唐兴通：人工智能时代，判断力第一 预测力第二

为了更好探索AI时代商业管理与创新，查阅海外众多专家的文章及观点，现整理出这篇小文以记录过程，也作交流，探索不远处的AI时代。----此为记

人工智能时代，判断力第一，预测力第二

最近两年看到谷歌、亚马逊、百度等公司在新推出的产品时注入人工智能的元素；高溢价广揽人才以抢占未来创新的源头；积极收购以人工智能为基础的初创公司。这一波人工智能热潮引发广泛讨论，在评估颠覆式技术变革，简单的方法是问一些根本性的问题: 例如技术能否有效降低成本，提高效率? 只有这样，我们才能真正理解技术带来的变化。

人工智能为我们提供充裕而廉价的是关于预测，换句话说，从你拥有的信息中产生之前无法获得的洞察或者预测。人工智能帮助我们解决以前没有预测到的问题，人类一些技能的价值将上升，而另一些则会下降。

01 深度学习/机器学习/人工智能-这点事

“机器学习”让计算机从海量数据或过去的经验中学习。机器学习的解决之道，例如判断篮子里的物品是什么。通过编写程序来识别苹果的颜色和形状。然而，颜色和形状不是苹果独属。这样就需要我们对苹果的知识进行更细致的编码，但在现实世界中，这样的复杂度是呈指数级增长的。

AI依据通用学习策略，读取海量的“大数据”，并从中发现规律、联系和洞见。因此人工智能根据新数据自动调整，而无需重设程序。利用机器学习，人工智能系统获得了归纳推理和决策能力；而深度学习更将这一能力推向了更高的层次。

高度复杂性的环境是训练机器学习最有价值的地方。例如数百万张图片标注出图片里物体名字，随机放入包括苹果的图片。机器通过学习就会使用颜色、形状、纹理等相关信息，匹配过往苹果图像中的信息来预测，它所查看的一个未识别的新图像是否包含一个苹果。

机器学习可以用来预测银行客户是否会在贷款上违约。机器学习背后的数学思想已经有几十年的历史。许多算法甚至更老。但是在计算速度、数据存储、数据检索、传感器和算法方面的进步，大大降低了基于机器学习的预测的成本。从图像识别和语言翻译的速度看出，这一过程已经从笨拙到近乎完美。

02 AI-降低预测成本，开启新战场

行动是由潜在的条件和不确定的结果决定的。例如，司机需要观察眼前的环境，并做出调整，以尽可能减少事故的风险，避免出现事故。在这样做的过程中，他们将判断与预测结合在一起。

人工智能的进步降低了预测的成本。移动互联网、社交网络、物联网让数据的数量和种类都有了巨大的增长。当数据更广泛、更容易获取时，预测就变得更有价值。随着数据可用性的扩展，预测将在更为广泛的范围中得以应用。

自动驾驶就是一个很好的例子。一辆汽车在没有司机的情况下加速、转弯和刹车的技术已经有几十年的历史了。工程师们最初专注于用计算机编程语言所谓的“if then else”的算法来指导汽车，例如“如果有一个物体在汽车前面，然后就刹车。”，但是这样决策是缓慢的。随后的研究团体切换编程的路径:一辆汽车可以通过预测司机来自动价值(输入数据，可能来自摄像机的图像,激光雷达信息,地图数据等)。自动驾驶是一个可以通过机器学习解决的预测问题。

03 AI时代判断比预测更重要！

判断能力是在理解不同的行动对结果影响下，做出深思熟虑决定的能力。那些复杂的判断是停留在人类头脑中，不能被翻译成机器能够理解的东西时，就很难获得决策判断。

机器学习的新模式可能会找到方法来检验行为和结果之间的关系，然后利用这些信息来改进预测。AlphaGo在围棋游戏中成功击败了世界上最顶尖的选手。AlphaGo通过分析数千个人与人之间的围棋比赛，并与自己进行了数百万次的比赛，从而磨练了自己的能力。AlphaGo将对行动和结果的反馈结合起来，以制定更准确的预测和策略。

机器学习的例子越来越多地出现在日常生活中。x.ai是纽约人工智能创业公司，它提供了一个虚拟的个人助理，可以在电子邮件和管理日历上安排约会。为了训练虚拟助手，开发团队成员让虚拟助手研究人员之间的电子邮件交互，让他们安排会议，这样就可以学会预测人类的反应，并看到人类做出的选择。尽管这种培训并没有产生正式的结果，但它的想法是帮助虚拟助手模仿人类的判断，这样，随着时间的推移，反馈可以将判断的某些方面变成预测问题。

预测的发展将促进任务处理的自动化。这将要求机器既能产生可靠的预测，又能依赖这些预测来决定下一步要做什么。例如，对于与业务相关的语言翻译任务，当预测驱动的翻译改进时，人类判断的作用将变得很有限。然而，更便宜、更容易获得的预测将导致人类主导的判断的价值增加。例如谷歌的Gmail收件箱可以处理收到的电子邮件信息，并给出简短的回复，但要求人类判断那些自动回复是最合适的。从选项列表中选择比自己输入要快，使用户能够在更短的时间内回复更多的电子邮件。

在医学领域，人工智能可能会发挥更大的作用，但人类仍将扮演重要角色。人工智能可以改善诊断，但更有效的治疗和病人护理还将依赖于人类的判断。不同的病人有不同的需求，人类比机器更能做出反应。在很多情况下，机器可能永远无法权衡做这件事情的相关利弊，转而选择一种人类可以接受的方式开展。

04 提前 备好人工智能时代生存能力

随着人工智能技术的进步，机器的预测将越来越多地取代人类的预测。随着场景的无限拓展，人类将扮演怎样的角色？ 一方面强调在判断中的优势，同时也需认识到预测局限性。

1、预测是机器智能的输入，但是成功的人工智能需要更多层面的处理。例如，自动驾驶包括视觉(数据);场景，考虑到感觉输入后人类会采取什么行动?(预测);评估结果(判断);加速、刹车或者转向(动作)。医疗护理可以包括患者病情(数据)、诊断(预测)、治疗选择(判断)、临床治疗(判断和行动)和动作干预(行动)等信息。尽管传感器技术(数据)和机器人技术(动作)也在快速发展，预测是机器智能的一个方面。

2、人工智能时代判断力是最为重要的。在许多工作活动中，预测是自动化的瓶颈。展望未来，预测类人才参与肯定会减少。组织将希望增加预测使用价值;未来最有价值的技能将是那些与智能预测相辅相成的技能（与判断相关的技能）。正如高尔夫球俱乐部的价格下降，高尔夫球的市场需求就会上升。高尔夫球俱乐部和高尔夫球是经济学家所谓的“互补商品”。预测的价格因人工智能的进步而下降，判断力的需求将会更大。判断力在人工智能越发重要: 伦理判断、情商、艺术品鉴定、界定任务的能力以及其他形式的判断力。组织对那些能够做出负责任的决定(道德判断)、与客户和雇员互动的人(情商)，以及确定新的机会(创造力)的人将有持续稳定的需求。

人工智能可能在决策过程中产生无意识的歧视。由于现实世界存在着各种形式的种族歧视、性别歧视和偏见，输入算法中的数据也可能附带这些特征。而当机器学习算法学习了这些带有偏见的训练数据，也就“继承”了偏见。某顶尖的人工智能企业就发生了类似事故：该公司通过网络论坛训练了一个实验性聊天机器人，机器人学会了各种种族歧视和性别歧视的语言，惹恼了民众。如果有偏见的人工智能处在了决策地位，那么其决策可能会导致特定人群受到不公正的待遇。为此霍夫曼与马斯克等人合组非营利组织OpenAI。OpenAI的目标有两个，一是让AI继续造福人类，二是防止AI被误用而对人类产生威胁。

与判断相关的技能将变得越来越有价值。如果预测可以让疾病诊断更便宜、更快、更早，那么与物理干预和情感安慰相关的护理技能将变得更加重要。当人工智能在预测购物行为方面变得更好时，零售店里的熟练的服务可以和竞争对手区分开来。随着人工智能在预测犯罪方面变得越来越好，那些将警务技能与伦理判断结合的私人安保人员将有更大的需求。

3、组织管理需要一套新的才能和专业技能。今天，许多管理任务都就用来预测的。招聘和促销活动决策之前构建在基于预测维度上: 哪个求职者最有可能在特定岗位上取得成功? 随着机器在预测方面变得更好，管理者的预测技能将变得不那么有价值，而他们的判断技能变得更有价值。

管理者的角色将越来越多地涉及到如何运用人工智能， 融合预测力和判断力，权衡不同类型错误相对成本。管理者的判断力将成为智能预测后有益补充。

05 展望未来

在21世纪初，商业中最常见的预测问题是库存管理和需求预测等经典问题。随着人工智能的应用，这些老问题被解决又将涌现新问题。企业经营者的新挑战：

(1)将员工的培训从关注预测力技能转向判断力技能层面;

(2)评估采用人工智能技术的速度和方向,以调整员工培训

(3)开发管理流程,建立以判断力团队和预测力导向融合的新队伍