從點解決方案和應用到AI系統，研究AI在不同領域的成功和失敗。它們還從過去的技術革命中提供了重要的見解，并顯示了重新思考和從頭重新設計我們的系統如何能夠幫助基于強大的機器學習和深度學習算法.

點式解決方案與人工智能系

今天的人工智能系統是預測機器，這意味著它們可以根據過去的數據預測未來發(fā)生的事情。這基本上是每個數學模型所做的。但是，由于大量數據和計算的可用性以及深度學習算法的進步，我們已經能夠創(chuàng)建能夠對復雜信息進行預測的模型，如圖像、文本和多維數據。

在…里權力和預測，作者將人工智能的價值分為三類:點解決方案、應用解決方案和系統解決方案。

到目前為止，我們看到的大多是點解決方案和應用解決方案。這些人工智能系統取代了以前需要預測的任務。例如，在金融服務中，任務之一是預測哪些交易是欺詐性的。根據正確的數據訓練的機器學習模型可以接管這項任務。點解決方案是人工智能的唾手可得的成果，因為采用它們只需要最少的投資和對底層系統的改變。

點解決方案的另一個例子是分析放射掃描?，F在有幾個深度學習模型可以從x光和核磁共振掃描中檢測出各種疾病，其水平與經驗豐富的放射科醫(yī)生相當。

他們自動化了放射科醫(yī)師執(zhí)行的許多任務中的一項，而無需對底層患者護理系統進行任何更改。

人工智能系統可以通過自動化當前應用程序和系統中未解決的新任務和問題來提供更大的價值。然而，人工智能系統需要一種全新的方法，在這種方法中，你需要重新設計整個流程、工作流和應用程序，不僅要解決現有的問題，還要解決新的問題。為了讓它們工作，人工智能系統通常需要新的組織結構以及目標和激勵的一致性。這使得人工智能系統更難、風險更大，但也更有回報。

“系統解決方案通常比點解決方案或應用解決方案更難實現，因為人工智能增強的決策會影響系統中的其他決策，”的作者權力和預測寫吧。“點解決方案和應用解決方案通常會增強現有系統，而系統解決方案，顧名思義，會顛覆現有解決方案，因此通常會導致中斷。然而，在許多情況下，系統解決方案可能會為人工智能投資帶來最大的整體回報。”

人工智能的時代

在…里權力和預測作者認為，我們正處于人工智能的“時代之間”在...之后見證這項技術的力量以前它的廣泛采用。“這就是為什么點和應用解決方案目前是人工智能更有吸引力和更受歡迎的用例。

這是有歷史先例的。例如，在十九世紀末，當電力開始工業(yè)化時，它的第一個應用是點解決方案。對工廠來說，這意味著用電動機取代蒸汽機來降低能源成本。改變能源來源不需要重新設計工廠。

然而，電力的真正價值主張是將機器與電源分離。這使得蒸汽動力無法實現的新工廠設計成為可能，而且生產率更高，成本更低。但這種采用花了幾十年時間，因為它需要根本性的改變，打破習慣，以及現任者不愿意進行的前期投資。那些利用了這個機會的企業(yè)家設法取得了領先地位，并占領了很大一部分市場，這些市場后來取代了舊的市場。

你可以在許多其他行業(yè)看到這些轉變，比如網上購物的興起，個人電腦的出現，以及從印刷媒體向數字媒體的轉變。

人工智能是一項基礎設施技術，其影響可以與電力相比。因此，它需要一種新的心態(tài)和大膽的探索。

的作者權力和預測寫“AI驅動的行業(yè)轉型需要時間。剛開始怎么做不是很明顯。許多人可能會嘗試失敗，因為他們誤解了需求，或者他們無法讓單位經濟學發(fā)揮作用。最終，有人會成功，并建立起一條盈利之路。其他人會試圖模仿。行業(yè)領導者將試圖建立護城河來保護自己的優(yōu)勢。有時候會成功。無論如何，這個行業(yè)都會轉型，一如既往，會有贏家和輸家。”

打破規(guī)則

每個權力和預測，“當你沒有東西的時候，你不會就這么放棄。你補償它。如果你沒有做出明智選擇所需的信息，你就把自己與盲目做事的后果隔離開來。因此，當人工智能預測出現時，使用它的機會并不立即顯而易見也就不足為奇了。潛在決策者在沒有這些信息的基礎上搭建了一個腳手架。”

人工智能的機會很難發(fā)現，因為它們通常隱藏在運作良好、已經建立了很長時間的嚴格規(guī)則和程序后面。這些規(guī)則彌補了我們信息的不足。它們使我們能夠在無法預測確切結果的情況下做出決定。他們幫助建立系統，雖然不是最佳的，但在許多情況下是可靠的。

找到這些機會的關鍵是，首先，理解預測機器的力量，其次，找到預測可以取代硬性規(guī)則的地方。作者在書中探索的一個非常有趣的例子是教育中的人工智能.

感謝機器學習算法和歷史數據，我們可以預測學生的表現如何，他們將在哪里出類拔萃，他們將在哪里奮斗。這使我們有機會為每個學生提供更個性化的內容。

但是，這些預測模型在當前的教育系統中沒有太大的幫助，當前的教育系統是建立在基于年齡的課程基礎上的，每個班級只有一個老師。這個系統的建立是因為我們沒有辦法通過學生的教育軌跡來準確衡量他們的個人學習能力。

為了能夠充分利用機器學習，我們需要以一種新的方式重新思考教育系統。這一新系統將用個性化討論、小組項目和教師支持取代基于年齡的課程，并對整體教育和個人成長與發(fā)展產生更大的影響。

“基于年齡的課程規(guī)則是現代教育系統的粘合劑，因此個性化學習內容的人工智能只能在該系統中提供有限的好處，”的作者權力和預測寫吧。“釋放個性化教育人工智能潛力的主要挑戰(zhàn)不是建立預測模型，而是將教育從目前將系統粘合在一起的基于年齡的課程規(guī)則中分離出來。”

換檔動力

人工智能的成功應用需要權力和預測稱之為“系統思維”，它與“任務思維”相對立任務思維側重于節(jié)約成本。系統思維側重于價值創(chuàng)造。任務思維專注于自動化單個任務。系統思維模式認識到，需要重新構建系統，在機器預測和人類決策的基礎上創(chuàng)造價值。

我們已經看到這種情況發(fā)生在一些行業(yè)和大型科技公司，如亞馬遜和谷歌，它們已經形成了有利可圖的系統推薦個性化內容基于人工智能的預測。

也許系統思維模式的一個重要因素是隨著人工智能的采用而發(fā)生的權力轉移。隨著系統的變化，有決策權的人也在變化。

“雖然人工智能不能把決定交給機器，但它可以改變由哪個人來做決定。機器沒有權力，但當部署后，它們可以改變誰有權力權力和預測寫吧。“當機器改變決策人時，底層系統也必須改變。制造機器的工程師需要理解他們嵌入到產品中的判斷的后果。過去在瞬間做出決定的人可能不再需要了。”

作者在書中探討的一個假設例子是心臟病發(fā)作風險。目前，這種風險評估是通過醫(yī)院的測試進行的，決定是由進行測試的專科醫(yī)生做出的。

比方說，我們能夠建立人工智能系統，根據智能手表等可穿戴設備收集的數據預測心臟病發(fā)作風險。然后，有可能將這些預測從醫(yī)院急診部的分診區(qū)轉移到病人家中。在這種情況下，許多患者在被診斷患有藥劑師或初級保健醫(yī)生可以在家?guī)椭委煹募膊『螅瑢⒂肋h不需要去醫(yī)院。

不管我們站在哪里科學和哲學辯論圍繞人工智能，我們都同意預測機器可以提供很多東西，而我們只是觸及了表面。能夠充分利用它們的潛力，首先要回到繪圖板，重新思考如果我們有能力預測，我們將如何設計我們的系統。