那些想坐等AI成熟再采用的公司，可能永遠(yuǎn)也跟不上AI浪潮

http://blog.sina.com.cn/s/blog_cfa68e330102zg9l.html

作者 | Vikram Mahidhar 譯者 | Sambodhi 編輯 | Natalie

導(dǎo)讀： 元末明初的陶宗義曾在《南村綴耕錄》寫道：五臺山有鳥，名曰寒號蟲。 當(dāng)盛暑時，文采絢爛，乃自鳴曰：“鳳凰不如我！” 比至深冬嚴(yán)寒之際，毛羽脫落，索然如鷇雛，遂自鳴曰：“得過且過。”

這篇就是現(xiàn)在小學(xué)二年級的課文《寒號鳥的故事》的原型。在人工智能風(fēng)起云涌的今天，有些公司對人工智能的態(tài)度，又何嘗不是 “寒號鳥” 呢？我們已經(jīng)真真切切生活在人工智能時代了。這是最好的時代，也是最壞的時代。這個時代的偉大之處在于，它永遠(yuǎn)在更新，永遠(yuǎn)在前進(jìn)；但是這個時代的悲哀之處在于，跟不上時代的人，可能永遠(yuǎn)就跟不上了。

盡管一些公司，如大多數(shù)大型銀行、Ford（福特汽車）和 GM（通用汽車）、Pfizer（輝瑞，總部位于紐約的跨國制藥公司），以及幾乎所有的科技公司，都在積極擁抱人工智能。然而，還有很多公司并沒有這么做。相反，它們都在觀望，等待這一天的到來：技術(shù)成熟，人工智能專業(yè)知識得到更廣泛的應(yīng)用。它們都在盤算小九九，想當(dāng)一個 “后起之秀”，這是一種與大多數(shù)信息技術(shù)合作的策略。

我們認(rèn)為，這并不是一個好主意。誠然，有些技術(shù)確實需要進(jìn)一步的發(fā)展，但有些技術(shù)（像傳統(tǒng)的機器學(xué)習(xí)）已經(jīng)相當(dāng)成熟，并以某種形式存在了幾十年。更近一些的技術(shù)，如深度學(xué)習(xí)，就是基于上世紀(jì) 80 年代的研究成果。新的研究一直在進(jìn)行，但目前人工智能的數(shù)學(xué)和統(tǒng)計基礎(chǔ)已確立。

系統(tǒng)開發(fā)需要時間

除了技術(shù)成熟度的問題之外，還有其他幾個問題：即一旦技術(shù)變得更有能力，公司就能夠迅速采用的想法。首先，開發(fā)人工智能系統(tǒng)需要時間。如果這些系統(tǒng)是完全通用的，那么它們可能不會為你的業(yè)務(wù)增加什么價值，因此，要根據(jù)你的業(yè)務(wù)及其中的特定知識領(lǐng)域來對它們進(jìn)行定制和配置，而這就需要時間。如果你采用的人工智能使用的是機器學(xué)習(xí)，那么你就必須收集大量的訓(xùn)練數(shù)據(jù)。如果它操縱的是語言，就像自然語言處理應(yīng)用那樣，那么讓系統(tǒng)啟動和運行起來就可能會更加困難。需要將分類學(xué)和當(dāng)?shù)刂R集成到人工智能系統(tǒng)中，類似于用于專家系統(tǒng)的舊的 “知識工程” 活動。這種類型的人工智能不僅僅是一個軟件編碼的問題，還是一個知識編碼的問題。發(fā)現(xiàn)、消除歧義和部署知識，無一例外都需要時間。

特別是，如果供應(yīng)商或顧問沒有為你的知識領(lǐng)域建模，那么架構(gòu)師通常就需要耗費數(shù)月的時間。對于復(fù)雜的知識領(lǐng)域尤為如此。例如，凱特琳癌癥研究中心（Memorial Sloan Kettering Cancer Center）與 IBM 合作，使用 Waston 治療某些類型的癌癥已有六年多的時間，盡管在癌癥護理和人工智能方面擁有高素質(zhì)的人才，但這個系統(tǒng)仍然沒有做好廣泛應(yīng)用的準(zhǔn)備。有些領(lǐng)域和業(yè)務(wù)問題需要具備必要的知識工程。但是，它仍然需要根據(jù)公司的具體業(yè)務(wù)環(huán)境進(jìn)行操縱。

整合需要時間

即使你的系統(tǒng)已經(jīng)構(gòu)建完成，但也存在將人工智能系統(tǒng)整合到你組織中的問題。除非你使用的是嵌入在公司已使用的現(xiàn)有應(yīng)用系統(tǒng)中的某些人工智能功能（如 CRM 系統(tǒng)中的 Salesforce Einstein），否則，要與你的業(yè)務(wù)流程和 IT 架構(gòu)相適應(yīng)，就需要大量的規(guī)劃和適應(yīng)時間。從試點和原型過渡到人工智能生產(chǎn)系統(tǒng)，這一過程可能既困難又耗時。

就算你的組織擅長將試點和原型遷移到生產(chǎn)中，也必須重新設(shè)計業(yè)務(wù)流程，以對你的業(yè)務(wù)和行業(yè)產(chǎn)生全面的影響。在多數(shù)情況下，人工智能支持的是單個任務(wù)，而不是整個業(yè)務(wù)流程。因此，需要重新設(shè)計業(yè)務(wù)流程和針對它的新人工任務(wù)。例如，如果你希望影響客戶參與，那么你就需要開發(fā)或調(diào)整與營銷、銷售和服務(wù)關(guān)系不同方面相關(guān)的多個人工智能應(yīng)用和任務(wù)。

人工智能時代下的人機交互

最后，人工智能還需要克服人類的挑戰(zhàn)。很少有人工智能系統(tǒng)能夠做到完全自主，它們更關(guān)注的是人工智能的增強和那些由人類完成的工作。新的人工智能系統(tǒng)通常意味著與它們一起工作的人們需要轉(zhuǎn)變新角色，掌握新技能。而且，要重新培訓(xùn)員工熟悉新的流程和系統(tǒng)，通常需要相當(dāng)長的時間。例如，向客戶提供 “機器人咨詢” 的投資咨詢公司，往往試圖讓人力顧問將注意力轉(zhuǎn)移到“行為金融”，或提供建議和“助推”（nudges），以鼓勵明智的投資決策和投資行動。但是這種技巧，與提供有關(guān)購買購票和債券的建議截然不同，需要一些時間來反復(fù)灌輸。

即使人工智能系統(tǒng)的目標(biāo)是達(dá)到完全自主，也可能需要一段時間的增強模式。在此期間，機器學(xué)習(xí)的關(guān)鍵部分，是通過系統(tǒng)與人類用戶和觀察者之間的交互實現(xiàn)的。這就是交互學(xué)習(xí)，是組織了解系統(tǒng)如何與其生態(tài)系統(tǒng)交互的關(guān)鍵步驟。它們通常可以收集新的數(shù)據(jù)集，并在這段時間內(nèi)開始將其轉(zhuǎn)化為算法，通常需要耗費數(shù)月或數(shù)年的時間。

人工智能應(yīng)用的管理時間

雖然應(yīng)用人工智能系統(tǒng)的目的是提供指數(shù)縮放和預(yù)測，但它們需要一種新的管理方法，比傳統(tǒng)的控制和測試驅(qū)動方法要更為廣泛。人工智能算法的效率會隨著時間的推移而下降，因為它們是基于歷史數(shù)據(jù)和最近的業(yè)務(wù)知識構(gòu)建的。當(dāng)機器從新數(shù)據(jù)中的模式中學(xué)習(xí)時，算法可以得到更新，但它們需要由主題專家監(jiān)控，以確保機器能夠正確地解釋業(yè)務(wù)環(huán)境的變化。算法還必須連續(xù)監(jiān)測偏差。例如，如果人工智能系統(tǒng)經(jīng)過訓(xùn)練，能夠根據(jù)客戶人口統(tǒng)計數(shù)據(jù)來創(chuàng)建產(chǎn)品推薦，并且新數(shù)據(jù)中的人口統(tǒng)計數(shù)據(jù)發(fā)生了顯著的變化，就有可能會提供有偏見的推薦。

管理還包括監(jiān)視客戶欺詐行為。隨著系統(tǒng)變得智能化，用戶也會變得更加聰明。他們可能會試圖用欺詐性的數(shù)據(jù)和活動來玩弄這些系統(tǒng)。監(jiān)視和預(yù)防客戶的欺詐行為需要在你的業(yè)務(wù)環(huán)境中部署復(fù)雜的儀器，并配置人工監(jiān)視。

贏家通吃

因此，要開發(fā)和完全實現(xiàn)人工智能系統(tǒng)，可能需要很長的時間，而且在必要步驟上幾乎沒有捷徑可走。一旦成功實施，規(guī)模化可能會非常迅速——尤其是如果公司擁有豐富的數(shù)據(jù)供應(yīng)并掌握知識工程。當(dāng)晚期采用者剛完成所有必要的準(zhǔn)備工作時，早期采用者早就占據(jù)了相當(dāng)大的市場份額——他們將能夠以更低的成本、更好的性能來運營。簡而言之，可能會出現(xiàn)贏者恒贏的局面，后來者可能永遠(yuǎn)再也趕不上了。例如，想一想 Pfizer 這樣的公司吧，這家公司的學(xué)習(xí)經(jīng)驗和能力，據(jù)該公司的分析和人工智能實驗室的主管稱，他們已經(jīng)積累了 150 多項人工智能項目在進(jìn)行。像 Alphabet 這樣的科技公司則擁有更多的學(xué)習(xí)經(jīng)驗，早在 2015 年，該公司就有 2700 個正在進(jìn)行的人工智能項目。

誠然，如果公司愿意犧牲其獨特的知識和經(jīng)營方式，那么，通過等待可以加快某些步驟。供應(yīng)商正在開發(fā)各種各樣的知識圖和模型，這些圖和模型使用的技術(shù)，涵蓋了從自然語言處理到計算機視覺技術(shù)的各種技術(shù)。如果你的行業(yè)或者業(yè)務(wù)存在這樣的問題，并且愿意在不做任何修改的前提下采用它，那么就可以加快人工智能的采用過程。但是，如果你不進(jìn)行調(diào)整以適應(yīng)你的環(huán)境并圍繞它構(gòu)建一切，那么你可能會失去獨特的能力或競爭優(yōu)勢。

顯而易見，如果你想在人工智能方面取得成功，并認(rèn)為可能存在某些威脅，這些威脅來自于由人工智能驅(qū)動的競爭對手或新加入市場的公司。那么，你現(xiàn)在就應(yīng)該開始學(xué)習(xí)如何在多種不同的應(yīng)用和人工智能方法中使其適應(yīng)你的業(yè)務(wù)。一些領(lǐng)先的公司已創(chuàng)建集中式人工智能小組來大規(guī)模地做這件事。這些核心團隊專注于擬定問題、證明業(yè)務(wù)假設(shè)、人工智能資產(chǎn)模塊化以實現(xiàn)可重用性，創(chuàng)建管理數(shù)據(jù)管道的技術(shù)，以及跨業(yè)務(wù)的培訓(xùn)。另一種可能性是收購一家已積累大量人工智能能力的初創(chuàng)公司，但仍然需要將這些能力應(yīng)用到你的業(yè)務(wù)中。簡而言之，如果你還沒有開始采用人工智能技術(shù)，那么你應(yīng)該做的就是：立即開始！希望為時不晚。

原文鏈接：

https://hbr.org/2018/12/why-companies-that-wait-to-adopt-ai-may-never-catch-up