認知人工智慧
《哈佛商業評論》2017年10月刊紙質版、iPhone 版、iPad版和Kindle版現已上市，多平台滿足你的各種閱讀需求。本月卷首語及精選搶鮮看！
【致讀者-管理者如何乘風人工智慧】
金秋10月，天高雲淡，清風送爽，令人心曠神怡。
在清爽的日子裡，商業世界裡卻有一領域炙手可熱，那就是人工智慧（AI）。短短几年，AI已經從實驗室研究階段快速進入企業和個人應用階段，而商業世界關注的焦點技術，也從大數據、雲計算等轉到了AI。
過去200多年，是人類社會快速發展的時期，最主要的推動力是諸如蒸汽技術、電力、內燃機、計算機、互聯網等通用技術。時至今日，能與上述技術媲美的就是AI，特別是機器學習（ML）。本期「大思路」的6篇文章聚焦的就是AI。
......
【大思路-認知人工智慧】
人工智慧概覽
250多年以來，驅動經濟增長的根本動力是技術創新，其中最重要的創新即經濟學家所謂的通用技術，包括蒸汽機、電力和內燃機等。在這些技術之後，補充性創新和機會大量湧現。舉例來說，內燃機問世後，汽車、卡車、飛機、鏈鋸、剪草機，以及大型零售商、購物中心、交叉配貨倉庫、新供應鏈，甚至包括郊區的概念都相繼出現。沃爾瑪、UPS和優步等多元化公司利用該技術，創建新的商業盈利模式。
我們這個時代最重要的通用技術是人工智慧，特別是機器學習技術（ML）——機器不需要人類對所擔負任務作出明確指令，有能力自主提升表現。過去幾年中，機器學習的效率和普及程度顯著提高。我們現在可以開發能夠自主完成任務的系統了。
......
引發機器學習大爆炸的導火索
早在20世紀50年代，機器學習系統就誕生了，但問題是：為什麼我們現在才突然看到AI在眾多領域的突破性發展？以下三個因素可說明癥結所在：數據大量增加；演算法進步顯著；計算機硬體性能得到巨大提升。在過去20年中，應用軟體中的數據可用性增長1000倍，關鍵演算法改進10到100倍，硬體速度至少提高100倍。麻省理工學院的托馬索·波吉奧（Tomaso Poggio）稱，正是因為以上所有進步，應用軟體才有了質的提升，比如自動駕駛汽車的行人檢測視覺系統。
現在我們來逐一了解這三大因素。數據。音樂CD、電影DVD和網頁這幾十年來豐富了全球數字編碼信息，而過去幾年裡信息出現爆炸式增長。現在，我們接收的信號來自智能手機和工業設備的感測器、數字照片和視頻、源源不斷的社交媒體信息流和其他很多應用軟體，數據的豐富程度前所未有。現在，世界上90%的數字數據都是過去兩年中湧現的。如今，物聯網的發展勢如破竹，數十億新裝置及其數據流將實現連接，所以，在接下來的10年中，我們勢必將處理更多數字數據。
......
走進Facebook人工智慧研究實驗室
我們走進Facebook寬敞的20號樓，便看到雷文斯伍德泥沼的全貌。穿過大廳，還可以隱隱聞到廚房傳來熱騰騰早餐、奶昔和醇厚咖啡的香氣。會議室Lollapalooza就在大廳和廚房之間，華金·坎德拉（Joaquin Candela）正試圖在這小房間中向我這個外行人解釋人工智慧。
坎德拉有些謝頂，矮小壯實，默默思考著。他負責管理Facebook最重要的AI部門——應用機器學習（AML），其團隊正逐漸成為整家公司最核心部分。他組織了一下語言，終於開口：
「機器學習演算法實際上就是一張查找表，對吧？圖像這樣的輸入信息是關鍵，而價值就在這類信息的標籤中，比如『馬』。我會有大量訓練實例，比如馬的圖片。我儘可能給演算法最多信息。『這張圖是馬。這張圖是馬。這張圖不是馬。這張圖不是馬。』
......
AI可能是令人頭疼的隊友
人工智慧可能會做出更好更快，甚至比人類更明智地決策。面對諸如「應該走哪條路回家」或「如何組織分銷鏈」的選擇時，AI的優越性盡顯。但在攸關生死的情況下，AI能表現得更好嗎？
我是研究科技的社會心理學家，上大學時曾在一家地球物理測量公司實習。我們在加拿大北部冰封的森林中尋找天然氣。多數天然氣田都很偏遠，而且那裡天氣酷寒。很多地方只有乘坐直升機才能到達。
......
AI如何融入數據科學團隊
了解商業、產品數據科學和研發能力——這三件數據科學家做的事，會讓你受益匪淺。
埃里克·布林約爾松和安德魯·麥卡菲在大思路中指出，AI和機器學習（ML）將很快成為重要性不亞於電力和內燃機的通用技術。兩者代表我們技術能力的里程碑式轉折，將帶動下一波經濟增長。
但我們如何應用AI和機器學習呢？組織中哪些部門適合發展這些新能力？公司該如何利用AI和機器學習？
為了解到切實可靠的說法，《哈佛商業評論》英文版高級編輯沃爾特·弗里克（Walter Frick）採訪了機器智能研究公司Fast Forward 實驗室的創始人希拉里·梅森（Hilary Mason）。以下為兩人對話節選。
......
為何AI還不能寫這篇文章
羅傑·尚克（Roger Schank）原是一名教授，現從事研究工作。他對人工智慧有獨到理解：計算機應該能看懂《西區故事》並識別出《羅密歐與朱麗葉》的故事情節。尚克及其學生認為，故事是衡量智力、推理能力、理解力的關鍵。按照尚克的標準，今天的AI根本就沒有智能。
本周早些時候HBR網站發布的AI文章恰恰就說明了現在計算機還不能做的事情（頗具諷刺意味）。文章的兩位作者根據數十年的行業經驗，構想主題、收集證據、撰寫文字。三位編輯協助整理近5000字的文章後終於定稿。
軟體還不能寫這篇文章，這件事本身對AI的發展影響不大（即便有證據證明AI不是革命性技術，AI的開發也不會戛然而止），但可以讓我們藉此了解到機器學習技術的應用原理、本質、當前的不足，以及未來成為寫作工具，甚至作家的提升路徑。
......
【特寫】
幸福陷阱：我們為何在工作中消耗自己
人生苦短，不能浪費在不開心的工作上。然而，許多專業人員明明可以自由發展事業，卻總是不開心。他們無法專註工作，又感到不滿足，非常痛苦。比如找我做諮詢的客戶莎倫，她是某全球能源公司副總裁，聰明勤奮，按部就班地快速晉陞。她收入豐厚，跟自己愛的人結了婚，也把孩子照顧得很好。她擁有自己認為想要的一切，卻還是不開心。家裡的氣氛變得緊張，工作也不再帶給她滿足感。她對辦公室政治感到厭倦，看透了公司在某季度出問題時用於補救的沒完沒了的改變。被迫長時間加班讓她憤恨不已，晉陞和獎金也不再令人激動，但她依舊努力工作，因為努力已經成了習慣。
莎倫開始遷怒他人。她覺得高管團隊的工作脫離實際，向朋友和同事抱怨管理層的錯誤決定、公司的戰略和她認為是高管層缺乏遠見的事情。彷彿團隊里每個人都在偷懶。
......
網路巨頭的實驗課
2012年，微軟Bing的一名員工想到一個改進搜索引擎展示廣告標題的方法。這在技術上並不難，一名工程師幾天就可以完成。但同時提出的還有幾百個創意，因此，項目管理者並未優先考慮這個改進方案。半年多後，一位工程師看到寫代碼不太費事，於是發起了一項簡單的線上A/B測試，檢驗這個方案的效果。僅僅幾小時後，新方案產生了高得不正常的收入，觸發了「好過頭」警報。通常，這種警報說明可能存在漏洞，但這次不是這樣。分析顯示，改進方案帶來的收入提升高達12%，相當於美國市場每年增加1億美元收入，而且對用戶體驗核心指標沒有影響。這是Bing歷史上最賺錢的創意，但直到測試前，它的價值都被低估了。
夠丟人的吧！這個例子顯示了評估創新方案的潛力是一項多麼困難的工作。同樣重要的是，它也顯示出低成本同時進行多項實驗的能力所帶來的益處——更多企業已開始認識到這一點。
......
管理樞紐經濟
全球經濟正在向幾個超級數字巨頭聚攏。事實證明，贏者通吃的時代已經到來，包括阿里巴巴、Alphabet（谷歌）、亞馬遜、蘋果、百度、臉書、微軟與騰訊在內的幾家「樞紐企業」（hub firms）已成為全球經濟中心。它們在為用戶創造價值的同時，也獲得了巨大的價值份額，並且在持續擴張。這就是共同經濟（collective economy）的未來：本應用於讓商業更加民主化的技術，正在不斷強化壟斷性競爭。
除在各自領域稱霸，樞紐企業還創造並控制著經濟領域的關鍵性網路結點。谷歌的安卓系統等技術控制了移動端入口，形成了「競爭瓶頸」（competitive neck），其他產品及服務提供商如果想接觸到數十億移動用戶，必須經過這些入口。谷歌除了能向商家收費，還可以對信息流和數據搜集施加影響。亞馬遜和阿里巴巴情況類似，大量用戶、零售商和製造商聚集在兩家平台上。騰訊的微信彙集了10億全球用戶，成為眾多關鍵服務的入口，包括網上銀行、娛樂、交通等。網路中的用戶越多，對服務和產品提供商來說，平台吸引力越大，最後不得不加入其中。超級數字巨頭通過不斷提高規模效益（returns to scale），並控制關鍵的競爭瓶頸日益壯大，得到超額價值，打破全球競爭均勢。
......
【自管理】
高管跳槽誤區
美國勞工統計局數據顯示，「嬰兒潮」一代一生平均換10次工作。無論國家的經濟狀況如何，自20世紀90年代開始普及的自由職業理念仍有現實意義，敦促我們更主動地掌控自己的職業生活。組織層級像積木一樣花樣翻新，CEO早已不是終極職位。如我們採訪的一位金融界人士所言：「已經沒有最終目標了，職業生涯是一個不斷發展的過程。」
工作變動難以避免，但這往往是一件困難的事情，它會影響人們的情緒，並常常導致短期和長期表現明顯下滑。例如，在此前的研究中我們發現，明星證券分析師跳槽到其他投資銀行後業績下滑，影響可能長達5年。無論是橄欖球運動員轉會，還是企業管理者跳槽，換工作的人都面臨相似挑戰。問題不僅在於學習曲線。無論何種類型的工作變動，都包含顯著的內外部挑戰和交易成本：家庭和社交生活動蕩；潛在的搬家成本；適應新的文化和人際交往規範；逐步了解工作要求和標準；學習新的準則、技能和行話。
......
※工作和生活衝突時，這5個原則一定要記住
※別再幻想完美工作了，讓自己變得足夠好才最實在
※傳統皮草革新插上新智媒翅膀
※80％的大數據項目都沒用在優化業務上，怎麼做才能成為那20％？
※最奢侈別緻的家居品牌是如何打造出來的？
TAG:哈佛商業評論 |