正如1960年代的大型计算机那样,人工智能具有颠覆行业格局的潜力。但成功运用A.I.的关键,或许首先在于认清它的局限。By Adam Lashinsky
就像蜜蜂聚向蜂蜜,IT潮流也总会掀起一场骚动。互联网初期,公司名字只要加上“dotcom”一词,股价就会上涨。最近几年,云计算、大数据和加密货币各自经历了一轮泡沫生成与破裂的周期。所有潮流背后必然伴随着:▲真正前景可期的技术进步 ▲令人一头雾水的流行语 ▲狂热的投资者 ▲传播“启示”并安抚投资者的咨询顾问(当然,他们理所当然地收取费用)。
“人工智能”这一笼统说法,如今已成为最重要的IT趋势。由于A.I.要实现的目标过于宏大,企业正冒着对A.I.寄予过高期望的风险,为把A.I.套用到A.I.无法解决的问题上而大把烧钱。
来看看警示A.I.泡沫的信号。目前风险投资者对A.I.投资极为狂热。据研究机构PitchBook的数据,去年他们投资了1028家A.I.相关初创企业,比2013年的291家激增三倍以上。其中26家公司名称中含有“A.I.”,而五年前只有1家。向“懵懂无知”的基金经理们讲解A.I.美好前景的相关会议也层出不穷。在瑞士达沃斯每年举行的世界经济论坛,今年议程中至少有11名嘉宾提到A.I.,出现了“制定你的A.I.战略”“建立A.I.竞争规则”等标题(《财富》也加入了这股潮流:去年在中国广州举行的全球科技论坛上,关于A.I.的讨论也成为主流)。
其结果是出现了严肃的讨论:“究竟要如何承担骑在鲨鱼背上的风险?”麻省理工学院数字经济倡议(Initiative on the Digital Economy)研究员迈克尔·施拉格(Michael Schrage)就指出:“如果A.I.的支持者不谨慎行事,A.I.最好的结局也就是和比特币一样。”
人工智能显然不是一时的流行。A.I.是大幅强化▲自动化 ▲基于传感器的制造业监控 ▲企业流程的算法分析等既有趋势,从而革新企业经营的全新方式。机器早已通过计算机科学比人类更快地处理日常工作。而A.I.新技术首次让机器不再只是做人类吩咐的事,而是能够按人类期望的方向自主学习。快速提升的计算能力和多年积累的数字化数据为这项技术提供了支撑。
在卡内基梅隆大学(Carnegie Mellon University)教授机器学习的汤姆·米切尔(Tom Mitchell)强调:“人工智能将成为未来10年给社会和生活方式带来巨大变化的主要动力之一。”A.I.预计也将对商界产生重大影响:研究机构IDC预测,“未来三年将有约800亿美元投向A.I.”。咨询公司埃森哲技术与创新最高负责人保罗·多尔蒂(Paul Daugherty)更进一步表示,实际数字将超出该预测,“因为其中并未计入企业投在与A.I.相关创新上的金额”。
尽管如此,与现存的任何其他技术一样,A.I.能取得的成果也有局限。自动驾驶汽车就是很好的例子。我们已经拥有在理想环境下运行自动驾驶汽车的技术。但就连Alphabet旗下自动驾驶子公司Waymo的CEO约翰·克拉夫奇克(John Krafcik)也承认,“在没有人类介入的情况下,让人工智能在所有天气条件下完美地安全行驶是不可能的”。而且计算机只擅长执行被精确定义的任务。例如辨认照片中的人,或准确地记录演讲内容,它做得很好。但理解人类的动机,或把握字里行间的微妙差异——这是人类卓越的洞察力——仍然在机器的能力之外。卡内基梅隆大学的米切尔教授指出:“要让这项技术商用,还有很长的路要走。”
正因为A.I.还有做不到的事情,一些CEO反而感到安心。斯坦福大学技术经济学教授苏珊·艾希(Susan Athey)让听她高管课程的企业领袖们重新认识到自身的价值,也提醒他们注意所聘请的A.I.科学家的局限。她说:“(与A.I.技术相关的)新博士学位都可以花钱买到。但那个学位并不具备关于什么事会失败、哪些项目不该做的经验。”她形容A.I.颇为像样地“给人一种魔法般的感觉”。但艾希指出:“AI只在分析开发者所设计的情境上被优化,对真正未曾接触过的新情况无法做出决策”,“说A.I.能管理人类,那是无稽之谈”。
换句话说,人工智能绝不是万能药。位于加拿大蒙特利尔的软件初创企业Element AI的CEO弗朗索瓦·加涅(Francois Gagne)对客户表示:“A.I.解决方案的效果,只取决于其中积累的数据。”他强调:“所有人寻找的机会,都取决于能否拥有可应用A.I.的系统”,“人工智能就像一段漫长的旅程。不是买来一开开关就能马上使用的。正如A.I.的定义所显示的,学习是需要时间的”。
加涅把构建有用的A.I.的过程比作“好好教育孩子,让他们成年后也能做出正确的行为”。企业究竟能抓住真正有效运用A.I.的机会,还是最终落入极其昂贵的空洞浪费,还需要一些时间才能知晓。






