一直以來,關(guān)于奇點(diǎn)事件以及同人工智能接管世界的討論層出不窮——自己的電腦會(huì)在不遠(yuǎn)的未來取代杰夫·貝佐斯或馬克·扎克伯格嗎?
筆者是負(fù)責(zé)為管理人員開發(fā)Sat-Nav(衛(wèi)星導(dǎo)航的縮寫)工具的首席執(zhí)行官。由于衛(wèi)星導(dǎo)航是自動(dòng)駕駛汽車的基礎(chǔ),這些天我經(jīng)常被問到:科學(xué)家會(huì)讓機(jī)器人來管理公司嗎?答案很明確:絕對(duì)不可能。
奇點(diǎn)事件:一派炒作
誠(chéng)然,人工智能在過去三十年間進(jìn)步顯著。然而目前的水平要達(dá)到技術(shù)奇點(diǎn),也就是機(jī)器能夠復(fù)制甚至超越人類思想的程度,還有很長(zhǎng)的路要走。
從核心上來講,這個(gè)新的數(shù)據(jù)科學(xué)術(shù)語是個(gè)崇高的名稱,代表著廣泛的數(shù)據(jù)處理活動(dòng),其大多數(shù)產(chǎn)生于過去。但最近獲得新生,它們應(yīng)用在更先進(jìn)的技術(shù)儀器上,這些儀器數(shù)據(jù)量更多、處理能力更強(qiáng),結(jié)果更合理還更便宜。
圖為人工智能的三波浪潮,基于Evo的DHL research
隨著數(shù)據(jù)的儲(chǔ)存和處理所需成本的降低,數(shù)據(jù)收集量上升:這是非常簡(jiǎn)單的供需法則,又叫數(shù)據(jù)的價(jià)格彈性——價(jià)格下降,容量上升。同那些更舊更小的數(shù)據(jù)相比,新數(shù)據(jù)的價(jià)值更低。這是純粹的經(jīng)濟(jì)學(xué)知識(shí),之后就得有人來處理這些數(shù)據(jù)了,也就是數(shù)據(jù)科學(xué)。
數(shù)據(jù)科學(xué)基本上都是老一套的科學(xué)。還有人記得專家系統(tǒng)嗎?盡管人們大肆宣傳,這個(gè)系統(tǒng)即使到今天還有嚴(yán)重的技術(shù)限制:
僅自下而上,從上級(jí)數(shù)據(jù)而來。舉個(gè)例子,一份圖像會(huì)被掃描為數(shù)百萬或數(shù)十億像素的集合,而這些像素是數(shù)字的向量。這種方式效率低下,但由于成本低廉,它在某些問題上仍在使用。
然而,在機(jī)器學(xué)習(xí)方面,這種方法要慢得多,而且比用人力昂貴得多。一個(gè)三歲孩子可以在依次看到兩個(gè)香蕉后就能分辨出什么是香蕉,但一個(gè)昂貴的系統(tǒng)需要一百萬張圖像來自我學(xué)習(xí),還只有95%的可信度,平均每20次圖像分辨會(huì)出錯(cuò)一次。
僅復(fù)制機(jī)械部分,缺失了大腦中的化學(xué)部分。神經(jīng)網(wǎng)絡(luò)為機(jī)器學(xué)習(xí)的核心,它某種意義上成功復(fù)制了大腦的機(jī)械部分:神經(jīng)元和神經(jīng)元之間的電子信號(hào)。然而,有關(guān)大腦化學(xué)部分的研究極少,這些部分可能掌管整體思維、情感和自上而下推理的直覺思考。
從結(jié)構(gòu)來說,機(jī)器缺失了許多功能。這就是人工智能同人類之爭(zhēng)的關(guān)鍵:機(jī)器只能按照已有的程序運(yùn)行,而人類能夠發(fā)揮創(chuàng)造力。人類的根本能力是提出正確的問題,但可惜的是,今天的學(xué)校教的是如何回答問題,這項(xiàng)技能變得無關(guān)緊要。
這就是杞人憂天的理由嗎?
優(yōu)步、谷歌和特斯拉正對(duì)此爭(zhēng)論不休
目前有關(guān)人工智能的爭(zhēng)論受到自動(dòng)駕駛汽車的影響。隨著優(yōu)步、谷歌,和特斯拉爭(zhēng)先推出自動(dòng)駕駛汽車,人們猜測(cè)這只是危機(jī)的開端,機(jī)器將很快足以掌控公司,甚至是整個(gè)地球。
事實(shí)是,管理公司需要多種的能力以處理模棱兩可的問題,還需解釋人類情感,這通?!笆只靵y”且難以被量化。定義一個(gè)目標(biāo)使其改變市場(chǎng),并且需要定義新目標(biāo),這叫做自反性。
自反性指的是因果間的循環(huán)關(guān)系,尤其根植于人類的信仰結(jié)構(gòu)中。自反關(guān)系是雙向的,因與果間相互影響,在這種關(guān)系中兩者都不能被指定為原因或結(jié)果。
自動(dòng)駕駛汽車只需運(yùn)用可量化數(shù)據(jù)如位置或速度,從而辨識(shí)物理?xiàng)l件,例如交通狀況、其他車輛、行人等。即便這樣也總會(huì)出現(xiàn)程序員未納入考量的“黑天鵝事件”,然而這些突發(fā)事件的數(shù)量是有限的,最終都會(huì)規(guī)劃好。
結(jié)構(gòu)上來說,自動(dòng)駕駛只是有一輛車能自己上路,僅此而已。然而管理行為會(huì)導(dǎo)致市場(chǎng)范式的轉(zhuǎn)變,整個(gè)循環(huán)需要機(jī)器再次從頭開始。
2012年在澳大利亞墨爾本,一輛裝載著綿羊的卡車在高架橋上發(fā)生車禍,導(dǎo)致幾百只綿羊像下雨一樣落在了橋下的高速路上。雖然人類能夠克服遇見綿羊會(huì)飛時(shí)的認(rèn)知失調(diào),但你能設(shè)身處地想象出困惑的優(yōu)步機(jī)器人講著老套的科幻笑話:它無法計(jì)算!
這是意料事件中的極端例子。這或許能更生動(dòng)地理解為什么機(jī)器無法在不遠(yuǎn)的未來接管公司,在相互競(jìng)爭(zhēng)的管理游戲中可有不少會(huì)飛的綿羊。
機(jī)器人企業(yè)的真相
當(dāng)然,就像在工業(yè)革命中許多手工勞動(dòng)被機(jī)械替代,機(jī)器能接管許多管理功能。然而,越是富有創(chuàng)造力并需要高水平思維的工作,越有可能留在人類手中并進(jìn)一步發(fā)展。越使用數(shù)據(jù),就越需要更強(qiáng)的領(lǐng)導(dǎo)力來掌握方向。
近年來,汽車制造商大眾公司的許多研發(fā)將人工智能同人類的相互作用設(shè)為主題。首席信息官馬丁·霍夫曼(Martin Hoffman)解釋了該公司是如何將自動(dòng)駕駛汽車的清單運(yùn)用于“機(jī)器企業(yè)”領(lǐng)域:他們?cè)诠竟δ芰鞒讨胁捎昧俗赃m應(yīng)算法。
用我比較熟悉的東西舉例,想象一下倉庫自動(dòng)化的重新排序過程。今天,系統(tǒng)能使供應(yīng)鏈處于自動(dòng)執(zhí)行模式,除了執(zhí)行策略仍舊需要人類設(shè)計(jì):
是更高成本下選擇更多的庫存和客戶服務(wù),還是背負(fù)缺貨風(fēng)險(xiǎn)選擇選擇更少的庫存?未來幾周覆蓋范圍會(huì)是多少?
最優(yōu)水平是不存在的,因?yàn)樽顑?yōu)視情況不同而不同。確定決策需要將策略前景的變化轉(zhuǎn)化為日常調(diào)整。
機(jī)器決定了權(quán)衡的效率前緣。任何給定的目標(biāo)覆蓋周數(shù)只有一個(gè)最優(yōu)的倉儲(chǔ)水平,但人類必須選擇目標(biāo)周數(shù)。
大眾公司已經(jīng)確定了人工智能控制水平的五個(gè)階段。從階段一的手動(dòng),即人力決定所有商業(yè)決策,到階段五的完全自動(dòng)化,這個(gè)階段完全不需人工輸入。
根據(jù)大眾公司的判斷標(biāo)準(zhǔn),通常來說機(jī)器在階段二表現(xiàn)出色:它能夠提供建議,但最終做出決策的是人類。機(jī)器并非取代了人類判斷,而是加強(qiáng)了人類,就像我們今天的手機(jī)每天都在加強(qiáng)大腦一樣。在可見的未來,人類的大腦將依然掌控管理權(quán)。
責(zé)編AJX
-
機(jī)器人
+關(guān)注
關(guān)注
210文章
27847瀏覽量
204638 -
Facebook
+關(guān)注
關(guān)注
3文章
1429瀏覽量
54479 -
人工智能
+關(guān)注
關(guān)注
1787文章
46067瀏覽量
235098
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論