過去二十多年，企業(yè)遭遇了顛覆性沖擊。事實如此令人震撼：自2000年以來，數(shù)字化顛覆已令半數(shù)的《財富》 500強(qiáng)企業(yè)從榜單除名。AI將讓數(shù)字顛覆來得更加強(qiáng)烈。

這是因為，人工智能是一種經(jīng)濟(jì)學(xué)家所定義的通用技術(shù)（general-purpose technology）。而通用技術(shù)的影響通常巨大而且深遠(yuǎn)——我們不妨回想電力和內(nèi)燃機(jī)的歷史意義。通用技術(shù)影響不僅體現(xiàn)為對社會的直接貢獻(xiàn)，還會通過溢出效應(yīng)，激發(fā)廣泛的互補(bǔ)式創(chuàng)新。正是由于電力的出現(xiàn)，工廠電氣化、電信聯(lián)絡(luò)、以及隨之而來的一切方才成為可能。內(nèi)燃機(jī)則催生出了汽車、飛機(jī)、乃至現(xiàn)代化的運輸和物流網(wǎng)絡(luò)。如今，人工智能將以類似的規(guī)模影響整個社會。

本期的智能內(nèi)參，我們推薦來自埃森哲的報告， 在這次人工智能技術(shù)革命浪潮中，為企業(yè)管理者出謀劃策。 
《埃森哲：AI時代企業(yè)生存之道-高管指南》
鏈接: https://pan.baidu.com/s/1qdjwM_xtXwcVNHSXoLcdzQ 提取碼: kxb6 

何為AI？

究竟人工智能是什么？回答這一問題并不像看起來那么簡單。事實上，就連統(tǒng)一的“人工智能”定義也尚未出現(xiàn)。這是因為，從本質(zhì)來看，我們所談?wù)摰娜斯ぶ悄懿⒉徽娴奶刂改稠椉夹g(shù)。

從實際層面出發(fā)，人工智能涵蓋了一系列不同的技術(shù)，通過有效的組合，機(jī)器便能夠以類似人類的智能水平展開行動。

我們并未像許多人那樣，不斷嘗試去明確地描述人工智能，而是傾向于將此類技術(shù)視為一套能力框架。毫無疑問，這是了解人工智能、知曉其背后廣泛技術(shù)的最佳方式。我們的框架以人工智能支持機(jī)器實現(xiàn)的主要功能為核心，其中包括以下四個方面：

▲ 人工智能支持機(jī)器實現(xiàn)的主要功能

1、 機(jī)器學(xué)習(xí)的威力

人工智能系統(tǒng)的學(xué)習(xí)能力至關(guān)重要。能夠通過分析數(shù)據(jù)來決定完成任務(wù)所需的行動，而非按照明確的指令、以預(yù)先定義的方法行事，正是實現(xiàn)系統(tǒng)“智能化”、將人工智能與其他形式的自動化區(qū)分開來的關(guān)鍵。

一旦為最出色的人工智能系統(tǒng)設(shè)定出自我學(xué)習(xí)任務(wù)，我們就有望目睹非凡成果。谷歌旗下DeepMind公司開發(fā)的人工智能AlphaGo，已成為首個在高度復(fù)雜的棋類競技中擊敗人類專業(yè)棋手的計算機(jī)程序6。開發(fā)人員向AlphaGo傳授比賽規(guī)則，然后展示了數(shù)千種人類之間的對局，由系統(tǒng)自行辨別制勝策略。其結(jié)果是：AlphaGo一舉戰(zhàn)勝了擁有傳奇成就的世界圍棋冠軍李世石（Lee Sedol）。

但DeepMind并未就此停止其圍棋領(lǐng)域的成功步 伐 。公 司 隨 后 開 發(fā) 了 更 為 強(qiáng) 大 的 第 二 代 版本——AlphaGo Zero7，它可以單純通過自我對弈來掌握獲勝之道——完全無需觀察人類棋手。不僅如此， AlphaZero作為人工智能更新迭代的最新版本，實現(xiàn)了更為長足的進(jìn)步。AlphaZero已證明，能夠和自己較量來學(xué)習(xí)國際象棋，并在短短四個小時內(nèi)就超越了人類的技能水平。這項壯舉真正令人矚目的是， AlphaZero并非專門為下棋而設(shè)計。加拿大阿爾伯塔大學(xué)計算機(jī)科學(xué)教授、國際象棋系統(tǒng)專家喬納森 · 謝弗認(rèn)為，這或許便是該系統(tǒng)能夠制定出非傳統(tǒng)制勝策略的原因。AlphaZero以這種方式彰顯出，“窄人工智能（Narrow AI）”又向“通用人工智能（GeneralAI）”邁出了重要一步 。

這一過程就是我們所說的機(jī)器學(xué)習(xí)。麻省理工學(xué)院的埃里克 · 布萊恩約弗森（Brynjolfsson）和安德魯 · 麥卡菲（McAfee）兩位教授觀察發(fā)現(xiàn)，其如此強(qiáng)大的原因非常簡單。一方面，雖然我們?nèi)祟惙浅Ｉ朴趶氖氯我夥N不同的活動，但我們并不總是明確知曉自身工作是如何完成的。例如我們可能會發(fā)現(xiàn)，識別另一個人的容貌很容易，不過我們很難充分了解這項能力的生理機(jī)制。因此，將該功能直接通過編碼嵌入機(jī)器當(dāng)中會十分困難。

而另一方面，機(jī)器學(xué)習(xí)使得設(shè)備可以完全自主地學(xué)會做好這項工作。實際上，識別大量數(shù)據(jù)中存在的模式，恰是機(jī)器學(xué)習(xí)的核心特長之一。

機(jī)器學(xué)習(xí)是人工智能系統(tǒng)的核心。它可以從原始數(shù)據(jù)中學(xué)習(xí)，從而賦能于人工智能可見的出色表現(xiàn)，使其變得越來越普遍。無論是進(jìn)行前瞻判斷的預(yù)測系統(tǒng)、近乎實時解讀語音和文本的自然語言處理系統(tǒng)、以非凡準(zhǔn)確度識別視覺內(nèi)容的機(jī)器視覺技術(shù)，還是優(yōu)化搜索和信息檢索，都依托于機(jī)器學(xué)習(xí)。

▲機(jī)器學(xué)習(xí)能力

相對于其他技術(shù)，機(jī)器學(xué)習(xí)的一項關(guān)鍵優(yōu)勢，就是對“臟”數(shù)據(jù)的容忍度——即數(shù)據(jù)中包含有重復(fù)記錄、不良解析的字段，或是不完整、不正確、以及過時的信息。此類問題對企業(yè)來說關(guān)系重大：大多數(shù)高管都將非常清楚地認(rèn)識到，應(yīng)對臟數(shù)據(jù)將是他們工作中的一大痛點。

機(jī)器學(xué)習(xí)具備靈活性，可隨著時間推移獲得全新發(fā)現(xiàn)并做出改進(jìn)，這意味著它能夠以更高的準(zhǔn)確性處理臟數(shù)據(jù)，并且由此擁有了極佳的可擴(kuò)展性。在我們當(dāng)前所處的數(shù)據(jù)大爆炸時代，后者正變得越來越重要。

機(jī)器學(xué)習(xí)的真正強(qiáng)項之一，便是可以使用不同的學(xué)習(xí)算法，包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等類型。

監(jiān)督學(xué)習(xí)。這種算法使用帶有標(biāo)記的數(shù)據(jù)集（數(shù)據(jù)已經(jīng)過整理和描述），推導(dǎo)出每個標(biāo)記代表的顯著特征，并學(xué)習(xí)識別新數(shù)據(jù)中的這些特征。例如，向算法展示大量標(biāo)記為“貓”的圖像，然后它將學(xué)習(xí)如何識別貓的形象，并在其他任意數(shù)量、且完全不同的圖片中發(fā)現(xiàn)貓。

無監(jiān)督學(xué)習(xí)。這種算法使用的數(shù)據(jù)不需要預(yù)先定義標(biāo)記。它采用不帶標(biāo)簽的數(shù)據(jù)集，查找其中各條目之間的相似與差異，然后自行分類。比如，我們可以向算法展示大量其中包含貓和狗、但未加以標(biāo)記的圖像，而算法會在不知道哪些圖像分別含有“貓”或“狗”的情況下，把具有相似特征的圖像分類到不同的組當(dāng)中。

強(qiáng)化學(xué)習(xí)。這種算法利用反復(fù)試錯，形成“獎勵”和“懲罰”的反饋循環(huán)。當(dāng)算法得到數(shù)據(jù)集時，它將所處環(huán)境視為一場比賽，每次執(zhí)行動作都會被告知是贏還是輸。通過這種方式，它可以創(chuàng)建出一套方案——哪些“動作”能夠帶來成功，而哪些會造成反效果。DeepMind的AlphaGo和AlphaZero都極好地展示了強(qiáng)化學(xué)習(xí)的威力。

2、人造大腦

那么，機(jī)器學(xué)習(xí)如何實際運作？最近許多非凡進(jìn)步的背后，是一種受動物大腦機(jī)能啟發(fā)、非常先進(jìn)而精巧的計算系統(tǒng)形式在起作用。這些系統(tǒng)被稱為神經(jīng)網(wǎng)絡(luò)（Neural Networks） ， 它們支撐著當(dāng)今最前沿的人工智能研究。

神經(jīng)網(wǎng)絡(luò)由一系列相互聯(lián)系的“節(jié)點”組成，模仿了生物大腦中的神經(jīng)元網(wǎng)絡(luò)。每個節(jié)點在接收輸入信息后，內(nèi)部狀態(tài)會出現(xiàn)改變，并相應(yīng)地產(chǎn)生輸出。接下來，該輸出又形成其他節(jié)點的輸入，依次傳導(dǎo)。這種復(fù)雜運作能夠支持一種非常強(qiáng)大的計算形式——深度學(xué)習(xí)（Deep Learning）。

深度學(xué)習(xí)通過多層處理來了解數(shù)據(jù)集中數(shù)據(jù)的重要特征。例如，它可用于圖像和語音識別。使用神經(jīng)網(wǎng)絡(luò)，每個層級的輸出為下一個層級提供了輸入，其中每個層級都在不同的提取級別上運作。通過這種方式，深度學(xué)習(xí)系統(tǒng)可以比其他方法處理更龐大的數(shù)據(jù)集。

當(dāng)數(shù)據(jù)科學(xué)家和其他人士討論人工智能時，他們通常使用兩個對比類別來闡明其含義：窄人工智能與通用人工智能，以及弱人工智能與強(qiáng)人工智能。

▲人工智能的兩個對比

正確實施培訓(xùn)所需的，不僅是高級數(shù)學(xué)技能。產(chǎn)業(yè)化的機(jī)器學(xué)習(xí)是一種跨學(xué)科能力，融合了數(shù)據(jù)科學(xué)、工程學(xué)、用戶體驗設(shè)計與相關(guān)領(lǐng)域知識。單獨依靠某項能力本身，都不足以滿足需求。

▲產(chǎn)業(yè)化人工智能的跨學(xué)科能力組合

那么，分析法適合在哪些環(huán)節(jié)與上述能力加以結(jié)合？或許問題應(yīng)該是：人工智能應(yīng)如何引入分析技術(shù)？如果我們認(rèn)識到，分析法是通過分析數(shù)據(jù)來改進(jìn)決策，就可以明確知曉機(jī)器學(xué)習(xí)和其他統(tǒng)計分析應(yīng)怎樣嵌入業(yè)務(wù)流程當(dāng)中。畢竟，分析法的目的在于從數(shù)據(jù)中獲取洞察——這與機(jī)器學(xué)習(xí)的目標(biāo)非常相似。

分析法，連同支持它的各種機(jī)器學(xué)習(xí)算法，可基于所需洞察的深度，劃分為不同復(fù)雜程度的幾個層級。較簡單的一個層級是“描述性分析（Descriptive Analytics）”——分析歷史數(shù)據(jù)以了解發(fā)生了什么、及其背后的原因何在。與之相比，“預(yù)測性分析（Predictive Analytics）” 更為復(fù)雜，它利用數(shù)據(jù)來預(yù)判將會發(fā)生哪些狀況。復(fù)雜度最高的則是“規(guī)范性分析（Prescriptive Analytics）” ，不僅可以做出預(yù)測，而且能提供應(yīng)對之策。

3、 人工智能與機(jī)器人

一談到人工智能，人們通常會先想到機(jī)器人和機(jī)器人技術(shù)。公眾腦海中可能浮現(xiàn)出庫布里克影片中的“HAL 9000”機(jī)器人、阿西莫夫筆下的機(jī)械人，或是本田公司開發(fā)的可行走機(jī)器人Asimo。

在商業(yè)環(huán)境中，它既可以指利用工業(yè)機(jī)器人來實現(xiàn)制造或服務(wù)流程的自動化，諸如，汽車裝配線，又可以指日益普遍的管理或服務(wù)流程的自動化，即，結(jié)合了數(shù)字和人工輸入的機(jī)器人流程自動化（RPA）。

從嚴(yán)格意義上說，機(jī)器人流程自動化是為恒久不變的流程而設(shè)計的，所以根本不需要任何“智能”。例如，若是業(yè)務(wù)流程需要員工以標(biāo)準(zhǔn)形式，將數(shù)據(jù)從一個系統(tǒng)（比方一張紙）手工輸入到另一個系統(tǒng)，就可以通過帶有鍵盤敲擊模擬功能的RPA系統(tǒng)輕松實現(xiàn)流程自動化。實際上，埃森哲已在某大型制造業(yè)客戶的發(fā)票處理流程中應(yīng)用了機(jī)器人流程自動化。其成果非常顯著：耗時減少70%，工作效率提升30%，并且達(dá)到了100%的準(zhǔn)確率。

不過現(xiàn)在，人工智能技術(shù)也正被持續(xù)引入新興的“認(rèn)知RPA（Cognitive RPA）”領(lǐng)域。這令流程自動化擁有了一定程度的可調(diào)空間，使其應(yīng)用范圍得以大大擴(kuò)展。其中的典型實例包括，利用機(jī)器學(xué)習(xí)訓(xùn)練機(jī)器識別圖像中的文本（被稱為光學(xué)字符識別）。

實際上，埃森哲常常建議將機(jī)器人流程自動化作為開啟人工智能旅程的理想起點。其原因在于，若想成功應(yīng)用RPA技術(shù)，首先要詳細(xì)了解哪些流程需要實現(xiàn)自動化；而這也是設(shè)計更廣泛、更復(fù)雜的AI自動化解決方案的第一步。此外，為了確保現(xiàn)有流程（有時為次優(yōu)方案）不是簡單地以數(shù)字形式加以模擬，而是通過重新設(shè)計盡可能地充分利用人工智能，該舉措亦不可或缺。

我們必須認(rèn)識到非常重要的一點：RPA和認(rèn)知RPA技術(shù)不僅可以降低成本，還能增進(jìn)流程的一致性和處理速度，并提供全天候運行、以及根據(jù)需求擴(kuò)大或收縮流程的能力。請始終牢記，機(jī)器人流程自動化取代的是任務(wù)，而非員工。許多已采用RPA技術(shù)的企業(yè)都為員工重新部署了更具價值的工作——并且這些新工作的趣味性也大大超過了以往！

千載難逢的AI革命

AI并非全新創(chuàng)意，它由來已久。“人工智能”這一術(shù)語早在1956年便已問世。該技術(shù)的發(fā)展歷史上曾出現(xiàn)過多輪令人歡欣鼓舞的高潮，但隨后迎來的卻是失望和長時間的低迷（這些階段被稱為“AI寒冬”）。以往的每一次技術(shù)突破都只是部分達(dá)到對其的瑰麗憧憬，而從未使這項技術(shù)成為主流。 那么，這次有何不同？

▲人工智能簡史

當(dāng)前出現(xiàn)的重大變化在于，我們正處于一個前所未有的時期——如此之多的不同領(lǐng)域都在展開技術(shù)創(chuàng)新。今天的人工智能應(yīng)用軟件可以利用云端幾乎無限的處理能力；并且為特定任務(wù)定制設(shè)計的電腦芯片也在持續(xù)增多，此類芯片具備更高水平的計算效率和速度，其最主要的用途便是數(shù)據(jù)分析。這方面的典型實例包括，用圖形處理器（GPU）代替中央處理器（CPU）使處理能力得到大幅提升。而谷歌已更進(jìn)一步，其設(shè)計的張量處理器（TPU）的性能比當(dāng)今使用的CPU和GPU高出達(dá)30-80倍。

如果再考慮存儲成本的快速下降（每Gb從1980年的50萬美元降至2015年的3美分）、可供訓(xùn)練人工智能的數(shù)據(jù)量呈指數(shù)級增長、以及開源平臺和框架的出現(xiàn)，我們現(xiàn)已具備獨特的條件來結(jié)合技術(shù)和能力。這一切都為人工智能提供了非常強(qiáng)大的基礎(chǔ)，使其日益趨近主流應(yīng)用的臨界點。

從谷歌、亞馬遜、臉書、微軟，到百度、阿里巴巴和騰訊，幾乎所有世界領(lǐng)先的技術(shù)巨頭都極為關(guān)注人工智能。其他創(chuàng)業(yè)者和投資人同樣熱衷于此。超過半數(shù)的歐洲初創(chuàng)企業(yè)均以人工智能為焦點，而人工智能類業(yè)務(wù)的投資也通常會高出其他業(yè)務(wù)20%至30%。

然而，這并不意味著，人們對于人工智能何時迎來爆發(fā)點，已形成普遍共識。而且我們也無法斷定，是否可以很快看到通用人工智能（而非窄人工智能）的出現(xiàn)。一方面，牛津大學(xué)和斯坦福大學(xué)面向350位專家進(jìn)行的一項調(diào)查得出結(jié)論：45年內(nèi)，機(jī)器在所有任務(wù)中都能勝過人類的可能性為50%。另一方面，艾奇奧尼教授（Etzioni） 2016年對知名人工智能研究者所做的調(diào)查顯示：四分之一的受訪人士認(rèn)為超級智能根本不可能實現(xiàn)。

盡管我們尚未擁有通用人工智能。但隨著基礎(chǔ)技術(shù)以驚人的速度發(fā)展，窄人工智能已經(jīng)在現(xiàn)實世界的商業(yè)應(yīng)用中顯露了非凡威力。

隨著企業(yè)持續(xù)加大人工智能的應(yīng)用力度，系統(tǒng)所能處理的數(shù)據(jù)和工作的復(fù)雜性必然有增無減。若想了解其如何在業(yè)務(wù)環(huán)境中發(fā)揮作用，下方框架可能會有所幫助。此框架列出了各種技術(shù)的潛在應(yīng)用形式（本文以金融服務(wù)行業(yè)為例），并根據(jù)所涉及數(shù)據(jù)和工作的復(fù)雜程度，將人工智能應(yīng)用分為四大模式——效率、效力、專家、創(chuàng)新。

在與客戶的長期合作中，我們已看到人工智能正在不斷被擴(kuò)展和產(chǎn)業(yè)化。過去幾年，許多企業(yè)都在試點人工智能如何影響其員工、流程和產(chǎn)品。現(xiàn)在，我們相信這些企業(yè)已經(jīng)開始將試點項目向整個組織范圍內(nèi)推廣。多達(dá)四分之三的高管表示，其組織未來三年將“積極部署” 某種人工智能。

一言蔽之，當(dāng)前的局勢已非常明確：人工智能正蓄勢待發(fā)，并且事關(guān)重大。

▲了解人工智能潛在應(yīng)用的框架圖

與時俱進(jìn)，緊跟AI時代步伐

采取正確的應(yīng)用方式，人工智能將成為提升企業(yè)經(jīng)濟(jì)價值的全新驅(qū)動力。但問題在于，選擇何種路徑才是恰當(dāng)之舉？在這樣一個飛速發(fā)展的領(lǐng)域中，我們很容易一葉障目，迷失戰(zhàn)略方向。首先，應(yīng)當(dāng)了解人工智能將帶來哪些機(jī)遇。通過將這些機(jī)遇劃分為三大類型，您可以對應(yīng)采取的路線有更清晰的認(rèn)知。這意味著需要分別考慮：如何利用人工智能來加快自動化，如何增強(qiáng)工作效力和執(zhí)行方式，以及如何在企業(yè)內(nèi)外擴(kuò)展人工智能創(chuàng)新。

1. 擴(kuò)大自動化范圍

人工智能已成為自動化的新前沿。借助具備自我學(xué)習(xí)能力的自動化系統(tǒng)，充分利用機(jī)器學(xué)習(xí)、計算機(jī)視覺、知識表達(dá)和推理等技術(shù)模仿人類行為，人工智能可以使自動化超越僅基于規(guī)則的預(yù)測性工作，延伸至我們目前認(rèn)為需要人類判斷的領(lǐng)域當(dāng)中，從而創(chuàng)造出大量全新的自動化機(jī)遇 。

▲智能自動化前沿

 2. 增強(qiáng)工作能力

工智能大大提升了資源的利用效率。在實際工作中，這體現(xiàn)為兩方面的助益——其一是增強(qiáng)人類員工的判斷力，其二則可提升客戶體驗。

#1更聰明地工作。在增強(qiáng)員工判斷力方面，與人類相比，機(jī)器學(xué)習(xí)能夠從非常龐大、且高度復(fù)雜的數(shù)據(jù)集中提煉出更多洞見。因此，它們可以發(fā)現(xiàn)人類專家未曾覺察的模式、相似性和異常。例如在篩查癌變癥狀時，人類專家能夠從掃描膠片中識別出數(shù)百種惡性病變，而人工智能可以識別數(shù)千種之多。

諾丁漢大學(xué)的研究人員已創(chuàng)建了一套人工智能系統(tǒng)，預(yù)測哪些患者可能在十年內(nèi)發(fā)生中風(fēng)或心臟病。該系統(tǒng)的表現(xiàn)優(yōu)于標(biāo)準(zhǔn)預(yù)測方法（得分在0.745和0.764之
間，而標(biāo)準(zhǔn)方法為0.728） 。

這些進(jìn)步令人印象深刻。但其并不意味著人類專長很快會被取代。當(dāng)前，最佳成果仍源自人類專家與人工智能的合作——雙方都發(fā)揮各自獨特的能力來共同解決問題。

#2提升客戶體驗。利用人工智能——特別是該技術(shù)在認(rèn)知方面的功能，企業(yè)可以極大改善與客戶的交互。其具體方式包括：使用數(shù)字助理和聊天機(jī)器人，通過社交媒體和數(shù)字平臺全天候地與客戶交談；或者，在電子商務(wù)網(wǎng)站上推薦個性化的產(chǎn)品和服務(wù)。

3. 擴(kuò)展創(chuàng)新成果

創(chuàng)新能夠激發(fā)連鎖反應(yīng)。非同凡響的新技術(shù)將帶來貫穿整體經(jīng)濟(jì)的溢出效應(yīng)，以前所未有的方式永遠(yuǎn)改變一切。當(dāng)電力首次實現(xiàn)工業(yè)化時，誰能想象當(dāng)今世界對電能有如此巨大的需求與依賴？當(dāng)內(nèi)燃機(jī)誕生時，誰又曾預(yù)見我們互聯(lián)互通的全球運輸網(wǎng)絡(luò)能夠具備這般速度和規(guī)模？

人工智能將對社會產(chǎn)生類似程度的影響。其創(chuàng)新成果會在企業(yè)中不斷延伸——甚至擴(kuò)散至整個經(jīng)濟(jì)體系，創(chuàng)建出全新的、超越想象的商業(yè)模式和機(jī)遇。無論是將那些我們曾認(rèn)為離不開人類智慧的任務(wù)加以自動化，還是在海量數(shù)據(jù)中洞悉規(guī)律，抑或，是支持全新的認(rèn)知型人機(jī)交互界面，這項技術(shù)必將對我們的工作和個人生活帶來深遠(yuǎn)的根本性影響。

人工智能之所以產(chǎn)生革命性的威力，原因之一便是其應(yīng)用簡單。具體而言，人類不需要主動去適應(yīng)此類技術(shù)，或者另外學(xué)習(xí)一套新的技能來使用它們，這使其在技術(shù)的發(fā)展史上具備了獨一無二的特性。我們能夠通過簡單、自然的溝通介質(zhì)——語音、文本、甚至是圖像，和人工智能系統(tǒng)進(jìn)行互動。與之相比，無論是學(xué)習(xí)駕駛汽車，還是首次使用電腦，對技能的要求都遠(yuǎn)高于此。它給了我們非常重要的啟示：同以往的顛覆性技術(shù)相比，應(yīng)用人工智能的臨界點可能更快到來。

雖然各方的確圍繞人工智能付諸了許多努力，但目前的局面仍然是，大多數(shù)企業(yè)尚未踏上人工智能應(yīng)用之路。而在那些已經(jīng)開始行動的企業(yè)中，半數(shù)依然處于試點或概念驗證階段。那么，干擾他們的因素包括哪些？其中的原因多種多樣，這與企業(yè)引入數(shù)據(jù)分析時的狀況如出一轍。對一些企業(yè)來說，難題涉及招募合適的人才、安排投資優(yōu)先級、以及化解對安全的擔(dān)憂。而另一些需要突破的障礙在于，定義令人信服的商業(yè)模式、獲得足夠強(qiáng)大的領(lǐng)導(dǎo)層支持、以及掌握更多通用技術(shù)能力。

在開發(fā)人工智能應(yīng)用程序時，敏捷的“快速試錯”方法非常重要。就是說，應(yīng)針對每項業(yè)務(wù)問題或機(jī)遇進(jìn)行試點，測試解決方案的可行性，并評估企業(yè)可用的技術(shù)選項。

適當(dāng)?shù)倪\營模式和董事會級別的認(rèn)可，兩者缺一不可。根據(jù)埃森哲的經(jīng)驗，創(chuàng)建一個集中式的“樞紐”或卓越中心，能夠最有效地發(fā)揮領(lǐng)導(dǎo)力并實施治理工作。這一樞紐可以通過一系列“影響力輻射”，擴(kuò)展至企業(yè)的其他部門（營銷、風(fēng)險管理、人力資源，等等）。

這種中心輻射模式可以為企業(yè)的人工智能征程帶來多種非常重要的益處：在選擇所需技術(shù)與工具、以及招聘和人才開發(fā)等方面，能夠形成規(guī)模效益；支持以跨組織的方式，構(gòu)建并維護(hù)必要的數(shù)據(jù)生態(tài)系統(tǒng)；確保標(biāo)準(zhǔn)、定義和方法的一致性，并促進(jìn)在整個組織范圍內(nèi)推廣最佳實踐；提供了一種衡量價值，并合理排列機(jī)會優(yōu)先級的嚴(yán)謹(jǐn)方法；確保在所有人工智能項目中采用最高標(biāo)準(zhǔn)的治理措施。

4、 密切關(guān)注發(fā)展動態(tài)

隨著企業(yè)在人工智能應(yīng)用之路上不斷邁進(jìn)，緊跟最新的創(chuàng)新和應(yīng)用至關(guān)重要。在當(dāng)下快速演進(jìn)的市場環(huán)境中，局勢可能在一夜之間發(fā)生巨變。了解人工智能領(lǐng)軍者和人工智能第一梯隊的動向，并知曉這些行為背后的意義，將始終是商業(yè)智能極為寶貴的來源。 那么，我們有望在未來的道路上看到哪些情形呢？

短期內(nèi)，語音交互仍將是人工智能面向消費者的最主要應(yīng)用形式。亞馬遜Alexa和谷歌Home將繼續(xù)在該領(lǐng)域角逐，力爭成為智能家居的主要掌門人，而蘋果公司的HomePod近期也加入了戰(zhàn)局。此外，圍繞客戶數(shù)據(jù)和客戶關(guān)系，我們很可能看到在平臺提供商和服務(wù)提供商之間，會出現(xiàn)關(guān)于所有權(quán)和訪問權(quán)的爭執(zhí)。

但實際上，在人工智能普遍成為最新用戶界面的趨勢中，語音只是其中的一種溝通方式。也就是說，無論是通過聊天服務(wù)，消息發(fā)送，還是智能家居設(shè)備，人工智能都正在成為客戶互動的首選渠道。其重要性使得企業(yè)必須謹(jǐn)慎思考如何運用人工智能，并使之為自身品牌代言。那些將此視為次要或附加事項的企業(yè)很快就會遭遇失敗。

這種轉(zhuǎn)變的重要啟示之一，就是人工智能團(tuán)隊不能僅由技術(shù)人才組成，必須具備跨學(xué)科的能力。例如，微軟聘請了一支包括作家和心理學(xué)家在內(nèi)的完整團(tuán)隊，為其人工智能操作系統(tǒng)Cortana賦予獨特個性。

 未雨綢繆，預(yù)先考量相關(guān)風(fēng)險

毋庸置疑，人工智能在帶來巨大機(jī)遇和效益的同時，也引發(fā)了相應(yīng)的風(fēng)險。事實上，創(chuàng)新必然會有挑戰(zhàn)。因此，在踏上人工智能征程之前，首先需要對所有可能面臨的風(fēng)險進(jìn)行評估。

那么，風(fēng)險的來源有哪些？我們認(rèn)為，必須預(yù)先考慮四類主要風(fēng)險——分別涉及信任、責(zé)任、安全和控制：

信任。我們怎樣向廣大民眾證明，人工智能的安全性？我們?nèi)绾螐囊婚_始構(gòu)建人工智能的時候，就避免無意或有意混入偏見？答案是堅持透明度和問責(zé)制。所有由人工智能做出的決定必須可以公開申訴和質(zhì)詢。

責(zé)任。當(dāng)人工智能系統(tǒng)出錯、甚至違法時，會造成何種后果？誰將為此承擔(dān)法律責(zé)任？需要實時更新相關(guān)法律和監(jiān)管要求的變化。

安全。我們?nèi)绾畏乐谷斯ぶ悄茉谖唇?jīng)授權(quán)的情況下遭到惡意操控？隨著開源代碼的使用越來越多，安全性挑戰(zhàn)逐步加劇。

控制。由機(jī)器控制流程后會發(fā)生什么？在極端必要情況下，人類如何收回控制權(quán)？對于何時、以及如何在人與人工智能之間進(jìn)行控制交接，需要仔細(xì)加以斟酌。例如，在自動駕駛汽車中保留人類駕駛功能，使之以各種方式控制車輛，這看上去給安全加了砝碼，但由于人類無法每時每刻都全神貫注，因此，一旦出現(xiàn)危急情況，仍無法依靠人類進(jìn)行足夠快速的干預(yù)。

最重要的一點是，當(dāng)企業(yè)開始使用人工智能時，“可解釋性”將確保公眾的信任。換言之，必須做好準(zhǔn)備來說明人工智能如何、以及為何做出一項決定。這是某些受監(jiān)管行業(yè)早已熟悉的情形。例如，若其決策影響到客戶，金融服務(wù)機(jī)構(gòu)有義務(wù)作出解釋。

事實上，這項任務(wù)知易而行難。從本質(zhì)角度出發(fā)，機(jī)器學(xué)習(xí)通常都是一種“暗箱操作”。也就是說，其特定運作方式使得很難清楚解釋，最終的輸出究竟如何生成。不過，許多人工智能業(yè)內(nèi)人士和數(shù)據(jù)科學(xué)家都在思考該問題，并且可能很快就會找到新的方法，對人工智能決策進(jìn)行更充分的科學(xué)解釋。

與此同時，現(xiàn)在每家企業(yè)都可以采取一些實際步驟，使自身人工智能系統(tǒng)更易于解釋：

1、 列表 。考慮在本企業(yè)中，人工智能正在或?qū)⒁贫ǖ臎Q策。哪一項可能需要加以解釋，或者創(chuàng)建出預(yù)期成果？它們是否與就業(yè)、招聘、貸款、教育、醫(yī)療保健、住房、包容性或安全防護(hù)等關(guān)鍵領(lǐng)域有關(guān)——甚至是間接相關(guān)？

2、評估?？紤]所有目前可用以解釋人工智能決策的定量及定性模型。對于模型計劃幫助的人士來說，其目前貢獻(xiàn)力度如何？

3、設(shè)計。重新審視用于人工智能的設(shè)計原則。它們怎樣才能使決策過程更加以人為本、且易于理解？

4、審核。查看數(shù)據(jù)。如何確保人工智能系統(tǒng)正在使用可反映工作環(huán)境不斷變化的數(shù)據(jù)集？

 高瞻遠(yuǎn)矚，廣泛影響不容忽視

沒有人能夠獨善其身，企業(yè)亦然。我們采取的各種行動都可能會超出單一組織的界限。因此，鑒于人工智能的革命性潛力和深遠(yuǎn)的溢出效應(yīng)，使用它所形成的廣泛社會影響不容忽視。

這意味著，必須群策群力來解決一些重要問題。例如，在人工智能驅(qū)動的世界中，我們?nèi)绾未_保人們擁有發(fā)展進(jìn)步所需的技能？人工智能會取代多少現(xiàn)有工作，又將創(chuàng)造出多少個全新崗位？一些人是否需要從工作以外的來源尋求收入和成就感？關(guān)于人工智能所做的決定，需要哪些新的法律框架？當(dāng)人工智能變得比他們的創(chuàng)造者更聰明時，人類是否會面臨生存威脅？

1、 技能問題

在技能方面，各國政府多年來一直在推動科學(xué)、技術(shù)、工程和數(shù)學(xué)（STEM）四類課程的學(xué)習(xí)。這一趨勢必須保持、甚至加快，并在學(xué)校和培訓(xùn)課程中增加新的數(shù)據(jù)和分析法內(nèi)容。這不應(yīng)只針對STEM課程，必須以同等力度強(qiáng)調(diào)數(shù)據(jù)和分析學(xué)對其他學(xué)科的重要性。此外，著力擴(kuò)大學(xué)徒制培訓(xùn)也可為此做出一定貢獻(xiàn)——例如，英國政府就采取了此類舉措。

當(dāng)然，在提升人工智能時代的員工隊伍技能方面，行業(yè)部門也起著至關(guān)重要的作用。雖然這需要相當(dāng)大的投資，但此舉對于企業(yè)而言，不僅能產(chǎn)生經(jīng)濟(jì)激勵（確保人才供應(yīng)），還事關(guān)道德義務(wù)（負(fù)責(zé)任地使用人工智能）。更重要的是，如果與人工智能驅(qū)動下的變革速度相比，我們現(xiàn)有教育和培訓(xùn)機(jī)構(gòu)無法同步邁進(jìn)，那么行業(yè)參與就變得愈發(fā)重要。

一些工作需要運用人類最內(nèi)在的特質(zhì)——創(chuàng)造力、同理心、善良、關(guān)懷，等等，在任何情況下，它們都可能是最后才受到人工智能影響的崗位。人工智能極難復(fù)制人類智慧的這些核心元素。因此，即使人們無法智勝機(jī)器，但許多重要且有意義的職業(yè)道路仍將對其開放。

2、 就業(yè)問題

最終，人工智能帶給就業(yè)的凈影響會是正面、還是負(fù)面？該問題太過龐大，無法在這篇手冊式的指南中解答。不過埃森哲的專家對此普遍持樂觀看法。如果企業(yè)能夠通過負(fù)責(zé)任、以人為本的方式使用人工智能，并且在替換崗位的同時，給與增強(qiáng)人類智能同等關(guān)注，那么我們相信，所有努力必將帶來積極影響。依照這種思路引入人工智能，將使人類員工專注于工作中更具趣味性、挑戰(zhàn)性、創(chuàng)造性、且更多涉及人際關(guān)系的部分——而將單調(diào)、無聊、重復(fù)的部分留給機(jī)器。

很多人對此持樂觀態(tài)度，他們認(rèn)為，從就業(yè)機(jī)會角度看，人工智能的創(chuàng)造力將大于破壞力。這些人士的理論依據(jù)來自以往的技術(shù)革命史，他們發(fā)現(xiàn)，每次技術(shù)革命最后都會促進(jìn)整體就業(yè)的凈增長。誠然，這種增長過程往往會超越一代人——雖然上一輩工作者可能由于引進(jìn)新技術(shù)而被淘汰，但歷史表明，下一代將從中受益。這種論點堅信，從長遠(yuǎn)來看，人工智能同樣會產(chǎn)生積極的凈影響。

不過可以確定的是，并非所有人都如此樂觀。一些人認(rèn)為這次的變革不同以往。他們指出，雖然此前的許多技術(shù)革命都曾推動手工勞動的機(jī)械化，但人工智能卻是觸及到了更為基礎(chǔ)的認(rèn)知過程自動化。因此，機(jī)械自動化只能取代一系列特定任務(wù)（例如，在農(nóng)業(yè)勞作中，拖拉機(jī)取代馬），而認(rèn)知自動化的影響如此廣泛，以至于會令人類喪失核心競爭優(yōu)勢——他們的思考能力。這種觀點認(rèn)為，從長遠(yuǎn)來看，我們應(yīng)該為普遍失業(yè)做好準(zhǔn)備。

鑒于觀點如此多樣，針對就業(yè)問題的解決方案不太可能快速成形。相關(guān)辯論仍將持續(xù)一段時間。與此同時，政府和各行業(yè)都有責(zé)任盡一切努力，確保對人工智能的使用秉承負(fù)責(zé)任、以人為本的方針。

3、 法律問題

毫無疑問，隨著人工智能在商業(yè)、工業(yè)及其他領(lǐng)域的不斷發(fā)展，法律和監(jiān)管框架需要隨之更新。最先著手、也是最緊迫的領(lǐng)域之一，可能就是與自動駕駛汽車有關(guān)的法律。應(yīng)思考的法律范圍包括人身傷害、疏忽過失和侵權(quán)，等等。例如，若一輛自動駕駛汽車在沒有駕駛員的情況下撞車，誰將承擔(dān)責(zé)任？是汽車制造商、軟件提供商，還是車內(nèi)乘用者？

那么，人工智能的設(shè)計工作又會產(chǎn)生何種法律后果呢？當(dāng)一輛自動駕駛汽車面臨極端緊急的情況（比如，在挽救車內(nèi)乘客和前方行人之間做出選擇），人工智能的設(shè)計需要采用明確的思維框架來決定作何選擇。這將涉及某些最困難的法律和道德問題的核心。

維護(hù)競爭秩序的法律也需要調(diào)整。定價算法已被在線零售商廣泛使用，以此實現(xiàn)了更加快速而精準(zhǔn)的價格調(diào)整。據(jù)報道，亞馬遜每小時內(nèi)會多次變更某些商品的價格，這相當(dāng)于每天修訂數(shù)百萬條單價。人工智能在開放市場中作出的任何決定都需要保持透明且有理有據(jù)。

 4、生存問題

沒有人確切知曉人工智能是否會超越人類的一般智力水平——更遑論如果真的如此，將發(fā)生何種狀況。即便那些相信通用人工智能確有可能的專家中，有關(guān)其具體發(fā)生時點的判斷也存在很大分歧。我們有信心斷定，盡管人工智能無疑具備令人驚嘆的潛力，但通用人工智能距離問世還有很長時間。然而這并不意味著，我們現(xiàn)在全然無需考慮其后果和影響。因此，建立由行業(yè)贊助的學(xué)術(shù)機(jī)構(gòu)（如牛津大學(xué)的人類未來研究院），對這一問題進(jìn)行審視分析，將對AI的發(fā)展大有裨益。

智東西認(rèn)為，隨著人工智能技術(shù)爆發(fā)式的發(fā)展， 人工智能創(chuàng)業(yè)公司如雨后春筍般出現(xiàn)，這種趨勢不斷降低著各行各業(yè)的進(jìn)入門檻。一批依托人工智能的新企業(yè)紛紛涌入市場，改變了老牌企業(yè)固有的競爭格局。這些新生力量更加靈活，不受傳統(tǒng)技術(shù)系統(tǒng)、分銷渠道、以及員工團(tuán)隊轉(zhuǎn)型需求的束縛。所以，傳統(tǒng)企業(yè)擁抱AI并積極轉(zhuǎn)型人工智能化已成為大勢所趨。 所以，正如報告中所提，在這波AI浪潮中，為了防止被淘汰，企業(yè)必須做到與時俱進(jìn)，明確自身定位，合理使用AI技術(shù)。

18各行業(yè)，106個中國大數(shù)據(jù)應(yīng)用最佳實踐案例：

（1）《贏在大數(shù)據(jù):中國大數(shù)據(jù)發(fā)展藍(lán)皮書》；
免費試讀：https://item.jd.com/12058569.html

（2）《贏在大數(shù)據(jù):金融/電信/媒體/醫(yī)療/旅游/數(shù)據(jù)市場行業(yè)大數(shù)據(jù)應(yīng)用典型案例》；

免費試讀：https://item.jd.com/12160046.html

（3）《贏在大數(shù)據(jù):營銷/房地產(chǎn)/汽車/交通/體育/環(huán)境行業(yè)大數(shù)據(jù)應(yīng)用典型案例》；

免費試讀：https://item.jd.com/12160064.html

（4）《贏在大數(shù)據(jù):政府/工業(yè)/農(nóng)業(yè)/安全/教育/人才行業(yè)大數(shù)據(jù)應(yīng)用典型案例》。

免費試讀：https://item.jd.com/12058567.html