在脑筋和机械之间划分工作的近况很快就会崩溃。与那些愿意并且可以或许把机械进修放在恰当的处所，并能找出若何有效地将其功能与仁攀类的才能集成起来的竞争敌手比拟，停止不前的公司将很快发明本身会处在前所未竽暌剐的劣势和被动中。
评论辩论人工智能的极限可以大年夜毕加索对计算机的不雅察出发：“但它们是无用的，只能给你谜底。”它们当然不是一无可取，正如机械进修比来的成功所彰显的那样，但毕加索的不雅察仍然供给了参考。电脑是用来答复问题的装配，而不是用来造问题的。这意味着企业家、创颐魅者、科学家、创造者和更多的人，他们都要想，下一步要解决的问题是什么，或者有什么新范畴要摸索，这将是至关重要的。
【技巧沙龙】AI开辟者拭魅战营-7分钟打造1个定制技能。7月22号，我们等你一路！
250多年来，经济增长的根本动力一向是技巧立异。个中最重要的是经计揭捉?家所谓的通用技巧——包含蒸汽机、电力和内燃机。每一个都催化了互补立异和机会的海潮。例如，内燃机汽车、卡车、飞机、链锯和割草机，以及大年夜型零售商、购物中间、交叉船埠仓库、新供给链等。像沃尔玛Walmart、UPS和Uber等公司都找到了应用技巧来创造可赚钱的新营业模式的办法。
我们这个时代最重要的通用技巧是人工智能（AI），尤其是机械进修（ML）——也就是说，机械有才能赓续进步机能，而无需人工解释若何完成它所供给的所有义务。在以前的几年迈，机械进修变得加倍有效和广泛。我们如今可以构建进修若何本身履行义务的体系。
为什么这是一件大年夜事呢？有两个原因。
起首，仁攀类知晓的事物比我们能表述出来的要多得多：我们无法确切地解释我们若何可以或许做很多工作。在应用机械进修的办法之前，因为这方面的缺点意味着我们无法使很多义务主动化。如今我们可以了。
其次，机械进修体系平日是优良的进修者。他们可以在广泛的晃荡中实现超人的表示，包含检测讹诈和诊断疾病。这类优良的数字进修者正在被安排到全部经济中，他们的影响将是深远的。
在贸易范畴，AI将对早期通用技巧的范围产生概绫屈性的影响。尽管它已经活着界各地数千家公司中应用，但还有大年夜量的机会还在等待被发掘。跟着制造业、零售业、交通、金融、医疗、司法、告白、保险、娱乐、教导、以及几乎所有其他行业都正在应用机械进修技巧来改变其核心流程和贸易模式，AI的影响将在将来十年被放大年夜。如今的瓶颈在于治理、实施和营业畅象。
然而，与其他很多新技巧一样，人们对AI也产生了很多不切实际的期望。我们看到很多创虻公司的BP中开端参加很多关于机械进修、神经收集和其他情势的技巧，固然这和实际功能没有什么接洽。例如，把一个约会网站包装成AI在背后支撑的并不会让它变得更有效，但在融资上却可能会有很大年夜赞助。本文欲望抛开环绕在AI四周的噪声，来向大年夜家展示AI的┞锋正潜力、它的实际意义，以及AI实际应用中的┞废碍。
今天AI可以做什么？
AI这个词是在1955年由达特茅斯大年夜学的数学传授John McCarthy提出的，他在次年组织了这个主题的开创性会议。大年夜那今后，或许是因为这个令人回味名字的原因，这个范畴的成长远远跨越了人们的想象。1957年，经计揭捉?家 Herbert Simon 预言计算机将在10年内击败仁攀类（实际上花了40年）。1967年，认知科学家Marvin Minsky说，“在一代人的时光内，人工智能的问题将获得极大年夜的解决。” Simon和Minsky都是智力巨人，但显然他们都错了。
我们先来看看AI已经在做什么，以及这个范畴的进展有多快。最大年夜的进展来自于两大年夜范畴：感知（perception）和认知(cognition)。在前一类中，最前沿的进展大年夜部分是和语音相干的。语音辨认还没有达到完美，但如今稀有百万人已经在应用它们了——想想Siri、Alexa和Google Assistant。你如今正在浏览的┞封篇文┞仿最初是由我们口述给计算机的，已经比我们本身打字更快了。斯坦福大年夜学计算机科学家James Landay和他的同事进行的一项研究发明，语音识其余速度大年夜约是手机上打字速度的三倍。语音识其余缺点率已经大年夜以前的8.5%，降低到4.9%了。令人惊奇的是，这种本质性的进步并非在以前10年，而是大年夜2016年夏天开端。
图像辨认范畴的进展也让人赞叹。你可能已经留意到，Facebook和其他app如今已经能大年夜你上传的图片中辨认出你的同伙，并提示你用他们的名字来标记他们。在你的智妙手机上运行的app可以辨认任何野生鸟类。图像辨认甚至代替了公司门禁卡。主动驾驶汽车中所应用的视觉体系，在辨认一个行人的时刻，平日会在30帧中出现一次缺点（在这些体系中，相机记录大年夜约每秒30帧）;而如今，它们的缺点频率要少于1切切帧。ImageNet这个大年夜型数据库中辨认图像的缺点率，已经大年夜2010年的30%降低到了2016年的4%。
我们有时会听到“人工智能永远不会善于评估感性、狡猾、善变的仁攀类，它太逝世板、太没情面味了”等类似的抱怨。但我们不认为然。像Affectiva如许的机械进修体系，在以声音或面部神情为基本来辨别一小我的情感状况时，已经达到或超出了仁攀类的表示。其他体系可以揣摸出，即使是世界上最好的扑克玩家也能在令人惊奇的复杂游戏中击败他们。精确地浏览人们是一件很奥妙的工作，但这不是魔法。它须要感知和认知——确切地说，如今的机械进修是强大年夜的，并且一向变得更强大年夜。
但要留意的是，机械进修体系是无法完全代替这个职位、流程或营业模型的。大年夜多半情况下，它们是对仁攀类晃荡的弥补，使他们的工作变得更有价值。对于新的劳动分工来说，最有效的规矩很少是“把所有的义务交给机械”。相反，如不雅一个过程的成功完成须要10个步调，个一一个或两个步调可能会主动完成，而其余的则会变得更有价值。例如，Udacity的聊天室发卖支撑体系并没有试图构建一个可以或许接收所有对话的机械人；相反，它向发卖人员供给了若何进步机能的建议。仁攀类仍在掌控中，但变得加倍有效和高效。这种办法平日比设计可以或许完成仁攀类所有操作的机械更可行。它平日会带来更好的、更令人知足的工作，最终为客户带来更好的体验。
推荐阅读
【技巧沙龙】AI开辟者拭魅战营-7分钟打造1个定制技能。7月22号，我们等你一路！ 《新一代人工智能成长筹划》宣布，个中提到，新一代人工智能成长分三步走的┞方略目标，到2030年使中国人>>>详细阅读
本文标题：《哈佛商业评论》发长文，谈人工智能商业之路的现状、潜力、障碍与风险...
地址：http://www.17bianji.com/lsqh/36338.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示