引入AI 时应该考虑到的四要素:
AI 是一项非常有潜力的技术,但如果人们什么都不做,光明前景并不会自己到来,现实情况是AI技术要实现,要实际落地,还面临很多难题。
一,越是管理层越应该加深对AI的理解,不要只停留在抽象层面,应该深入了解每个术语、每项技术的深层含义。技术人员就算不具体负责AI相关的工作可能也会自发地收集相关信息,细致学习。但是经营管理者甚至对机器学习、深度学习这类最基本的概念的理解也只停留在抽象层次,当前现状如此。
二,就算管理层对AI有所了解,也限于抽象层次的了解。以技术角度讲,AI可分为语音识别、图像识别、自然语言处理等;从学习方法角度讲,又可分为神经网络、强化学习等。每个分支都可以发展成一个业务领域。此外,AI 的分析方法等统计学知识多种多样,考虑引入AI时需要了解各种知识。当然并不是苛求管理者要像技术人员那般精通技术,但是至少应该知道“使用的是什么技术”“是什么运行机制”“是怎样分析的”“能做到什么,不能做到什么”,否则很难保证他做出的次策科学合理。
三,引入前应考虑AI是否有效。虽说只有实际使用AI后才能知道其效果如何,但并不意味着不用提前“做功课”。除非要使用的技术、使用方法与标准案例一模一样,否则应该尽量预判AI的效果。
四,充分认识数据的重要性和相关成本。AI的生死掌握在数据手上。AI不仅要求数据的数量足够多,还要求数据种类和质量必须达标。以旧有数据为例,数据的量可能非常可观,但是仔细分析会发现很多信息缺失,使用方法也不理想。引入AI前应该充分意识到:旧有数据并非直接拿来就能用。
人之所以判断失误,很大一部分原因是“只看自己想看到的部分”“凭主观好恶做判断”,用专业术语来讲就是,“信念偏见 ”“情绪启发式 )”。没有谁能完全避免此类个人倾向性,因此这构成了干扰人们判断的一项重要因素。批判性思维就是这一过程中非常重要的思考方法。
对应AI来讲就是,面对“机器学习和深度学习技术前景一片光明”“AI将极大地改变世界”“AI的应用马上就要实现”等正面、肯定的观点时,从反面思考是否存在相反的可能性,进而验证正面观点是否成立,而且,很多技术实现方面的问题也将浮出水面。想创建更正确、更合理的新业务和新服务,正需要这样的思考过程。
联系客服