|
來源：機器之心mp 選自哈佛商業評論 作者：吳恩達 機器之心編譯 參與：蔣思源、吳攀 今天，哈佛商業評論(HBR)網站發布了百度首席科學家吳恩達所寫的一篇評論文章《What Artificial Intelligence Can and Can't Do Right Now》，介紹了目前在大數據支持下的人工智能對行業的顛覆性影響以及其尚待進步的不足之處。 有很多高管問我人工智能到底能做什么？他們很想知道人工智能會怎樣顛覆他們的產業以及他們可以怎樣使用它來改變自己的公司。但是近來，有很多媒體都描繪了一幅不切實際的人工智能藍圖(也許人工智能不久就會接管世界)。人工智能現在已經轉變了網頁搜索、廣告、電子商務、金融、物流、媒體等的運行方式。作為谷歌大腦團隊的創辦人、前斯坦福人工智能實驗室主任、并且現在是百度 1200 多人的人工智能團隊負責人，我很有幸培養了許多引領世界的人工智能團隊，創造了許多服務上億人的人工智能產品。我已經看到了人工智能的影響，我要說的是“人工智能將轉變很多產業，但人工智能不是萬能魔法。為了理解人工智能對你們的業務的轉變，讓我們拋棄那些大肆宣傳的言論，看看人工智能究竟在今天能做些什么。” 令人驚訝的是，盡管人工智能已經有很大范圍的影響了，但它在產業內的應用方式還極其有限。幾乎所有人工智能最近的進步都是通過一種類型——即輸入數據(A)然后快速生成簡單的回應(B)，比如： 
能夠輸入 A 和輸出 B 就將改變許多產業。這種構建由 A 到 B 的軟件在技術術語上被稱為監督學習(supervised learning)。A→B 這種系統距離科學幻想預示著的存在情感的機器人還差得很遠，人類智能也遠遠比 A→B 系統高級得多。這些 A→B 系統已經在急速地發展，現在最有效的技術就是深度學習或者說是深度神經網絡——它們都是在很寬泛的程度上是受大腦啟發的。不過這些系統離科幻的系統還差得遠。許多研究者也在探索其它形式的人工智能，其中一些的能力已經在一些特定環境下得到了證明；也許還存在實現更高級智能的突破口，但現在我們目前還沒有實現這個目標的清晰路徑。 現如今監督學習框架有一個致命弱點：它需要巨量的數據。人們需要給這個系統很多 A 和 B 的樣本。比如說開發一個圖片標注器需要成千上萬的圖片(A)及其可以說明圖中是否有人存在的標簽(B)。而開發一個語音識別系統也需要成千上萬小時的輸入語音(A)以及有語音轉錄文本(B)。 所以 A→B 系統能做些什么呢？關于其顛覆性影響，這里有一個經驗法則：如果一個典型的人進行一項思考任務所需的時間少于 1 秒，那么也許我們現在或不遠的將來就能用人工智能自動化這項任務了。 現在人們已經做了很多有價值的研究——檢查監控視頻以發現可疑行為、在汽車有可能撞到行人時緊急制動、查找并刪除網上辱罵性的發帖——這些任務 1 秒之內就能完成。這些任務的自動化已經很成熟了。然而，這些都僅適合大環境或大業務流程，搞清楚其與你的業務中的其它部分的聯系也是很重要的。 人工智能的運行需要小心翼翼地尋找 A 和 B，并為人工智能弄清楚 A→B 的關系提供必要的數據。尋找 A 和 B 就已經創造性地革命了許多產業，而它還有望帶來更多革新。 在明白了人工智能能做什么和不能做什么之后，高管們就要將其和他們的策略相結合起來。這就需要理解價值是怎么創造出來的以及什么是難以復制的。人工智能社區是非常開放的，大部分研究者會發表并分享他們的觀點甚至開源代碼。在這個開源的世界，稀缺的資源是： 數據。在領導過的人工智能團隊中，很多團隊最多一兩年就能復制其他團隊的代碼，但是要獲得其他團隊的數據是極其困難的。所以數據相比軟件對大多數業務是更好建立的屏障。 人才。簡單地下載和應用開源軟件是沒什么用的，你需要根據實際的業務場景和數據定制人工智能。這也就是現在出現了對那些能勝任這項工作的稀缺人才的爭奪戰的原因。 有很多分析都是從對人類的好處與壞處來描述人工智能的潛力。例如我們看到有人工智能能夠進行對話來減少人類的孤獨；我們也看到有的人工智能牽涉到了種族歧視問題。短期來看，人工智能對個人的最大負面影響是：隨著我們能夠使用人工智能自動化的工作遠遠超過了以前，人工智能可能會造成我們的失業。作為人工智能領域的領導者，我們義不容辭的事情是確保我們正在建立一個每一個個體都能自由發展的世界。這個進程中，明白人工智能能做什么以及怎樣將其加入到你們的企業策略中只是一個開始，而不是結束。 |
