為什麼應用人工智慧需要重大思維轉變

儘管人工智慧目前取得了令人鼓舞的進步，但它還沒有在許多行業中引起革命性的變化。在很多情況下，問題不一定出在技術上，而是出在人們感知科技的方式。

《權力與預測》是人工智慧專家撰寫的一本新書，探討了不同產業應用人工智慧技術的根本挑戰。作為他們廣受好評的《預測機器》的續集，這本書討論了企業在受益於人工智慧進步的全部潛力之前需要改變什麼。

從點解決方案和應用到人工智慧系統，行業專家研究了人工智慧在不同領域的成功和失敗。他們也從過去的技術革命中提供了重要的見解，並展示瞭如何從頭開始重新思考和設計人工智慧系統，可以幫助創造基於強大的機器學習和深度學習演算法的真正價值。

點解決方案vs人工智慧系統

如今的人工智慧系統是預測機器，這意味著它們可以根據過去的資料預測未來會發生什麼。這是每個數學模型都要做的。但由於大量數據和計算的可用性以及深度學習演算法的進步，人們已經能夠創建可以對圖像、文字和多維數據等複雜資訊進行預測的模型。

在《權力與預測》一書中，作者將人工智慧的價值分為三類：點解決方案、應用解決方案、系統解決方案。

到目前為止，人們看到的大多數都是點解決方案和應用程式解決方案。這些人工智慧系統取代了先前需要預測的任務。例如，在金融服務中，任務之一是預測哪些交易是詐騙的。經過正確資料訓練的機器學習模型可以接手這項任務。點解決方案是人工智慧的唾手可得的成果，因為採用它們只需要最小的投資和對底層系統的更改。

另一個點解決方案的例子是分析放射掃描。現在有幾個深度學習模型，可以從X光和MRI掃描中檢測出各種疾病，其水平與經驗豐富的放射科醫生相當。

他們正在自動化放射科醫生執行的眾多任務之一，而無需對潛在的患者護理系統進行任何更改。

人工智慧系統可以透過自動化當前應用程式和系統未解決的新任務和問題來提供更大的價值。然而，人工智慧系統需要一種空白的方法，在這種方法中，需要重新設計整個流程、工作流程和應用程序，不僅可以解決現有的問題，還可以解決新問題。為了讓它們發揮作用，人工智慧系統通常需要新的組織結構以及目標和激勵措施的一致性。這使得人工智慧系統更加困難、風險更大，但也更有回報。

《權力與預測》一書的作者寫道：「系統解決方案通常比點解決方案或應用解決方案更難實現，因為人工智慧增強的決策會影響系統中的其他決策。點解決方案和應用解決方案通常會強化現有系統，而係統解決方案則會顛覆現有解決方案，因此往往會導致破壞。然而，在許多情況下，系統解決方案可能會為人工智慧投資帶來最大的整體回報。”

人工智慧的中間時代

在《權力與預測》一書中，作者認為現在正處於人工智慧的“中間時代”，在見證了這項技術的力量之後，在它被廣泛採用之前。這就是為什麼點解決方案目前是人工智慧更有吸引力和更受歡迎的用例。

這是有歷史先例的。例如在19世紀後期，當電力開始工業化時，它的第一個應用是點解決方案。對工廠來說，這意味著用電動馬達取代蒸汽機來降低能源成本。改變電力來源並不需要重新設計工廠。

然而，電力的真正價值主張是將機器與電源分開。這使得新的工廠設計成為可能，這在蒸汽動力下是不可能的，而且它們的生產率更高，成本更低。但這種普及花了幾十年的時間，因為它需要根本性的改變，打破習慣，以及現有企業不願意進行的前期投資。那些抓住機會的企業家成功地佔據了領先地位，並佔領了後來取代舊市場的很大一部分市場。

人們可以在許多其他行業中看到這些變化，例如線上購物的興起，個人電腦的出現，以及從印刷媒體到數位媒體的轉變。

人工智慧是一種基礎設施技術，技術領導者將其影響與電力進行了比較。因此，這需要一種全新的心態和大膽的探索。

《權力與預測》一書的作者寫道：「人工智慧驅動的產業轉型需要時間，一開始怎麼做並不明顯。許多人可能會嘗試並失敗，因為他們誤解了需求，或者他們無法讓單位經濟運作起來。最終，有人會成功，並建立起盈利的途徑。其他人會試圖模仿。行業領導者將試圖保護自己的優勢。有時它會成功。無論如何，這個行業將會轉型，一如既往地總會有贏家和輸家。」

打破規則

《權力與預測》一書的作者表示，「當沒有什麼東西的時候，不會放棄。如果沒有必要的資訊來做出明智的選擇，就可以避免盲目做事的後果。因此，當人工智慧預測出現時，它的使用機會並不明顯，這並不令人驚訝。潛在的決策者在沒有這些資訊的基礎上搭建了一個腳手架。」

人工智慧的機會很難發現，因為它們通常隱藏在嚴格的規則和程序背後，這些規則和程序運作良好，並且已經建立了很長時間。這些規則彌補了資訊的不足。它們使人們能夠在不能夠預測準確結果的情況下做出決定。它們幫助建構系統，雖然不是最優的，但在許多情況下可靠地工作。

找到這些機會的關鍵是，首先要了解預測機器的力量，其次，找到預測可以取代既定規則的地方。作者在書中探討的一個非常有趣的例子是人工智慧在教育中的應用。

多虧了機器學習演算法和歷史數據，可以預測學生的表現，他們在哪裡會脫穎而出，在哪裡會遇到困難。這讓我們有機會為每個學生提供更多個人化的內容。

但這些預測模型在目前的教育體系中並沒有太大幫助，因為目前的教育體係是建立在基於年齡的課程基礎上的，每個班級只有一名教師。之所以建立這個系統，是因為教師沒有辦法透過學生的教育軌跡來準確衡量他們的個人學習能力。

為了能夠充分利用機器學習，人們需要以一種新的方式重新思考教育體系。這個新系統將以個人化討論、小組計畫和教師支持取代以年齡為基礎的課程，對整體教育和個人成長和發展產生更大的影響。

《權力與預測》的作者寫道：「基於年齡的課程規則是現代教育系統的黏合劑，因此，個人化學習內容的人工智慧只能在該系統中提供有限的好處。要釋放個性化教育人工智慧的潛力，主要挑戰不是建立預測模型，而是將教育從目前將系統粘合在一起的基於年齡的課程規則中分離出來。」

權力轉移

人工智慧的成功應用需要《權力與預測》一書作者所稱的“系統思維”，這與“任務思維”形成了對比。任務型思維模式關注的是節省成本。系統思維專注於價值創造。任務思維模式著重於將單一任務自動化。系統思維意識到需要重建基於機器預測和人類決策產生價值的系統。

人們已經在一些行業和亞馬遜和谷歌等大型科技公司看到了這種情況，這些公司已經形成了基於人工智慧預測推薦個人化內容的獲利系統。

也許系統思維模式的重要元素之一是隨著人工智慧的採用而發生的權力轉移。隨著體制的變化，有決策權的人也在改變。

《權力與預測》的作者寫道，「雖然人工智慧不能把決定權交給機器，但它可以改變由誰來做決定。機器沒有權力，但一旦部署，它們可以改變擁有有權力的人。當機器改變決策者時，底層系統也必須改變。製造機器的工程師需要了解他們嵌入到產品中的判斷的後果。那些過去在當下做決定的人可能不再需要了。」

作者在書中探討的一個假想例子是心臟病發作風險。目前，這種風險評估是透過在醫院進行測試來進行的，並由進行測試的專家做出決定。

假設能夠建立人工智慧系統，根據智慧手錶等穿戴式裝置收集的數據預測心臟病發作風險。然後，就有可能將這些預測從醫院急診室的分流空間轉移到病人的家中。在這種情況下，許多患者在被診斷出患有藥劑師或初級保健醫生可以在家中幫助治療的疾病後，將永遠不需要去醫院。

不管人們在圍繞人工智慧的科學和哲學辯論中處於什麼立場，人們都能認同的是，預測機器有很多東西可以提供，而如今只是觸及了表面。要充分利用它們的潛力，首先要回到繪圖板，重新思考如果人們有預測的能力，將如何設計系統。 ?

以上是為什麼應用人工智慧需要重大思維轉變的詳細內容。更多資訊請關注PHP中文網其他相關文章！