2018 年人工智慧發展的八個預測(1)

全部

2018 年人工智慧發展的八個預測(1)

編者按:普華永道發布了一份報告,對人工智慧在2018年的發展趨勢進行了研究,並做出了8項預測。文章由36氪編譯。

人工智慧非常複雜,而且發展速度很快。任何人都不可能對其未來幾年的發展方向做出準確的預測。但就人工智慧在2018年的發展趨勢來說,我們可以給出一些具體的預測,並指出其會對企業、政府和社會產生哪些影響。一些新興的趨勢已經開始展現。

根據在人工智慧領域有遠見的人士的分析,以及普華永道為世界各地的客戶提供人工智慧應用諮詢時的經驗,我們做出了以下這8項預測。

2018 年人工智慧會怎麼發展?這裡有 8 個預測

一、在影響就業之前,人工智慧將會對僱主產生影響

長期來看, 人工智慧不會摧毀就業市場——至少在2018年是不可能的。但是企業面臨著一個重大挑戰:只有彙集了來自不同種類的數據以及不同學科的團隊成員時,人工智慧才能發揮出最大的效果。同時,它還需要藉助相應的結構和技能來實現人機協作。但是大多數企業都把數據存放在聯合企業和團隊的資料庫里。 很少有企業開始為員工提供他們所需要的基本人工智慧技能。普通的企業還沒有準備好滿足人工智慧的需求。

2018 年人工智慧會怎麼發展?這裡有 8 個預測

可能你讀到過很多這樣的新聞:機器人和人工智慧將會摧毀工作機會。但我們並不這樣認為。我們看到一個更加複雜的情況成為焦點,人工智慧將會促進就業市場逐步演變,只要正確的應對這一趨勢,就會對就業產生積極的影響。新的工作機會將抵消那些失去的。人們仍然會進行工作,但他們會在人工智慧的幫助下更高效地工作。

同樣,你也可能聽說了人工智慧擊敗了世界上最厲害的國際象棋大師。但並不是每個人都知道什麼才能擊敗人工智慧象棋大師:一個「人機結合」系統,或者人和人工智慧作為一個團隊去下棋。人類能夠從人工智慧合作夥伴那裡獲取建議,但也可以自由的推翻它。這是兩者建立聯繫的過程,也是取得成功的關鍵。

這種無與倫比的組合將成為未來勞動力隊伍中的新常態。考慮一下人工智慧將會如何加強產品設計的過程:人類工程師定義每個零件使用的材料、特徵和各種約束條件,並將其輸入到人工智慧系統中,從而生成大量模型。然後,工程師可以選擇其中的一個模型,也可以改進他們的輸入,然後讓人工智慧再次嘗試生成模型。

這種模式是人工智慧促進經濟發展的一個原因。然而,不可否認的是,在一些行業,經濟體和企業(尤其是那些涉及重複性工作的行業,經濟和企業)中,工作將會改變或被淘汰。不過,在接下來的兩年內,影響相對有限:根據普華永道的國際就業自動化研究估計,在對29個國家的分析中,到2020年,存在高度自動化風險的就業崗位僅約3%。

為什麼一些企業會成功,一些企業會失敗?

2018年,企業將開始意識到他們需要改變他們當前的工作方式。在他們這樣做的時候,他們需要特別留意之前發生的事情:失敗的技術轉型。發生這種情況的原因有很多,但有兩個原因與許多企業接近人工智慧的方式有關。一是不會變通,對號入座;二是孤島上進行思考和工作。

精通人工智慧的員工不僅僅需要知道如何選擇正確的演算法,以及將數據輸入到模型中。他們還需要知道如何解釋結果,以及什麼時候讓演算法自主決定,什麼時候該介入其中。

同時,不同團隊之間的相互協作才能有效使用人工智慧。想象一下一個幫助醫院工作人員決定批准哪些醫療程序的人工智慧系統,它不僅需要來自醫療和人工智慧領域專家的投入,還需要來自法律,人力資源,財務,網路安全和合規團隊的投入。

大多數企業喜歡設定界限,讓特定的團隊負責某些領域或項目,並據此分配預算。但是人工智慧需要多學科團隊齊心協力解決問題。之後,團隊成員繼續進行其他挑戰, 但是會繼續監控並完善第一個挑戰。

就人工智慧而言,和其他許多數字技術一樣。企業和及教育機構應該少考慮一些工作title的問題,多關注一些工作任務、技能和思維方式方面的問題。這意味著要擁抱新的工作方式。

影響

人們將普遍接受人工智慧

隨著人工智慧的發展,人們將會意識到人工智慧摧毀工作只是一場虛驚。人們可能會更樂意接受工作場所和社會中的人工智慧。關於人工智慧搶走我們工作的言論將會銷聲匿跡,人們將會談論機器人使我們的生活或工作更將容易的話題。這將會倒逼企業更快的擁抱人工智慧。

企業將開始重組

這將是一個漫長的過程,但一些具有前瞻性思維的企業已經開始改變將數據存放在聯合企業和團隊的資料庫里的格局。一些企業也開始大規模地增加人工智慧和其他數字技術所需要的勞動力。這種增加不僅僅是教員工掌握新的技能,它還將教導員工掌握一種強調與同事和人工智慧合作的新思維模式。

二、人工智慧將融入現實,開始發揮其效用

它可能不會成為媒體的頭條新聞, 但人工智慧現在已經準備好了,能夠自動完成日益複雜的流程,識別出能夠創造商業價值的趨勢,並提供具有前瞻性的情報。

這帶來的結果是, 人們的工作量減少, 做出的戰略決策也變得更好了:員工的工作也比以前更好了。 但是, 由於傳統的投資回報率(ROI)策略可能無法準確地識別出這一價值,企業將需要考慮採取新的指標,以便更好地理解工智能可以為它們做什麼。

2018 年人工智慧會怎麼發展?這裡有 8 個預測

54%的高管表示,人工智慧解決方案提高了生產力。

在很多媒體的報道中,以人工智慧為動力的未來看起來非常神奇:自動駕駛汽車組成的車隊基本上不會遇到車禍或者交通擁堵;機器人醫生診斷疾病通常只需要幾毫秒;智能的基礎設施將會優化人員與貨物的流動,並在需要修理之前自動維護。在將來,所有的這些可能都會發生,但不會出現在2018年。

在接受調查的高管中,他們認為人工智慧對他們的成功至關重要:72%的人認為這將是未來的商業優勢。但我們面臨的問題是:當下它能為我們做什麼?答案就在這裡。

提高人的生產力

如果人工智慧聽起來可能讓人感到牽強附會,那麼,能夠執行繁瑣重複性的白領的任務的工具,能讓管理者們把時間花在分析上,聽起來怎樣?那麼,一個能夠識別欺詐行為並提高供應鏈彈性的方法呢?

這就是人工智慧在2018年的價值:不在於創造一個全新的行業(未來十年),而在於增強現有員工的能力,為現有的企業增加更多的價值。主要有三種方式:

  • 將那些對於老技術來說過於複雜的流程自動化
  • 從歷史數據中發現趨勢以創造商業價值
  • 提供具有前瞻性的情報來使人們更好地下決策

2018 年人工智慧會怎麼發展?這裡有 8 個預測

從繁瑣的任務中獲得價值

想象一下大多數公司的財務部門是如何花費大部分時間的:瀏覽來自ERP,支付處理,商業智能和其他系統的數據。許多員工每天要花費數小時的時間研究法律合同和電子郵件,或執行一些普通的交易任務。

這帶來的結果是,許多金融專業人員在有其他日常工作剩餘時間的時候,才會進行增值分析。

現在想象一下,有一個人工智慧系統能夠掃描所有的數據,發現趨勢和異常情況,自動執行許多交易,並標記相關問題以便進一步跟進。想象一下,這個人工智慧系統還會識別和解釋可能存在的風險,並提供數據驅動的預測來支持管理人員的分析和決策。

它聽起來可能沒有智能城市那麼性感,但這種實用的人工智慧現在已經準備就緒。它通常是「偷偷地從後門溜進來」。來自Salesforce,SAP,Workday和其他公司的企業應用程序套件正在越來越多地擁抱人工智慧。

影響

業務問題將會打開通向人工智慧的大門

領導者沒必要為了人工智慧而採用人工智慧。想法,在他們尋求商業需求的最佳解決方案時,人工智慧將發揮越來越大的作用。企業是否想要實現自動化計費?自動化執行普通的會計和預算等眾多合規的功能是否想要將採購、物流和客戶服務部分自動化?人工智慧很可能會成為解決方案的一部分,無論用戶是否能夠察覺到它。

需要採用新的投資回報率衡量策略

有時衡量人工智慧價值的最佳方法是使用與其他商業投資相同的指標:收入增加或成本降低等。 但是人工智慧帶來的好處往往是間接的,所以企業需要探索其他衡量投資回報率的指標。 自動化的全職員工可以捕捉到人工智慧是如何將勞動力從平凡的任務中解放出來的。 其他指標可以顯示出人工智慧是如何改善人們的決策和預測的。

三、 人工智慧將幫助回答有關數據的重大問題

許多針對數據技術和數據集成的投資都未能回答這樣的一個重大問題:投資回報率在哪?現在,人工智慧正在為這些數據項目提供商業案例,新的工具將會使這些項目的價值凸顯出來。

企業不再需要決定”清理數據”——也不應該這樣做。他們應該首先從一個業務問題開始來量化人工智慧的好處。一旦數據被用來解決一個特定的問題,進一步開發數據驅動的人工智慧解決方案就會變得更容易,從而就會形成一個良性循環。 問題出在了哪裡?一些企業仍然在猶豫要不要建立,或者是沒有建立好數據基礎。

2018 年人工智慧會怎麼發展?這裡有 8 個預測

許多公司沒有看到他們對大數據進行投資帶來的收益。這裡有一個脫節。商業和技術行業的高管們認為他們可以用數據做更多的事情,但學習曲線非常陡峭,工具也不成熟。所以他們面臨著相當大的挑戰。

現在,隨著應用場景的成熟和人工智慧本身變得更加真實和實用,一些人正在重新思考他們的數據戰略。他們開始提出正確的問題,例如:如何使我們的流程更有效率?需要做些什麼才能實現數據提取的自動化?

同時,企業現在可以利用新的工具和技術進步,其中包括:

  • 採用更簡便的方法挖掘結構較差的數據,比如那些用於文本索引和分類的自然語言處理
  • 企業應用程序套件將包含越來越多的人工智慧工具
  • 新興的數據湖即服務的平台
  • 可以利用不同類型數據的公共雲
  • 自動化地機器學習和數據管理

餵養AI野獸

儘管取得了這些進展,但許多企業仍然面臨著諸多挑戰。許多類型的人工智慧(如監督式機器學習和深度學習)需要大量標準化、標籤化的數據,並且還要把偏差和異常的數據「清除」掉。否則,不完整或有偏見的數據集將導致錯誤的結果。這些數據也必須足夠具體,才能有用,當然,也要保護個人隱私。

考慮一個典型的銀行業務流程。各個業務線(例如零售,信用卡和經紀業務)都有自己的客戶數據集。其中不同部門(例如營銷部門,賬戶創建部門和客戶服務部門)也都有自己的數據格式。一個人工智慧系統可以識別銀行中最賺錢的客戶是誰,也能為如何找到並贏得更多像他們這樣的客戶提供建議。但要做到這一點,系統需要以標準化的、無偏見的形式訪問各業務線和各部門的數據。

正確的數據處理方法

從清理數據的開始並不是個好主意。從商業案例開始,然後評估如何在這個具體案例中取得成功會比較好。

例如,醫療保健供應商可能會致力於改善病人的治療效果。在開始開發系統之前,供應商會量化人工智慧可以帶來的好處。供應商接下來將研究需要哪些數據——電子病歷,相關期刊文章和臨床試驗數據等——以及獲取和清理這些數據的成本。

只有供應商的收益——包括間接收益以及未來的應用程序如何使用這些數據,能夠超過成本的情況下,供應商才會向前推進。

這就是有多少企業最終會改革數據架構和管理的衡量方法:人工智慧和其他技術提供了需要它的價值主張。

影響

成功將會帶來成功

那些已經為一個應用程序解決了數據問題的企業,將會在下一個計劃中有一個良好的開端。它們將開發最具實踐性的項目,從而有效利用其數據資源並跨越企業邊界進行工作。

第三方數據供應商將蓬勃發展

企業內部的數據對於人工智慧和其他創新來說是無可替代的,但有一個補充:第三方供應商將會越來越多地採用公共數據源,將其組織成數據湖,並為人工智慧的使用做好準備。

更多的合成數據即將到來

隨著數據變得更有價值,合成數據和其他「精益」和「增強」數據學習的技術進步將加速。例如,我們可能不需要一整隊自動駕駛汽車生成它們將會在路上如何行駛的數據。 只需要少數的一些汽車, 加上精密的數學計算,就足夠了。

四、決定人工智慧人才競賽的不是技術人員

現在大型的企業都在爭奪計算機科學家,但是頂尖的技術人才並不足以讓人工智慧取得成功。 企業需要能夠與人工智慧和人工智慧專家合作的各個領域的專家,他們不需要成為程序員。但他們必須了解數據科學和數據可視化的基礎知識, 以及人工智慧的思維方式。

在人工智慧離開計算機實驗室,並進入日常工作流程時,這些專家將比計算機科學家更加重要。 但許多專家需要適當地提高技能。

2018 年人工智慧會怎麼發展?這裡有 8 個預測

隨著人工智慧擴展到更為具體的領域,它將需要數據科學家和人工智慧專家通常缺乏的各領域的專業知識和技能。

想象一下計算機科學家創建一個人工智慧應用程序來支持資產管理決策是什麼情景吧。人工智慧專家可能不是市場領域的專家。所以,他們需要經濟學家、分析師和交易員來幫助他們確定人工智慧在哪裡能發揮作用,來幫助確定怎麼去設計和培訓人工智慧,從而讓人們能夠願意且有效地使用人工智慧。

而且由於金融世界處於不斷的變化之中,一旦人工智慧開始運行,就需要不斷進行定製和調整。所以,金融領域的專家——而不是程序員——將不得不帶頭工作。不僅在整個金融服務領域,在醫療保健,零售業,製造業以及人工智慧所涉及的所有領域也是如此。

2018 年人工智慧會怎麼發展?這裡有 8 個預測

公民數據科學家

人工智慧變得更加方便了。用戶不再需要知道如何編寫代碼來使用一些人工智慧應用程序了。但是大多數人仍然需要掌握比電子表格或文字處理程序需要更多的技術知識。

例如,許多人工智慧工具要求用戶將他們的需求制定成機器學習問題集。他們還需要了解哪些演算法最適合特定問題和特定數據集。

所需的確切知識水平會有所不同,但我們可以將人工智慧對人類知識的需求大致分為三類。首先,一家人工智慧支持的企業的大多數成員需要一些關於人工智慧價值的基本知識以及它能用數據做什麼和不能做什麼。其次,即使是最成熟的人工智慧項目也需要一小組計算機科學家。最後,第三類是許多企業尚未注意到的——懂得人工智慧的各領域的專家。

正如前文所說,他們不需要成為程序員。但他們必須了解數據科學和數據可視化的基礎知識, 以及人工智慧的思維方式。他們必須是公民數據科學家。

零售分析師,工程師,會計師以及許多其他領域的專家,他們需要知道如何準備數據,並將數據場景化, 以便人工智慧最大限度地利用數據,這對企業的成功至關重要。在人工智慧離開計算機實驗室,並進入日常工作流程時,這些專家將比計算機科學家更加重要。

影響

更快地提升技能意味著能更快地部署人工智慧

那些想要充分利用人工智慧的企業不應該只是爭奪那些出色的計算機科學家。想要人工智慧快速運行,它們更應該提高各領域的專家的人工智慧素養。一些大型的企業,應該會更進一步,確定人工智慧將會在哪些運營方面發揮作用,並提高相應技能地優先順序。

提升技能將帶來新的學習方法

企業必須提高員工的技能,學習數據科學的基礎知識以及如何像人工智慧應用程序那樣思考。考慮到這項任務的艱巨性,企業必須找到方法來評估高潛力學習者的技能,並將其放在個人的學習路徑上,使其更快。

資訊來源


One decision, a remarkable future!

2018/03/24 加拿大創新科技管理碩士專班說明會

當世界是平的、需與全球人才競爭、當創新科技取代傳統商業模式,您是否已具備企業菁英應有的外語能力及國際創新視野?

-預見工程科技的未來浪潮-與來自加拿大研發出 Google Map 圖像融合技術一流學府-UNB 新創導師深度對話!
★您是否想海外進修卻受限於時間、地點及預算?
★您是否想為一成不變的職場注入新希望?
★您是否想兼具管理實務與工程科技?

點選此連結報名參加UNB課程說明會

UNB-tw-infosession-20180324