人工智能如何改善预测,而不是人类的判断
Ajay Agrawal是《预测机器:人工智能的简单经济学》一书的合著者,就如何实现人工智能的价值为商业领袖提供了可操作的建议。
Ajay Agrawal是《预测机器:人工智能的简单经济学》一书的合著者,就如何实现人工智能的价值为商业领袖提供了可操作的建议。
人工智能。在商业热词的世界里,这个词似乎位居榜首。每个人都在谈论它,但有多少人真正理解它?阿贾伊·阿格拉瓦尔在这个领域取得了令人难以置信的进步。2018年出版的,《预测机器:人工智能的简单经济学》该书由阿格拉瓦尔、约书亚·甘斯和阿维·戈德法布撰写,就如何实现人工智能(AI)的价值为商业领袖提供了可行的建议。
这本书的作者解释说,就像电力带来的更便宜的照明和电力,或者计算机计算的更便宜一样,更好、更快、最重要的是,更便宜的预测将消除商业模式和流程中的不确定性,并将导致整个行业的重新想象。最重要的是,人工智能有望成为一种具有多方面影响的变革型通用技术。
我们在加利福尼亚州半月湾一个雾蒙蒙的下午见到了阿格拉瓦尔2019福布斯首席信息官峰会,并讨论了从他的书中学到的一些关键知识。以下是我们对话的节选。
大多数商业领袖都没有计算机科学背景。你对他们如何利用人工智能有什么最好的建议?
我对他们最好的建议是,简单地把人工智能看作是预测成本的下降。当预测或其他任何事情变得更便宜时,我们就会更多地使用它,并开始以更巧妙的方式使用它。
当我与首席执行官和首席信息官会面时,他们经常会说这样的话:“我们有2.5万人,我们做的是这个行业。我们应该从哪里开始学习人工智能?”答案通常很简单——你的数据科学小组。该团队已经确定了您公司的预测问题,拥有数字格式的数据,并将这些预测集成到工作流中。现在,他们所要做的就是加入一些新的统计技术,如果有足够的数据,就会产生更好、更快、更便宜的预测。
人工智能只能替代一件事,那就是人类的预测。
看待人工智能的另一种方式是,将我们过去不认为是预测问题的问题重新定义为我们可以用人工智能解决的问题。例如,我们有不少大型机构的人力资源主管来找我们创造性破坏实验室他们会说:“我们想弄清楚我们需要什么样的技能,我们应该雇用谁,以及如何提高现有员工的技能。”然后在另一个单独的对话中,我们会听到商业领袖说,“我们在销售、营销和制造方面需要人工智能。我们大多数地方都需要人工智能——除了人力资源。”
大多数人认为,因为人力资源非常人性化,需要很高的情商,所以不需要人工智能。这是一个错误。人们可以利用人工智能,将人力资源功能(如招聘和技能开发的某些方面)转换为一系列预测,然后人类可以在这些预测中应用自己的判断。
人们对人工智能也有些担忧,尤其是涉及到未来的工作。你怎么看?
这一点非常重要,因为很多人都觉得受到了威胁。但是,人工智能只能替代一件事,那就是人类的预测。
所有人类的预测都有可能被机器取代。但是,人类做的很多其他有价值的事情是对预测的补充,而不是替代。其中一个领域,正如我们刚刚谈到的,是判断力——人类有这种能力,而人工智能没有。在人类进行判断的任何地方,判断的价值都会上升,因为我们可以将其应用到越来越高保真的预测中。
打个比方:想象一下,在电子表格出现之前,两个会计师面试同一个工作。其中一个非常擅长在脑子里快速准确地计算数字。另一名会计具有良好的判断力;他擅长问一些聪明的问题,比如:“如果利率上升25个百分点,我们的业务会怎么样?”
面试官可能会对第一个会计说:“你有一种很有价值的技能,能在脑子里快速准确地计算数字,所以你会节省很多时间。”对于第二个人,面试官可能会说:“你有这种判断能力很好,但每次你提出一个聪明的问题,我们都要花三天时间才能回答。这是一项有趣的技能,但它的价值有限。”
然后出现了电子表格,第一个人的价值下降了,因为机器平衡了。无论你在心算上是快是慢都没关系。这台机器比任何人都更快、更准确。
然而,第二个会计仍然有良好的判断力。他的价值上升了,因为现在每次他有一个聪明的问题,而不是花三天时间来回答这个问题,他只需要改变电子表格上的一个单元格,就能找到答案。
但判断本身就不能量化吗?换句话说,做出判断只是一种不同类型的预测;二阶或三阶预测,对吧?
是的,判断可以量化。如果机器能观察到足够多的我们对它的预测做出反应的行为,那么它就能开始推断我们的判断是什么,并做出预测。但是,这将永远是一场军备竞赛。随着人工智能观察到许多判断,并将其转化为预测,然后我们可以将判断应用到这些预测中。判断仍将是人类的游戏。
你在书中谈到了“人工智能时刻”。你最近有过什么人工智能时刻?
我最近在东京,惊讶地发现有那么多大型国际公司用日语开展所有业务。就连他们的高管也不会说英语,所以很多时候开会时必须有一名翻译在场。我想,“哇,我们在语言上真的很不同。当我们最终实现一个可以即时翻译的商业级翻译器时,这些障碍就会消失。”
要了解更多关于人工智能和机器学习的知识,请一定要回来观看即将播出的Workday播客,在那里我们与Ajay和Workday的机器学习专家Sayan Chakraborty坐下来,深入探讨机器学习如何影响当今和未来的商业。
更多的阅读
高达96%的大学生表示,高质量的数字体验对他们的校园满意度很重要。埃森哲(Accenture)和Workday的专家最近合作解释了这对高等教育行业的未来意味着什么。
我们的调查发现,只有38%的金融服务业领导者对自己实时做出基于数据的决策的能力有信心。Workday的皮特•拉特曼讨论了这对行业及其数字化增长的意义。
像科技巨头一样,金融服务行业(FSI)可以更好地利用所有数据来推动收入和增长,并提供更好的客户体验——workday的杰伊•拉比诺维茨解释了如何做到这一点。