誰能拿下人工智慧，誰就征服了世界！
誰能拿下人工智慧，誰就征服了世界！
編者按：本文由Atanu Basu和Michael Simmons所寫。前者是一家AI軟體公司的創始人，後者是一名暢銷作家。
在2015年10月14日，特斯拉為Model S推出了半自動駕駛系統。一天之內，車主開始紛紛上傳該系統載著自己兜風的視頻。
當前面的車減速或Model S自動變換車道的時候，你可以看到人們臉上充滿了恐懼。他們已經準備迎接衝擊，開始祈禱。
你可以看出他們想把雙手放在方向盤上，並接管。
但是慢慢的，隨著汽車開得越來越穩，人們終於慢慢地放鬆下來享受體驗。其中一些甚至忘記了，是半自動駕駛系統在開車：在幾個小時前還是不可能的事情。
這個旅程從驚訝，恐懼，到生活一切照舊，我們都將一遍又一遍地經驗，當軟體演算法接管了我們以前認為只有人類才可以做的決定。我們稱之為驚喜恐懼接受曲線（surprise-fear-embrace curve）。
作為公司，企業家和高管如何操縱這個曲線將會對我們事業的成功產生重大影響。
阻止領導者進入興旺的人工智慧世界的障礙
可以說，操縱曲線最大的障礙是學習如何不信任我們的直覺。
想像一下，你花了整個職業生涯學習的技能，然後成為世界級高手。比方說，你能在招聘過程中發現明星員工。
幾十年來，僱傭了數百名員工後，你建立了敏感的直覺。現在，幾分鐘之內你就可以知道，面試者是否適合。
人們都稱讚你這個技能。你也因此出名了，升職了。你的事業都依賴於它。
現在，假設演算法變成了招聘過程的一部分，而它的決策和你的直覺背道而馳。起初，你可能會喊：「這是什麼鬼！」但隨後，隨著招聘結果出來，你會發現通過原來令人費解的演算法做出的決定是正確的。
屆時，這段代碼已經勝過你花了幾十年時間來學習和幾十萬美元的學費。
我們不是在談論假設。這實際上對Xerox（施樂：美國辦公設備製造公司）、沃爾瑪而言，已經成為現實，越來越多的公司也將如此。
Xerox的情況是，其HR演算法了解到，傳統觀念是錯誤的。對在其呼叫中心工作的人員而言，經驗對最終成功的影響非常小，真正重要的是個性。
在過去，我們經常想，「這可以發生在我的領域嗎？」
今天，我們要問，「它會發生在什麼時候？」
毫無疑問，在做很多決定上，演算法比人的直覺更勝一籌。著名研究員Paul Meehl在2003年去世之前不久，總結了對於直覺與演算法決策的研究，他發現，在幾乎所有情況下，演算法的決策表現較好。這裡是Meehl的原話：
當你進行了100多項調查，預測一切，從足球比賽的勝負到肝臟疾病的診斷，其中連幾項研究對人類直覺有利的結果都拿不出手，那就是時候得出一個實用的結論了。
在Superforecasters公司，主要研究者David Ferrucci領導IBM團隊開發Watson，贏得Jeopardy，預測專業知識大師模式的消亡。「我會用我的Niall Ferguson反擊你的Paul Krugman論戰，並用我的Bret Stephens博客反駁你的Tom Friedman專欄。」 這些將變得過時。
他補充說，「我認為人們聽從專家的意見將變得越來越奇怪，只能這些意見是由他們的主觀判斷生成的。人的思維因心理缺陷而困擾，在過去的十幾二十年，已成為廣泛認可的事實。」
那麼，我們應該如何以及何時學會更加信任演算法決策，更少信任直覺？
我們需要正確理解人工智慧
在過去的十年中，我的團隊和我一直在期待人工智慧火起來。 2009年，得克薩斯州的投資使我們的研究商業化。從那時起，我們已經用人工智慧軟體來幫助石油、天然氣、高科技等行業的世界500強企業提高關鍵任務流程了。企業家和作家Michael，曾在福布斯，哈佛商業評論，和時代寫過領導專題。
在我們的經驗相結合的基礎上，大多數企業高管在他們對人工智慧的未來思考，有一定的漏洞。
你可以採取以下這些措施來補救漏洞，並讓自己和你的組織蓬勃發展：
1.問一個簡單的問題，「谷歌會如何做呢？」
如果汽車製造商在十年前問這個問題，他們也不會在今天奮力追趕自動駕駛汽車了。未來的二十年，自動駕駛汽車將重塑他們的整個產業。谷歌會如何開採呢？谷歌會如何種植呢？等等。
2.在現有的數據查找隱藏的見解。
許多關鍵任務的流程生成的隱藏洞察力的數據，可以改變你的業務。
以石油和天然氣作為一個例子。業界資深人士會告訴你，「這是所有關於岩石的資料。」這是事實：關於岩石的信息——地質學，地球物理學，岩石學，等等是非常重要的。
但同樣重要的還有在水力壓裂過程中光纖感測器捕捉到的聲音信息。這些聲音中隱藏的往往是幫助經營者安全和經濟地提取物碳氫化合物的關鍵信息。水力壓裂過程中已經製造這些聲音。收集和分析這些信息是可能的，但許多人甚至從來沒有想到。在其他行業同理。
3.展開你對於數據的定義。
當大多數人聽到「數據」這個詞，他們會想到數字。然而，數據不僅僅是數字。據IBM稱，世界上80％的數據是非結構化的（例如，視頻，圖片，聲音和文字）。
如果沒有數據，就沒有人工智慧。同樣，如果沒有收集數據的感官，就沒有人類的智慧——眼睛，耳朵，皮膚，舌等，只要有一個大腦是不夠的。
通過增加你收集的數據種類，你可以經常放大智力和改造決策。這就像給了某人互聯網，而他以前只能通過書本來學習。
4.探索開源演算法的世界。
演算法在跨越不同的人工智慧學科內迅速提高。由於谷歌，Facebook，微軟，麻省理工學院，斯坦福大學，卡內基·梅隆和其他頂級科技公司和學術機構，在大多數學科里最好的AI演算法可對任何人開放：開源、使用和修改都是免費的。這些演算法都是珍品。
問問你的團隊，為什麼他們是在顧問、解決數據科學問題的打包軟體上花錢，而不是先考慮免費的解決方案。你的工作就是要確保他們有很好的理由。
5.演算法的心思你不要猜。
我們生活在人工智慧擊敗世界頂尖圍棋棋手的世界。要理解這個壯舉，首先要知道圍棋走法的可能性比宇宙中的原子還要多！
演算法可產生可操作的見解，即使它可能還沒有能夠解釋這些觀點背後的原因。一旦AI開始持續產生改善的成果建議，人們應該開始使用這些演算法和調查到底為什麼這些建議能成功。
6.避免落入「演算法不應該這樣做」的陷阱
由於演算法承擔更多的決策，我們對只有人類應該做出的決定更加著急。把我們寧願人為判斷的區域開放給演算法很重要。財富高級編輯Geoff Colvin，在他的文章Humans Are Underrated指出，這些領域包括：法官和陪審團的決定，領導和管理，目標設定。
驚喜恐懼接受曲線
最近一次驚喜恐懼接受曲線的例子是頂級棋手李世石，和谷歌的AI AlphaGo之間歷史性的五場圍棋賽。
在第二場比賽中AI玩家的一個驚人之舉後，一位評論員說李世石「走出去洗臉才能冷靜下來」。他最終輸掉了比賽，他說了一句很能說明問題的話：「昨天，我很驚訝。但今天我很無語。」AI贏了之後，谷歌在其官方博客中寫的也很有意思。AlphaGo已經能夠「就人類不會考慮的走法想到解決方案。」
這對於使用AlphaGo般的技術，找到人類想不到的解決辦法有巨大的潛力。
在我們的日常生活並在企業中，從人類的智慧到機器智能的過渡將是凌亂的。
這將挑戰我們的身份。
這將違背我們已經花了多年培養的專家的直覺。
這本身將要求我們給予信任和控制權，即使我們不明白這些決定。
這將創造更大和更多樣化的機會，比我們今天可以預計的多太多。
這就是為什麼我們把它叫做驚喜恐懼接受曲線，這就是為什麼我們會認為，我們可以學到的最重要的技能之一是如何駕馭它。
※馬賽克已被人工智慧征服，再也遮不住臉了
※遺憾！他們贏了梅西贏了C羅 卻還是沒能征服世界
※感覺金毛的智商征服了全世界，都能自己傍上大款了！
※起來，不願做奴隸的喵星人！你是要征服世界嗎？
※阿爾法狗又勝柯潔，人工智慧是否能征服世界？這5部電影告訴你！
※五位世界級的軍事天才，如果他們不死，誰最有可能征服世界？
※男人想要征服女人，這幾種食物不能少，吃了晚上就停不下來！
※方媛為什麼能征服郭富城？看了下面你就知道了！
※神秘又智慧的「美女」，不僅能征服男人，還能征服女人？
※你女人越貪心，越能激起男人的征服欲！不信你看
※什麼樣的細節，不僅能征服女人，也能征服男人？
※輕易不會跟你睡的3種女人，你征服過嗎？
※女人越貪心，越能激起男人的征服欲！不信你看！
※想要女人被你征服，用這三個「小技巧」就夠了，可惜好多人不知道
※不華麗也能征服你，就是這麼有魅力！
※學會這三個撫摸技巧，才能夠征服女人！
※成吉思汗到死沒能攻下印度，但英國人只用了一招就徹底征服
※女人越貪心，越能激起男人的征服欲！不信你看
※十二星座女到底誰才能征服的了她們？