唐興通：人工智能時代，判斷力第一 預(yù)測力第二

為了更好探索AI時代商業(yè)管理與創(chuàng)新，查閱海外眾多專家的文章及觀點，現(xiàn)整理出這篇小文以記錄過程，也作交流，探索不遠(yuǎn)處的AI時代。----此為記

人工智能時代，判斷力第一，預(yù)測力第二

最近兩年看到谷歌、亞馬遜、百度等公司在新推出的產(chǎn)品時注入人工智能的元素；高溢價廣攬人才以搶占未來創(chuàng)新的源頭；積極收購以人工智能為基礎(chǔ)的初創(chuàng)公司。這一波人工智能熱潮引發(fā)廣泛討論，在評估顛覆式技術(shù)變革，簡單的方法是問一些根本性的問題: 例如技術(shù)能否有效降低成本，提高效率? 只有這樣，我們才能真正理解技術(shù)帶來的變化。

人工智能為我們提供充裕而廉價的是關(guān)于預(yù)測，換句話說，從你擁有的信息中產(chǎn)生之前無法獲得的洞察或者預(yù)測。人工智能幫助我們解決以前沒有預(yù)測到的問題，人類一些技能的價值將上升，而另一些則會下降。

01 深度學(xué)習(xí)/機(jī)器學(xué)習(xí)/人工智能-這點事

“機(jī)器學(xué)習(xí)”讓計算機(jī)從海量數(shù)據(jù)或過去的經(jīng)驗中學(xué)習(xí)。機(jī)器學(xué)習(xí)的解決之道，例如判斷籃子里的物品是什么。通過編寫程序來識別蘋果的顏色和形狀。然而，顏色和形狀不是蘋果獨屬。這樣就需要我們對蘋果的知識進(jìn)行更細(xì)致的編碼，但在現(xiàn)實世界中，這樣的復(fù)雜度是呈指數(shù)級增長的。

AI依據(jù)通用學(xué)習(xí)策略，讀取海量的“大數(shù)據(jù)”，并從中發(fā)現(xiàn)規(guī)律、聯(lián)系和洞見。因此人工智能根據(jù)新數(shù)據(jù)自動調(diào)整，而無需重設(shè)程序。利用機(jī)器學(xué)習(xí)，人工智能系統(tǒng)獲得了歸納推理和決策能力；而深度學(xué)習(xí)更將這一能力推向了更高的層次。

高度復(fù)雜性的環(huán)境是訓(xùn)練機(jī)器學(xué)習(xí)最有價值的地方。例如數(shù)百萬張圖片標(biāo)注出圖片里物體名字，隨機(jī)放入包括蘋果的圖片。機(jī)器通過學(xué)習(xí)就會使用顏色、形狀、紋理等相關(guān)信息，匹配過往蘋果圖像中的信息來預(yù)測，它所查看的一個未識別的新圖像是否包含一個蘋果。

機(jī)器學(xué)習(xí)可以用來預(yù)測銀行客戶是否會在貸款上違約。機(jī)器學(xué)習(xí)背后的數(shù)學(xué)思想已經(jīng)有幾十年的歷史。許多算法甚至更老。但是在計算速度、數(shù)據(jù)存儲、數(shù)據(jù)檢索、傳感器和算法方面的進(jìn)步，大大降低了基于機(jī)器學(xué)習(xí)的預(yù)測的成本。從圖像識別和語言翻譯的速度看出，這一過程已經(jīng)從笨拙到近乎完美。

02 AI-降低預(yù)測成本，開啟新戰(zhàn)場

行動是由潛在的條件和不確定的結(jié)果決定的。例如，司機(jī)需要觀察眼前的環(huán)境，并做出調(diào)整，以盡可能減少事故的風(fēng)險，避免出現(xiàn)事故。在這樣做的過程中，他們將判斷與預(yù)測結(jié)合在一起。

人工智能的進(jìn)步降低了預(yù)測的成本。移動互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)讓數(shù)據(jù)的數(shù)量和種類都有了巨大的增長。當(dāng)數(shù)據(jù)更廣泛、更容易獲取時，預(yù)測就變得更有價值。隨著數(shù)據(jù)可用性的擴(kuò)展，預(yù)測將在更為廣泛的范圍中得以應(yīng)用。

自動駕駛就是一個很好的例子。一輛汽車在沒有司機(jī)的情況下加速、轉(zhuǎn)彎和剎車的技術(shù)已經(jīng)有幾十年的歷史了。工程師們最初專注于用計算機(jī)編程語言所謂的“if then else”的算法來指導(dǎo)汽車，例如“如果有一個物體在汽車前面，然后就剎車。”，但是這樣決策是緩慢的。隨后的研究團(tuán)體切換編程的路徑:一輛汽車可以通過預(yù)測司機(jī)來自動價值(輸入數(shù)據(jù)，可能來自攝像機(jī)的圖像,激光雷達(dá)信息,地圖數(shù)據(jù)等)。自動駕駛是一個可以通過機(jī)器學(xué)習(xí)解決的預(yù)測問題。

03 AI時代判斷比預(yù)測更重要！

判斷能力是在理解不同的行動對結(jié)果影響下，做出深思熟慮決定的能力。那些復(fù)雜的判斷是停留在人類頭腦中，不能被翻譯成機(jī)器能夠理解的東西時，就很難獲得決策判斷。

機(jī)器學(xué)習(xí)的新模式可能會找到方法來檢驗行為和結(jié)果之間的關(guān)系，然后利用這些信息來改進(jìn)預(yù)測。AlphaGo在圍棋游戲中成功擊敗了世界上最頂尖的選手。AlphaGo通過分析數(shù)千個人與人之間的圍棋比賽，并與自己進(jìn)行了數(shù)百萬次的比賽，從而磨練了自己的能力。AlphaGo將對行動和結(jié)果的反饋結(jié)合起來，以制定更準(zhǔn)確的預(yù)測和策略。

機(jī)器學(xué)習(xí)的例子越來越多地出現(xiàn)在日常生活中。x.ai是紐約人工智能創(chuàng)業(yè)公司，它提供了一個虛擬的個人助理，可以在電子郵件和管理日歷上安排約會。為了訓(xùn)練虛擬助手，開發(fā)團(tuán)隊成員讓虛擬助手研究人員之間的電子郵件交互，讓他們安排會議，這樣就可以學(xué)會預(yù)測人類的反應(yīng)，并看到人類做出的選擇。盡管這種培訓(xùn)并沒有產(chǎn)生正式的結(jié)果，但它的想法是幫助虛擬助手模仿人類的判斷，這樣，隨著時間的推移，反饋可以將判斷的某些方面變成預(yù)測問題。

預(yù)測的發(fā)展將促進(jìn)任務(wù)處理的自動化。這將要求機(jī)器既能產(chǎn)生可靠的預(yù)測，又能依賴這些預(yù)測來決定下一步要做什么。例如，對于與業(yè)務(wù)相關(guān)的語言翻譯任務(wù)，當(dāng)預(yù)測驅(qū)動的翻譯改進(jìn)時，人類判斷的作用將變得很有限。然而，更便宜、更容易獲得的預(yù)測將導(dǎo)致人類主導(dǎo)的判斷的價值增加。例如谷歌的Gmail收件箱可以處理收到的電子郵件信息，并給出簡短的回復(fù)，但要求人類判斷那些自動回復(fù)是最合適的。從選項列表中選擇比自己輸入要快，使用戶能夠在更短的時間內(nèi)回復(fù)更多的電子郵件。

在醫(yī)學(xué)領(lǐng)域，人工智能可能會發(fā)揮更大的作用，但人類仍將扮演重要角色。人工智能可以改善診斷，但更有效的治療和病人護(hù)理還將依賴于人類的判斷。不同的病人有不同的需求，人類比機(jī)器更能做出反應(yīng)。在很多情況下，機(jī)器可能永遠(yuǎn)無法權(quán)衡做這件事情的相關(guān)利弊，轉(zhuǎn)而選擇一種人類可以接受的方式開展。

04 提前 備好人工智能時代生存能力

隨著人工智能技術(shù)的進(jìn)步，機(jī)器的預(yù)測將越來越多地取代人類的預(yù)測。隨著場景的無限拓展，人類將扮演怎樣的角色？ 一方面強(qiáng)調(diào)在判斷中的優(yōu)勢，同時也需認(rèn)識到預(yù)測局限性。

1、預(yù)測是機(jī)器智能的輸入，但是成功的人工智能需要更多層面的處理。例如，自動駕駛包括視覺(數(shù)據(jù));場景，考慮到感覺輸入后人類會采取什么行動?(預(yù)測);評估結(jié)果(判斷);加速、剎車或者轉(zhuǎn)向(動作)。醫(yī)療護(hù)理可以包括患者病情(數(shù)據(jù))、診斷(預(yù)測)、治療選擇(判斷)、臨床治療(判斷和行動)和動作干預(yù)(行動)等信息。盡管傳感器技術(shù)(數(shù)據(jù))和機(jī)器人技術(shù)(動作)也在快速發(fā)展，預(yù)測是機(jī)器智能的一個方面。

2、人工智能時代判斷力是最為重要的。在許多工作活動中，預(yù)測是自動化的瓶頸。展望未來，預(yù)測類人才參與肯定會減少。組織將希望增加預(yù)測使用價值;未來最有價值的技能將是那些與智能預(yù)測相輔相成的技能（與判斷相關(guān)的技能）。正如高爾夫球俱樂部的價格下降，高爾夫球的市場需求就會上升。高爾夫球俱樂部和高爾夫球是經(jīng)濟(jì)學(xué)家所謂的“互補(bǔ)商品”。預(yù)測的價格因人工智能的進(jìn)步而下降，判斷力的需求將會更大。判斷力在人工智能越發(fā)重要: 倫理判斷、情商、藝術(shù)品鑒定、界定任務(wù)的能力以及其他形式的判斷力。組織對那些能夠做出負(fù)責(zé)任的決定(道德判斷)、與客戶和雇員互動的人(情商)，以及確定新的機(jī)會(創(chuàng)造力)的人將有持續(xù)穩(wěn)定的需求。

人工智能可能在決策過程中產(chǎn)生無意識的歧視。由于現(xiàn)實世界存在著各種形式的種族歧視、性別歧視和偏見，輸入算法中的數(shù)據(jù)也可能附帶這些特征。而當(dāng)機(jī)器學(xué)習(xí)算法學(xué)習(xí)了這些帶有偏見的訓(xùn)練數(shù)據(jù)，也就“繼承”了偏見。某頂尖的人工智能企業(yè)就發(fā)生了類似事故：該公司通過網(wǎng)絡(luò)論壇訓(xùn)練了一個實驗性聊天機(jī)器人，機(jī)器人學(xué)會了各種種族歧視和性別歧視的語言，惹惱了民眾。如果有偏見的人工智能處在了決策地位，那么其決策可能會導(dǎo)致特定人群受到不公正的待遇。為此霍夫曼與馬斯克等人合組非營利組織OpenAI。OpenAI的目標(biāo)有兩個，一是讓AI繼續(xù)造福人類，二是防止AI被誤用而對人類產(chǎn)生威脅。

與判斷相關(guān)的技能將變得越來越有價值。如果預(yù)測可以讓疾病診斷更便宜、更快、更早，那么與物理干預(yù)和情感安慰相關(guān)的護(hù)理技能將變得更加重要。當(dāng)人工智能在預(yù)測購物行為方面變得更好時，零售店里的熟練的服務(wù)可以和競爭對手區(qū)分開來。隨著人工智能在預(yù)測犯罪方面變得越來越好，那些將警務(wù)技能與倫理判斷結(jié)合的私人安保人員將有更大的需求。

3、組織管理需要一套新的才能和專業(yè)技能。今天，許多管理任務(wù)都就用來預(yù)測的。招聘和促銷活動決策之前構(gòu)建在基于預(yù)測維度上: 哪個求職者最有可能在特定崗位上取得成功? 隨著機(jī)器在預(yù)測方面變得更好，管理者的預(yù)測技能將變得不那么有價值，而他們的判斷技能變得更有價值。

管理者的角色將越來越多地涉及到如何運(yùn)用人工智能， 融合預(yù)測力和判斷力，權(quán)衡不同類型錯誤相對成本。管理者的判斷力將成為智能預(yù)測后有益補(bǔ)充。

05 展望未來

在21世紀(jì)初，商業(yè)中最常見的預(yù)測問題是庫存管理和需求預(yù)測等經(jīng)典問題。隨著人工智能的應(yīng)用，這些老問題被解決又將涌現(xiàn)新問題。企業(yè)經(jīng)營者的新挑戰(zhàn)：

(1)將員工的培訓(xùn)從關(guān)注預(yù)測力技能轉(zhuǎn)向判斷力技能層面;

(2)評估采用人工智能技術(shù)的速度和方向,以調(diào)整員工培訓(xùn)

(3)開發(fā)管理流程,建立以判斷力團(tuán)隊和預(yù)測力導(dǎo)向融合的新隊伍