來源：機器之心mp

選自哈佛商業(yè)評論

作者：吳恩達

機器之心編譯

參與：蔣思源、吳攀

今天，哈佛商業(yè)評論(HBR)網(wǎng)站發(fā)布了百度首席科學(xué)家吳恩達所寫的一篇評論文章《What Artificial Intelligence Can and Can't Do Right Now》，介紹了目前在大數(shù)據(jù)支持下的人工智能對行業(yè)的顛覆性影響以及其尚待進步的不足之處。

有很多高管問我人工智能到底能做什么？他們很想知道人工智能會怎樣顛覆他們的產(chǎn)業(yè)以及他們可以怎樣使用它來改變自己的公司。但是近來，有很多媒體都描繪了一幅不切實際的人工智能藍圖(也許人工智能不久就會接管世界)。人工智能現(xiàn)在已經(jīng)轉(zhuǎn)變了網(wǎng)頁搜索、廣告、電子商務(wù)、金融、物流、媒體等的運行方式。作為谷歌大腦團隊的創(chuàng)辦人、前斯坦福人工智能實驗室主任、并且現(xiàn)在是百度 1200 多人的人工智能團隊負責(zé)人，我很有幸培養(yǎng)了許多引領(lǐng)世界的人工智能團隊，創(chuàng)造了許多服務(wù)上億人的人工智能產(chǎn)品。我已經(jīng)看到了人工智能的影響，我要說的是“人工智能將轉(zhuǎn)變很多產(chǎn)業(yè)，但人工智能不是萬能魔法。為了理解人工智能對你們的業(yè)務(wù)的轉(zhuǎn)變，讓我們拋棄那些大肆宣傳的言論，看看人工智能究竟在今天能做些什么。”

令人驚訝的是，盡管人工智能已經(jīng)有很大范圍的影響了，但它在產(chǎn)業(yè)內(nèi)的應(yīng)用方式還極其有限。幾乎所有人工智能最近的進步都是通過一種類型——即輸入數(shù)據(jù)(A)然后快速生成簡單的回應(yīng)(B)，比如：

能夠輸入 A 和輸出 B 就將改變許多產(chǎn)業(yè)。這種構(gòu)建由 A 到 B 的軟件在技術(shù)術(shù)語上被稱為監(jiān)督學(xué)習(xí)(supervised learning)。A→B 這種系統(tǒng)距離科學(xué)幻想預(yù)示著的存在情感的機器人還差得很遠，人類智能也遠遠比 A→B 系統(tǒng)高級得多。這些 A→B 系統(tǒng)已經(jīng)在急速地發(fā)展，現(xiàn)在最有效的技術(shù)就是深度學(xué)習(xí)或者說是深度神經(jīng)網(wǎng)絡(luò)——它們都是在很寬泛的程度上是受大腦啟發(fā)的。不過這些系統(tǒng)離科幻的系統(tǒng)還差得遠。許多研究者也在探索其它形式的人工智能，其中一些的能力已經(jīng)在一些特定環(huán)境下得到了證明；也許還存在實現(xiàn)更高級智能的突破口，但現(xiàn)在我們目前還沒有實現(xiàn)這個目標的清晰路徑。

現(xiàn)如今監(jiān)督學(xué)習(xí)框架有一個致命弱點：它需要巨量的數(shù)據(jù)。人們需要給這個系統(tǒng)很多 A 和 B 的樣本。比如說開發(fā)一個圖片標注器需要成千上萬的圖片(A)及其可以說明圖中是否有人存在的標簽(B)。而開發(fā)一個語音識別系統(tǒng)也需要成千上萬小時的輸入語音(A)以及有語音轉(zhuǎn)錄文本(B)。

所以 A→B 系統(tǒng)能做些什么呢？關(guān)于其顛覆性影響，這里有一個經(jīng)驗法則：如果一個典型的人進行一項思考任務(wù)所需的時間少于 1 秒，那么也許我們現(xiàn)在或不遠的將來就能用人工智能自動化這項任務(wù)了。

現(xiàn)在人們已經(jīng)做了很多有價值的研究——檢查監(jiān)控視頻以發(fā)現(xiàn)可疑行為、在汽車有可能撞到行人時緊急制動、查找并刪除網(wǎng)上辱罵性的發(fā)帖——這些任務(wù) 1 秒之內(nèi)就能完成。這些任務(wù)的自動化已經(jīng)很成熟了。然而，這些都僅適合大環(huán)境或大業(yè)務(wù)流程，搞清楚其與你的業(yè)務(wù)中的其它部分的聯(lián)系也是很重要的。

人工智能的運行需要小心翼翼地尋找 A 和 B，并為人工智能弄清楚 A→B 的關(guān)系提供必要的數(shù)據(jù)。尋找 A 和 B 就已經(jīng)創(chuàng)造性地革命了許多產(chǎn)業(yè)，而它還有望帶來更多革新。

在明白了人工智能能做什么和不能做什么之后，高管們就要將其和他們的策略相結(jié)合起來。這就需要理解價值是怎么創(chuàng)造出來的以及什么是難以復(fù)制的。人工智能社區(qū)是非常開放的，大部分研究者會發(fā)表并分享他們的觀點甚至開源代碼。在這個開源的世界，稀缺的資源是：

數(shù)據(jù)。在領(lǐng)導(dǎo)過的人工智能團隊中，很多團隊最多一兩年就能復(fù)制其他團隊的代碼，但是要獲得其他團隊的數(shù)據(jù)是極其困難的。所以數(shù)據(jù)相比軟件對大多數(shù)業(yè)務(wù)是更好建立的屏障。

人才。簡單地下載和應(yīng)用開源軟件是沒什么用的，你需要根據(jù)實際的業(yè)務(wù)場景和數(shù)據(jù)定制人工智能。這也就是現(xiàn)在出現(xiàn)了對那些能勝任這項工作的稀缺人才的爭奪戰(zhàn)的原因。

有很多分析都是從對人類的好處與壞處來描述人工智能的潛力。例如我們看到有人工智能能夠進行對話來減少人類的孤獨；我們也看到有的人工智能牽涉到了種族歧視問題。短期來看，人工智能對個人的最大負面影響是：隨著我們能夠使用人工智能自動化的工作遠遠超過了以前，人工智能可能會造成我們的失業(yè)。作為人工智能領(lǐng)域的領(lǐng)導(dǎo)者，我們義不容辭的事情是確保我們正在建立一個每一個個體都能自由發(fā)展的世界。這個進程中，明白人工智能能做什么以及怎樣將其加入到你們的企業(yè)策略中只是一個開始，而不是結(jié)束。