問一般的CEO AI最大的風(fēng)險是什么，他們更有可能談?wù)撳e失的機(jī)會——競爭對手能夠比他們更早部署基于AI的業(yè)務(wù)能力。

作為CIO，你不僅需要預(yù)料到實際的AI風(fēng)險，而且還需要預(yù)見到感知到的風(fēng)險，以下介紹了如何做這件事。

一般人感覺到的風(fēng)險

1.AI會沖擊人類嗎?回答：這不是一種風(fēng)險，而是一種選擇。個人電腦，然后是互聯(lián)網(wǎng)，然后是智能手機(jī)，都為計算機(jī)增強(qiáng)的人類帶來了機(jī)會。AI也可以做到這一點，企業(yè)領(lǐng)導(dǎo)者可以通過使用AI功能來增強(qiáng)和增強(qiáng)員工的能力，從而專注于建立更強(qiáng)大、更具競爭力的業(yè)務(wù)。

他們可以，有些人會這樣做，其他人將使用AI來自動化目前由他們雇傭的人類執(zhí)行的任務(wù)。

或者，更有可能的是，他們兩個都會做，從絕對意義上講，兩者都不會更好，但它們將是不同的。作為CIO，你必須幫助傳達(dá)公司的意圖，無論AI是用于增加員工還是用于替換員工。

2. Skynet，這是可能的AI未來中最令人不寒而栗的，碰巧也是最不可能的，這是最不可能的，并不是因為殺手機(jī)器人是不可能的，而是因為具有破壞性的AI沒有理由生產(chǎn)和部署它們。

在自然界中，捕殺其他生物的生物要么是想要食物的捕食者，要么是同樣資源的競爭者。除了那些以狩獵為運動的人類同胞外，物種僅僅為了好玩而傷害其他物種的成員是很少見的。

除了電力和半導(dǎo)體，我們和一個意志堅定的AI是否會發(fā)現(xiàn)自己對資源的競爭足夠激烈，以至于機(jī)器人殺手的場景成為我們的問題，這是值得懷疑的。

這尤其是因為，如果AI在電力和半導(dǎo)體方面與我們競爭，它不太可能浪費電力和半導(dǎo)體來制造殺手級機(jī)器人。

3.深度偽造，是的，深度偽造是一個問題，作為現(xiàn)實之戰(zhàn)的尖端，它們是一個只會變得更糟的問題，深度偽造AI和深度虛假檢測AI將不得不越來越快地改進(jìn)，僅僅是為了保持彼此的地位。

因此，正如惡意軟件對策從獨立的反病毒措施演變?yōu)檎麄€行業(yè)的網(wǎng)絡(luò)安全一樣，隨著對現(xiàn)實的戰(zhàn)爭升溫，我們可以預(yù)期深度虛假對策也會出現(xiàn)類似的軌跡。

CEO認(rèn)為的AI風(fēng)險

那些不想很快成為前CEO的CEO會把相當(dāng)多的時間和注意力花在某種形式的“TOWS”分析上(威脅、機(jī)會、弱點和優(yōu)勢)。

作為CIO，很長一段時間以來，你最重要的職責(zé)之一就是通過將各個點聯(lián)系起來，幫助推動業(yè)務(wù)戰(zhàn)略，從基于IT的能力到商業(yè)機(jī)會(如果你的企業(yè)首先利用它們)或威脅(如果競爭對手首先利用它們)。

在當(dāng)前的AI熱潮席卷IT行業(yè)之前，情況就是如此，這就是“數(shù)字”的全部意義所在，現(xiàn)在更是如此。

再加上AI，CIO們還有另一層責(zé)任，那就是如何將其新能力整合到整個業(yè)務(wù)中。

無聲的基于AI的威脅：人為制造的弱點

還有一類風(fēng)險需要擔(dān)心，這種風(fēng)險很少受到關(guān)注，稱之為“人為的人類弱點”。

從Daniel Kahneman的思維說起，快和慢。在書中，Kahneman指出了我們思考的兩種方式。當(dāng)我們快速思考時，我們使用大腦回路，讓我們一目了然，沒有延遲，幾乎不費力氣。當(dāng)我們“相信自己的膽量”時，快速思考也是我們所做的。

當(dāng)我們緩慢地思考時，我們使用的是讓我們將17乘以53的電路——這一過程需要相當(dāng)大的注意力、時間和腦力。

在AI方面，思維遲緩是專家系統(tǒng)，就這一點而言，老式計算機(jī)編程所做的事情，快速思考是AI最令人興奮的地方，這就是神經(jīng)網(wǎng)絡(luò)的作用。

在目前的發(fā)展?fàn)顟B(tài)下，AI的快速思維形式也容易出現(xiàn)與相信我們的直覺相同的認(rèn)知錯誤。例如：

從相關(guān)性推斷因果關(guān)系：我們都知道我們不應(yīng)該這樣做，然而，當(dāng)我們所有的證據(jù)都是并列的時候，我們很難阻止自己推斷因果關(guān)系。

碰巧的是，如今所謂的AI在很大程度上是由神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)組成的，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)包括從相關(guān)性推斷因果關(guān)系。

回歸中庸：你看了《偉大的英國烘焙秀》。你會注意到，無論誰在一集中獲得了明星面包師獎，在下一集中，他的烘焙往往都會更差，這是星際面包師的詛咒。

只是這不是詛咒，這只是行動中的隨機(jī)性，每個面包師的表現(xiàn)都呈鐘形曲線，當(dāng)一個人在一周內(nèi)贏得了Star Baker，他們的表現(xiàn)已經(jīng)達(dá)到了鐘形曲線的一條尾巴，下一次他們烘焙時，他們最有可能表現(xiàn)在平均水平，而不是再次在Star Baker Tail，因為每次他們烘焙時，他們最有可能表現(xiàn)在平均水平，而不是獲勝的尾巴。

沒有理由期望機(jī)器學(xué)習(xí)AI能免受這一謬誤的影響，恰恰相反，面對隨機(jī)的過程性能數(shù)據(jù)點，我們應(yīng)該期待AI在每個糟糕的結(jié)果之后預(yù)測改進(jìn)。

然后得出結(jié)論，因果關(guān)系是起作用的。

沒有“展示你的工作”：嗯，不是你的工作，是AI的工作。在開發(fā)所謂的“可解釋AI”方面，有一些活躍的研究，這是必要的。

假設(shè)你指派了一名員工來評估一個可能的商業(yè)機(jī)會，并向你推薦一項行動方案，他們會這樣做，你會問，“你為什么這么認(rèn)為?”任何有能力的員工都期待著這個問題，并準(zhǔn)備好回答。

在“可解釋AI”成為一項功能而不是愿望清單之前，AI在這方面的能力不如許多企業(yè)希望它們?nèi)〈膯T工——它們無法解釋自己的想法。

要忽略的短語

毫無疑問，你已經(jīng)聽過有人在AI的背景下聲稱，“計算機(jī)永遠(yuǎn)不會x”，其中x是最熟練的人類擅長的東西。

他們錯了，自從我第一次開始從事這項業(yè)務(wù)以來，這一直是一個流行的斷言，從那以后，很明顯，無論你選擇哪個x，計算機(jī)都能做任何事情，而且做得比我們更好。

唯一的問題是，我們都要等多久才能實現(xiàn)。