0
| 本文作者： 潔穎 | 2016-05-24 18:37 |
編者按：本文由Atanu Basu和Michael Simmons所寫。前者是一家AI軟件公司的創(chuàng)始人，后者是一名暢銷作家。
在2015年10月14日，特斯拉為Model S推出了半自動駕駛系統(tǒng)。一天之內(nèi)，車主開始紛紛上傳該系統(tǒng)載著自己兜風的視頻。
當前面的車減速或Model S自動變換車道的時候，你可以看到人們臉上充滿了恐懼。他們已經(jīng)準備迎接沖擊，開始祈禱。
你可以看出他們想把雙手放在方向盤上，并接管。
但是慢慢的，隨著汽車開得越來越穩(wěn)，人們終于慢慢地放松下來享受體驗。其中一些甚至忘記了，是半自動駕駛系統(tǒng)在開車：在幾個小時前還是不可能的事情。
這個旅程從驚訝，恐懼，到生活一切照舊，我們都將一遍又一遍地經(jīng)驗，當軟件算法接管了我們以前認為只有人類才可以做的決定。我們稱之為驚喜恐懼接受曲線（surprise-fear-embrace curve）。
作為公司，企業(yè)家和高管如何操縱這個曲線將會對我們事業(yè)的成功產(chǎn)生重大影響。
可以說，操縱曲線最大的障礙是學習如何不信任我們的直覺。
想象一下，你花了整個職業(yè)生涯學習的技能，然后成為世界級高手。比方說，你能在招聘過程中發(fā)現(xiàn)明星員工。
幾十年來，雇傭了數(shù)百名員工后，你建立了敏感的直覺?，F(xiàn)在，幾分鐘之內(nèi)你就可以知道，面試者是否適合。
人們都稱贊你這個技能。你也因此出名了，升職了。你的事業(yè)都依賴于它。
現(xiàn)在，假設(shè)算法變成了招聘過程的一部分，而它的決策和你的直覺背道而馳。起初，你可能會喊：“這是什么鬼！”但隨后，隨著招聘結(jié)果出來，你會發(fā)現(xiàn)通過原來令人費解的算法做出的決定是正確的。
屆時，這段代碼已經(jīng)勝過你花了幾十年時間來學習和幾十萬美元的學費。
我們不是在談?wù)摷僭O(shè)。這實際上對Xerox（施樂：美國辦公設(shè)備制造公司）、沃爾瑪而言，已經(jīng)成為現(xiàn)實，越來越多的公司也將如此。
Xerox的情況是，其HR算法了解到，傳統(tǒng)觀念是錯誤的。對在其呼叫中心工作的人員而言，經(jīng)驗對最終成功的影響非常小，真正重要的是個性。
在過去，我們經(jīng)常想，“這可以發(fā)生在我的領(lǐng)域嗎？”
今天，我們要問，“它會發(fā)生在什么時候？”
毫無疑問，在做很多決定上，算法比人的直覺更勝一籌。著名研究員Paul Meehl在2003年去世之前不久，總結(jié)了對于直覺與算法決策的研究，他發(fā)現(xiàn)，在幾乎所有情況下，算法的決策表現(xiàn)較好。這里是Meehl的原話：
當你進行了100多項調(diào)查，預測一切，從足球比賽的勝負到肝臟疾病的診斷，其中連幾項研究對人類直覺有利的結(jié)果都拿不出手，那就是時候得出一個實用的結(jié)論了。
在Superforecasters公司，主要研究者David Ferrucci領(lǐng)導IBM團隊開發(fā)Watson，贏得Jeopardy，預測專業(yè)知識大師模式的消亡?！拔視梦业腘iall Ferguson反擊你的Paul Krugman論戰(zhàn)，并用我的Bret Stephens博客反駁你的Tom Friedman專欄?！?這些將變得過時。
他補充說，“我認為人們聽從專家的意見將變得越來越奇怪，只能這些意見是由他們的主觀判斷生成的。人的思維因心理缺陷而困擾，在過去的十幾二十年，已成為廣泛認可的事實?！?/p>
那么，我們應(yīng)該如何以及何時學會更加信任算法決策，更少信任直覺？
在過去的十年中，我的團隊和我一直在期待人工智能火起來。 2009年，得克薩斯州的投資使我們的研究商業(yè)化。從那時起，我們已經(jīng)用人工智能軟件來幫助石油、天然氣、高科技等行業(yè)的世界500強企業(yè)提高關(guān)鍵任務(wù)流程了。企業(yè)家和作家Michael，曾在福布斯，哈佛商業(yè)評論，和時代寫過領(lǐng)導專題。
在我們的經(jīng)驗相結(jié)合的基礎(chǔ)上，大多數(shù)企業(yè)高管在他們對人工智能的未來思考，有一定的漏洞。
你可以采取以下這些措施來補救漏洞，并讓自己和你的組織蓬勃發(fā)展：
如果汽車制造商在十年前問這個問題，他們也不會在今天奮力追趕自動駕駛汽車了。未來的二十年，自動駕駛汽車將重塑他們的整個產(chǎn)業(yè)。谷歌會如何開采呢？谷歌會如何種植呢？等等。
許多關(guān)鍵任務(wù)的流程生成的隱藏洞察力的數(shù)據(jù)，可以改變你的業(yè)務(wù)。
以石油和天然氣作為一個例子。業(yè)界資深人士會告訴你，“這是所有關(guān)于巖石的資料?！边@是事實：關(guān)于巖石的信息——地質(zhì)學，地球物理學，巖石學，等等是非常重要的。
但同樣重要的還有在水力壓裂過程中光纖傳感器捕捉到的聲音信息。這些聲音中隱藏的往往是幫助經(jīng)營者安全和經(jīng)濟地提取物碳氫化合物的關(guān)鍵信息。水力壓裂過程中已經(jīng)制造這些聲音。收集和分析這些信息是可能的，但許多人甚至從來沒有想到。在其他行業(yè)同理。
當大多數(shù)人聽到“數(shù)據(jù)”這個詞，他們會想到數(shù)字。然而，數(shù)據(jù)不僅僅是數(shù)字。據(jù)IBM稱，世界上80％的數(shù)據(jù)是非結(jié)構(gòu)化的（例如，視頻，圖片，聲音和文字）。
如果沒有數(shù)據(jù)，就沒有人工智能。同樣，如果沒有收集數(shù)據(jù)的感官，就沒有人類的智慧——眼睛，耳朵，皮膚，舌等，只要有一個大腦是不夠的。
通過增加你收集的數(shù)據(jù)種類，你可以經(jīng)常放大智力和改造決策。這就像給了某人互聯(lián)網(wǎng)，而他以前只能通過書本來學習。
算法在跨越不同的人工智能學科內(nèi)迅速提高。由于谷歌，F(xiàn)acebook，微軟，麻省理工學院，斯坦福大學，卡內(nèi)基·梅隆和其他頂級科技公司和學術(shù)機構(gòu)，在大多數(shù)學科里最好的AI算法可對任何人開放：開源、使用和修改都是免費的。這些算法都是珍品。
問問你的團隊，為什么他們是在顧問、解決數(shù)據(jù)科學問題的打包軟件上花錢，而不是先考慮免費的解決方案。你的工作就是要確保他們有很好的理由。
我們生活在人工智能擊敗世界頂尖圍棋棋手的世界。要理解這個壯舉，首先要知道圍棋走法的可能性比宇宙中的原子還要多！
算法可產(chǎn)生可操作的見解，即使它可能還沒有能夠解釋這些觀點背后的原因。一旦AI開始持續(xù)產(chǎn)生改善的成果建議，人們應(yīng)該開始使用這些算法和調(diào)查到底為什么這些建議能成功。
6.避免落入“算法不應(yīng)該這樣做”的陷阱
由于算法承擔更多的決策，我們對只有人類應(yīng)該做出的決定更加著急。把我們寧愿人為判斷的區(qū)域開放給算法很重要。財富高級編輯Geoff Colvin，在他的文章Humans Are Underrated指出，這些領(lǐng)域包括：法官和陪審團的決定，領(lǐng)導和管理，目標設(shè)定。
驚喜恐懼接受曲線
最近一次驚喜恐懼接受曲線的例子是頂級棋手李世石，和谷歌的AI AlphaGo之間歷史性的五場圍棋賽。
在第二場比賽中AI玩家的一個驚人之舉后，一位評論員說李世石“走出去洗臉才能冷靜下來”。他最終輸?shù)袅吮荣?，他說了一句很能說明問題的話：“昨天，我很驚訝。但今天我很無語。”AI贏了之后，谷歌在其官方博客中寫的也很有意思。AlphaGo已經(jīng)能夠“就人類不會考慮的走法想到解決方案?！?/p>
這對于使用AlphaGo般的技術(shù)，找到人類想不到的解決辦法有巨大的潛力。
在我們的日常生活并在企業(yè)中，從人類的智慧到機器智能的過渡將是凌亂的。
這將挑戰(zhàn)我們的身份。
這將違背我們已經(jīng)花了多年培養(yǎng)的專家的直覺。
這本身將要求我們給予信任和控制權(quán)，即使我們不明白這些決定。
這將創(chuàng)造更大和更多樣化的機會，比我們今天可以預計的多太多。
這就是為什么我們把它叫做驚喜恐懼接受曲線，這就是為什么我們會認為，我們可以學到的最重要的技能之一是如何駕馭它。
via Inc
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
