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

人工智能時(shí)代，判斷力第一，預(yù)測(cè)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(shí)注入人工智能的元素；高溢價(jià)廣攬人才以搶占未來(lái)創(chuàng)新的源頭；積極收購(gòu)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(píng)估顛覆式技術(shù)變革，簡(jiǎn)單的方法是問(wèn)一些根本性的問(wèn)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(lái)的變化。

人工智能為我們提供充裕而廉價(jià)的是關(guān)于預(yù)測(cè)，換句話(huà)說(shuō)，從你擁有的信息中產(chǎn)生之前無(wú)法獲得的洞察或者預(yù)測(cè)。人工智能幫助我們解決以前沒(méi)有預(yù)測(cè)到的問(wèn)題，人類(lèi)一些技能的價(jià)值將上升，而另一些則會(huì)下降。

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

“機(jī)器學(xué)習(xí)”讓計(jì)算機(jī)從海量數(shù)據(jù)或過(guò)去的經(jīng)驗(yàn)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(guò)編寫(xiě)程序來(lái)識(shí)別蘋(píng)果的顏色和形狀。然而，顏色和形狀不是蘋(píng)果獨(dú)屬。這樣就需要我們對(duì)蘋(píng)果的知識(shí)進(jìn)行更細(xì)致的編碼，但在現(xiàn)實(shí)世界中，這樣的復(fù)雜度是呈指數(shù)級(jí)增長(zhǎng)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(jiàn)。因此人工智能根據(jù)新數(shù)據(jù)自動(dòng)調(diào)整，而無(wú)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(jià)值的地方。例如數(shù)百萬(wàn)張圖片標(biāo)注出圖片里物體名字，隨機(jī)放入包括蘋(píng)果的圖片。機(jī)器通過(guò)學(xué)習(xí)就會(huì)使用顏色、形狀、紋理等相關(guān)信息，匹配過(guò)往蘋(píng)果圖像中的信息來(lái)預(yù)測(cè)，它所查看的一個(gè)未識(shí)別的新圖像是否包含一個(gè)蘋(píng)果。

機(jī)器學(xué)習(xí)可以用來(lái)預(yù)測(cè)銀行客戶(hù)是否會(huì)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(jì)算速度、數(shù)據(jù)存儲(chǔ)、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(cè)的成本。從圖像識(shí)別和語(yǔ)言翻譯的速度看出，這一過(guò)程已經(jīng)從笨拙到近乎完美。

AI-降低預(yù)測(cè)成本，開(kāi)啟新戰(zhàn)場(chǎng)

行動(dòng)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(xiǎn)，避免出現(xiàn)事故。在這樣做的過(guò)程中，他們將判斷與預(yù)測(cè)結(jié)合在一起。

人工智能的進(jìn)步降低了預(yù)測(cè)的成本。移動(dòng)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(lèi)都有了巨大的增長(zhǎng)。當(dāng)數(shù)據(jù)更廣泛、更容易獲取時(shí)，預(yù)測(cè)就變得更有價(jià)值。隨著數(shù)據(jù)可用性的擴(kuò)展，預(yù)測(cè)將在更為廣泛的范圍中得以應(yīng)用。

自動(dòng)駕駛就是一個(gè)很好的例子。一輛汽車(chē)在沒(méi)有司機(jī)的情況下加速、轉(zhuǎn)彎和剎車(chē)的技術(shù)已經(jīng)有幾十年的歷史了。工程師們最初專(zhuān)注于用計(jì)算機(jī)編程語(yǔ)言所謂的“if then else”的算法來(lái)指導(dǎo)汽車(chē)，例如“如果有一個(gè)物體在汽車(chē)前面，然后就剎車(chē)?！保沁@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(chē)可以通過(guò)預(yù)測(cè)司機(jī)來(lái)自動(dòng)價(jià)值(輸入數(shù)據(jù)，可能來(lái)自攝像機(jī)的圖像,激光雷達(dá)信息,地圖數(shù)據(jù)等)。自動(dòng)駕駛是一個(gè)可以通過(guò)機(jī)器學(xué)習(xí)解決的預(yù)測(cè)問(wèn)題。

AI時(shí)代判斷比預(yù)測(cè)更重要！

判斷能力是在理解不同的行動(dòng)對(duì)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(lèi)頭腦中，不能被翻譯成機(jī)器能夠理解的東西時(shí)，就很難獲得決策判斷。

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

機(jī)器學(xué)習(xí)的例子越來(lái)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(gè)虛擬的個(gè)人助理，可以在電子郵件和管理日歷上安排約會(huì)。為了訓(xùn)練虛擬助手，開(kāi)發(fā)團(tuán)隊(duì)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(huì)議，這樣就可以學(xué)會(huì)預(yù)測(cè)人類(lèi)的反應(yīng)，并看到人類(lèi)做出的選擇。盡管這種培訓(xùn)并沒(méi)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(lèi)的判斷，這樣，隨著時(shí)間的推移，反饋可以將判斷的某些方面變成預(yù)測(cè)問(wèn)題。

預(yù)測(cè)的發(fā)展將促進(jìn)任務(wù)處理的自動(dòng)化。這將要求機(jī)器既能產(chǎn)生可靠的預(yù)測(cè)，又能依賴(lài)這些預(yù)測(cè)來(lái)決定下一步要做什么。例如，對(duì)于與業(yè)務(wù)相關(guān)的語(yǔ)言翻譯任務(wù)，當(dāng)預(yù)測(cè)驅(qū)動(dòng)的翻譯改進(jìn)時(shí)，人類(lèi)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(cè)將導(dǎo)致人類(lèi)主導(dǎo)的判斷的價(jià)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(jiǎn)短的回復(fù)，但要求人類(lèi)判斷那些自動(dòng)回復(fù)是最合適的。從選項(xiàng)列表中選擇比自己輸入要快，使用戶(hù)能夠在更短的時(shí)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(huì)發(fā)揮更大的作用，但人類(lèi)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(lài)于人類(lèi)的判斷。不同的病人有不同的需求，人類(lèi)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(wú)法權(quán)衡做這件事情的相關(guān)利弊，轉(zhuǎn)而選擇一種人類(lèi)可以接受的方式開(kāi)展。

提前 備好人工智能時(shí)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(cè)將越來(lái)越多地取代人類(lèi)的預(yù)測(cè)。隨著場(chǎng)景的無(wú)限拓展，人類(lèi)將扮演怎樣的角色？ 一方面強(qiáng)調(diào)在判斷中的優(yōu)勢(shì)，同時(shí)也需認(rèn)識(shí)到預(yù)測(cè)局限性。

1、預(yù)測(cè)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(dòng)駕駛包括視覺(jué)(數(shù)據(jù));場(chǎng)景，考慮到感覺(jué)輸入后人類(lèi)會(huì)采取什么行動(dòng)?(預(yù)測(cè));評(píng)估結(jié)果(判斷);加速、剎車(chē)或者轉(zhuǎn)向(動(dòng)作)。醫(yī)療護(hù)理可以包括患者病情(數(shù)據(jù))、診斷(預(yù)測(cè))、治療選擇(判斷)、臨床治療(判斷和行動(dòng))和動(dòng)作干預(yù)(行動(dòng))等信息。盡管傳感器技術(shù)(數(shù)據(jù))和機(jī)器人技術(shù)(動(dòng)作)也在快速發(fā)展，預(yù)測(cè)是機(jī)器智能的一個(gè)方面

2、人工智能時(shí)代判斷力是最為重要的。在許多工作活動(dòng)中，預(yù)測(cè)是自動(dòng)化的瓶頸。展望未來(lái)，預(yù)測(cè)類(lèi)人才參與肯定會(huì)減少。組織將希望增加預(yù)測(cè)使用價(jià)值;未來(lái)最有價(jià)值的技能將是那些與智能預(yù)測(cè)相輔相成的技能（與判斷相關(guān)的技能）。正如高爾夫球俱樂(lè)部的價(jià)格下降，高爾夫球的市場(chǎng)需求就會(huì)上升。高爾夫球俱樂(lè)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(cè)的價(jià)格因人工智能的進(jìn)步而下降，判斷力的需求將會(huì)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(duì)那些能夠做出負(fù)責(zé)任的決定(道德判斷)、與客戶(hù)和雇員互動(dòng)的人(情商)，以及確定新的機(jī)會(huì)(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(guò)程中產(chǎn)生無(wú)意識(shí)的歧視。由于現(xiàn)實(shí)世界存在著各種形式的種族歧視、性別歧視和偏見(jiàn)，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(jiàn)的訓(xùn)練數(shù)據(jù)，也就“繼承”了偏見(jiàn)。某頂尖的人工智能企業(yè)就發(fā)生了類(lèi)似事故：該公司通過(guò)網(wǎng)絡(luò)論壇訓(xùn)練了一個(gè)實(shí)驗(yàn)性聊天機(jī)器人，機(jī)器人學(xué)會(huì)了各種種族歧視和性別歧視的語(yǔ)言，惹惱了民眾。如果有偏見(jiàn)的人工智能處在了決策地位，那么其決策可能會(huì)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(yíng)利組織OpenAI。OpenAI的目標(biāo)有兩個(gè)，一是讓AI繼續(xù)造福人類(lèi)，二是防止AI被誤用而對(duì)人類(lèi)產(chǎn)生威脅。

與判斷相關(guān)的技能將變得越來(lái)越有價(jià)值。如果預(yù)測(cè)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(cè)購(gòu)物行為方面變得更好時(shí)，零售店里的熟練的服務(wù)可以和競(jìng)爭(zhēng)對(duì)手區(qū)分開(kāi)來(lái)。隨著人工智能在預(yù)測(cè)犯罪方面變得越來(lái)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(zhuān)業(yè)技能。今天，許多管理任務(wù)都就用來(lái)預(yù)測(cè)的。招聘和促銷(xiāo)活動(dòng)決策之前構(gòu)建在基于預(yù)測(cè)維度上: 哪個(gè)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(cè)方面變得更好，管理者的預(yù)測(cè)技能將變得不那么有價(jià)值，而他們的判斷技能變得更有價(jià)值。

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

展望未來(lái)在21世紀(jì)初，商業(yè)中最常見(jiàn)的預(yù)測(cè)問(wèn)題是庫(kù)存管理和需求預(yù)測(cè)等經(jīng)典問(wèn)題。隨著人工智能的應(yīng)用，這些老問(wèn)題被解決又將涌現(xiàn)新問(wèn)題。企業(yè)經(jīng)營(yíng)者的新挑戰(zhàn)：

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

(2)評(píng)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(kāi)發(fā)管理流程,建立以判斷力團(tuán)隊(duì)和預(yù)測(cè)力導(dǎo)向融合的新隊(duì)伍

唐興通/文創(chuàng)新戰(zhàn)略顧問(wèn)、數(shù)字營(yíng)銷(xiāo)專(zhuān)家.

不喧嘩、努力成為互聯(lián)網(wǎng)社會(huì)、商業(yè)思想的發(fā)動(dòng)機(jī)CC/編校