人工智能的經濟學和好處

我們到處都能看到關於人工智能的新聞； 有時，我們看到圍繞人工智能的興奮，有時我們看到談論人工智能將如何取代或摧毀我們的工作的文章。 我們還看到偶爾有文章談論人工智能將如何摧毀人類。

在本文中，我不會討論一個通用人工智能或一個想要毀滅人類的邪惡 AI。 我將專注於當前的人工智能，它主要基於可以進行預測的算法，並討論人工智能的經濟學如何運作以及它如何影響業務。 我還想提一下，這篇文章的內容受到了（作者強烈推薦進一步閱讀）預測機器：人工智能的簡單經濟學和人+機器：人工智能時代的重新想像工作的影響。

本文分為三個主要部分：

• 在《技術的演進》中，我將簡要討論過去及其與 AI 時代的相似之處。
• 在Strategy中，我將討論更高的預測準確度如何影響策略和商業模式。
• 在Human and AI Interaction中，我將討論人類如何補充人工智能以及人工智能如何補充人類的努力。

技術的演進

在繼續之前，我想討論一些歷史事件之間的相似之處，這些事件類似於我們今天對人工智能的看法。 我將舉例說明特定技術的廣泛使用如何改變了我們的思維方式。 我們是如何從基礎算術發展到專業的人工智能開發公司的？

電子計算機時代

計算機最擅長的是算術。 在我們現在所知道的計算機之前，“計算機”這個詞是用來指做文字計算的人，我們現在稱之為“人機”。

隨著技術的進步，計算變得更便宜、更快，我們開始用算術來思考一切。 攝影就是一個很好的例子——從歷史上看，對照片進行修改或應用視覺效果是一種化學反應。 然而，現在，我們使用藝術家和攝影師可以通過軟件套件訪問的算法，以數學方式將效果應用於照片。

這是一個很好的例子，說明當商品/服務的成本下降時我們如何思考； 我們開始思考如何根據這項新技術解決我們當前的問題。 人工智能也是如此。

互聯網時代

當互聯網被廣泛使用時，它在各個行業都發生了巨大的變化，而這一切都是為了降低不同領域的成本。 例如，分銷商品和服務的成本變得更便宜，這引發了電子商務行業的誕生。 最終，公司改變了他們的戰略，要么倖存下來，要么死亡。

一旦商品或服務的成本下降，我們就會開始更頻繁地使用它，我們也可以在網絡上看到這一點。 這也改變了我們的心態，我們將整個行業轉移到網上。 在電子商務之上，另一個例子是搜索引擎的使用； 我們不再使用百科全書來搜索信息，而是使用谷歌或其他搜索引擎。

人工智能時代

就計算能力和工具而言，人工智能的成本越來越便宜。 每個新工具/庫都在幫助機器學習開發人員在預測問題上花費更少的時間。 例如，Google 的 TensorFlow、AutoML 甚至 scikit 都可以作為示例用於此目的。 我們還可以將 GPU 計算的使用增加作為 AI 成本降低的例證。

一個公司下一季度的銷售預測是一個明顯的預測問題，但十年前開發自動駕駛汽車並不是一個預測問題。 人工智能的成本降低正在改變我們的思維方式，這意味著我們開始將各種問題視為預測問題。 我們已經在工廠等受控環境中使用自動駕駛汽車，可以使用if-else編程條件對車輛進行編程。 改變思維方式並將其視為預測問題有助於工程師開發可在野外使用的自動駕駛汽車。

基本上，它是這樣工作的； 一位工程師教人工智能人類在各種條件下會做什麼，這使得車載軟件的產生成為可能，使駕駛員可以使用汽車數千英里，而不是在幾百英里後感到疲倦。 人工智能學會了人類會做什麼，並開始預測它應該做什麼。 這是從預測的角度思考問題的一個很好的例子。

戰略

這裡有一個主要問題：人工智能會影響公司的戰略和商業模式嗎？ 如果您將 AI 視為幫助您做出某些決策的預測工具，則可能不清楚它將如何影響純策略，因為它只是幫助您做出決策的另一種工具。 但是，如果您開始將 AI 視為一種可以進行高精度預測的預測工具，那可能會改變策略本身。 《預測機器：人工智能的簡單經濟學》一書中有一個很好的例子。

當我們從亞馬遜購物和購買商品時，它會將包裹運送到我們的辦公室/家中。 因此，這種方法可以稱為先購物後發貨方法。 我們還知道亞馬遜有一個推薦引擎，它會在您瀏覽頁面時推薦商品。 我們不會購買所有推薦的商品，但它至少會推薦我們可能感興趣的商品。假設亞馬遜開始以高精度預測您將購買的商品。 如果您開始購買 80% 的推薦商品，亞馬遜可能會在您購買商品之前就決定先發送這些商品——我們稱之為先發貨後購物。 這是商業策略的明顯變化，因為一旦物品到達您家，您將退回 20% 的物品，而當前的亞馬遜價格模型並非基於此假設。 也許，亞馬遜會決定每週派一輛卡車到你所在的城市收集退回的物品，這將徹底改變亞馬遜向你的信用卡收費、包裝物品的方式以及處理退回物品的方式。 所有這些策略的改變都是人工智能的好處，它具有更高的預測準確性。

我相信我們可以像之前的亞馬遜示例那樣進行更多的思想實驗，只需考慮如果人工智能能夠以更高的準確度預測會發生什麼。

人機交互

未來人類與人工智能的交互將如何演變？ 他們會競爭，還是會一起工作？ 我將通過閱讀《人與機器：重新構想人工智能時代的工作》一書來關注這些問題。 根據作者的說法，將會有人類補充人工智能和人工智能補充人類的場景。

人類補充人工智能

人類可以在三個方面補充人工智能：培訓、解釋和維持。

訓練

AI需要數據來學習，這稱為訓練階段，因此它可以做出預測。

將來，我們可能會有專門針對基於業務需求訓練 AI 的訓練代理。 如果是工廠，培訓代理可以負責培訓機器人； 如果是電子商務業務，培訓代理可能負責匯總歷史數據。

解釋

我們需要了解人工智能如何以及為什麼為特定問題提供特定答案。

一般來說，我們面臨著 AI 的可解釋性和準確性之間的權衡。 與易於解釋的方法相比，黑盒 AI 方法具有更高的準確性。 儘管開發了一些工具來解釋為什麼黑盒 AI 做出特定預測，但我們可能需要一個能夠理解和解釋 AI 結果的工作角色。

維持

我們需要確保人工智能按預期運行。

2015 年，大眾汽車工廠的一個機器人抓住了一名工人並將他壓死。 我們可能需要負責確保 AI 系統按預期工作的角色。

人工智能補充人類

人工智能的潛力賦予了人類超能力，因為人工智能比人類做出的預測更快、更準確。 這些超級大國可以用它們為給定情況或行動帶來的價值來表達。

放大

人工智能工具幫助人類提高做人的能力。 在《人與機器：重新構想 AI 時代的工作》一書中，作者使用了 Autodesk 的 Dreamcatcher 軟件的示例，該軟件使用遺傳算法來迭代可能的設計。

借助此工具，設計師可以設計出便宜且堅固的椅子燈。 人工智能試圖創建一個基於給定標準的設計，並將結果提供給設計師。 設計師然後使用選擇一個給定的設計，並在該設計上使用他們的創造力進行最後的潤色。

這類似於計算機為計算機時代的人們提供的東西——就人工智能可以協助的事情而言，只是在一個新的、令人興奮的能力水平上。

相互作用

人工智能可以充當助手，通過與人們互動來幫助他們。 Amazon 的 Alexa、Google Home 和 Apple 的 Siri 是這種交互式 AI 代理的突出例子。 隨著這些代理在每次迭代中得到改進，我們將開始更頻繁地使用它們，它將成為我們的一部分，就像我們使用智能手機所做的更深層次的版本一樣。 這些代理人將成為我們的私人助理，他們將補充我們。

增加

人工智能驅動的物理增強的例子可以在工廠中找到。 儘管工廠現在由機器人操作，但它們大多是基於規則的系統，為了安全起見，它們被關在籠子裡——以防萬一。 機器人將作為同事幫助人類，其設計目的是在工廠自由移動和工作時不會傷害人。

結論

梅賽德斯生產計劃主管 Markus Schaefer 表示，儘管有人擔心“機器人效率更高，因此未來人類工人將被拋棄”，“我們正在遠離試圖最大限度地提高自動化再次在工業過程中發揮更大的作用。” 新技術確實給我們做事的方式帶來了巨大的轉變，但是犁的發明並沒​​有消除對農場工人的需求，計算機的發明也沒有消除對數學家的需求。 與所有技術革命一樣，人工智能的出現將用於幫助人類達到新的範式，而不是完全取代它。

準備好獲取更多技術 AI 知識了嗎？ 嘗試深入了解強化學習，了解如何教 AI 駕駛汽車上山。