人工智能应用之道

高管指南人工智能应用之道 目录 前所未遇，通用技术革命厘清概念，何为AI心存犹疑，多轮努力无功而返与时并进，需要采取切实行动未雨绸缪，预先考量相关风险高瞻远瞩，广泛影响不容忽视应用智能，恰逢其时04103444667484 前所未遇，通用技术革命 当人人都在讨论人工智能（AI），他们在讨论什么？从会议室到工厂车间，从呼叫中心到物流车队，从政府到风险投资者，人工智能已然成为最热门的话题。 但除了作为最新的技术流行词汇外，AI是否还意味着更多？当然！事实上，人工智能或许是有史以来最大的一场技术革命。 这篇指南将为您诠释个中缘由。 过去二十多年，企业遭遇了颠覆性冲击。事实如此令人震撼：自2000年以来，数字化颠覆已令半数的《财富》500强企业从榜单除名1。AI将让数字颠覆来得更加强烈。 这是因为，人工智能是一种经济学家所定义的通用技术（general-purpose technology）。而通用技术的影响通常巨大而且深远⸺我们不妨回想电力和内燃机的历史意义。通用技术影响不仅体现为对社会的直接贡献，还会通过溢出效应，激发广泛的互补式创新。正是由于电力的出现，工厂电气化、电信联络、以及随之而来的一切方才成为可能。内燃机则催生出了汽车、飞机、乃至现代化的运输和物流网络。如今，人工智能将以类似的规模影响整个社会。 一系列快速发展的技术趋势正在形成组合效应，得益于此，人工智能已变得更具可行性（参见第39页：“人工智能的发展进化”）。这些趋势不断降低着各行各业的进入门槛。一批依托人工智能的新企业纷纷涌入市场，改变了老牌企业固有的竞争格局。这些新生力量更加灵活，不受传统技术系统、分销渠道、以及员工团队转型需求的束缚。 人工智能是终极的突破性技术⸺ 萨提亚•纳德拉（Satya Nadella），微软公司（Microsoft）首席执行官 前所未遇，通用技术革命 相关私人投资随之出现了激增。2017年前九个月，人工智能风险投资总额达76亿美元2（与之相比，2016年全年方为54亿美元）。人工智能专利的注册量亦攀升至历史最高水平，较2006年扩大四倍3。在美国，人工智能初创企业的数量短短四年内便增长了二十倍之多；截止2018年6月，中国的人工智能初创企业达到了1011家4。 这一切都在进一步加剧快速发展、持续变化的竞争、投资和研究格局。归根结底，人工智能已成为不容忽视的市场因素，每位高管都务必积极应对、密切关注。 到2020年，人工智能市场规模将突破400亿美元5⸺ Constellation Research公司 究竟人工智能是什么？回答这一问题并不像看起来那么简单。事实上，就连统一的“人工智能”定义也尚未出现。这是因为，从本质来看，我们所谈论的人工智能并不真的特指某项技术。 从实际层面出发，人工智能涵盖了一系列不同的技术，通过有效的组合，机器便能够以类似人类的智能水平展开行动。 厘清概念，何为AI 我们并未像许多人那样，不断尝试去明确地描述人工智能，而是倾向于将此类技术视为一套能力框架。毫无疑问，这是了解人工智能、知晓其背后广泛技术的最佳方式。我们的框架以人工智能支持机器实现的主要功能为核心，其中包括： 感知。人工智能使机器可以通过获取并处理图像、声音、语言、文字和其他数据，察觉周围的世界。 理解。人工智能使机器可以通过识别模式来理解所收集到的信息。这类似于人类的信息诠释过程：解读信息的呈现方式及其背景⸺尽管这种方式未必能推导出真正的“含义”。 行动。人工智能使机器可以基于上述理解，在实体或数字世界中采取行动。 学习。人工智能使机器可以从成功或失败的行动中汲取经验教训，不断优化自身性能。 词汇的区别认知计算与人工智能 认知计算（Cognitive Computing）是人工智能业界广泛使用的术语。那么，它具体是何含义，与人工智能又有何不同？然而，正如还没有一个被普遍接受的人工智能定义一样，认知计算对于不同的人士而言，意思也有所差别。从这个角度而言，“认知”一词在很大程度上可以被视为人工智能的感知能力⸺即人工智能感知和理解周边环境的能力。 机器学习的威力 人工智能系统的学习能力至关重要。能够通过分析数据来决定完成任务所需的行动，而非按照明确的指令、以预先定义的方法行事，正是实现系统“智能化”、将人工智能与其他形式的自动化区分开来的关键。 一旦为最出色的人工智能系统设定出自我学习任务，我们就有望目睹非凡成果。谷歌旗下DeepMind公司开发的人工智能AlphaGo，已成为首个在高度复杂的棋类竞技中击败人类专业棋手的计算机程序6。 开发人员向AlphaGo传授比赛规则，然后展示了数千种人类之间的对局，由系统自行辨别制胜策略。其结果是：AlphaGo一举战胜了拥有传奇成就的世界围棋冠军李世石（Lee Sedol）。 但DeepMind并未就此停止其围棋领域的成功步 伐 。 公 司 随 后 开 发 了 更 为 强 大 的 第 二 代 版本⸺AlphaGo Zero7，它可以单纯通过自我对弈来掌握获胜之道⸺完全无需观察人类棋手。不仅如此，AlphaZero作为人工智能更新迭代的最新版本，实现了更为长足的进步。AlphaZero已证明，能够和自己较量来 学习国际象棋，并在短短四个小时内就超越了人类的技能水平。这项壮举真正令人瞩目的是，AlphaZero并非专门为下棋而设计。加拿大阿尔伯塔大学计算机科学教授、国际象棋系统专家乔纳森•谢弗（Jonathan Schaeffer）8认为，这或许便是该系统能够制定出非传统制胜策略的原因。AlphaZero以这种方式彰显出，“窄人工智能（Narrow AI）”又向“通用人工智能（GeneralAI）”迈出了重要一步（有关窄AI和通用AI之间的差异，请参阅第25页）。 这一过程就是我们所说的机器学习。麻省理工学院的埃里克•布莱恩约弗森（Brynjolfsson）和安德鲁•麦卡菲（McAfee）两位教授观察发现9，其如此强大的原因非常简单。一方面，虽然我们人类非常善于从事任意种不同的活动，但我们并不总是明确知晓自身工作是如何完成的。例如我们可能会发现，识别另一个人的容貌很容易，不过我们很难充分了解这项能力的生理机制。因此，将该功能直接通过编码嵌入机器当中会十分困难。 而另一方面，机器学习使得设备可以完全自主地学会做好这项工作。实际上，识别大量数据中存在的模式，恰是机器学习的核心特长之一。 当今，华尔街超过60%的交易均由人工智能执行，很少或根本无需人类的实时监督⸺ 克里斯托弗•斯坦纳（Christopher Steiner），《算法帝国》（Automate This）作者 系列技术 机器学习是人工智能系统的核心。它可以从原始数据中学习，从而赋能于人工智能可见的出色表现，使其变得越来越普遍。无论是进行前瞻判断的预测系统、近乎实时解读语音和文本的自然语言处理系统、以非凡准确度识别视觉内容的机器视觉技术，还是优化搜索和信息检索，都依托于机器学习。 厘清概念，何为AI 相对于其他技术，机器学习的一项关键优势，就是对“脏”数据的容忍度⸺即数据中包含有重复记录、不良解析的字段，或是不完整、不正确、以及过时的信息。此类问题对企业来说关系重大：大多数高管都将非常清楚地认识到，应对脏数据将是他们工作中的一大痛点。 机器学习具备灵活性，可随着时间推移获得全新发现并做出改进，这意味着它能够以更高的准确性处理脏数据，并且由此拥有了极佳的可扩展性。在我们当前所处的数据大爆炸时代，后者正变得越来越重要。 到2020年，超过85%的客户互动都无需再由人工管理10⸺ Gartner公司 机器能够以不同方式学习 机器学习的真正强项之一，便是可以使用不同的学习算法，包括监督学习、无监督学习和强化学习等类型。 监督学习。这种算法使用带有标记的数据集（数据已经过整理和描述），推导出每个标记代表的显著特征，并学习识别新数据中的这些特征。例如，向算法展示大量标记为“猫”的图像，然后它将学习如何识别猫的形象，并在其他任意数量、且完全不同的图片中发现猫。 无监督学习。这种算法使用的数据不需要预先定义标记。它采用不带标签的数据集，查找其中各条目之间的相似与差异，然后自行分类。比如，我们可以向算法展示大量其中包含猫和狗、但未加以标记的图像，而算法会在不知道哪些图像分别含有“猫”或“狗”的情况下，把具有相似特征的图像分类到不同的组当中。 强化学习。这种算法利用反复试错，形成“奖励”和“惩罚”的反馈循环。当算法得到数据集时，它将所处环境视为一场比赛，每次执行动作都会被告知是赢还是输。通过这种方式，它可以创建出一套方案⸺哪些“动作”能够带来成功，而哪些会造成反效果。DeepMind的AlphaGo和AlphaZero（第14页）都极好地展示了强化学习的威力。 小狗，还是面包圈？ 区分动物和食物到底有多困难？有时，这会比想象中吃力得多。互联网上的一大热门动态，就是关于某些宠物和食品之间的神相似。例如上图中蜷缩的小狗和烤好的面包圈。对于人类而言，要想在一瞥之下做出准确判断远比想象的要困难。但人工智能可以轻松完成这一工作。只需通过图像识别应用编程接口（API）传递图片，人工智能可以惊人的准确度区分食物与宠物11。 人造大脑 那么，机器学习如何实际运作？最近许多非凡进步的背后，是一种受动物大脑机能启发、非常先进而精巧的计算系统形式在起作用。这些系统被称为神经网络（Neural Networks），它们支撑着当今最前沿的人工智能研究。 神经网络由一系列相互联系的“节点”组成，模仿了生物大脑中的神经元网络。每个节点在接收输入信息后，内部状态会出现改变，并相应地产生输出。接下来，该输出又形成其他节点的输入，依次传导。这种复杂运作能够支持一种非常强大的计算形式⸺深度学习（Deep Learning）。 深度学习通过多层处理来了解数据集中数据的重要特征。例如，它可用于图像和语音识别。使用神经网络，每个层级的输出为下一个层级提供了输入，其中每个层级都在不同的提取级别上运作。通过这种方式，深度学习系统可以比其他方法处理更庞大的数据集。 面部识别 深度学习神经网络使用逐级复杂的规则，对容貌等精细的形状加以分类12 第1层： 计算机识别明亮和黑暗的像素； 第2层： 计算机学会识别边缘和简单形状； 第3层： 计算机学会识别更复杂的形状和物体； 第4层： 计算机学习哪些形状和对象可用于定义人脸。 我们正在谈论何种智能？ 当数据科学家和其他人士讨论人工智能时，他们通常使用两个对比类别来阐明其含义：窄人工智能与通用人工智能，以及弱人工智能与强人工智能。 |ARTIFICIAL INTELLIGENCE24|人工智能24 厘清概念，何为AI 弱人工智能（WEAK AI） 强人工智能（STRONG AI） 是指具有“模拟”思维的系统，也就是说，虽然看上去能够明智行动，但其实对于正在从事的工作，却并不拥有任何意识。例如，聊天机器人似乎可以保持自然的对话，但它其实不知道自己是谁，或为什么与对方交谈。 是指具备“真实”思维的系统⸺即运用有意识、主观性的头脑，像人类一样思考，进而展开睿智的行动。譬如当两个人谈话时，他们很可能确切地知晓对方是谁、自己在做什么、以及为何如此。 窄人工智能（NARROW AI） 通用人工智能（GENERAL AI） 是指仅针对单个或特定数量任务的人工智能。例如，1997年击败国际象棋世界冠军加里•卡斯帕罗夫（GaryKasparov）的计算机“深蓝”，其功能仅限于下棋。它无法在简单的井字格游戏里获胜⸺甚至不知晓基本规则。 这类人工智能可用于在各种环境中执行广泛的任务。因此，它更接近于人类智慧。谷歌DeepMind使用强化学习技术开发了一款人工智能，使之学会参与诸多需要不同技能的竞赛。该人工智能系统在29款经典的雅达利（Atari）电子游戏中，仅使用屏幕上的像素作为数据输入，便取得了与人类相当的成绩13。 超级智能 “超级智能（su