《給你一門人工智慧入門生意經》：機器所知勝於其所能言傳

《哈佛商業評論》增刊，9篇人工智慧相關的文章的合集。

總體評價3星，有參考價值。

以下是書中一些內容的摘抄，#號後面是kindle電子版中的頁碼：

1：實際上，目前AI最大的進步出現在以下兩大領域：感知和認知。前一類別中出現的一些重大實踐進展與說話有關。#20

2：第二類重大突破是認知和問題解決能力的提升。機器已經打敗了最優秀的人類撲克牌和圍棋選手；谷歌的DeepMind團隊利用ML系統，在人類專家對系統的優化基礎之上，將數據中心的冷卻效率進一步提高15%以上；#23

3：大體上講，AI可以支持三個重要的商業需求：業務流程自動化、數據分析洞見，以及與客戶和員工的交流。#52

4：我們研究的152個項目里，最常見的類型是運用機器人流程自動化（robotic process automation，簡稱RPA）技術，實現網路及現實任務（通常是行政事務和財務方面）自動化。#55

5：這類機器學習程序用於以下幾個方面：?預測某位特定客戶可能會購買什麼；?實時識別信用欺詐和保險索賠欺詐；?分析質保期，發現手機等製成品的安全或質量問題；?針對目標群體自動生成個性化廣告；?為保險機構提供更為準確細緻的精算建模。#72

6：機器學習提供的認知洞見與傳統分析結果的不同之處，通常有以下三個方面：數據密集程度更高、更詳細，模型更具針對性，而且模型根據新數據進行預測或分類的能力會逐漸提升。#77

7：認知洞見應用多用於提升機器的工作表現，如廣告購買計劃（programmatic ad buying），涉及人類力所不能及的高速數據分析和自動化，因此通常不會令人類失業。#86

8：Facebook發現網站的聊天機器人Messenger在沒有人工參與的情況下難以回答70%的用戶提問，於是Facebook和其他幾家公司將用戶與聊天機器人交流的話題和種類限制在一定的範圍內。#101

9：我們的研究表明，認知交互應用目前不會讓客服和銷售人員有失業之虞。我們研究的大部分項目，目標都不是裁員，而是在不增加員工數量的情況下滿足日益增長的員工及客戶交流需求。#103

10：基於規則的專家系統和機器人流程自動化，運作方式都是透明的，但都無法學習和自我升級。而深度學習善於從大量的有標記數據（labeled data）中學習，但我們幾乎不可能理解它建立模型的方式。#113

11：在我們的調查中，只有22%的管理者認為削減人手是AI帶來的一項主要好處。#215

12：斯坦福計算機科學家劉哲明（James Landay）及同事發現，語音識別現在比手機打字平均大約快3倍。誤差率也從之前的8.5%下降到4.9%。令人震驚的是，這一顯著改進在過去10年中都沒有出現，僅僅在2016年夏才有突破。#272

13：第二大振奮人心的消息是，如今我們可以根據需要，購買或租賃AI必需的演算法和硬體。谷歌、亞馬遜、微軟、賽富時（Salesforce）等公司通過雲端搭建強大的ML基礎架構。#359

14：最後一條好消息可能得到的重視程度最低，即你也許不需要太多數據，就可以有效利用ML。#362

15：雖然我們已經開始克服波拉尼悖論，但如今我們面臨與之恰恰相反的悖論：機器所知勝於其所能言傳。#393

16：三大風險接踵而來。首先，機器可能抱有隱性偏見；其偏見並非設計者有意為之，但用於培訓系統的數據為偏見提供了溫床。#394

17：第三，ML系統難免會犯錯，但我們很難發現出錯的地方並做出精確調整。#400

18：斯坦福大學選擇了美國200個人口最密集的城市，使用深度學習技術，在5000萬張谷歌街景圖片中識別和判斷汽車（模型含1990年後生產的2657種汽車），統計出汽車型號與GDP、平均收入、社會經濟指標的相關性。通過這樣的方法甚至成功預測出2008年美國大選結果。#449

19：IBM Watson使用人工智慧技術來檢測數萬個基因與ALS的關聯性，新發現了5個與ALS相關的基因，推進了人類對漸凍人症的研究進展（此前人類只發現了3個與ALS相關基因）。#462

20：越來越多熱衷分析的公司看到，帕累托法則的比例由80/20變成10/90、5/50、2/30，乃至1/25。根據數據被掰開揉碎分析解讀的程度，甚至會出現1/50、5/75和10/150這樣的比例。#569

21：極值分布超越並主宰了行業。例如，10%的飲酒者貢獻了一半以上的烈酒銷量。還有更極端的情況，不到0.25%的手遊玩家貢獻了遊戲內購收入的一半。#572

22：我們很清楚若想取得成功需要具備四大要素，那就是：重大問題或痛點的解決方案，以及快速增長的市場潛力；競爭中出奇制勝的差異化技術；執行能力異常出色的團隊；闡明風險項目戰略和價值的價值定位和商業企劃。#642

23：如果用「端-網-雲」的層次結構來看，大多數智能產品還僅僅停留在「端」的層面——只是預裝了交互模塊，能夠實現基本的互動功能。很少有產品能夠走到「網」的結構層面，進行數據的疊加、共享和協調。而有能力在「雲」中進行演算法迭代和系統優化的，就更是鳳毛麟角了。#798

24：這意味著在智能商業時代，企業優勢是有流動性的：它可以從一個環節傳遞到另一個環節，通過不斷傳遞，形成鞏固和擴大優勢的良性循環。這個過程中涉及四個具體的步驟——場景數據化、數據網路化、網路智能化和智能平台化。#838

25：回應型零售（Responsive retail）已經發展到了頂峰，我們即將進入預測型商業（Predictive commerce）時代。對於零售商來說，是時候在人們產生需求的確切瞬間，幫助他們找到相應的產品——甚至是在他們形成這種意識之前——無論消費者是否登錄了購物網站，是否準備好點擊屏幕上的購買按鈕。#891

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！