盡管人工智能目前取得了令人鼓舞的進步，但它還沒有在許多行業(yè)引起革命性的變化。在很多情況下，問題不一定出在技術(shù)上，而是出在人們感知技術(shù)的方式上。

《權(quán)力與預(yù)測》是人工智能專家撰寫的一本新書，探討了不同行業(yè)應(yīng)用人工智能技術(shù)的根本挑戰(zhàn)。作為他們廣受好評的《預(yù)測機器》的續(xù)集，這本書討論了企業(yè)在受益于人工智能進步的全部潛力之前需要改變什么。

從點解決方案和應(yīng)用到人工智能系統(tǒng)，行業(yè)專家研究了人工智能在不同領(lǐng)域的成功和失敗。他們還從過去的技術(shù)革命中提供了重要的見解，并展示了如何從頭開始重新思考和設(shè)計人工智能系統(tǒng)，可以幫助創(chuàng)造基于強大的機器學(xué)習(xí)和深度學(xué)習(xí)算法的真正價值。

點解決方案vs人工智能系統(tǒng)

如今的人工智能系統(tǒng)是預(yù)測機器，這意味著它們可以根據(jù)過去的數(shù)據(jù)預(yù)測未來會發(fā)生什么。這是每個數(shù)學(xué)模型都要做的。但由于大量數(shù)據(jù)和計算的可用性以及深度學(xué)習(xí)算法的進步，人們已經(jīng)能夠創(chuàng)建可以對圖像、文本和多維數(shù)據(jù)等復(fù)雜信息進行預(yù)測的模型。

在《權(quán)力與預(yù)測》一書中，作者將人工智能的價值分為三類：點解決方案、應(yīng)用解決方案、系統(tǒng)解決方案。

到目前為止，人們看到的大多數(shù)都是點解決方案和應(yīng)用程序解決方案。這些人工智能系統(tǒng)取代了以前需要預(yù)測的任務(wù)。例如，在金融服務(wù)中，任務(wù)之一是預(yù)測哪些交易是欺詐的。經(jīng)過正確數(shù)據(jù)訓(xùn)練的機器學(xué)習(xí)模型可以接管這項任務(wù)。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小的投資和對底層系統(tǒng)的更改。

另一個點解決方案的例子是分析放射掃描?，F(xiàn)在有幾個深度學(xué)習(xí)模型，可以從X光和MRI掃描中檢測出各種疾病，其水平與經(jīng)驗豐富的放射科醫(yī)生相當(dāng)。

他們正在自動化放射科醫(yī)生執(zhí)行的眾多任務(wù)之一，而無需對潛在的患者護理系統(tǒng)進行任何更改。

人工智能系統(tǒng)可以通過自動化當(dāng)前應(yīng)用程序和系統(tǒng)未解決的新任務(wù)和問題來提供更大的價值。然而，人工智能系統(tǒng)需要一種空白的方法，在這種方法中，需要重新設(shè)計整個流程、工作流和應(yīng)用程序，不僅可以解決現(xiàn)有的問題，還可以解決新問題。為了讓它們發(fā)揮作用，人工智能系統(tǒng)通常需要新的組織結(jié)構(gòu)以及目標(biāo)和激勵措施的一致性。這使得人工智能系統(tǒng)更加困難、風(fēng)險更大，但也更有回報。

《權(quán)力與預(yù)測》一書的作者寫道：“系統(tǒng)解決方案通常比點解決方案或應(yīng)用解決方案更難實現(xiàn)，因為人工智能增強的決策會影響系統(tǒng)中的其他決策。點解決方案和應(yīng)用解決方案通常會強化現(xiàn)有系統(tǒng)，而系統(tǒng)解決方案則會顛覆現(xiàn)有解決方案，因此往往會導(dǎo)致破壞。然而，在許多情況下，系統(tǒng)解決方案可能會為人工智能投資帶來最大的整體回報?！?/p>

人工智能的中間時代

在《權(quán)力與預(yù)測》一書中，作者認為現(xiàn)在正處于人工智能的“中間時代”，在見證了這項技術(shù)的力量之后，在它被廣泛采用之前。這就是為什么點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19世紀(jì)后期，當(dāng)電力開始實現(xiàn)工業(yè)化時，它的第一個應(yīng)用是點解決方案。對于工廠來說，這意味著用電動機代替蒸汽機來降低能源成本。改變電力來源并不需要重新設(shè)計工廠。

然而，電力的真正價值主張是將機器與電源分離。這使得新的工廠設(shè)計成為可能，這在蒸汽動力下是不可能的，而且它們的生產(chǎn)率更高，成本更低。但這種普及花了幾十年的時間，因為它需要根本性的改變，打破習(xí)慣，以及現(xiàn)有企業(yè)不愿意進行的前期投資。那些抓住機會的企業(yè)家成功地占據(jù)了領(lǐng)先地位，并占領(lǐng)了后來取代舊市場的很大一部分市場。

人們可以在許多其他行業(yè)看到這些變化，比如網(wǎng)上購物的興起，個人電腦的出現(xiàn)，以及從印刷媒體到數(shù)字媒體的轉(zhuǎn)變。

人工智能是一種基礎(chǔ)設(shè)施技術(shù)，技術(shù)領(lǐng)導(dǎo)者將其影響與電力進行了比較。因此，這需要一種全新的心態(tài)和大膽的探索。

《權(quán)力與預(yù)測》一書的作者寫道：“人工智能驅(qū)動的行業(yè)轉(zhuǎn)型需要時間，一開始怎么做并不明顯。許多人可能會嘗試并失敗，因為他們誤解了需求，或者他們無法讓單位經(jīng)濟運作起來。最終，有人會成功，并建立起盈利的途徑。其他人會試圖模仿。行業(yè)領(lǐng)導(dǎo)者將試圖保護自己的優(yōu)勢。有時它會成功。無論如何，這個行業(yè)將會轉(zhuǎn)型，一如既往地總會有贏家和輸家?！?/p>

打破規(guī)則

《權(quán)力與預(yù)測》一書的作者表示，“當(dāng)沒有什么東西的時候，不會放棄。如果沒有必要的信息來做出明智的選擇，就可以避免盲目做事的后果。因此，當(dāng)人工智能預(yù)測出現(xiàn)時，它的使用機會并不明顯，這并不令人驚訝。潛在的決策者在沒有這些信息的基礎(chǔ)上搭建了一個腳手架。”

人工智能的機會很難發(fā)現(xiàn)，因為它們通常隱藏在嚴(yán)格的規(guī)則和程序背后，這些規(guī)則和程序運行良好，并且已經(jīng)建立了很長時間。這些規(guī)則彌補了信息的不足。它們使人們能夠在不能夠預(yù)測準(zhǔn)確結(jié)果的情況下做出決定。它們幫助構(gòu)建系統(tǒng)，雖然不是最優(yōu)的，但在許多情況下可靠地工作。

找到這些機會的關(guān)鍵是，首先要了解預(yù)測機器的力量，其次，找到預(yù)測可以取代既定規(guī)則的地方。作者在書中探討的一個非常有趣的例子是人工智能在教育中的應(yīng)用。

多虧了機器學(xué)習(xí)算法和歷史數(shù)據(jù)，可以預(yù)測學(xué)生的表現(xiàn)，他們在哪里會脫穎而出，在哪里會遇到困難。這讓我們有機會為每個學(xué)生提供更多個性化的內(nèi)容。

但這些預(yù)測模型在當(dāng)前的教育體系中并沒有多大幫助，因為目前的教育體系是建立在基于年齡的課程基礎(chǔ)上的，每個班只有一名教師。之所以建立這個系統(tǒng)，是因為教師沒有辦法通過學(xué)生的教育軌跡來準(zhǔn)確衡量他們的個人學(xué)習(xí)能力。

為了能夠充分利用機器學(xué)習(xí)，人們需要以一種新的方式重新思考教育體系。這個新系統(tǒng)將以個性化討論、小組項目和教師支持取代以年齡為基礎(chǔ)的課程，對整體教育和個人成長和發(fā)展產(chǎn)生更大的影響。

《權(quán)力與預(yù)測》的作者寫道：“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。要釋放個性化教育人工智能的潛力，主要挑戰(zhàn)不是建立預(yù)測模型，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?！?/p>

權(quán)力轉(zhuǎn)移

人工智能的成功應(yīng)用需要《權(quán)力與預(yù)測》一書作者所稱的“系統(tǒng)思維”，這與“任務(wù)思維”形成了對比。任務(wù)型思維模式關(guān)注的是節(jié)約成本。系統(tǒng)思維專注于價值創(chuàng)造。任務(wù)思維模式側(cè)重于將單個任務(wù)自動化。系統(tǒng)思維意識到需要重建基于機器預(yù)測和人類決策產(chǎn)生價值的系統(tǒng)。

人們已經(jīng)在一些行業(yè)和亞馬遜和谷歌等大型科技公司看到了這種情況，這些公司已經(jīng)形成了基于人工智能預(yù)測推薦個性化內(nèi)容的盈利系統(tǒng)。

也許系統(tǒng)思維模式的重要元素之一是隨著人工智能的采用而發(fā)生的權(quán)力轉(zhuǎn)移。隨著體制的變化，有決策權(quán)的人也在變化。

《權(quán)力與預(yù)測》的作者寫道，“雖然人工智能不能把決定權(quán)交給機器，但它可以改變由誰來做決定。機器沒有權(quán)力，但一旦部署，它們可以改變擁有權(quán)力的人。當(dāng)機器改變決策者時，底層系統(tǒng)也必須改變。制造機器的工程師需要了解他們嵌入到產(chǎn)品中的判斷的后果。那些過去在當(dāng)下做決定的人可能不再需要了?！?/p>

作者在書中探討的一個假想例子是心臟病發(fā)作風(fēng)險。目前，這種風(fēng)險評估是通過在醫(yī)院進行測試來進行的，并由進行測試的?？漆t(yī)生做出決定。

假設(shè)能夠構(gòu)建人工智能系統(tǒng)，根據(jù)智能手表等可穿戴設(shè)備收集的數(shù)據(jù)預(yù)測心臟病發(fā)作風(fēng)險。然后，就有可能將這些預(yù)測從醫(yī)院急診科的分診空間轉(zhuǎn)移到病人的家中。在這種情況下，許多患者在被診斷出患有藥劑師或初級保健醫(yī)生可以在家?guī)椭委煹募膊『?，將永遠不需要去醫(yī)院。

不管人們在圍繞人工智能的科學(xué)和哲學(xué)辯論中處于什么立場，人們都能認同的是，預(yù)測機器有很多東西可以提供，而如今只是觸及了表面。要充分利用它們的潛力，首先要回到繪圖板，重新思考如果人們有預(yù)測的能力，將如何設(shè)計系統(tǒng)。?