盡管人工智能取得了可喜的進(jìn)步，但它尚未在許多行業(yè)引發(fā)轉(zhuǎn)型變革。在許多情況下，問(wèn)題不一定出在技術(shù)上，而是出在我們看待技術(shù)的方式上。

權(quán)力和預(yù)測(cè)Ajay Agrawal、Joshua Gans和Avi Goldfarb的新書(shū)探索了不同行業(yè)采用人工智能的根本挑戰(zhàn)。他們廣受好評(píng)的續(xù)集預(yù)測(cè)機(jī)器，新書(shū)討論了在組織能夠從人工智能進(jìn)步的全部潛力中受益之前需要改變什么。

從點(diǎn)解決方案和應(yīng)用到AI系統(tǒng)，Agrawal、Gans和Goldfarb研究AI在不同領(lǐng)域的成功和失敗。它們還從過(guò)去的技術(shù)革命中提供了重要的見(jiàn)解，并顯示了重新思考和從頭重新設(shè)計(jì)我們的系統(tǒng)如何能夠幫助基于強(qiáng)大的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法.

點(diǎn)式解決方案與人工智能系統(tǒng)

今天的人工智能系統(tǒng)是預(yù)測(cè)機(jī)器，這意味著它們可以根據(jù)過(guò)去的數(shù)據(jù)預(yù)測(cè)未來(lái)發(fā)生的事情。這基本上是每個(gè)數(shù)學(xué)模型所做的。但是，由于大量數(shù)據(jù)和計(jì)算的可用性以及深度學(xué)習(xí)算法的進(jìn)步，我們已經(jīng)能夠創(chuàng)建能夠?qū)?fù)雜信息進(jìn)行預(yù)測(cè)的模型，如圖像、文本和多維數(shù)據(jù)。

在…里權(quán)力和預(yù)測(cè)，作者將人工智能的價(jià)值分為三類:點(diǎn)解決方案、應(yīng)用解決方案和系統(tǒng)解決方案。

到目前為止，我們看到的大多是點(diǎn)解決方案和應(yīng)用解決方案。這些人工智能系統(tǒng)取代了以前需要預(yù)測(cè)的任務(wù)。例如，在金融服務(wù)中，任務(wù)之一是預(yù)測(cè)哪些交易是欺詐性的。根據(jù)正確的數(shù)據(jù)訓(xùn)練的機(jī)器學(xué)習(xí)模型可以接管這項(xiàng)任務(wù)。點(diǎn)解決方案是人工智能的唾手可得的成果，因?yàn)椴捎盟鼈冎恍枰钌俚耐顿Y和對(duì)底層系統(tǒng)的改變。

點(diǎn)解決方案的另一個(gè)例子是分析放射掃描?，F(xiàn)在有幾個(gè)深度學(xué)習(xí)模型可以從x光和核磁共振掃描中檢測(cè)出各種疾病，其水平與經(jīng)驗(yàn)豐富的放射科醫(yī)生相當(dāng)。

他們自動(dòng)化了放射科醫(yī)師執(zhí)行的許多任務(wù)中的一項(xiàng)，而無(wú)需對(duì)底層患者護(hù)理系統(tǒng)進(jìn)行任何更改。

人工智能系統(tǒng)可以通過(guò)自動(dòng)化當(dāng)前應(yīng)用程序和系統(tǒng)中未解決的新任務(wù)和問(wèn)題來(lái)提供更大的價(jià)值。然而，人工智能系統(tǒng)需要一種全新的方法，在這種方法中，你需要重新設(shè)計(jì)整個(gè)流程、工作流和應(yīng)用程序，不僅要解決現(xiàn)有的問(wèn)題，還要解決新的問(wèn)題。為了讓它們工作，人工智能系統(tǒng)通常需要新的組織結(jié)構(gòu)以及目標(biāo)和激勵(lì)的一致性。這使得人工智能系統(tǒng)更難、風(fēng)險(xiǎn)更大，但也更有回報(bào)。

“系統(tǒng)解決方案通常比點(diǎn)解決方案或應(yīng)用解決方案更難實(shí)現(xiàn)，因?yàn)槿斯ぶ悄茉鰪?qiáng)的決策會(huì)影響系統(tǒng)中的其他決策，”的作者權(quán)力和預(yù)測(cè)寫吧。“點(diǎn)解決方案和應(yīng)用解決方案通常會(huì)增強(qiáng)現(xiàn)有系統(tǒng)，而系統(tǒng)解決方案，顧名思義，會(huì)顛覆現(xiàn)有解決方案，因此通常會(huì)導(dǎo)致中斷。然而，在許多情況下，系統(tǒng)解決方案可能會(huì)為人工智能投資帶來(lái)最大的整體回報(bào)。”

人工智能的時(shí)代

在…里權(quán)力和預(yù)測(cè)作者認(rèn)為，我們正處于人工智能的“時(shí)代之間”在...之后見(jiàn)證這項(xiàng)技術(shù)的力量以前它的廣泛采用。“這就是為什么點(diǎn)和應(yīng)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(jì)末，當(dāng)電力開(kāi)始工業(yè)化時(shí)，它的第一個(gè)應(yīng)用是點(diǎn)解決方案。對(duì)工廠來(lái)說(shuō)，這意味著用電動(dòng)機(jī)取代蒸汽機(jī)來(lái)降低能源成本。改變能源來(lái)源不需要重新設(shè)計(jì)工廠。

然而，電力的真正價(jià)值主張是將機(jī)器與電源分離。這使得蒸汽動(dòng)力無(wú)法實(shí)現(xiàn)的新工廠設(shè)計(jì)成為可能，而且生產(chǎn)率更高，成本更低。但這種采用花了幾十年時(shí)間，因?yàn)樗枰拘缘母淖?，打破?xí)慣，以及現(xiàn)任者不愿意進(jìn)行的前期投資。那些利用了這個(gè)機(jī)會(huì)的企業(yè)家設(shè)法取得了領(lǐng)先地位，并占領(lǐng)了很大一部分市場(chǎng)，這些市場(chǎng)后來(lái)取代了舊的市場(chǎng)。

你可以在許多其他行業(yè)看到這些轉(zhuǎn)變，比如網(wǎng)上購(gòu)物的興起，個(gè)人電腦的出現(xiàn)，以及從印刷媒體向數(shù)字媒體的轉(zhuǎn)變。

人工智能是一項(xiàng)基礎(chǔ)設(shè)施技術(shù)，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(quán)力和預(yù)測(cè)寫“AI驅(qū)動(dòng)的行業(yè)轉(zhuǎn)型需要時(shí)間。剛開(kāi)始怎么做不是很明顯。許多人可能會(huì)嘗試失敗，因?yàn)樗麄冋`解了需求，或者他們無(wú)法讓單位經(jīng)濟(jì)學(xué)發(fā)揮作用。最終，有人會(huì)成功，并建立起一條盈利之路。其他人會(huì)試圖模仿。行業(yè)領(lǐng)導(dǎo)者將試圖建立護(hù)城河來(lái)保護(hù)自己的優(yōu)勢(shì)。有時(shí)候會(huì)成功。無(wú)論如何，這個(gè)行業(yè)都會(huì)轉(zhuǎn)型，一如既往，會(huì)有贏家和輸家。”

打破規(guī)則

每個(gè)權(quán)力和預(yù)測(cè)，“當(dāng)你沒(méi)有東西的時(shí)候，你不會(huì)就這么放棄。你補(bǔ)償它。如果你沒(méi)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(kāi)來(lái)。因此，當(dāng)人工智能預(yù)測(cè)出現(xiàn)時(shí)，使用它的機(jī)會(huì)并不立即顯而易見(jiàn)也就不足為奇了。潛在決策者在沒(méi)有這些信息的基礎(chǔ)上搭建了一個(gè)腳手架。”

人工智能的機(jī)會(huì)很難發(fā)現(xiàn)，因?yàn)樗鼈兺ǔｋ[藏在運(yùn)作良好、已經(jīng)建立了很長(zhǎng)時(shí)間的嚴(yán)格規(guī)則和程序后面。這些規(guī)則彌補(bǔ)了我們信息的不足。它們使我們能夠在無(wú)法預(yù)測(cè)確切結(jié)果的情況下做出決定。他們幫助建立系統(tǒng)，雖然不是最佳的，但在許多情況下是可靠的。

找到這些機(jī)會(huì)的關(guān)鍵是，首先，理解預(yù)測(cè)機(jī)器的力量，其次，找到預(yù)測(cè)可以取代硬性規(guī)則的地方。作者在書(shū)中探索的一個(gè)非常有趣的例子是教育中的人工智能.

感謝機(jī)器學(xué)習(xí)算法和歷史數(shù)據(jù)，我們可以預(yù)測(cè)學(xué)生的表現(xiàn)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(jī)會(huì)為每個(gè)學(xué)生提供更個(gè)性化的內(nèi)容。

但是，這些預(yù)測(cè)模型在當(dāng)前的教育系統(tǒng)中沒(méi)有太大的幫助，當(dāng)前的教育系統(tǒng)是建立在基于年齡的課程基礎(chǔ)上的，每個(gè)班級(jí)只有一個(gè)老師。這個(gè)系統(tǒng)的建立是因?yàn)槲覀儧](méi)有辦法通過(guò)學(xué)生的教育軌跡來(lái)準(zhǔn)確衡量他們的個(gè)人學(xué)習(xí)能力。

為了能夠充分利用機(jī)器學(xué)習(xí)，我們需要以一種新的方式重新思考教育系統(tǒng)。這一新系統(tǒng)將用個(gè)性化討論、小組項(xiàng)目和教師支持取代基于年齡的課程，并對(duì)整體教育和個(gè)人成長(zhǎng)與發(fā)展產(chǎn)生更大的影響。

“基于年齡的課程規(guī)則是現(xiàn)代教育系統(tǒng)的粘合劑，因此個(gè)性化學(xué)習(xí)內(nèi)容的人工智能只能在該系統(tǒng)中提供有限的好處，”的作者權(quán)力和預(yù)測(cè)寫吧。“釋放個(gè)性化教育人工智能潛力的主要挑戰(zhàn)不是建立預(yù)測(cè)模型，而是將教育從目前將系統(tǒng)粘合在一起的基于年齡的課程規(guī)則中分離出來(lái)。”

換檔動(dòng)力

人工智能的成功應(yīng)用需要權(quán)力和預(yù)測(cè)稱之為“系統(tǒng)思維”，它與“任務(wù)思維”相對(duì)立任務(wù)思維側(cè)重于節(jié)約成本。系統(tǒng)思維側(cè)重于價(jià)值創(chuàng)造。任務(wù)思維專注于自動(dòng)化單個(gè)任務(wù)。系統(tǒng)思維模式認(rèn)識(shí)到，需要重新構(gòu)建系統(tǒng)，在機(jī)器預(yù)測(cè)和人類決策的基礎(chǔ)上創(chuàng)造價(jià)值。

我們已經(jīng)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(jīng)形成了有利可圖的系統(tǒng)推薦個(gè)性化內(nèi)容基于人工智能的預(yù)測(cè)。

也許系統(tǒng)思維模式的一個(gè)重要因素是隨著人工智能的采用而發(fā)生的權(quán)力轉(zhuǎn)移。隨著系統(tǒng)的變化，有決策權(quán)的人也在變化。

“雖然人工智能不能把決定交給機(jī)器，但它可以改變由哪個(gè)人來(lái)做決定。機(jī)器沒(méi)有權(quán)力，但當(dāng)部署后，它們可以改變誰(shuí)有權(quán)力權(quán)力和預(yù)測(cè)寫吧。“當(dāng)機(jī)器改變決策人時(shí)，底層系統(tǒng)也必須改變。制造機(jī)器的工程師需要理解他們嵌入到產(chǎn)品中的判斷的后果。過(guò)去在瞬間做出決定的人可能不再需要了。”

作者在書(shū)中探討的一個(gè)假設(shè)例子是心臟病發(fā)作風(fēng)險(xiǎn)。目前，這種風(fēng)險(xiǎn)評(píng)估是通過(guò)醫(yī)院的測(cè)試進(jìn)行的，決定是由進(jìn)行測(cè)試的?？漆t(yī)生做出的。

比方說(shuō)，我們能夠建立人工智能系統(tǒng)，根據(jù)智能手表等可穿戴設(shè)備收集的數(shù)據(jù)預(yù)測(cè)心臟病發(fā)作風(fēng)險(xiǎn)。然后，有可能將這些預(yù)測(cè)從醫(yī)院急診部的分診區(qū)轉(zhuǎn)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(jí)保健醫(yī)生可以在家?guī)椭委煹募膊『?，將永遠(yuǎn)不需要去醫(yī)院。

不管我們站在哪里科學(xué)和哲學(xué)辯論圍繞人工智能，我們都同意預(yù)測(cè)機(jī)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(yù)測(cè)，我們將如何設(shè)計(jì)我們的系統(tǒng)。