“我们也用那个AI做点什么吧”的常务 [AI错误笔记]

如今到处都在谈“AI”，职场人士也感到吃力。反映这种处境的表情包被制作出来，在网上引发强烈共鸣。网络社区截图提供

View original image

最近大家或许都在感到人工智能（AI）带来的疲劳感。无论看到什么商品或服务的广告，都要挂上“AI”。洗衣机是AI，扫地机器人是AI，大型超市“用AI实现价格最优化”，连要投资的股票标的也由AI来推荐等等。我们在日常生活中与“AI”这个词相遇的频率只会越来越高。

然而，与其说因此更了解AI，不如说只是更加困惑，很多人都有这样的反应。那么，世界顶级AI企业的解释会不会更简明一点呢？

现在对AI是何物有感觉了吗？大概还是没有，依旧很难。这也正常，因为AI本身就是多个学科领域融合的产物。除了哲学，还综合了心理学、语言学、计算机科学等，才有了今天的AI。

各个领域的专家从自己的视角来思考AI，自然会产生多种多样的定义。而且技术发展很快，对AI的定义和概念也会随之演进。

那是不是就要放弃对AI的直观理解呢？不必。在看待任何事物或现象时，都不该为寻找唯一准确、绝对真实的视角而浪费时间。AI是一个不断发展的领域，更合理的态度是：不存在一个永远不变、唯一正确的定义。

关键在于如何利用AI，从中获取什么利益。我们需要为AI建立自己的一套视角和框架，再按照这套框架去看待AI。这样一来，就不会陷入抽象概念、定义和哲学思辨的泥沼。重要的是，我们要用AI做什么，又能够用AI做什么。

《어제이 애그러월 Joshua Gans Avi Goldfarb 合著的《预测机器》原版封面（在韩国国内已绝版）。在这本书中 作者提出“人工智能是一种预测机器”的主张。

View original image

从这个意义上说，如果要选出一个看待AI的有用框架，我认为是“AI是一台预测机器”这一框架。加拿大多伦多大学罗特曼管理学院的教授 Joshua Gans、Avi Goldfarb 等三人在2018年出版的《预测机器》（Prediction Machines）一书中这样写道。

当你在思考该用AI做什么、能用AI做什么时，请立刻联想到“预测”。“在我现在的工作中，可以预测什么？”“我们公司如果能做哪些预测会更好？”来看一些实际案例。商业世界正是依靠无数预测在运转。

优衣库会预测季节变化和各地区的流行趋势，以此调节服装库存。预测越准确，就越能节省库存成本。

亚马逊会根据消费者以往的购买数据预测下一次购买的商品。通过以“推荐商品”之名进行的预测，亚马逊得以最大化销售额。

银行可以预测贷款申请人的还款能力。通过分析信用分数和过往交易记录，评估信用风险，并据此设定合适的利率利润空间。

保险公司如果能准确预测投保人的发病率等，也可以提高保费利润率。

农民如果能预测天气和土壤状况，就可以预测产量，同样能降低物流负担。

像Netflix这样的娱乐平台，会基于观众的各种数据进行精准推荐（预测），从而诱导消费。

媒体机构同样可以依靠预测的力量。如果掌握读者数据，成功预测出读者会喜欢、值得一读的新闻，就可以提高流量。

也就是说，预测是所有行业进行决策的基础。预测方式不同，后续应对就不同，结果也会随之改变。能够更好地满足消费者、降低成本并提高销售额。预测能力本身就是竞争力。

View original image

不过先等等。预测并不是AI独有的能力。有没有谁能在一天的生活中完全不做任何预测？所有职场人士在工作中都会在一定程度上进行预测，企业早就基于预测来运营组织了。没人会在完全不看历史数据的情况下做决策。预测不是AI独有的特征，而是人类的普遍能力。那么，为什么AI会被称为预测机器？我们为什么可以把AI称为预测机器呢？

人类和AI都会做预测，但AI在预测的规模和复杂性方面远远压倒人类。人类是基于有限的数据、经验、记忆和直觉来做预测的，一次能处理的数据量有限，对复杂模式的识别也较为薄弱。当决策变量增加到3个，甚至只要有2个，脑子就会变得非常复杂。

AI则不同。它可以处理包含数十个变量的大规模数据，捕捉到人类直觉根本无法感知的复杂相关关系和模式。

此外，人类习惯于线性思维。就像你现在阅读的这篇文章，也是从第一个字到最后一个句号，按线性顺序展开。我们习惯于“如果A增加，B就减少”这样的思维方式。但现实世界往往是非线性的，变量之间的相互关系也是多维的。

AI的学习方法（如深度学习、机器学习等）通过算法帮助发现非线性关系和隐藏的模式。

如果让一个人来负责商品推荐，他大多会综合年龄、性别、收入水平等在可理解范围内的变量来进行预测。

而AI则会动用所有积累的信息——消费记录、（未购买但）点击的记录、页面停留时间、设备类型、各国消费趋势等，全面计算相关性并给出预测值。而且这些复杂过程都是在瞬间完成的，还可以实现自动化。决定性的力量就隐藏在这里。

线性思维与系统思维示意图。美国国家标准与技术研究院主页截图提供

View original image

能够自动化，意味着可以降低预测所需的成本。用于数据分析和运算的AI预测设施，并不需要对实体资产进行大量投资。虽然需要数据中心，但与制造业工厂相比根本不可同日而语。

预测是一种昂贵的资源。过去如果要做出精细的预测，需要大量专家、笨重的软件以及漫长的时间。但AI可以用更少的时间和成本，给出高质量的预测。也就是说，AI让预测变得廉价。一旦预测变得廉价，任何人都可以买得起预测。当高质量预测以低价广泛供给时，决策的质量就会随之提升。

现在回到最初的问题，再重新想一想：“身边的人整天把AI挂在嘴边，可AI到底是什么？”是的，没错，AI是一台预测机器。到这里，一切就变得简明了。那些对我没有帮助、只是被拿来给某些商品做陪衬宣传的AI相关信息，都可以当作噪音处理掉。

必读新闻

6亿 vs 4.6亿 vs 1.6亿…三星电子DS部门“一屋三份奖金”

• 在韩国开银行账户太难：“光子女账户与借记卡公证费就要15万韩元”吐槽[外国人眼中的K金融现状]②
• “怕你用完了”……特朗普又向叙利亚总统赠送以自己名字命名的香水
• “本以为可靠却太失望” 8成产品有问题…安全性与效果堪忧的防晒霜
• “最近谁还去日本” 曾经人潮涌动如今骤减…究竟为何

AI是一台预测机器。在你们的工作中，哪些预测是关键？在你们现在的业务中，哪些预测最重要？

版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。