本文概述
我们到处都可以看到有关AI的新闻。有时, 我们会看到围绕AI的兴奋, 有时我们会看到有关AI将如何取代或破坏我们的工作的文章。我们还偶尔看到有关AI如何破坏人类的文章。
在本文中, 我不会讨论想要破坏人类的人造人工智能或邪恶的AI。我将重点介绍当前的AI(主要基于可以进行预测的算法), 并讨论AI的经济原理及其对业务的影响。我还想提到, 本文的内容受到预测机器(人工智能和人类+机器的简单经济学：重新想象AI时代的工作)的高度影响(并且强烈建议进一步阅读)。
本文分为三个主要部分：
- 在技术的演变中, 我将简要讨论过去及其与AI时代的相似之处。
- 在策略中, 我将讨论较高的预测准确性如何影响策略和业务模型。
- 在人类与AI的互动中, 我将讨论人类如何补充AI, 以及AI如何补充人类的努力。
技术的演进
在继续之前, 我想讨论一些历史事件之间的相似之处, 这些相似之处与我们今天对AI的看法类似。我将举一些例子说明特定技术的广泛使用如何改变了我们的观念。我们如何从基本算术发展到专业的人工智能开发公司？
电子计算机时代
计算机最擅长的是算术。在我们现在知道的计算机之前, 术语”计算机”用于进行文字计算的人员, 我们现在将其称为”人机”。
随着技术的进步, 计算变得更便宜, 更快, 并且我们开始从算术的角度思考一切。摄影是一个很好的例子-从历史上看, 对照片进行修改或应用视觉效果是一种化学反应。但是, 现在, 我们使用艺术家和摄影师可通过软件套件访问的算法, 以数学方式将效果应用于照片。
这是当商品/服务成本下降时我们如何思考的一个很好的例子。我们开始考虑如何使用这项新技术解决当前的问题。对于AI来说也是一样。
互联网时代
当互联网被广泛使用时, 它在各行各业都发生了巨大的变化, 而这一切都与降低不同领域的成本有关。例如, 分销商品和服务的成本变得更便宜, 这引发了电子商务行业的诞生。公司最终改变了策略, 要么生存要么死了。
一旦商品或服务的成本下降, 我们就会开始更频繁地使用它, 我们也可以在网上看到它。这也改变了我们的思维方式, 我们将整个行业转移到网上。在电子商务之上, 可以看到使用搜索引擎的另一个例子。我们不再使用百科全书来搜索信息, 而是使用Google或其他搜索引擎。
人工智能时代
就计算能力和工具而言, 人工智能的成本越来越便宜。每个新工具/库都在帮助机器学习开发人员将更少的时间花费在预测问题上。例如, 可以将Google的TensorFlow, AutoML甚至scikit用作示例。我们还可以显示GPU计算的使用增加, 以此来说明AI成本的降低。
公司下一季度的销售预测是一个明显的预测问题, 但是十年前开发自动驾驶汽车并不是一个预测问题。降低AI成本正在改变我们的思维方式, 这意味着我们开始将各种问题视为预测问题。我们已经在工厂等受控环境中使用了自动驾驶汽车, 可以通过使用if-else编程条件对汽车进行编程。改变思维方式并将其视为预测问题有助于工程师开发可在野外使用的自动驾驶汽车。
基本上, 这是它的工作方式；一位工程师向AI教授了人类在各种情况下会做什么, 这使得能够生成车载软件, 从而使驾驶员能够行驶数千英里而不用费数百倍的疲劳。人工智能学会了人类会做什么, 并开始预测应该做什么。这是从预测的角度思考问题的一个很好的例子。
战略
这是一个主要问题：人工智能会影响公司的战略和商业模式吗？如果你将AI视为可以帮助你做出决策的预测工具, 则可能不清楚它会如何影响纯策略, 因为它只是帮助你做出决策的另一种工具。但是, 如果你开始将AI视为可以高精度进行预测的预测工具, 则可能会改变策略本身。 《预测机器：人工智能的简单经济学》一书中有一个很好的例子。
当我们从亚马逊购物时, 它将包裹运送到我们的办公室/家。因此, 该方法可以称为购物后运输方法。我们也知道Amazon有一个推荐引擎, 并且在你浏览页面时会推荐商品。我们不会购买所有推荐的商品, 但至少会推荐我们可能感兴趣的商品。假设亚马逊开始高精度地预测你将要购买的商品。如果你开始购买80％的推荐商品, 那么亚马逊可能会决定甚至在你购买商品之前就将商品寄出-我们先将其称为运输然后购物。这是业务策略中的一个明显变化, 因为一旦这些物品到达你的家中, 你将把20％的物品寄回, 并且当前的Amazon价格模型并不基于此假设。也许, 亚马逊将决定每周一次将卡车送至你的城市来收集被退回的物品, 这将完全改变亚马逊向你的信用卡收取费用, 如何包装物品以及如何处理被退回的物品。所有这些策略变化都是人工智能的好处, 它具有更高的预测准确性。
我相信我们可以通过思考如果AI可以更高精度地进行预测会发生什么, 就可以像以前的Amazon示例一样进行更多的思想实验。
人机交互
未来人类和AI的互动将如何发展？他们会竞争还是一起工作？通过阅读《人与机器：重新想象AI时代的工作》一书, 我将专注于这些问题。这组作者认为, 在某些情况下, 人类会补充AI, 而AI将补充人类。
人类补充人工智能
人类可以在三个方面对AI进行补充：训练, 解释和维持。
训练
人工智能需要学习数据, 这称为训练阶段, 因此它可以做出预测。
将来, 我们可能会有培训代理商, 专门针对该业务的需求专门培训AI。如果是工厂, 则培训代理商可以负责培训机器人；如果是电子商务业务, 则培训代理商可能负责汇总历史数据。
讲解
我们需要了解AI如何以及为什么AI为特定问题提供了特定的答案。
通常, 我们面临AI的可解释性和准确性之间的权衡。与易于解释的方法相比, 黑匣子AI方法具有更高的准确性。即使开发了一些工具来解释黑匣子AI为何做出特定预测的原因, 我们可能仍需要能够理解和解释AI成果的工作角色。
维持
我们需要确保AI能够按预期运行。
2015年, 大众汽车工厂的一个机器人抓住了一名工人, 并将其致命地炸死。我们可能需要负责确保AI系统按预期工作的角色。
人工智能与人类互补
人工智能的潜力赋予了人类超能力, 因为人工智能比人类能够更快, 更准确地进行预测。这些超级大国可以用它们在给定情况或行动中所带来的价值来表达。
放大
人工智能工具可以帮助人类增强人类的能力。在《人与机器：重新想象AI时代的工作》一书中, 作者使用了Autodesk Dreamcatcher软件的示例, 该软件使用遗传算法来迭代可能的设计。
设计人员可以借助此工具设计轻便, 便宜且坚固的椅子。 AI尝试根据给定的标准创建设计, 并将结果提供给设计人员。然后, 设计师使用选择的给定设计之一, 并在该设计上运用他们的创造力进行最后的修饰。
这与计算机随着计算机时代的发展而提供给人们的东西类似, 只是在AI可以帮助完成的事情方面达到了令人兴奋的新水平。
相互作用
人工智能可以充当助手, 通过与人们互动来帮助人们。亚马逊的Alexa, Google Home和苹果的Siri就是这种交互式AI代理的典型例子。随着这些代理在每次迭代中得到改进, 我们将开始更频繁地使用它们, 并且它将成为我们的一部分, 就像我们使用智能手机所做的工作的更深版本一样。这些代理商将成为我们的私人助手, 他们将对我们起到补充作用。
增加
在工厂中可以找到以人工智能为动力的身体增强的例子。尽管工厂目前由机器人操作, 但它们大多是基于规则的系统, 为了安全起见, 将其放在笼子中以防万一。机器人将作为同事帮助人类, 其设计目的是在工厂自由移动和工作时不会伤害到人们。
总结
梅赛德斯生产计划负责人Markus Schaefer表示：”尽管有人担心说”机器人效率更高, 所以将来会丢弃人类工人”, 但我们正在努力使人们承担最大的责任, 而不是最大化自动化程度。再次在工业流程中占有更大的份额。”新技术的确给我们的工作方式带来了巨大的变化, 但是犁的发明并没有消除对农场工人的需求, 计算机的发明也没有消除对数学家的需求。与所有技术革命一样, 人工智能的出现将被用来帮助人类达到一种新的范式, 而不是完全取代它。
准备获取更多的AI技术知识吗？尝试深入学习强化学习, 以学习如何教AI驾驶汽车上山。
