http://blog.sina.com.cn/s/blog_cfa68e330102zg9l.html

成都創(chuàng)新互聯(lián)公司專(zhuān)注于夏津企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè)公司,商城網(wǎng)站制作。夏津網(wǎng)站建設(shè)公司,為夏津等地區(qū)提供建站服務(wù)。全流程按需網(wǎng)站設(shè)計(jì)，專(zhuān)業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，成都創(chuàng)新互聯(lián)公司專(zhuān)業(yè)和態(tài)度為您提供的服務(wù)

作者 | Vikram Mahidhar 譯者 | Sambodhi 編輯 | Natalie

導(dǎo)讀： 元末明初的陶宗義曾在《南村綴耕錄》寫(xiě)道：五臺(tái)山有鳥(niǎo)，名曰寒號(hào)蟲(chóng)。 當(dāng)盛暑時(shí)，文采絢爛，乃自鳴曰：“鳳凰不如我！” 比至深冬嚴(yán)寒之際，毛羽脫落，索然如鷇雛，遂自鳴曰：“得過(guò)且過(guò)?！?br/>
這篇就是現(xiàn)在小學(xué)二年級(jí)的課文《寒號(hào)鳥(niǎo)的故事》的原型。在人工智能風(fēng)起云涌的今天，有些公司對(duì)人工智能的態(tài)度，又何嘗不是 “寒號(hào)鳥(niǎo)” 呢？我們已經(jīng)真真切切生活在人工智能時(shí)代了。這是最好的時(shí)代，也是最壞的時(shí)代。這個(gè)時(shí)代的偉大之處在于，它永遠(yuǎn)在更新，永遠(yuǎn)在前進(jìn)；但是這個(gè)時(shí)代的悲哀之處在于，跟不上時(shí)代的人，可能永遠(yuǎn)就跟不上了。

盡管一些公司，如大多數(shù)大型銀行、Ford（福特汽車(chē)）和 GM（通用汽車(chē)）、Pfizer（輝瑞，總部位于紐約的跨國(guó)制藥公司），以及幾乎所有的科技公司，都在積極擁抱人工智能。然而，還有很多公司并沒(méi)有這么做。相反，它們都在觀望，等待這一天的到來(lái)：技術(shù)成熟，人工智能專(zhuān)業(yè)知識(shí)得到更廣泛的應(yīng)用。它們都在盤(pán)算小九九，想當(dāng)一個(gè) “后起之秀”，這是一種與大多數(shù)信息技術(shù)合作的策略。

我們認(rèn)為，這并不是一個(gè)好主意。誠(chéng)然，有些技術(shù)確實(shí)需要進(jìn)一步的發(fā)展，但有些技術(shù)（像傳統(tǒng)的機(jī)器學(xué)習(xí)）已經(jīng)相當(dāng)成熟，并以某種形式存在了幾十年。更近一些的技術(shù)，如深度學(xué)習(xí)，就是基于上世紀(jì) 80 年代的研究成果。新的研究一直在進(jìn)行，但目前人工智能的數(shù)學(xué)和統(tǒng)計(jì)基礎(chǔ)已確立。

系統(tǒng)開(kāi)發(fā)需要時(shí)間

除了技術(shù)成熟度的問(wèn)題之外，還有其他幾個(gè)問(wèn)題：即一旦技術(shù)變得更有能力，公司就能夠迅速采用的想法。首先，開(kāi)發(fā)人工智能系統(tǒng)需要時(shí)間。如果這些系統(tǒng)是完全通用的，那么它們可能不會(huì)為你的業(yè)務(wù)增加什么價(jià)值，因此，要根據(jù)你的業(yè)務(wù)及其中的特定知識(shí)領(lǐng)域來(lái)對(duì)它們進(jìn)行定制和配置，而這就需要時(shí)間。如果你采用的人工智能使用的是機(jī)器學(xué)習(xí)，那么你就必須收集大量的訓(xùn)練數(shù)據(jù)。如果它操縱的是語(yǔ)言，就像自然語(yǔ)言處理應(yīng)用那樣，那么讓系統(tǒng)啟動(dòng)和運(yùn)行起來(lái)就可能會(huì)更加困難。需要將分類(lèi)學(xué)和當(dāng)?shù)刂R(shí)集成到人工智能系統(tǒng)中，類(lèi)似于用于專(zhuān)家系統(tǒng)的舊的 “知識(shí)工程” 活動(dòng)。這種類(lèi)型的人工智能不僅僅是一個(gè)軟件編碼的問(wèn)題，還是一個(gè)知識(shí)編碼的問(wèn)題。發(fā)現(xiàn)、消除歧義和部署知識(shí)，無(wú)一例外都需要時(shí)間。

特別是，如果供應(yīng)商或顧問(wèn)沒(méi)有為你的知識(shí)領(lǐng)域建模，那么架構(gòu)師通常就需要耗費(fèi)數(shù)月的時(shí)間。對(duì)于復(fù)雜的知識(shí)領(lǐng)域尤為如此。例如，凱特琳癌癥研究中心（Memorial Sloan Kettering Cancer Center）與 IBM 合作，使用 Waston 治療某些類(lèi)型的癌癥已有六年多的時(shí)間，盡管在癌癥護(hù)理和人工智能方面擁有高素質(zhì)的人才，但這個(gè)系統(tǒng)仍然沒(méi)有做好廣泛應(yīng)用的準(zhǔn)備。有些領(lǐng)域和業(yè)務(wù)問(wèn)題需要具備必要的知識(shí)工程。但是，它仍然需要根據(jù)公司的具體業(yè)務(wù)環(huán)境進(jìn)行操縱。

整合需要時(shí)間

即使你的系統(tǒng)已經(jīng)構(gòu)建完成，但也存在將人工智能系統(tǒng)整合到你組織中的問(wèn)題。除非你使用的是嵌入在公司已使用的現(xiàn)有應(yīng)用系統(tǒng)中的某些人工智能功能（如 CRM 系統(tǒng)中的 Salesforce Einstein），否則，要與你的業(yè)務(wù)流程和 IT 架構(gòu)相適應(yīng)，就需要大量的規(guī)劃和適應(yīng)時(shí)間。從試點(diǎn)和原型過(guò)渡到人工智能生產(chǎn)系統(tǒng)，這一過(guò)程可能既困難又耗時(shí)。

就算你的組織擅長(zhǎng)將試點(diǎn)和原型遷移到生產(chǎn)中，也必須重新設(shè)計(jì)業(yè)務(wù)流程，以對(duì)你的業(yè)務(wù)和行業(yè)產(chǎn)生全面的影響。在多數(shù)情況下，人工智能支持的是單個(gè)任務(wù)，而不是整個(gè)業(yè)務(wù)流程。因此，需要重新設(shè)計(jì)業(yè)務(wù)流程和針對(duì)它的新人工任務(wù)。例如，如果你希望影響客戶(hù)參與，那么你就需要開(kāi)發(fā)或調(diào)整與營(yíng)銷(xiāo)、銷(xiāo)售和服務(wù)關(guān)系不同方面相關(guān)的多個(gè)人工智能應(yīng)用和任務(wù)。

人工智能時(shí)代下的人機(jī)交互

最后，人工智能還需要克服人類(lèi)的挑戰(zhàn)。很少有人工智能系統(tǒng)能夠做到完全自主，它們更關(guān)注的是人工智能的增強(qiáng)和那些由人類(lèi)完成的工作。新的人工智能系統(tǒng)通常意味著與它們一起工作的人們需要轉(zhuǎn)變新角色，掌握新技能。而且，要重新培訓(xùn)員工熟悉新的流程和系統(tǒng)，通常需要相當(dāng)長(zhǎng)的時(shí)間。例如，向客戶(hù)提供 “機(jī)器人咨詢(xún)” 的投資咨詢(xún)公司，往往試圖讓人力顧問(wèn)將注意力轉(zhuǎn)移到“行為金融”，或提供建議和“助推”（nudges），以鼓勵(lì)明智的投資決策和投資行動(dòng)。但是這種技巧，與提供有關(guān)購(gòu)買(mǎi)購(gòu)票和債券的建議截然不同，需要一些時(shí)間來(lái)反復(fù)灌輸。

即使人工智能系統(tǒng)的目標(biāo)是達(dá)到完全自主，也可能需要一段時(shí)間的增強(qiáng)模式。在此期間，機(jī)器學(xué)習(xí)的關(guān)鍵部分，是通過(guò)系統(tǒng)與人類(lèi)用戶(hù)和觀察者之間的交互實(shí)現(xiàn)的。這就是交互學(xué)習(xí)，是組織了解系統(tǒng)如何與其生態(tài)系統(tǒng)交互的關(guān)鍵步驟。它們通常可以收集新的數(shù)據(jù)集，并在這段時(shí)間內(nèi)開(kāi)始將其轉(zhuǎn)化為算法，通常需要耗費(fèi)數(shù)月或數(shù)年的時(shí)間。

人工智能應(yīng)用的管理時(shí)間

雖然應(yīng)用人工智能系統(tǒng)的目的是提供指數(shù)縮放和預(yù)測(cè)，但它們需要一種新的管理方法，比傳統(tǒng)的控制和測(cè)試驅(qū)動(dòng)方法要更為廣泛。人工智能算法的效率會(huì)隨著時(shí)間的推移而下降，因?yàn)樗鼈兪腔跉v史數(shù)據(jù)和最近的業(yè)務(wù)知識(shí)構(gòu)建的。當(dāng)機(jī)器從新數(shù)據(jù)中的模式中學(xué)習(xí)時(shí)，算法可以得到更新，但它們需要由主題專(zhuān)家監(jiān)控，以確保機(jī)器能夠正確地解釋業(yè)務(wù)環(huán)境的變化。算法還必須連續(xù)監(jiān)測(cè)偏差。例如，如果人工智能系統(tǒng)經(jīng)過(guò)訓(xùn)練，能夠根據(jù)客戶(hù)人口統(tǒng)計(jì)數(shù)據(jù)來(lái)創(chuàng)建產(chǎn)品推薦，并且新數(shù)據(jù)中的人口統(tǒng)計(jì)數(shù)據(jù)發(fā)生了顯著的變化，就有可能會(huì)提供有偏見(jiàn)的推薦。

管理還包括監(jiān)視客戶(hù)欺詐行為。隨著系統(tǒng)變得智能化，用戶(hù)也會(huì)變得更加聰明。他們可能會(huì)試圖用欺詐性的數(shù)據(jù)和活動(dòng)來(lái)玩弄這些系統(tǒng)。監(jiān)視和預(yù)防客戶(hù)的欺詐行為需要在你的業(yè)務(wù)環(huán)境中部署復(fù)雜的儀器，并配置人工監(jiān)視。

贏家通吃

因此，要開(kāi)發(fā)和完全實(shí)現(xiàn)人工智能系統(tǒng)，可能需要很長(zhǎng)的時(shí)間，而且在必要步驟上幾乎沒(méi)有捷徑可走。一旦成功實(shí)施，規(guī)?；赡軙?huì)非常迅速——尤其是如果公司擁有豐富的數(shù)據(jù)供應(yīng)并掌握知識(shí)工程。當(dāng)晚期采用者剛完成所有必要的準(zhǔn)備工作時(shí)，早期采用者早就占據(jù)了相當(dāng)大的市場(chǎng)份額——他們將能夠以更低的成本、更好的性能來(lái)運(yùn)營(yíng)。簡(jiǎn)而言之，可能會(huì)出現(xiàn)贏者恒贏的局面，后來(lái)者可能永遠(yuǎn)再也趕不上了。例如，想一想 Pfizer 這樣的公司吧，這家公司的學(xué)習(xí)經(jīng)驗(yàn)和能力，據(jù)該公司的分析和人工智能實(shí)驗(yàn)室的主管稱(chēng)，他們已經(jīng)積累了 150 多項(xiàng)人工智能項(xiàng)目在進(jìn)行。像 Alphabet 這樣的科技公司則擁有更多的學(xué)習(xí)經(jīng)驗(yàn)，早在 2015 年，該公司就有 2700 個(gè)正在進(jìn)行的人工智能項(xiàng)目。

誠(chéng)然，如果公司愿意犧牲其獨(dú)特的知識(shí)和經(jīng)營(yíng)方式，那么，通過(guò)等待可以加快某些步驟。供應(yīng)商正在開(kāi)發(fā)各種各樣的知識(shí)圖和模型，這些圖和模型使用的技術(shù)，涵蓋了從自然語(yǔ)言處理到計(jì)算機(jī)視覺(jué)技術(shù)的各種技術(shù)。如果你的行業(yè)或者業(yè)務(wù)存在這樣的問(wèn)題，并且愿意在不做任何修改的前提下采用它，那么就可以加快人工智能的采用過(guò)程。但是，如果你不進(jìn)行調(diào)整以適應(yīng)你的環(huán)境并圍繞它構(gòu)建一切，那么你可能會(huì)失去獨(dú)特的能力或競(jìng)爭(zhēng)優(yōu)勢(shì)。

顯而易見(jiàn)，如果你想在人工智能方面取得成功，并認(rèn)為可能存在某些威脅，這些威脅來(lái)自于由人工智能驅(qū)動(dòng)的競(jìng)爭(zhēng)對(duì)手或新加入市場(chǎng)的公司。那么，你現(xiàn)在就應(yīng)該開(kāi)始學(xué)習(xí)如何在多種不同的應(yīng)用和人工智能方法中使其適應(yīng)你的業(yè)務(wù)。一些領(lǐng)先的公司已創(chuàng)建集中式人工智能小組來(lái)大規(guī)模地做這件事。這些核心團(tuán)隊(duì)專(zhuān)注于擬定問(wèn)題、證明業(yè)務(wù)假設(shè)、人工智能資產(chǎn)模塊化以實(shí)現(xiàn)可重用性，創(chuàng)建管理數(shù)據(jù)管道的技術(shù)，以及跨業(yè)務(wù)的培訓(xùn)。另一種可能性是收購(gòu)一家已積累大量人工智能能力的初創(chuàng)公司，但仍然需要將這些能力應(yīng)用到你的業(yè)務(wù)中。簡(jiǎn)而言之，如果你還沒(méi)有開(kāi)始采用人工智能技術(shù)，那么你應(yīng)該做的就是：立即開(kāi)始！希望為時(shí)不晚。

原文鏈接：

https://hbr.org/2018/12/why-companies-that-wait-to-adopt-ai-may-never-catch-up