人工智能被過分夸大了。

我清楚地記得，上世紀80年代初，人工智能是如何被過度炒作的，當時我與應用專家系統(tǒng)公司(Application Expert Systems)合作，這是一家由麻省理工學院(MIT)教授創(chuàng)辦的公司，希望利用專家系統(tǒng)改變個人理財計劃。

通過采訪一位個人財務規(guī)劃專家，我將軟件引入公司，并參與了所謂的知識工程。想通過將專家的決策規(guī)則轉化為軟件，并建立系統(tǒng)，取代個人財務規(guī)劃師。

不幸的是，對于那些在這家公司投入時間和金錢的人來說，它的產品并沒有找到多少市場，于是就倒閉了。

近40年后，在我看來，對人工智能的期許似乎遠遠超過了它將實現(xiàn)的目標。

以下是我得出這個結論的三個原因。

01

| 許多CEO驚嚇過度，過于關心人工智能

咨詢公司有能力嚇唬這些公司，讓他們?yōu)榘矒嶙约核圃斓目謶侄O計的項目付費。普華永道（pwc）就是一個很好的例子。該公司發(fā)布了一項關于CEO的2019年調查。調查發(fā)現(xiàn)，“80%的受訪者認為，人工智能將在未來五年內改變他們的商業(yè)模式”。

難道所有的CEO們都將率先推動人工智能作為他們的首要戰(zhàn)略嗎？事實并非如此。

正如沃頓商學院Operations, Information and Decisions的教授Kartik Hosanagar在2月8日的一次采訪中告訴我的那樣，“在人工智能方面，有三類CEO。第一類是盲目的追隨者，他們不了解人工智能，但他們聽說這是“一件大事”，他們相信它。其次是無知的懷疑論者，他們不了解人工智能，也不信任它。第三類是精明的管理者，他們正在將人工智能整合到他們的業(yè)務中。我沒有做過正式調查，但我覺得懷疑論者多于盲目追隨者?！?/p>

02

| AI應用程序收到高回報的例子非常少

我采訪過的專家們用Google作為成功使用人工智能的例子。雖然我不知道Google在這個應用程序上花了多少錢，但我相信它的回報從經濟層面來說是至關重要的。

盡管人工智能應用高回報實例并不多，但人工智能的市場前景確相當大。例如，據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）估計，2018年在認知和人工智能系統(tǒng)上的支出總計240億美元，并將在2022年，以37.3%的復合年增長率增長到776億美元。

據(jù)估計，2018年對于AI大部分支出將用于四個領域：最大的自動化客戶服務代理(29億美元)、自動威脅情報和預防系統(tǒng)(19億美元)、銷售流程建議和自動化(17億美元)和自動預防性維護(17億美元)。

從長遠來看，IDC預計增長最快的在另外一些領域。具體來說，到2022年，以下項目將獲得五年平均投資中最快的增長：制藥研究和發(fā)現(xiàn)(46.8%)、專家購物顧問和產品推薦(46.5%)、企業(yè)知識型工作者數(shù)字助理(45.1%)和智能加工自動化(43.6%)。

來自Northwestern’s Kellogg School的管理與組織臨床助理教授Adam Pah在2月12日的一次采訪中告訴我，有一些新興公司正在使用人工智能?！爸袊幸患倚屡d公司，利用人工智能讓消費者更加容易償還小額貸款。其他例子包括Amplero，通過更加有效的廣告目標實現(xiàn)100%的增長。

Hello Fresh僅僅通過向家庭推出人工智能開發(fā)的建議，收入就提高了4%。Lemonade使用人工智能代替保險代理出售租房人保險?！?/p>

關于正在嘗試人工智能的公司當中，一個典型例子就是一種名為Philyra的系統(tǒng)，旨在幫助大型香水制造商Symise發(fā)明新的香水。

經過兩年的嘗試，這個系統(tǒng)沒有獲得可觀回報。據(jù)MIT Technology Review報道，Philyra是與IBM合作開發(fā)的，花了兩年時間才開始工作，目前僅供70名香水設計師使用。

讓我們更深入地看看Google的例子。正如沃頓商學院(Wharton)Operations, InformationandDecisions的Kartik Hosanagar教授在2月8日的一次采訪中告訴我的那樣，“Google認為人工智能將成為下一件大事，因此它從運營一個集中的人工智能小組轉給產品團隊3至6個月?！?/p>

這一嘗試的初步結果就是提高了Google搜索功能的質量。Hosanagar說，“通過機器學習，Google能夠跟蹤用戶實際點擊最多的搜索結果。通常情況下，Google的算法會列出最常見的點擊結果，排在列表第三位。通過使用人工智能，Google改進了它的搜索算法，使在95%的時間里最頻繁的點擊鏈接成為排行榜的首位?！?/p>

我猜Google已經找到了一種方法，利用算法上的改進來增加收入。

與此同時，Google還利用人工智能降低了數(shù)據(jù)中心的成本。正如他所解釋的，“Google利用機器學習來預測每小時的電費。通過準確預測公司需要多少電量，Google能夠將其數(shù)據(jù)中心的電力成本降低40%?！?/p>

03

| 很少有公司能夠負擔得起或找到人工智能的合適用途

人工智能工程師是昂貴的，他們的總薪酬可以達到數(shù)百萬美元。對于人工智能能力有限的大公司來說，不太可能愿意或能夠吸引和留住這些人才。

此外，即使可以，他們目前還不清楚企業(yè)如何實施人工智能應用程序，從而使它們的投資獲得高回報。

Hosanagar認為，構建人工智能應用程序的成本將會下降，就像iPhone應用程序一樣。正如他所說，“當iPhone第一次推出時，開發(fā)一款應用程序的成本在50萬到100萬美元之間，而現(xiàn)在的成本是25000到30000美元。”在開源技術的幫助下，人工智能應用程序的成本將會下降。

他還建議，企業(yè)應從小規(guī)模起步。Hosanagar說，“公司不應試圖開發(fā)人工智能應用程序以增加收入或降低成本。相反，他們應該在最初12到24個月的組織學習中設定一個目標，并期望在五年內建立高回報的人工智能應用程序?！?/p>

在經歷了前一波對人工智能的商業(yè)熱情之后，我習慣于懷疑事實是否會達到炒作的效果。