時下很骨感，但AI的未來依然豐滿

在過去的兩年，AI的的確確在賦能各行各業，但傳說中的大規模替代人力，至少在目前，還沒有看到。

機器人寫稿的背後，還是需要記者、編輯們坐在電腦前「碼字」；機器人客服背後，還是需要坐席來解決複雜的問題；銀行線上的催收機器人背後，還是需要行長們帶著被子去老賴府上軟磨硬泡。

所以，到底是我們高估了AI，還是低估了由人類組成的社會形態。

巨頭的遊戲

一個2~3歲的幼兒，如果通過圖片來辨識貓和狗，他大概需要看20張左右圖片，基本可以掌握貓和狗的區別。如果是AI呢，它需要100萬張貓和狗的圖片，才能分別出兩者。

為何差異如此大？

因為人類，即便是小寶寶，也會分析、總結、分類，他根據20張圖片，大致對貓、狗有個判斷，世界上有一種貓，叫斯芬克斯貓，沒有毛，這個無毛貓的圖片放在小寶寶面前，問「是貓是狗？」，儘管小寶寶沒有見過它的圖片，但他會毫不猶豫的判斷是貓。

而機器對於沒有見過的東西，是沒有判斷的，它甚至不認為這是動物。

這就是人類學習和機器學習的區別。

所以，AI是什麼，AI是靠數據喂出來的，「機器學習的特點在於，見到的東西越多、判斷越準確，場景越多、技術手段越豐富，原來非結構化的數據進行結構化，讓機器去理解和識別，那麼它的人工智慧水平就會更高。」金融壹賬通智能風控總經理、加馬人工智慧研究院首席科學家施奕明對第一財經記者說。

對於機器學習而言，百萬級的數據只能是「呵呵」，真正的訓練是以億級為起點的，正是因為需要大量的、持續的資金投入、大量的場景與數據支撐，所以AI被稱之為是「巨頭的遊戲」。

在過去的幾年中，國內能夠想像到的網路巨頭、金融巨頭，以及想蹭AI熱點的各類公司，都在加大對於AI的開發力度，一時間風光無限。

很多人開始惶恐，是不是自己要被機器所替代了。

這兩年，不少科技公司潛心研究無人駕駛，但當實際上路時，不僅要選擇一處人煙稀少的地帶，且還需要一位司機坐在駕駛位上，將手放在方向盤上方2cm處，以備隨著打方向盤，腳踩剎車，眼看前方，比自己開車還累。

「無人駕駛到現在都沒有上路，因為人們最後發現，如果要模擬一個司機，沒有我們想像中那麼簡單。」微眾銀行首席人工智慧官楊強對第一財經記者說。

曾經有一種智能音箱很是火熱，甚至有人提出，語音是未來的入口，但拿到手的產品卻令人失望，很多場景不能應付，最後淪為播放音樂的工具。

沒用對地方

「有的時候，我們對某一項技術的期待，一不小心就變成了對一個業務場景的期待，但實際上，這是不同的維度，技術可以非常先進，但如果業務場景沒有找好，技術還是不能賦能到場景上面來。」楊強說。

在楊強看來，今天，AI並不是在所有的場景下都可以使用，比如醫療場景、教育場景，因為這些場景有它的特殊性。

即便是在AI賦能比較深入的電話客服領域，當客戶出現棘手的問題而焦躁不安時，一定是希望為自己解決問題的客服是個頭腦靈活、隨叫隨到的人。

在金融場景中同樣如此，全自動的金融服務只有在某個節點上才能做到，在面上還是要不斷的加入一些專家、一些人和一些監管機構的參與，需要人機互動。

「金融的流程並不是我們想像中的那麼簡單，因為這個領域曾經歷過很多次的試錯，人的知識不可或缺，人機互動體現在對整個流程的嚴格監管，也體現在金融知識要傳輸給機器，讓機器學會人的知識。」楊強說。

人機互動，也是近兩年在人工智慧領域提出的新課題，機器不僅要學習人類知識，同時要理解人類知識，理解人類的決策，以及決策背後的邏輯和關鍵因素。

「對於AI，人們最初是以顛覆取代為出發點，但是，現在回過頭來，我們發現這樣一個出發點是錯誤的。」楊強說。

在他看來，AI技術毫無疑問是先進的，但目前的效能之所以發揮得有些令人失望，關鍵在於沒有找到合適的場景。

「2016年的時候，我曾提出過從互聯網 到AI ，之後，我又提出從AI 到 AI，有什麼區別呢，AI 是你先成立一個初創公司然後加上AI的業務，但是， AI是你先有一個業務，在裡面通過AI賦能。」楊強說。

所以，從一開始，AI 們雄心太大，想要取代某個物件、某個行業，或是某個人，現在發現，那是行不通的。

AI的真正定位

那麼，AI的正確打開方式是什麼呢？

「AI是要和行業、場景緊密結合的，」楊強說，「比如，在銀行內部，AI可以將原來繁瑣的流程自動化，提升效率、降低成本。我們有一個專門的領域叫做流程自動化，用AI賦能流程自動化。」

事實上，可以與AI結合的場景千千萬萬，只有少部分被挖掘出來，絕大部分還在沉睡，未來也將有一個新設的工種，叫AI產品經理，主要工作就是為AI找到正確的場景。

「其實，AI不是替代人力，而是釋放人力，讓人力去從事更加複雜的工作。」施奕明說。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！