響戰略和商業模式。
• 在 Human和AI Interaction中，我將討論人類如何補充AI以及AI如何補充人類的努力。

技術的演變

在開始之前，我想討論一些類似于我們今天如何看待人工智能的歷史事件之間的相似之處。我將舉例說明特定技術的廣泛使用如何改變了我們的思維方式。

電子計算機時代

計算機做的最好的是算術。在我們熟悉的計算機出現之前，術語“計算機”被用于描述那些進行文字計算的人，我們稱之為“ 人類計算機”。

隨著技術的進步，計算變得更加便宜和快速，我們開始考慮算術方面的一切。攝影是一個很好的例子 - 歷史上，修改或應用視覺效果到照片是一種化學反應。然而，現在，我們使用藝術家和攝影師均可訪問的算法，通過各種軟件將效果以數學方式應用于照片。

這是我們在商品/服務成本下降時如何思考的一個很好的例子; 我們開始考慮如何應用新技術來解決我們當前遇到的問題。AI也是如此。

互聯網時代

當互聯網被廣泛使用時，它在各個行業都取得了巨大的變化，而這一切都是關于不同領域的成本降低。例如，分銷商品和服務的成本變得更低，這引發了電子商務行業的誕生。公司最終改變了他們的戰略，要么幸存，要么死亡。

一旦商品或服務的成本下降，我們就會更頻繁地使用它，我們也可以在網上看到這一點。這也改變了我們的心態，我們將整個行業轉移到網上。除了電子商務，另一個例子可以在搜索引擎的使用中看到：我們不再使用百科全書來搜索信息，而是使用Google或其他搜索引擎。

人工智能的時代

人工智能的成本在計算能力和工具方面變得越來越便宜。每個新工具/庫都有助于機器學習開發人員在預測問題上花費更少的時間。例如，Google的TensorFlow，AutoML甚至scikit都可以作為示例顯示。我們還可以將GPU計算的使用量增加，作為人工智能成本降低的一個例證。

對公司下一季度的銷售預測是一個明顯的預測問題，但開發自動駕駛汽車并不是十年前的預測問題。人工智能的成本降低正在改變我們的思維方式，這意味著我們開始將各種問題視為預測問題。我們已經在工廠等受控環境中使用自動駕駛汽車，可以使用if-else 編程條件對車輛進行編程 。改變思維方式并將其視為預測問題，幫助工程師開發可在野外使用的自動駕駛汽車。

基本上，這就是它的工作模式：一名工程師教人工智能在不同條件下人類會做什么，這使得車載軟件的誕生成為可能，駕駛員可以使用數千英里的汽車，而不是在數百英里之后疲憊不堪。人工智能學會了人類會做什么，并開始預測它應該做什么。這是在預測方面考慮問題的一個非常好的例子。

戰略

這是一個主要問題：AI會影響公司的戰略和商業模式嗎？如果您認為AI是一種可以幫助您做出決策的預測工具，那么它可能無法清楚表達它將如何影響策略，因為它只是幫助您做出決策的另一個工具。但是，如果您開始將AI視為可以高精度預測的預測工具，那么可能會改變策略本身?！?預測機器：人工智能的簡單經濟學 》一書中有一個很好的例子 。

當我們從亞馬遜購買和購買商品時，它會將包裹運送到我們的辦公室/家中。因此，這種方法可以稱為購物然后運輸方法。我們也知道亞馬遜有一個推薦引擎，它會在您瀏覽頁面時推薦項目。我們不會購買所有推薦商品，但它至少會推薦我們可能感興趣的商品。讓我們假設亞馬遜開始預測您將以高精度購買的商品。如果您開始購買80％的推薦商品，亞馬遜可能會決定在購買之前發送商品 - 我們稱之為發貨 - 然后購物。這是業務戰略的一個明顯變化，因為一旦項目到達您的家，您將發回20％的商品，并且當前的亞馬遜價格建模不基于此假設。也許，亞馬遜將決定每周向您的城市發送一輛卡車以收集退回的物品，這將完全改變亞馬遜如何收取您的信用卡，如何打包物品以及如何處理退回的物品。所有這些策略的改變都是人工智能的好處，它具有更高的預測準確性。

我相信我們可以通過考慮如果AI能夠以更高的準確度預測將會發生什么來研究像以前的亞馬遜例子那樣的更多思想實驗。

人與人之間的互動

人類和人工智能的互動將來會如何發展？他們會競爭，還是會一起工作？我將通過閱讀《人類+機器：在人工智能時代重構工作》這本書來關注這些問題 。這本書的作者說，有些情況下人類可以補充人工智能，人工智能也可以補充人類。

人類補充AI

人類可以在三個方面補充AI：訓練，解釋和維持。

訓練

AI需要學習數據，這稱為 訓練階段，因此它可以進行預測。

將來，我們可能會有訓練代理商，專門根據該業務的要求專注于訓練AI。如果是工廠，訓練代理可以負責訓練機器人; 如果是電子商務業務，訓練代理可能負責匯總歷史數據。

解釋

我們需要了解AI如何以及為何為特定問題提供特定答案。

通常，我們在可解釋性和AI的準確性之間進行權衡。與易于解釋的方法相比，黑盒AI方法具有更高的準確性。盡管有一些工具可以解釋為什么黑盒AI會做出特定的預測，但我們可能需要一個可以理解和解釋AI結果的工作角色。

維持

我們需要確保AI按預期運行。

2015年，大眾汽車工廠的一個機器人抓住了一名工人并致命地粉碎了他。我們可能需要負責確保AI系統按預期工作的角色。

AI補充人類

人工智能的潛力為人類提供了超級大國，因為人工智能可以比人類更快，更精確地進行預測。這些超級大國可以用它們帶給特定情況或行動的價值來表達。

放大

AI工具可以幫助人類提高人類的能力。在《人類+機器：人工智能時代的重構工作》一書中 ，作者使用了Autodesk的Dreamcatcher軟件的例子，該軟件使用遺傳算法來迭代可能的設計。

設計師可以借助此工具設計出便宜且堅固的椅子燈。AI嘗試創建基于給定標準的設計，并將結果提供給設計人員。然后，設計師使用選擇的設計之一，并在該設計上使用他們的創造力來進行最后的潤色。

這類似于計算機時代計算機給人們提供的幫助 - 就AI可以提供哪些幫助而言，這是一個新的令人興奮的能力水平。

相互作用

AI可以充當助手，通過與他們互動來幫助他們。亞馬遜的Alexa，Google Home和Apple的Siri都是這種交互式AI代理的突出例子。隨著每次迭代改進這些代理，我們將更頻繁地開始使用它們，它將成為我們的一部分，就像我們使用智能手機所做的更深層次的版本。那些代理人將是我們的私人助理，他們將補充我們。

增加

在工廠中可以找到以AI為燃料的物理增強的例子。雖然工廠現在由機器人操作，但它們大多是基于規則的系統并且放在籠子里以確保安全。機器人將作為同事來幫助人類，其設計目的是在工廠內自由移動和工作時不傷害他人。

結論

梅賽德斯生產計劃負責人馬庫斯·謝弗（Markus Schaefer）表示，雖然有些人擔心“機器人效率更高，但未來人類工人將被丟棄”，他說：“我們正在努力實現自動化最大化工業過程中更重要的一部分?！靶录夹g確實給我們的工作方式帶來了巨大的變化，但是犁的發明并沒有消除對農場工人的需求，計算機的發明也沒有消除對數學家的需求。與所有技術革命一樣，人工智能的出現將用于幫助人類達到新的范式，而不是完全取代它。