關(guān)于人工智能的七大常見誤解與七個真相！

　　如果你是商界英才(而不是數(shù)據(jù)科學(xué)家或者機(jī)器學(xué)習(xí)專家)，你也許對主流媒體宣傳的人工智能(artificial intelligence，AI)已經(jīng)耳熟能詳了。你在《經(jīng)濟(jì)學(xué)人》和《名利場》雜志上讀過相關(guān)文章，你看到過特斯拉自動駕駛的煽情文章，聽到過史蒂芬?霍金講述人工智能威脅人類的聳人聽聞，甚至迪爾伯特關(guān)于人工智能和人類智能的玩笑你都知道。

　　此時，胸懷大志要把自己的生意做大做強(qiáng)的你，面對媒體關(guān)于人工智能的碎碎念，可能萌生了兩個疑問——

　　第一，人工智能的商業(yè)潛力是真是假?

　　第二，這玩意怎么用到我的生意上?

　　對第一個問題，答案是：千真萬確。今天的商業(yè)活動，可以開始應(yīng)用人工智能來將要求人類智能的活動替換為自動處理以降低成本。人工智能可以允許你將一個需要人海戰(zhàn)術(shù)的工作通量增加100倍而成本減少90%。

　　第二個問題的答案要長一些。首先得消除主流媒體鼓吹導(dǎo)致的誤解。一旦誤解消除，我們才能為你介紹如何應(yīng)用人工智能到自己的生意中去。

　　誤解一：人工智能是魔術(shù)

　　我們只需為大魔術(shù)師般的公司，如Google，F(xiàn)acebook，Apple，Amazon和Microsoft等鼓掌歡呼即可。這樣的描述只是在幫倒忙。如果我們想要人工智能應(yīng)用到商業(yè)活動中，至少需要讓公司的執(zhí)行官們理解它。人工智能不是魔術(shù)。人工智能是數(shù)據(jù)、數(shù)學(xué)、模式和迭代。如果我們想要人工智能應(yīng)用到商業(yè)活動中，我們必須更加透明，并解釋清楚人工智能的3個互相連鎖的關(guān)鍵概念。

　　1.訓(xùn)練數(shù)據(jù)(TrainingData，TD)——

　　訓(xùn)練數(shù)據(jù)是機(jī)器可以用來學(xué)習(xí)的起始數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)有輸入值和自帶答案的輸出值，這樣機(jī)器學(xué)習(xí)模型可以從答案中尋找模式。比如，輸入可以是客服單，帶有客戶和公司的客服代表之間的電子郵件。輸出可以是基于公司某個分類定義的從1到5的分類標(biāo)簽。

　　2.機(jī)器學(xué)習(xí)(MachineLearning，ML)——

　　機(jī)器學(xué)習(xí)是軟件從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到某種模式，并把它應(yīng)用到新的輸入數(shù)據(jù)中。比如，一個新的客服單，帶有某位客戶和某位公司客服代表的郵件來了，機(jī)器學(xué)習(xí)模型可以預(yù)測出一個分類，告訴你它對該分類的把握有多大。機(jī)器學(xué)習(xí)的關(guān)鍵特征是，它不是通過固定的規(guī)則來學(xué)習(xí)。因此，當(dāng)它消化新的數(shù)據(jù)后，它會調(diào)整其規(guī)則。

　　3.人機(jī)回圈(Human-in-the-Loop，HITL)——

　　人機(jī)回圈是人工智能的第三個核心成分。我們不能指望機(jī)器學(xué)習(xí)萬無一失。一個好的機(jī)器學(xué)習(xí)模型大概只有70%的準(zhǔn)確性。因此你需要一個人機(jī)回圈流程，當(dāng)模型的可信度低時，還可以依靠人。

　　因此，別被人工智能的神話愚弄了。現(xiàn)在，有了人工智能的公式，在此基礎(chǔ)上，你可以對人工智能有一個基本的理解了。AI = TD + ML + HITL

　　誤解2：人工智能是給科技精英用的

　　媒體報道似乎暗示，人工智能只是科技精英的菜——只有像Amazon，Apple，F(xiàn)acebook，Google，IBM，Microsoft，Salesforce，Tesla，Uber這些公司能斥上億美金巨資組建龐大的機(jī)器學(xué)習(xí)專家團(tuán)隊。這個概念是錯的。

　　今天，十萬美元即可在商業(yè)過程中開始應(yīng)用人工智能。因此，如果你的公司是全美營業(yè)額在5千萬美元以上的26，000家公司之一，你就可以投入營業(yè)額的0.2%，來啟動人工智能。

　　因此，人工智能不只屬于高科技公司。它屬于任何行業(yè)。

　　誤解3：人工智能只解決億萬美元級的大問題

　　主流媒體敘說的故事，通常是未來式的例子，比如無人駕駛汽車，無人機(jī)投遞包裹。Google，Tesla和Uber這些公司投入了數(shù)億美元爭奪無人駕駛汽車領(lǐng)域的領(lǐng)先地位，因為“贏者通吃”的想法在作怪。這樣的故事給人工智能打上了“花費億萬美元開拓創(chuàng)新領(lǐng)域”的烙印。但事實并非如此。

　　人工智能也可以用幾百萬美元來解決現(xiàn)有問題。讓我解釋一下。任何生意的一個核心任務(wù)都是了解客戶。這在最早的市場——古希臘的阿格拉如此，在古羅馬的競技場里面對面做買賣時如此，在網(wǎng)購盛行的今天也如此。許多公司坐擁非結(jié)構(gòu)化的客戶數(shù)據(jù)寶庫，有電子郵件，也有Twitter評論。人工智能可以用于解決客服單分類或者理解推文情感這樣的難題。

　　因此人工智能不止是為了解決如無人駕駛汽車這樣的億萬美元級“讓人興奮”的新問題，它也可以解決百萬美元級的現(xiàn)有“無聊”問題，如通過客服單分類或者社交媒體情感分析來了解你的客戶。

　　誤解4：算法比數(shù)據(jù)更重要

　　主流媒體對人工智能的報道偏重于關(guān)注機(jī)器學(xué)習(xí)算法，將其視為最重要的部分。主流媒體似乎把算法與人腦等同了。他們隱約傳達(dá)著這樣一個信息：復(fù)雜的算法最終會超越人類的大腦并創(chuàng)造奇跡。媒體拿機(jī)器在國際象棋和圍棋比賽里擊敗人類的故事作為例子。而且他們主要關(guān)注“深度神經(jīng)網(wǎng)絡(luò)”和“深度學(xué)習(xí)”，以及機(jī)器是如何做出決策。

　　這種報道給人的印象是，一個公司要想應(yīng)用人工智能就需要聘請機(jī)器學(xué)習(xí)專家來建立完美的算法。但如果一個企業(yè)沒有思考如何獲得高質(zhì)量的算法，即使機(jī)器學(xué)習(xí)模型經(jīng)過大量的特定訓(xùn)練數(shù)據(jù)學(xué)習(xí)之后，仍然會產(chǎn)生一個與期望(“我們有一個偉大的算法”)不匹配的結(jié)果(“我們的模型的準(zhǔn)確率只有60%”)。

　　現(xiàn)如今，沒有計劃或訓(xùn)練數(shù)據(jù)的預(yù)算就從微軟，亞馬遜和谷歌購買商業(yè)機(jī)器學(xué)習(xí)的服務(wù)，就像買一輛無法接近加油站的車，只是買了一塊昂貴的金屬。汽車和汽油的類比有些不貼切，因為如果你給機(jī)器學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù)越多，機(jī)器學(xué)習(xí)模型就會越準(zhǔn)確。這就像不斷給汽車加油，汽車的燃料利用率會不斷提高。訓(xùn)練數(shù)據(jù)對于機(jī)器學(xué)習(xí)模型的重要性比汽油對汽車的重要性更高。如果想深入了解對這類誤解性的報道的話，你可以閱讀我們以前的帖子《更多的數(shù)據(jù)擊敗更好的算法》。

　　所以關(guān)鍵就是訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量至少是和算法一樣重要的，要確保你部署人工智能的計劃和預(yù)算反映這一點。