沃卡惠移动端logo

沃卡惠  行业资讯

资讯详情

应用人工智能需要重大的思维转变

2023-01-07 09:21:154636

尽管人工智能取得了可喜的进步,但它尚未在许多行业引发转型变革。在许多情况下,问题不一定出在技术上,而是出在我们看待技术的方式上。

权力和预测Ajay Agrawal、Joshua Gans和Avi Goldfarb的新书探索了不同行业采用人工智能的根本挑战。他们广受好评的续集预测机器,新书讨论了在组织能够从人工智能进步的全部潜力中受益之前需要改变什么。

从点解决方案和应用到AI系统,Agrawal、Gans和Goldfarb研究AI在不同领域的成功和失败。它们还从过去的技术革命中提供了重要的见解,并显示了重新思考和从头重新设计我们的系统如何能够帮助基于强大的机器学习和深度学习算法.

点式解决方案与人工智能系统

今天的人工智能系统是预测机器,这意味着它们可以根据过去的数据预测未来发生的事情。这基本上是每个数学模型所做的。但是,由于大量数据和计算的可用性以及深度学习算法的进步,我们已经能够创建能够对复杂信息进行预测的模型,如图像、文本和多维数据。

在…里权力和预测,作者将人工智能的价值分为三类:点解决方案、应用解决方案和系统解决方案。

到目前为止,我们看到的大多是点解决方案和应用解决方案。这些人工智能系统取代了以前需要预测的任务。例如,在金融服务中,任务之一是预测哪些交易是欺诈性的。根据正确的数据训练的机器学习模型可以接管这项任务。点解决方案是人工智能的唾手可得的成果,因为采用它们只需要最少的投资和对底层系统的改变。

点解决方案的另一个例子是分析放射扫描。现在有几个深度学习模型可以从x光和核磁共振扫描中检测出各种疾病,其水平与经验丰富的放射科医生相当。

他们自动化了放射科医师执行的许多任务中的一项,而无需对底层患者护理系统进行任何更改。

人工智能系统可以通过自动化当前应用程序和系统中未解决的新任务和问题来提供更大的价值。然而,人工智能系统需要一种全新的方法,在这种方法中,你需要重新设计整个流程、工作流和应用程序,不仅要解决现有的问题,还要解决新的问题。为了让它们工作,人工智能系统通常需要新的组织结构以及目标和激励的一致性。这使得人工智能系统更难、风险更大,但也更有回报。

“系统解决方案通常比点解决方案或应用解决方案更难实现,因为人工智能增强的决策会影响系统中的其他决策,”的作者权力和预测写吧。“点解决方案和应用解决方案通常会增强现有系统,而系统解决方案,顾名思义,会颠覆现有解决方案,因此通常会导致中断。然而,在许多情况下,系统解决方案可能会为人工智能投资带来最大的整体回报。”

人工智能的时代

人工智能的时代

在…里权力和预测作者认为,我们正处于人工智能的“时代之间”在...之后见证这项技术的力量以前它的广泛采用。“这就是为什么点和应用解决方案目前是人工智能更有吸引力和更受欢迎的用例。

这是有历史先例的。例如,在十九世纪末,当电力开始工业化时,它的第一个应用是点解决方案。对工厂来说,这意味着用电动机取代蒸汽机来降低能源成本。改变能源来源不需要重新设计工厂。

然而,电力的真正价值主张是将机器与电源分离。这使得蒸汽动力无法实现的新工厂设计成为可能,而且生产率更高,成本更低。但这种采用花了几十年时间,因为它需要根本性的改变,打破习惯,以及现任者不愿意进行的前期投资。那些利用了这个机会的企业家设法取得了领先地位,并占领了很大一部分市场,这些市场后来取代了旧的市场。

你可以在许多其他行业看到这些转变,比如网上购物的兴起,个人电脑的出现,以及从印刷媒体向数字媒体的转变。

人工智能是一项基础设施技术,其影响可以与电力相比。因此,它需要一种新的心态和大胆的探索。

的作者权力和预测写“AI驱动的行业转型需要时间。刚开始怎么做不是很明显。许多人可能会尝试失败,因为他们误解了需求,或者他们无法让单位经济学发挥作用。最终,有人会成功,并建立起一条盈利之路。其他人会试图模仿。行业领导者将试图建立护城河来保护自己的优势。有时候会成功。无论如何,这个行业都会转型,一如既往,会有赢家和输家。”

打破规则

打破规则

每个权力和预测,“当你没有东西的时候,你不会就这么放弃。你补偿它。如果你没有做出明智选择所需的信息,你就把自己与盲目做事的后果隔离开来。因此,当人工智能预测出现时,使用它的机会并不立即显而易见也就不足为奇了。潜在决策者在没有这些信息的基础上搭建了一个脚手架。”

人工智能的机会很难发现,因为它们通常隐藏在运作良好、已经建立了很长时间的严格规则和程序后面。这些规则弥补了我们信息的不足。它们使我们能够在无法预测确切结果的情况下做出决定。他们帮助建立系统,虽然不是最佳的,但在许多情况下是可靠的。

找到这些机会的关键是,首先,理解预测机器的力量,其次,找到预测可以取代硬性规则的地方。作者在书中探索的一个非常有趣的例子是教育中的人工智能.

感谢机器学习算法和历史数据,我们可以预测学生的表现如何,他们将在哪里出类拔萃,他们将在哪里奋斗。这使我们有机会为每个学生提供更个性化的内容。

但是,这些预测模型在当前的教育系统中没有太大的帮助,当前的教育系统是建立在基于年龄的课程基础上的,每个班级只有一个老师。这个系统的建立是因为我们没有办法通过学生的教育轨迹来准确衡量他们的个人学习能力。

为了能够充分利用机器学习,我们需要以一种新的方式重新思考教育系统。这一新系统将用个性化讨论、小组项目和教师支持取代基于年龄的课程,并对整体教育和个人成长与发展产生更大的影响。

“基于年龄的课程规则是现代教育系统的粘合剂,因此个性化学习内容的人工智能只能在该系统中提供有限的好处,”的作者权力和预测写吧。“释放个性化教育人工智能潜力的主要挑战不是建立预测模型,而是将教育从目前将系统粘合在一起的基于年龄的课程规则中分离出来。”

换档动力

换档动力

人工智能的成功应用需要权力和预测称之为“系统思维”,它与“任务思维”相对立任务思维侧重于节约成本。系统思维侧重于价值创造。任务思维专注于自动化单个任务。系统思维模式认识到,需要重新构建系统,在机器预测和人类决策的基础上创造价值。

我们已经看到这种情况发生在一些行业和大型科技公司,如亚马逊和谷歌,它们已经形成了有利可图的系统推荐个性化内容基于人工智能的预测。

也许系统思维模式的一个重要因素是随着人工智能的采用而发生的权力转移。随着系统的变化,有决策权的人也在变化。

“虽然人工智能不能把决定交给机器,但它可以改变由哪个人来做决定。机器没有权力,但当部署后,它们可以改变谁有权力权力和预测写吧。“当机器改变决策人时,底层系统也必须改变。制造机器的工程师需要理解他们嵌入到产品中的判断的后果。过去在瞬间做出决定的人可能不再需要了。”

作者在书中探讨的一个假设例子是心脏病发作风险。目前,这种风险评估是通过医院的测试进行的,决定是由进行测试的专科医生做出的。

比方说,我们能够建立人工智能系统,根据智能手表等可穿戴设备收集的数据预测心脏病发作风险。然后,有可能将这些预测从医院急诊部的分诊区转移到病人家中。在这种情况下,许多患者在被诊断患有药剂师或初级保健医生可以在家帮助治疗的疾病后,将永远不需要去医院。

不管我们站在哪里科学和哲学辩论围绕人工智能,我们都同意预测机器可以提供很多东西,而我们只是触及了表面。能够充分利用它们的潜力,首先要回到绘图板,重新思考如果我们有能力预测,我们将如何设计我们的系统。