人工智能技術(shù)已逐漸步入主流行業(yè)，企業(yè)尋求通過(guò)應(yīng)用人工智能建立持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。但人工智能并非“即買(mǎi)即用”的產(chǎn)品，管理者們需要積極了解人工智能基礎(chǔ)技術(shù)、應(yīng)用模塊和發(fā)展現(xiàn)狀，才能更好地掌握其運(yùn)用之道。

近年來(lái)，人工智能已邁出機(jī)房，步入主流行業(yè)。BCG和《MIT斯隆管理評(píng)論》所進(jìn)行的研究表明，人工智能將在未來(lái)五年內(nèi)對(duì)所有行業(yè)產(chǎn)生重大影響。【注：我們的研究基于對(duì)全球3000多位行業(yè)高管、經(jīng)理和分析師進(jìn)行的全球調(diào)查，以及與30多位技術(shù)專家和高管進(jìn)行的深入訪談。參閱2017年9月6日麻省理工學(xué)院斯隆管理評(píng)論的《人工智能重塑企業(yè)：彌合目標(biāo)與行動(dòng)之間的差距》】研究發(fā)現(xiàn)，超過(guò)70％的高管希望人工智能在其公司中發(fā)揮重要作用。

今天的人工智能算法能夠支持非常精確的機(jī)器視覺(jué)、聽(tīng)覺(jué)和語(yǔ)音，并可以訪問(wèn)全球信息庫(kù)。由于深度學(xué)習(xí)和其它先進(jìn)的人工智能技術(shù)的發(fā)展、驚人的數(shù)據(jù)增長(zhǎng)水平，以及原始信息和數(shù)據(jù)處理能力的不斷提高，人工智能的性能得以不斷改善。

這些發(fā)展導(dǎo)致人工智能商業(yè)應(yīng)用的爆炸式發(fā)展，就像寒武紀(jì)時(shí)代，視覺(jué)系統(tǒng)的發(fā)展促使物種多樣性在世界范圍內(nèi)顯著增加。

同其它時(shí)代一樣，這個(gè)新時(shí)代將會(huì)有贏家和輸家。但我們與麻省理工學(xué)院的研究表明，如果繼續(xù)按照目前的模式發(fā)展下去，兩者之間的差距會(huì)變得巨大而嚴(yán)峻。數(shù)據(jù)顯示，即使在同一行業(yè)內(nèi)，不同公司對(duì)人工智能理解和應(yīng)用的程度也有顯著不同?？傮w而言，許多公司的高管認(rèn)為他們的組織對(duì)人工智能缺乏基本的了解。

關(guān)于人工智能，管理者應(yīng)當(dāng)知曉的十個(gè)事項(xiàng)

+

為了在這一快速發(fā)展的領(lǐng)域做出明智的決定，所有管理者都應(yīng)該對(duì)人工智能有基本了解。以下是十點(diǎn)關(guān)鍵事項(xiàng)：

01

人工智能是歸納式的

人工智能系統(tǒng)通過(guò)其已做決策所收到的數(shù)據(jù)和反饋而進(jìn)行學(xué)習(xí)。事實(shí)上，人工智能系統(tǒng)的預(yù)測(cè)與行動(dòng)基于其所接受的訓(xùn)練數(shù)據(jù)。這一點(diǎn)正是人工智能系統(tǒng)與以推演為基礎(chǔ)的傳統(tǒng)編程的不同之處。傳統(tǒng)程序只是處理數(shù)據(jù)，而非從中學(xué)習(xí)。

02

人工智能的算法很簡(jiǎn)單

核心的學(xué)習(xí)算法少到幾條代碼，多則上百條?；A(chǔ)的人工智能簡(jiǎn)單易學(xué)，這也是其在當(dāng)下發(fā)展迅速的原因。您并不需要成為計(jì)算機(jī)科學(xué)家，就可對(duì)人工智能有個(gè)直觀的了解。其復(fù)雜度在于如何應(yīng)用人工智能來(lái)解決現(xiàn)實(shí)世界的問(wèn)題。

03

人工智能擁有超人的工作速度和工作量

電子信號(hào)的傳輸速度比大腦內(nèi)化學(xué)信號(hào)的傳輸速度快百萬(wàn)倍，因此人工智能可吸收大量數(shù)據(jù)，從中學(xué)習(xí)并快速行動(dòng)。一些電子交易市場(chǎng)須以微秒計(jì)時(shí)，對(duì)參與者和監(jiān)管者而言，人工智能則是唯一的現(xiàn)實(shí)選擇。

04

對(duì)人工智能而言，語(yǔ)言和視覺(jué)觸手可及

人工智能領(lǐng)域最近的重大突破便是機(jī)器與人類的互動(dòng)，掌握人類知識(shí)和在現(xiàn)實(shí)世界行走。雖然這些技能尚不完善，但已在許多場(chǎng)合得以應(yīng)用——并且人工智能還在快速改進(jìn)。

05

人工智能能夠克服傳統(tǒng)的復(fù)雜障礙

人工智能可以處理線性問(wèn)題（本質(zhì)上可以直接歸納的簡(jiǎn)單問(wèn)題）和非線性問(wèn)題（其他任何問(wèn)題）。這一雙重能力為物流、制造業(yè)和能源效率等許多領(lǐng)域提供了眾多優(yōu)化機(jī)會(huì)。

06

潛艇不會(huì)游泳

即便是依靠相似的啟發(fā)教育法（例如：反復(fù)試錯(cuò)），機(jī)器與人類處理任務(wù)的方式仍不相同。商業(yè)目標(biāo)是解決問(wèn)題，而非創(chuàng)造機(jī)器人來(lái)模仿人類來(lái)完成某一特定工作。就像工程師并不是以馬奔跑的方式來(lái)設(shè)計(jì)汽車一樣，無(wú)人駕駛也不應(yīng)當(dāng)模仿人類駕駛員的動(dòng)作。

07

人工智能難以追根究底

如果想要理解為何機(jī)器能做出特定的決定，必須親自設(shè)計(jì)程序，才能追蹤機(jī)器的決策制定過(guò)程。您還需要避免前沿算法，比如深度學(xué)習(xí)應(yīng)用程序中使用的算法。深度學(xué)習(xí)為基礎(chǔ)的應(yīng)用能給出直觀或創(chuàng)新性的答案，但這類答案的分析過(guò)程很難被追蹤。

08

分散行動(dòng)，集中學(xué)習(xí)

人工智能架構(gòu)結(jié)合了集中化與分散化。例如，無(wú)人駕駛汽車在自動(dòng)駕駛的同時(shí)將數(shù)據(jù)傳入中央數(shù)據(jù)中心。之后，系統(tǒng)使用來(lái)自車隊(duì)中每輛車的匯總數(shù)據(jù)來(lái)促進(jìn)中央系統(tǒng)學(xué)習(xí)，而單個(gè)車輛可通過(guò)定期更新軟件來(lái)接收中央系統(tǒng)學(xué)習(xí)成果。

09

商業(yè)價(jià)值實(shí)現(xiàn)于數(shù)據(jù)和訓(xùn)練

許多企業(yè)不理解數(shù)據(jù)和訓(xùn)練對(duì)人工智能成功的重要性。對(duì)于建立智能系統(tǒng)而言，好的數(shù)據(jù)通常比好的算法重要，正如對(duì)于人類來(lái)說(shuō)，后期培養(yǎng)比其天資更為重要。

10

人機(jī)交互發(fā)生變革

為優(yōu)化人機(jī)交互所做出的努力已遠(yuǎn)遠(yuǎn)超過(guò)訓(xùn)練人類使用靜態(tài)計(jì)算機(jī)程序所做的工作。通過(guò)人工智能來(lái)提升人的表現(xiàn)，以及將人引入算法解決問(wèn)題的過(guò)程，兩者均日益普遍且具有挑戰(zhàn)性。

人工智能模塊

+

以下十個(gè)模塊對(duì)設(shè)計(jì)和構(gòu)建人工智能系統(tǒng)至關(guān)重要。供應(yīng)商可以提供具備基本功能的模塊，但公司通常需要對(duì)這些模塊進(jìn)行修改以適應(yīng)個(gè)性化的應(yīng)用。最簡(jiǎn)單的人工智能應(yīng)用案例通常由單一模塊組成，但通常會(huì)逐漸演變到包含兩個(gè)或更多模塊。下圖結(jié)構(gòu)是基于每個(gè)模塊主要涉及領(lǐng)域，包括數(shù)據(jù)、處理或行動(dòng)。

機(jī)器視覺(jué)以視覺(jué)、X射線、激光或其它信號(hào)為基礎(chǔ)，對(duì)現(xiàn)實(shí)世界的物體進(jìn)行分類和跟蹤。光學(xué)字符辨識(shí)是機(jī)器視覺(jué)的早期成功案例，但解密手寫(xiě)文本尚在研究中。

機(jī)器視覺(jué)的質(zhì)量取決于大量參考圖像上人為做出的標(biāo)簽。學(xué)習(xí)這些包含標(biāo)簽的數(shù)據(jù)是訓(xùn)練機(jī)器的最簡(jiǎn)單途徑。在接下來(lái)的五年之內(nèi)，以視頻為基礎(chǔ)的計(jì)算機(jī)視覺(jué)技術(shù)將能夠?qū)?dòng)態(tài)行為進(jìn)行識(shí)別和預(yù)測(cè)，比如監(jiān)測(cè)系統(tǒng)。

語(yǔ)音識(shí)別能夠?qū)⒙?tīng)覺(jué)信號(hào)轉(zhuǎn)化成文本。在相對(duì)安靜的環(huán)境中，包括Siri與Alexa在內(nèi)的應(yīng)用能夠識(shí)別普通詞匯中的大多數(shù)詞語(yǔ)。對(duì)于更特殊的詞匯，像Nuance的Power-Scribe這種為放射科醫(yī)師量身定制的程序就變得極為必要。而我們還需要幾年時(shí)間才能制造出在許多人同時(shí)說(shuō)話的嘈雜環(huán)境中仍能精確記錄的虛擬助手。

自然語(yǔ)言處理是對(duì)文本的語(yǔ)法分析和語(yǔ)意解釋。這一能力可用于識(shí)別垃圾郵件、虛假新聞甚至高興、悲傷、挑釁等情緒。目前，自然語(yǔ)言處理可對(duì)文本進(jìn)行基本總結(jié)，并在一些場(chǎng)合還可推斷意圖。例如，聊天機(jī)器人嘗試以感知聊天對(duì)象的意圖為基礎(chǔ)對(duì)聊天對(duì)象進(jìn)行分類。自然語(yǔ)言處理技術(shù)有可能在接下來(lái)幾年內(nèi)獲得顯著提升，但對(duì)復(fù)雜文本的完全理解仍是人工智能的重要課題。

信息處理通過(guò)搜索、知識(shí)提取、非結(jié)構(gòu)化文本處理等各種方法為查詢提供答案。這一模塊與自然語(yǔ)言處理緊密相關(guān)，它包括對(duì)數(shù)以億計(jì)的文件進(jìn)行搜索，或通過(guò)構(gòu)造基礎(chǔ)知識(shí)圖形來(lái)識(shí)別文本中的各類關(guān)系。（使用維基百科中關(guān)于安吉拉·默克爾的數(shù)據(jù)形成的圖形可將默克爾標(biāo)記為女性、德國(guó)***，以及已會(huì)見(jiàn)過(guò)唐納德·特朗普的人。）這一模塊還可能涉及到語(yǔ)義推理，比如從句子“特朗普是美國(guó)的默克爾”中可推論特朗普是美國(guó)總統(tǒng)。盡管知識(shí)數(shù)據(jù)庫(kù)快速發(fā)展，但以推理為基礎(chǔ)的機(jī)器學(xué)習(xí)可能在接下來(lái)的幾年內(nèi)仍處于初級(jí)階段。

從數(shù)據(jù)中學(xué)習(xí)本質(zhì)上就是機(jī)器學(xué)習(xí)——在歷史數(shù)據(jù)的基礎(chǔ)上進(jìn)行價(jià)值預(yù)測(cè)或信息分類的能力。盡管機(jī)器學(xué)習(xí)是機(jī)器視覺(jué)和自然語(yǔ)言處理等模塊的基礎(chǔ)，同時(shí)也是一個(gè)獨(dú)立的模塊。機(jī)器學(xué)習(xí)是一些系統(tǒng)的基礎(chǔ)，包括Netflix電影推薦、基于異常監(jiān)測(cè)技術(shù)的網(wǎng)絡(luò)安全程序，以及通過(guò)歷史數(shù)據(jù)預(yù)測(cè)客戶流失的標(biāo)準(zhǔn)回歸模型等。

如何移除數(shù)據(jù)中的人為偏見(jiàn)是機(jī)器學(xué)習(xí)面臨的挑戰(zhàn)之一。鑒定欺詐、預(yù)測(cè)犯罪或估算信用評(píng)分的系統(tǒng)需要對(duì)隱含如代理人、警務(wù)人員和銀行官員等偏見(jiàn)的信息進(jìn)行編碼。數(shù)據(jù)清理是一項(xiàng)有挑戰(zhàn)的工作。

最后，現(xiàn)階段許多機(jī)器學(xué)習(xí)模型本質(zhì)上是黑箱。數(shù)據(jù)科學(xué)家們需要在設(shè)計(jì)系統(tǒng)時(shí)考慮透明性的問(wèn)題，特別是在有監(jiān)管要求的環(huán)境中，即使這樣會(huì)犧牲部分性能。目前這一領(lǐng)域正在進(jìn)行深入的研究，未來(lái)五年內(nèi)透明度有望提高。

規(guī)劃和探索代理可幫助識(shí)別實(shí)現(xiàn)目標(biāo)的最佳行動(dòng)順序。無(wú)人駕駛車輛很大程度上依賴這一模塊來(lái)進(jìn)行導(dǎo)航。當(dāng)需要同時(shí)考慮更多的代理和行動(dòng)時(shí)，識(shí)別最佳行動(dòng)順序變得更加困難。強(qiáng)化學(xué)習(xí)是一個(gè)快速發(fā)展的子域，它的學(xué)習(xí)方式強(qiáng)調(diào)的是接收偶然的線索或獎(jiǎng)勵(lì)，而不是明確的指導(dǎo)。強(qiáng)化學(xué)習(xí)與人類大腦通過(guò)反復(fù)試錯(cuò)進(jìn)行學(xué)習(xí)相類似，它幫助Google DeepMind在圍棋領(lǐng)域取得成功。

圖像生成與機(jī)器視覺(jué)相反，它以模型為基礎(chǔ)生成圖像。盡管這項(xiàng)技術(shù)仍處于初級(jí)階段，這一模塊可在缺失背景的情況下完成圖像，比如將圖片改變成文森特·梵高風(fēng)格。圖像生成技術(shù)支持包括Snapchat的masks工具在內(nèi)的虛擬增強(qiáng)（VR）和現(xiàn)實(shí)增強(qiáng)（AR）工具。目前，圖像生成技術(shù)是大型科技公司正在積極并購(gòu)的目標(biāo)。

語(yǔ)音生成包含以數(shù)據(jù)為基礎(chǔ)的文本生成，以及以文本為基礎(chǔ)的語(yǔ)音合成。Alexa的技術(shù)正是通過(guò)文本生成語(yǔ)音。這一模塊可以支持新聞機(jī)構(gòu)自動(dòng)編寫(xiě)基本的體育和收入報(bào)告，例如比賽總結(jié)及財(cái)經(jīng)新聞。在接下來(lái)的五年里，語(yǔ)音生成技術(shù)的發(fā)展很可能通過(guò)加入節(jié)奏、重讀和聲調(diào)使語(yǔ)音聽(tīng)起來(lái)更加自然。在不久的將來(lái)，音樂(lè)生成也將變得更加個(gè)性化。

處理和控制是指現(xiàn)實(shí)世界對(duì)象間的互動(dòng)。例如，機(jī)器人已經(jīng)學(xué)會(huì)人類如何在工廠中工作，但當(dāng)面對(duì)切面包或給老年人喂飯這類非常規(guī)或不固定的任務(wù)時(shí)則會(huì)遇到麻煩。由于全球很多公司開(kāi)始投資這一領(lǐng)域，機(jī)器人將在挑揀倉(cāng)庫(kù)異常物品和靈活處理不固定的人類行為方面表現(xiàn)得更好。

操控和移動(dòng)涉及機(jī)器人在既定真實(shí)物理環(huán)境中的移動(dòng)方式。無(wú)人駕駛車輛和無(wú)人機(jī)在使用車輪和旋翼方面十分嫻熟，但在用腿走路——特別是兩條腿走路方面面臨艱難挑戰(zhàn)?？身槙车嘏罉翘莼蜷_(kāi)門(mén)的機(jī)器人將不會(huì)在未來(lái)幾年內(nèi)出現(xiàn)。四足機(jī)器人對(duì)平衡性要求略低，但目前已有的四足機(jī)器人已經(jīng)能夠進(jìn)入輪式車輛無(wú)法進(jìn)入的環(huán)境。