人工智能的经济学和好处

已发表: 2022-03-11

我们到处都能看到关于人工智能的新闻；有时，我们看到围绕人工智能的兴奋，有时我们看到谈论人工智能将如何取代或摧毁我们的工作的文章。我们还看到偶尔有文章谈论人工智能将如何摧毁人类。

在本文中，我不会讨论一个通用人工智能或一个想要毁灭人类的邪恶 AI。我将专注于当前的人工智能，它主要基于可以进行预测的算法，并讨论人工智能的经济学如何运作以及它如何影响业务。我还想提一下，这篇文章的内容受到了（作者强烈推荐进一步阅读）预测机器：人工智能的简单经济学和人+机器：人工智能时代的重新想象工作的影响。

本文分为三个主要部分：

在《技术的演进》中，我将简要讨论过去及其与 AI 时代的相似之处。
在Strategy中，我将讨论更高的预测准确度如何影响策略和商业模式。
在Human and AI Interaction中，我将讨论人类如何补充人工智能以及人工智能如何补充人类的努力。

技术的演进

在继续之前，我想讨论一些历史事件之间的相似之处，这些事件类似于我们今天对人工智能的看法。我将举例说明特定技术的广泛使用如何改变了我们的思维方式。我们是如何从基础算术发展到专业的人工智能开发公司的？

电子计算机时代

计算机最擅长的是算术。在我们现在所知道的计算机之前，“计算机”这个词是用来指做文字计算的人，我们现在称之为“人机”。

随着技术的进步，计算变得更便宜、更快，我们开始用算术来思考一切。摄影就是一个很好的例子——从历史上看，对照片进行修改或应用视觉效果是一种化学反应。然而，现在，我们使用艺术家和摄影师可以通过软件套件访问的算法，以数学方式将效果应用于照片。

这是一个很好的例子，说明当商品/服务的成本下降时我们如何思考；我们开始思考如何根据这项新技术解决我们当前的问题。人工智能也是如此。

互联网时代

当互联网被广泛使用时，它在各个行业都发生了巨大的变化，而这一切都是为了降低不同领域的成本。例如，分销商品和服务的成本变得更便宜，这引发了电子商务行业的诞生。最终，公司改变了他们的战略，要么幸存下来，要么死亡。

一旦商品或服务的成本下降，我们就会开始更频繁地使用它，我们也可以在网络上看到这一点。这也改变了我们的心态，我们将整个行业转移到网上。在电子商务之上，另一个例子是搜索引擎的使用；我们不再使用百科全书来搜索信息，而是使用谷歌或其他搜索引擎。

人工智能时代

就计算能力和工具而言，人工智能的成本越来越便宜。每个新工具/库都在帮助机器学习开发人员在预测问题上花费更少的时间。例如，Google 的 TensorFlow、AutoML 甚至 scikit 都可以作为示例用于此目的。我们还可以将 GPU 计算的使用增加作为 AI 成本降低的例证。

一个公司下一季度的销售预测是一个明显的预测问题，但十年前开发自动驾驶汽车并不是一个预测问题。人工智能的成本降低正在改变我们的思维方式，这意味着我们开始将各种问题视为预测问题。我们已经在工厂等受控环境中使用自动驾驶汽车，可以使用if-else编程条件对车辆进行编程。改变思维方式并将其视为预测问题有助于工程师开发可在野外使用的自动驾驶汽车。

基本上，它是这样工作的；一位工程师教人工智能人类在各种条件下会做什么，这使得车载软件的产生成为可能，使驾驶员可以使用汽车数千英里，而不是在几百英里后感到疲倦。人工智能学会了人类会做什么，并开始预测它应该做什么。这是从预测的角度思考问题的一个很好的例子。

战略

这里有一个主要问题：人工智能会影响公司的战略和商业模式吗？如果您将 AI 视为帮助您做出某些决策的预测工具，则可能不清楚它将如何影响纯策略，因为它只是帮助您做出决策的另一种工具。但是，如果您开始将 AI 视为一种可以进行高精度预测的预测工具，那可能会改变策略本身。《预测机器：人工智能的简单经济学》一书中有一个很好的例子。

当我们从亚马逊购物和购买商品时，它会将包裹运送到我们的办公室/家中。因此，这种方法可以称为先购物后发货方法。我们还知道亚马逊有一个推荐引擎，它会在您浏览页面时推荐商品。我们不会购买所有推荐的商品，但它至少会推荐我们可能感兴趣的商品。假设亚马逊开始以高精度预测您将购买的商品。如果您开始购买 80% 的推荐商品，亚马逊可能会在您购买商品之前就决定先发送这些商品——我们称之为先发货后购物。这是商业策略的明显变化，因为一旦物品到达您家，您将退回 20% 的物品，而当前的亚马逊价格模型并非基于此假设。也许，亚马逊会决定每周派一辆卡车到你所在的城市收集退回的物品，这将彻底改变亚马逊向你的信用卡收费、包装物品的方式以及处理退回物品的方式。所有这些策略的改变都是人工智能的好处，它具有更高的预测准确性。

我相信我们可以像之前的亚马逊示例那样进行更多的思想实验，只需考虑如果人工智能能够以更高的准确度预测会发生什么。

人机交互

未来人类与人工智能的交互将如何演变？他们会竞争，还是会一起工作？我将通过阅读《人与机器：重新构想人工智能时代的工作》一书来关注这些问题。根据作者的说法，将会有人类补充人工智能和人工智能补充人类的场景。

人类补充人工智能

人类可以在三个方面补充人工智能：培训、解释和维持。

训练

AI需要数据来学习，这称为训练阶段，因此它可以做出预测。

将来，我们可能会有专门针对基于业务需求训练 AI 的训练代理。如果是工厂，培训代理可以负责培训机器人；如果是电子商务业务，培训代理可能负责汇总历史数据。

解释

我们需要了解人工智能如何以及为什么为特定问题提供特定答案。

一般来说，我们面临着 AI 的可解释性和准确性之间的权衡。与易于解释的方法相比，黑盒 AI 方法具有更高的准确性。尽管开发了一些工具来解释为什么黑盒 AI 做出特定预测，但我们可能需要一个能够理解和解释 AI 结果的工作角色。

维持

我们需要确保人工智能按预期运行。

2015 年，大众汽车工厂的一个机器人抓住了一名工人并将他压死。我们可能需要负责确保 AI 系统按预期工作的角色。

人工智能补充人类

人工智能的潜力赋予了人类超能力，因为人工智能比人类做出的预测更快、更准确。这些超级大国可以用它们为给定情况或行动带来的价值来表达。

放大

人工智能工具帮助人类提高做人的能力。在《人与机器：重新构想 AI 时代的工作》一书中，作者使用了 Autodesk 的 Dreamcatcher 软件的示例，该软件使用遗传算法来迭代可能的设计。

借助此工具，设计师可以设计出便宜且坚固的椅子灯。人工智能试图创建一个基于给定标准的设计，并将结果提供给设计师。设计师然后使用选择一个给定的设计，并在该设计上使用他们的创造力进行最后的润色。

这类似于计算机为计算机时代的人们提供的东西——就人工智能可以协助的事情而言，只是在一个新的、令人兴奋的能力水平上。

相互作用

人工智能可以充当助手，通过与人们互动来帮助他们。 Amazon 的 Alexa、Google Home 和 Apple 的 Siri 是这种交互式 AI 代理的突出例子。随着这些代理在每次迭代中得到改进，我们将开始更频繁地使用它们，它将成为我们的一部分，就像我们使用智能手机所做的更深层次的版本一样。这些代理人将成为我们的私人助理，他们将补充我们。

增加

人工智能驱动的物理增强的例子可以在工厂中找到。尽管工厂现在由机器人操作，但它们大多是基于规则的系统，为了安全起见，它们被关在笼子里——以防万一。机器人将作为同事帮助人类，其设计目的是在工厂自由移动和工作时不会伤害人。

结论

梅赛德斯生产计划主管 Markus Schaefer 表示，尽管有人担心“机器人效率更高，因此未来人类工人将被抛弃，”再次在工业过程中发挥更大的作用。” 新技术确实给我们做事的方式带来了巨大的转变，但是犁的发明并没有消除对农场工人的需求，计算机的发明也没有消除对数学家的需求。与所有技术革命一样，人工智能的出现将用于帮助人类达到新的范式，而不是完全取代它。