如果你是商界英才(而不是數(shù)據(jù)科學(xué)家或者機(jī)器學(xué)習(xí)專家)衫生，你也許對主流媒體宣傳的人工智能(artificial
intelligence召耘，AI)已經(jīng)耳熟能詳了湿滓。你在《經(jīng)濟(jì)學(xué)人》和《名利場》雜志上讀過相關(guān)文章消请，你看到過特斯拉自動駕駛的煽情文章杂腰，聽到過史蒂芬?
霍金講述人工智能威脅人類的聳人聽聞复亏，甚至迪爾伯特關(guān)于人工智能和人類智能的玩笑你都知道趾娃。
此時，胸懷大志要把自己的生意做大做強(qiáng)的你缔御，面對媒體關(guān)于人工智能的碎碎念抬闷，可能萌生了兩個疑問：
第一，人工智能的商業(yè)潛力是真是假?
第二耕突，這玩意怎么用到我的生意上?
對第一個問題笤成，答案是： 千真萬確 。今天的商業(yè)活動眷茁，可以開始應(yīng)用人工智能來將要求人類智能的活動替換為自動處理以降低成本炕泳。人工智能可以允許你將一個需要人海戰(zhàn)術(shù)的工作通量增加100倍而成本減少90%。
第二個問題的答案要長一些上祈。首先得消除主流媒體鼓吹導(dǎo)致的誤解培遵。一旦誤解消除浙芙，我們才能為你介紹如何應(yīng)用人工智能到自己的生意中去。
誤解一：人工智能是魔術(shù)
多數(shù)主流媒體將人工智能描述為神奇而神秘的籽腕。我們只需為大魔術(shù)師般的公司嗡呼，Google，F(xiàn)acebook节仿，Apple晤锥，Amazon和Microsoft等鼓掌歡呼即可。這樣的描述只是在幫倒忙廊宪。如果我們想要人工智能應(yīng)用到商業(yè)活動中，至少需要讓公司的執(zhí)行官們理解它女轿。人工智能不是魔術(shù)箭启。人工智能是數(shù)據(jù)、數(shù)學(xué)蛉迹、模式和迭代傅寡。如果我們想要人工智能應(yīng)用到商業(yè)活動中，我們必須更加透明北救，并解釋清楚人工智能的3個互相連鎖的關(guān)鍵概念荐操。
①訓(xùn)練數(shù)據(jù)(TrainingData，TD)：
訓(xùn)練數(shù)據(jù)是機(jī)器可以用來學(xué)習(xí)的起始數(shù)據(jù)集珍策。訓(xùn)練數(shù)據(jù)有輸入值和自帶答案的輸出值托启，這樣機(jī)器學(xué)習(xí)模型可以從答案中尋找模式。比如攘宙，輸入可以是客服單屯耸，帶有客戶和公司的客服代表之間的電子郵件。輸出可以是基于公司某個分類定義的從1到5的分類標(biāo)簽蹭劈。
②機(jī)器學(xué)習(xí)(MachineLearning疗绣，ML)：
機(jī)器學(xué)習(xí)是軟件從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到某種模式，并把它應(yīng)用到新的輸入數(shù)據(jù)中铺韧。比如多矮，一個新的客服單，帶有某位客戶和某位公司客服代表的郵件來了哈打，機(jī)器學(xué)習(xí)模型可以預(yù)測出一個分類塔逃，告訴你它對該分類的把握有多大。
機(jī)器學(xué)習(xí)的關(guān)鍵特征是前酿，它不是通過固定的規(guī)則來學(xué)習(xí)患雏。因此，當(dāng)它消化新的數(shù)據(jù)后罢维，它會調(diào)整其規(guī)則淹仑。
③人機(jī)回圈(Human-in-the-Loop丙挽，HITL)：
人機(jī)回圈是人工智能的第三個核心成分。我們不能指望機(jī)器學(xué)習(xí)萬無一失匀借。一個好的機(jī)器學(xué)習(xí)模型大概只有70%的準(zhǔn)確性颜阐。因此你需要一個人機(jī)回圈流程，當(dāng)模型的可信度低時吓肋，還可以依靠人凳怨。因此，別被人工智能的神話愚弄了∈枪恚現(xiàn)在肤舞，有了人工智能的公式，在此基礎(chǔ)上均蜜，你可以對人工智能有一個基本的理解了李剖。AI = TD + ML + HITL
誤解2：人工智能是給科技精英用的
媒體報(bào)道似乎暗示，人工智能只是科技精英的菜——只有像Amazon囤耳，Apple篙顺，F(xiàn)acebook，Google充择，IBM德玫，Microsoft，Salesforce椎麦，Tesla宰僧，Uber這些公司能斥上億美金巨資組建龐大的機(jī)器學(xué)習(xí)專家團(tuán)隊(duì)。這個概念是錯的铃剔。今天撒桨，十萬美元即可在商業(yè)過程中開始應(yīng)用人工智能。因此键兜，如果你的公司是全美營業(yè)額在5千萬美元以上的26凤类，000家公司之一，你就可以投入營業(yè)額的0.2%普气，來啟動人工智能谜疤。因此，人工智能不只屬于高科技公司现诀。它屬于任何行業(yè)夷磕。
誤解3：人工智能只解決億萬美元級的大問題
主流媒體敘說的故事，通常是未來式的例子仔沿，比如無人駕駛汽車坐桩，無人機(jī)投遞包裹。Google封锉，Tesla和Uber這些公司投入了數(shù)億美元爭奪無人駕駛汽車領(lǐng)域的領(lǐng)先地位绵跷，因?yàn)椤摆A者通吃”的想法在作怪膘螟。這樣的故事給人工智能打上了“花費(fèi)億萬美元開拓創(chuàng)新領(lǐng)域”的烙印。但事實(shí)并非如此碾局。人工智能也可以用幾百萬美元來解決現(xiàn)有問題荆残。
讓我解釋一下，任何生意的一個核心任務(wù)都是了解客戶净当。這在最早的市場——古希臘的阿格拉如此内斯，在古羅馬的競技場里面對面做買賣時如此，在網(wǎng)購盛行的今天也如此像啼。許多公司坐擁非結(jié)構(gòu)化的客戶數(shù)據(jù)寶庫俘闯，有電子郵件，也有Twitter評論忽冻。人工智能可以用于解決客服單分類或者理解推文情感這樣的難題备徐。因此人工智能不止是為了解決如無人駕駛汽車這樣的億萬美元級“讓人興奮”的新問題，它也可以解決百萬美元級的現(xiàn)有“無聊”問題甚颂，如通過客服單分類或者社交媒體情感分析來了解你的客戶。
誤解4：算法比數(shù)據(jù)更重要
主流媒體對人工智能的報(bào)道偏重于關(guān)注機(jī)器學(xué)習(xí)算法秀菱，將其視為最重要的部分振诬。主流媒體似乎把算法與人腦等同了。他們隱約傳達(dá)著這樣一個信息：復(fù)雜的算法最終會超越人類的大腦并創(chuàng)造奇跡衍菱。媒體拿機(jī)器在國際象棋和圍棋比賽里擊敗人類的故事作為例子赶么。而且他們主要關(guān)注“深度神經(jīng)網(wǎng)絡(luò)”和“深度學(xué)習(xí)”，以及機(jī)器是如何做出決策脊串。
這種報(bào)道給人的印象是辫呻，一個公司要想應(yīng)用人工智能就需要聘請機(jī)器學(xué)習(xí)專家來建立完美的算法。但如果一個企業(yè)沒有思考如何獲得高質(zhì)量的算法琼锋，即使機(jī)器學(xué)習(xí)模型經(jīng)過大量的特定訓(xùn)練數(shù)據(jù)學(xué)習(xí)之后放闺，仍然會產(chǎn)生一個與期望(“我們有一個偉大的算法”)不匹配的結(jié)果(“我們的模型的準(zhǔn)確率只有60%”)。
現(xiàn)如今缕坎，沒有計(jì)劃或訓(xùn)練數(shù)據(jù)的預(yù)算就從微軟怖侦，亞馬遜和谷歌購買商業(yè)機(jī)器學(xué)習(xí)的服務(wù)，就像買一輛無法接近加油站的車谜叹，只是買了一塊昂貴的金屬匾寝。汽車和汽油的類比有些不貼切，因?yàn)槿绻憬o機(jī)器學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)越多荷腊，機(jī)器學(xué)習(xí)模型就會越準(zhǔn)確艳悔。這就像不斷給汽車加油，汽車的燃料利用率會不斷提高女仰。訓(xùn)練數(shù)據(jù)對于機(jī)器學(xué)習(xí)模型的重要性比汽油對汽車的重要性更高猜年。
所以 關(guān)鍵就是訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量至少是和算法一樣重要的 抡锈，要確保你部署人工智能的計(jì)劃和預(yù)算反映這一點(diǎn)。
誤解5：機(jī)器>人類
在過去的30年里码倦，無論是施瓦辛格在《終結(jié)者》里扮演的電子人殺手企孩，還是艾麗西亞·維坎德在《機(jī)械姬》里扮演的智能機(jī)器人伊娃，媒體一直喜歡把人工智能描繪成比人類更強(qiáng)大的機(jī)器袁稽。媒體想編寫一個機(jī)器對戰(zhàn)人類誰會成為贏家的故事勿璃，這是可以理解的。但卻歪曲了事實(shí)推汽。
例如补疑，最近谷歌DeepMind 的Alphago戰(zhàn)勝韓國棋手李世石的報(bào)道被簡單地描述成機(jī)器戰(zhàn)勝人類。這樣的表達(dá)不是對真實(shí)情況的準(zhǔn)確描述歹撒。更準(zhǔn)確的描述是機(jī)器加上一群人打敗了一個人莲组。
消除這種誤解的主要理由是機(jī)器和人的技能是互補(bǔ)的。從上面的圖中我們可以看出機(jī)器在處理結(jié)構(gòu)化計(jì)算方面有優(yōu)勢暖夭。機(jī)器擅長“找到特征向量”的任務(wù)锹杈，不太擅長“找到豹紋裙”任務(wù)。人類在識別意義和背景上具有得天獨(dú)厚的優(yōu)勢迈着。人類很容易“找到豹紋裙”竭望，但在“找到特征向量”方面跟機(jī)器相比不具有優(yōu)勢。
因此裕菠，正確的框架是要意識到在商業(yè)情景下機(jī)器和人是互補(bǔ)的咬清。 人工智能是人和機(jī)器共同工作。
錯誤6：人工智能是機(jī)器取代人類
主流媒體為了關(guān)注度喜歡描繪一個反烏托邦式的未來奴潘，這種情況可能會發(fā)生旧烧，但這種描述對正確理解人和機(jī)器如何共同工作產(chǎn)生了不利的影響。
例如画髓，讓我們再思索下分類支持票據(jù)的業(yè)務(wù)流程【蚣簦現(xiàn)如今大多數(shù)企業(yè)都還是百分百人工操作的。結(jié)果就是不僅進(jìn)度緩慢而且成本線性增長雀扶，限制了工作量≌刃。現(xiàn)在想象一下用模型分類10，000張支持票的準(zhǔn)確度是70%愚墓。30%的錯誤是不能接受的予权，就需要人機(jī)回圈的參與。你可以設(shè)置可接受的置信閾值為95%并且只接受模型在置信水平不低于95%時的輸出浪册。所以最初的機(jī)器學(xué)習(xí)模型可能只做了一小部分的工作扫腺，比如說5-10%。但是村象，隨著新的人為標(biāo)記的數(shù)據(jù)被創(chuàng)建笆环，并且將其反饋到機(jī)器學(xué)習(xí)模型中攒至，模型會不斷學(xué)習(xí)并提高。隨著時間的推移躁劣，該模型可以處理越來越多的客戶支持票據(jù)分類工作迫吐，分類票據(jù)的業(yè)務(wù)量可以顯著提高。
因此账忘，人和機(jī)器共同協(xié)作可以增加業(yè)務(wù)量志膀，保持質(zhì)量，減少重要的業(yè)務(wù)流程的單位成本鳖擒。這就消除了人工智能是機(jī)器代替人類的誤解溉浙。事實(shí)是，人工智能是關(guān)于機(jī)器增強(qiáng)人類的能力蒋荚。
錯誤7：人工智能=機(jī)器學(xué)習(xí)
主流媒體帶給人們的最后一條根深蒂固的誤解就是人工智能和機(jī)器學(xué)習(xí)是等同的戳稽。這個誤解就導(dǎo)致了不切實(shí)際的管理期望—從微軟，亞馬遜或谷歌公司購買商業(yè)機(jī)器學(xué)習(xí)的服務(wù)就能神奇地將人工智能運(yùn)用到生產(chǎn)中期升。
而除了機(jī)器學(xué)習(xí)之外還需要訓(xùn)練數(shù)據(jù)和人機(jī)回圈才有可能找到可行的人工智能解決方案惊奇。
沒有訓(xùn)練數(shù)據(jù)的機(jī)器學(xué)習(xí)就像一輛沒有汽油的汽車。既昂貴又無用播赁。
沒有人機(jī)回圈的機(jī)器學(xué)習(xí)是不會有好的產(chǎn)出的赊时。機(jī)器學(xué)習(xí)模型需要人的參與來去除低的置信度預(yù)測。
因此行拢，如果你是一個想把人工智能應(yīng)用到業(yè)務(wù)上的執(zhí)行官，現(xiàn)在你應(yīng)該對它有一個認(rèn)識框架了诞吱。你應(yīng)該用人工智能的7個真理來代替這7個誤解舟奠。
真相1：人工智能=訓(xùn)練數(shù)據(jù)+機(jī)器學(xué)習(xí)+人機(jī)回圈
真相2：人工智能屬于任何行業(yè)
真相3：人工智能可以用幾百萬美元來解決現(xiàn)有的商業(yè)問題
真相4：算法并沒有比訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量更重要
真相5：機(jī)器和人是互補(bǔ)的
真相6：人工智能是機(jī)器增強(qiáng)人的能力
真相7：人工智能=訓(xùn)練數(shù)據(jù)+機(jī)器學(xué)習(xí)+人機(jī)回圈
