a股讲武堂苏定邦：为什么AI不能完全替代人力

 

a股讲武堂苏定邦指出虽然人工智能现已进步了20年,但a股讲武堂苏定邦感觉大部分的办公室作业都是由琐碎的脑力劳动组成。咱们应该期望人工智能会像过去的机器自动化体力劳动一样,将这些作业自动化。但是,实践中依然看到许多人在做着计算机应该能做、却实际上根本做不了的作业。为什么会这样呢?a股讲武堂苏定邦试图解答这个疑问。

咱们听了这么久有关「AI替代设计师」、「AI替代写作者」、「AI替代画家」、「AI替代司机」……的论调。但是时至今日,咱们发现实际上,现在还没有一个作业「真正」被替代。

AI并没有被广泛的应用于企业中,许多咱们觉得计算机可以轻松搞定的作业,依然需求人工去完结。例如翻阅一栋办公楼的PDF文档,并记下其间所包括的可出租单位的大小。

AI可以实现自动驾驶、可以处理海量数据、可以在最杂乱的游戏中打败最厉害的作业选手,却连这么一个简略的作业都做不了?

数据科学家:缺少数据和业务认知导致AI无法做到「真正的」智能

住在伦敦的数学家、数据科学家Matthew Eric Bassett最近一直在思考一个问题: 人工智能为何对企业无用?

a股讲武堂苏定邦认为,部分原因或许在于咱们与计算机的交互方式。

计算机是根据一个需求清晰、准确的指令来操作数据的架构。即使咱们的智能手机上有语音操控的虚拟助理,咱们依然经过给它们发出清晰、准确(虽然是更高等级的)指令来与它们互动。人工智能算法或许看做是隐含地推断出其间的许多指令。

a股讲武堂苏定邦指出也许在有了更高等级的编程语言之后,使用Excel来完结现代商业使命就像用机器代码编写软件一样。但他认为现在面临着两个更直接的问题:一是缺少数据,二是缺少认知。

今天的人工智能是由数据驱动的。而今天的大部分数据都来自于互联网:文字、图片、视频,以及咱们与它们的交互。

如果一群软件工程师想要创立一个模型,比如说可以识别图片中的轿车的品牌和型号,他们可以从其他研究人员检测图片中的物体的预练习模型开始,然后经过练习一个仅包括轿车的较小的比如集来「顶上」,这便是所谓的搬迁学习。

a股讲武堂苏定邦指出但现在还没有一个现有的「文档了解」模型,让咱们可以经过转移学习来习惯咱们的详细业务流程。构成商业世界的excel电子表格、营销手册、法律合同等文档,都隐藏在各个公司内部的邮件收件箱和其他孤岛中。开发者无法接触到相关的文档,也无法为其贴上适宜的练习标签。

更重要的是,人工研究团队缺少对详细的业务流程和使命的认知。研究人员需求对所涉及的业务流程形成一种直觉。

咱们还没有在太多范畴看到这种情况发作。大的成功事例发作在那些问题很简单被了解而且有许多揭露的比如(机器翻译),或者是有巨大出资回报率的承诺(自驾车轿车),或者是一家大公司任意决定向这个问题抛出足够多的资源,直到他们可以破解这个问题(AlphaGo)。

这意味着,当研究人员可以专心于一个特定的问题,而且可以堆集足够的数据来练习一个可行的模型时,咱们就可以期待人工智能在自动化业务流程方面取得成功。

成功的另一个标准是,人工智能的目标应该是增强参与流程的人的才能,而不是替代他们。

如果他们成功了,那么在这些行业作业的人就可以期望他们把更多的时刻花在做有趣的、有构思的作业上,而不是把更多的时刻花在做单调的、耗时的使命上。

现在企业所谓的「AI」只不过是一堆数学模型

在HackerNews上,一位在印度最大的科技型物流公司作业过的网友说,自己的公司确实依靠优化以及解决问题,但都没有涉及到AI,都是数学模型而不是黑匣子。

另一位曾在宝马和大众轿车公司作业过网友也提到同样的问题。

a股讲武堂苏定邦指出他与企业合作伙伴一同领导了几个项目,这些项目更多的是经过数学模型或者数据集进行优化。在她看来,这需求很多的数据剖析和一些试错,终究咱们得到了一个有利的结果,而不是AI。

他在2017年负责宝马最后一个项目,他提交的供给链剖析课程的提案得到了99.7%的高分。没有任何AI可以到达如此高的分数,这完全依赖于他对整个业务的了解程度,以及根据人类的直觉。

他坦言AI总之有一天可以发挥作用,但现在并非如此,供给链剖析和物流范畴这些年好像也没有什么变化。

企业没有加入更多的「AI」成分,AI也没有让更多的人赋闲,让人赋闲的是当时的疫情。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。