對話：關于人工智能，炒作不見得是一件壞事

人工智能，要多火有多火，這自然離不開參與者、企業甚至是媒體的炒作。那麼在整體的炒作現象之下，究竟人工智能正在幹些什麼？又在改變着什麼？

近日全球知名咨詢機構麥肯錫内部部落格欄目就進行了一場題為“人工智能商業：脫離炒作的真實進展”的對話，參與者有3位：

麥肯錫進階合夥人Peter Breuer

麥肯錫全球研究院合作夥伴Michael Chui

麥肯錫出版社的Simon London

究竟企業們應該如何利用人工智能武裝自己？遍地開花的人工智能商業應用有哪些值得關注？人工智能炒作與真正的用例之間的界限？商業領袖該如何在其中進行分辨？

以上問題在這次的對話中都有所提及，雷鋒網節選了其中部分對話，為您做如下不改變原意的編譯： 

Simon London：在今年夏天發表的一篇麥肯錫全球研究院的報告中，Michael談到了五種技術系統，機器學習隻是其中一部分。你能快速帶我們過一遍這五個技術分别是什麼嗎？

Michael Chui：今年早些時候，我們調查了全球3,000多名不同的業務主管，以了解他們部署應用這些技術的程度。涉及的科技領域範圍廣泛而且有所重疊，但是一些最新的進步和發展就發生在那裡。

其中之一就是實體人工智能，也就是機器人和自動駕駛汽車。我們看到很多有趣的事情發生在那裡。

其次，計算機視覺 ——無論是圖像處理，視訊處理等深度學習系統在這個領域已經取得了很大的進步。

同樣，圍繞着自然語言處理，無論是口語還是書面語言，很多自然語言的工作正在完成。

此外，那些能夠通過語音或者線上文字對話的虛拟客服、線上對話界面正在成為現實，這一類産品更準确地說是在自然語言處理上拓展出來的服務。

最後，除了我剛才提到的應用之外，機器學習實際上在許多别的科技類型上也具有巨大的适用性。我們有機會多談一談。

Simon London： 說的很對，Peter你可以談一下有哪些日常生活領域已經在被AI改變了麼？

Peter Breuer：實際上我們都見過，我們的智能手機就是一台指尖上的超級計算機。Michael剛剛提到的一些元素，你在日常生活中都可以體驗。例如通過智能手機上使用電子郵件或輸入消息時，輸入法會自動檢查你的拼寫，這件事目前效率遠比之前大，背後的原因就是機器學習。

至于剛才Michael還提到的語言，口語。你手機或者其他裝置上的Siri或Google智能助理每天都在學習，而且每天使用它越多，了解就會越好。這很明顯是他們背後也有機器學習機制在運轉。

還有大多數人都關注的iPhone X，它确實使用了機器學習面部識别，包括用人臉識别機器學習解鎖你的手機。是以，我想我們都已經通過的智能手機來體驗到這些技術了，而且我們将會看到更多。

Michael Chui：實際上，AI懂的越來越多，整個線上和移動網絡都越來越依賴AI所帶來的進步。舉個例子，無論是電子商務還是媒體，系統都在不斷給你推薦你可能感興趣的東西，并且引導消費者去閱讀他們，甚至是去掏錢購買他們。實際上這些系統并不是僅僅依據傳統的資料統計，同時也應用了很多AI的技術，希望能夠讓消費者距離他們有可能感興趣的東西更近。

Simon London：有一點我也必須分享一下，我非常幸運的住在矽谷的山景城。那邊路上總是有很多自動駕駛汽車。它們在不停訓練，不斷收集資料。雖然暫時還不能購買，但是我認為總有一天，我會在上下班的路上看到自動駕駛車輛正式上路。

另一方面，自動駕駛本身也非常有趣。我曾多次與相關技術人員交談，他們告訴我，自動駕駛實際上包括了很多種技術：機器視覺、機器人技術等等。而驅動着一些技術的，其實還是機器學習。

是以我們将看到人工智能還将改變更多東西，它們将會很快到來。例如我們在跟人工智能方面的客戶合作的時候，是否會看到更多比現在更有趣的商業應用呢？

Peter Breuer：自主駕駛本的确涉及相當廣泛。你會發現不同層次的自主駕駛的發展。我們通常會談論五個不同層次的自主駕駛。汽車制造商目前正在嘗試所謂的“Level 4（第四等級）”，但這也會産生一個問題，在有些特殊情況發生車禍時，提供自動駕駛技術的OEM廠商需要承擔責任，而不再是司機這一方（涉及到自動駕駛功能的技術方、産品方）。從傳統交通的角度來看，這實際已經是“颠覆性的”。事實上，德國法律當局已經在思考究竟應該如何應對這一全新的挑戰。

除了自主駕駛之外，在其他行業，例如在醫療保健領域，随着RNN神經網絡技術的發展我們很快就會看到，機器在MRI和X射線照片中的癌症檢測方面變得更強，比經驗豐富的醫生更強，這也是相當颠覆性的。

Simon London：Michael，你有沒有看到有趣的案例，十分新奇、給你留下深刻印象的？

Michael Chui：有一點讓人印象深刻，就是人工智能、深度學習究竟在多大程度上與之前我們在資料和分析中取得的成就相關。正如彼得所提到的，機器學習的一個促成因素就是大量的資料。我們看到越來越多的公司和我們的客戶收集的資料，無論是交易資料，語音資料還是實體世界中的物聯網資料。當你擁有所有這些資料時，就可以使用這些AI技術擴充你在分析中所做的工作。

例如，預測各個領域的巨大而重要的問題，特别是制造業，包括供應鍊等等。而且我想，如果你和任何一位處理預測問題的高層主管交談，你問他們：“你的預測能更好嗎？”他們肯定會說：“當然可以。”在現在能夠收集到的資料量前提下，當我們引入AI技術的時候，可以在很多情況下顯著的提高預測的準确性。

這或許隻是在我們在應用資料和分析的情況下的一個小問題。但随着我們引入更多的資料，并且引入人工智能技術之後，我們确實可以在特定問題上做的更好。假如我們再去思考一個組織内的整個價值鍊條，會發現AI幾乎能提高所有環節的表現。

Simon London ：有一個話題我還想聽一下兩位的意見，就像Peter剛才提到的那樣——“人工智能正在經曆一個炒作循環”。但我們剛才也聊到了很多應用、很多行業、很多價值都處于緊要關頭，這同樣非常真實。那麼你們是否認為AI現在存在炒作？如果是的話，你怎麼看？

Peter Breuer：我的回答是，是也不是。一開始，我們試圖從根本上定義什麼是AI，什麼不是AI，今天我們正處于另一個階段。有一些我們稱之為狹義AI的應用——那些現在機器可以比人類做得更好的具體任務。國際象棋或圍棋的例子，機器人總是更勝一籌。那麼當然還有一個廣義上的AI的問題，那就是可以一台機器可以具有更廣泛的能力。我們還沒有走到這一部。但是，我們不應該忘記發展的速度是呈指數倍的。

人腦不了解指數增長意味着什麼。但是我們在這些關鍵技術上面臨着指數級的發展。它比我們想象的要快得多。是以我會說，現在是有一點炒作，但同時發展速度非常快。

Michael Chui：肯定有很多炒作。但我認為我們也應該看到，炒作并不總是不好的。這确實引起了人們的關注。它有時會在短期内導緻過度的預期。但從長遠來看，我們确實認為有巨大的潛力。

我們開始看到很多投資，這反映了我們發表的一些研究中對這種潛力的了解。在上一年，在2016年投資于人工智能的投資達到了260億美元左右，其中很大一部分來自于科技巨頭，還有一些來自于外部對于一些創業公司的投資。這反映了大家看到真正有潛力的價值創造的前沿。但是，當我們考察這些技術在生産中實際使用的程度時，隻有很小一部分公司在成規模的、或者在其核心流程中進行部署。

我們期望看到的是，人工智能能夠像我們已經發現的其他真正有潛力創造價值的技術趨勢一樣，随着時間的推移，産生更多的應用，捕捉到更多的價值。 

實際上，我們還有其他研究關于自動化的程度和速度方面的潛力，包括AI等技術。 把所有這些因素結合在一起，包括技術發展，積極的商業案例，以及自然的S應用曲線，我們會這樣描述整個局面：宏觀上很緩慢，但微觀上很快速。

這些技術在全球經濟中全面傳播并發生影響可能需要幾十年時間，包括已經發展起來的技術。但如果你是一家需要與對手競争的公司，并且競争對手正在使用這些新技術，那你将會感覺技術發展的非常快。

但假如你要說對一個單獨的上班族的影響，改變也可能會很快發生。是以我認為，商界上司者的責任是了解這項技術，了解如何将其作為一種有競争力的武器，雖然整個經濟體系可能需要很長時間才能受到人工智能的影響而改變，但單個商業案例的颠覆，實際上有可能發生的非常非常快。

Peter Breuer：Michael，我非常同意你所說的話。但這也意味着，大公司的任何首席執行官都應行動起來。去了解大家正在談論的大資料，分析，機器學習，深度學習，人工智能等領域。

對于還沒有行動的商界領袖們，我們也強烈建議你們現在開始着手培養能力，建構技術，開始組織變革，這也将是最終轉變為AI驅動流程，和AI賦能商業的路徑。

Michael Chui：我完全同意上面這個觀點。我也給一個切實可行的建議，在炒作滿天的時候，你可以聽聽銷售人員怎麼說，然後買他自己在使用的東西，打個比方。最重要的是，去看看自己的業務，看一下你的業務有哪些地方需要完善，而新技術又能為你再創造些什麼。

如果你正在以營運為基礎進行競争，那這個點可能在于預測性維護等營運案例。如果你是一個以銷售和市場為導向的機構，那麼AI可以産生最大影響的地方，或許是下一個産品的購買或營銷組合。是以，了解目前的各種可投資的技術，并且想清楚以後應該在技術方面如何發展，最終選擇将自己的注意力放在哪個方向，其實才是最重要的事。

另外一件重要的事是，雖然你可能不是最終執行這些新技術方案的人，例如IT部門的上司甚至是資料分析部分的上司，但假如你想帶來改變的話，你也需要做出回報，這一點在我們之前的調查中已經有所回報。你不必是資料科學家。你也不必成為機器人專家或AI專家，但行政上司能切實保這些新技術對你所在的組織産生影響。

Peter Breuer：我還想補充一點，對于部署AI來說，将公司轉變成為分析或者人工智能驅動占據50％的重要性，改變員工思維是另外50％。第一部分大多數人都能看到，第二部分很多時候卻被遺忘了。

我們有時候會忘記，我們現在仍然在一個龐大的有許多員工的組織中，我們需要對這些技術進行教育訓練。自上而下的變革需要最終滲透到每個員工身上。他們需要擁抱新技術和新機遇。隻有這樣你才能最終得到你希望的新結果。

雷鋒網點評：AI的炒作風口之下，一個接一個的變化正在發生，從特殊場景到企業、從企業到行業、從行業到全世界。即便目前看起來你或許還在“置身事外”，但如果真的一點準備都不做，你怎麼知道你最後不會被淘汰呢？

本文作者：嫣然