AI的战场上,没苹果有钱,没谷歌有技术的企业要如何生存?

快公司
2018-04-24 10:55

2017年9月某个周一早晨,伊隆·马斯克(Elon Musk)在推特上忙着预测第三次世界大战开始的方式。早前,俄罗斯总统就曾告诉俄罗斯的学生,在人工智能领域取得领先地位的国家将统治世界。于是,马斯克就宣布,AI主宰的全球竞赛或将演变成一场真正的战争——而第一击很可能来自于算法而非有血有肉的领导者。这一悲观预言遭到其中一名粉丝的抨击,马斯克随后致以歉意,并承认道,“我也很沮丧。:-(”

马斯克是一个几乎无可匹敌的技术煽动者,他的观点拥有一大批拥护者。关于AI的未来,即使是相对乐观的预言(比如:详细阐述自动驾驶汽车将大大减少高速公路的流血事件)往往也是远水救不了近火,难以给人安慰。

[图为埃隆·马斯克,Photo:Internet]

在人人思考AI将带领人类走向何方时,这项技术已经到来了。1956年,在达特茅斯学院(Dartmouth College)举办的一场重大会议上,科学家首次命名了AI(他们预测,程序员将能在短短几年后模拟人类大脑的运作)。如今,AI已产生了普遍且显著的影响,尤以机器学习和形式特别先进的深度学习分支领域为甚。透过AI技术,谷歌相册知道两张拍摄时间相隔50年的照片拍的都是你大舅,Facebook从你的消息流中铲除垃圾信息,甚至连iPhone尽可能延长电池充电的续航时间,也是依靠AI……

智能手机、智能家居装置等设备逐渐演变成AI服务的前端,比如苹果的Siri、亚马逊的Alexa和谷歌的语音助理。“解密Alexa和Echo背后的原理,你会发现它不仅是一台音箱。”亚马逊AI副总裁斯瓦米·素布拉曼尼亚(Swami Sivasubramanian)说道。“而是一个智能的云端数字助理,利用了由深度学习驱动的语音识别和自然语言理解技术。”

随着AI的触角开始伸向企业的方方面面,技术巨头们展开了人才争夺战,从学术界(纽约大学的终身教授杨立昆(Yann LeCun)目前就职于Facebook)和竞争对手(李佳离开了Snapchat,参与管理谷歌云的机器学习团队)那里挖走最强大脑。“由于这项技术非常强大,了解其应用方式的人才需求量很大。”谷歌云应用AI主管斯科特·潘柏希(Scott Penberthy)说道。去年4月,Paysa研究公司发布了一份研究报告,指出亚马逊为新AI职位投资2.28亿美元,谷歌(1.3亿美元)和微软(7,500万美元)次之。

只有为数不多的公司能够参与如此高级别的竞争。亚马逊、苹果、Facebook、谷歌和微软“拥有博士和博士技术。”Databricks公司CEO阿里·高德西(Ali Ghodsi)说道。他的公司就有与其他企业合作,将AI添加到业务流程中。“但财富2,000强里的其他企业缺乏这种资源,”从而造成高德西所谓的“1%问题”,只有规模最大的企业才拥有足够财力来充分利用这项新技术。

[Photo:fastcompany.cn]

AI虽然是只有少数公司理解并能运筹帷幄使用它,但别忘了,AI已经成为一种开放市场上的技术,也就是各种规模的企业都能获取部分AI创新成果。事实上,亚马逊、微软和谷歌也指望着这一点。他们的云计算平台(分别为亚马逊网络服务(Amazon Web Services)、Azure和谷歌云)包含了图像识别、自然语言处理和语言翻译等企业AI产品。在这三家公司眼里,AI是推动其云平台未来发展的关键;眼下,亚马逊网络服务价值160亿美元,逐年递增42%,在微软和谷歌开始奋起急追后,亚马逊的速度也降了下来。此外还有IBM,称其人工智能为“认知计算”,并将其命名为“沃森(Watson)”,作为一项服务出售。Facebook和苹果并未建立自家平台,而是发布学术研究报告,Facebook还开放了自身打造的部分技术的源代码。

作为一项商业工具,AI仍处于起步阶段。麦肯锡全球研究所(McKinsey Global Institute)和麻省理工学院/波士顿咨询集团(MIT/Boston Consulting Group)的近期研究均显示,仅20%的企业以有意义的方式利用了这项技术。但与以往技术拐点,比如20世纪90年代电子商务的兴起,不同的是,AI未必天生倾向于灵活的初创企业。由于AI所必需的数据需要多年累积,“时间长反而有优势,因为你所积累的AI训练知识越多,它就越有价值。”IBM沃森与IBM云服务高级副总裁大卫·肯尼(David Kenny)说道。

但AI与过往技术趋势的共同点在于容易被过度吹捧以至于掩盖了其真实能力。但AI并不是昙花一现的风尚。投入研发的资金堪称巨额,每年超过300亿美元,对生产力和强化消费需求的最终影响据预测将是万亿级别的。无怪乎,AI已然成为这场科技巨头之战的焦点,也改变了科技界乃至其他领域无数企业对未来的看法

为了了解AI的现状以及未来的发展方向,企业必须同时认识到它的繁荣和不确定性。以下是来自战争前线的七大实用经验,涉及各行各业,从科技到零售,从手工酿造啤酒到房地产。AI已无处不在,而我们必须严阵以待。

[Photo:Internet]

慎选战场

某大型时尚企业的领导者近期决定,AI必须成为企业“军火库”的利器之一。但他不确定该怎么做。该公司曾与谷歌、IBM及微软有过合作,它是否该在AI战场上联合其中一家?而具体又该采取怎样的行动?

就连身处AI领域的人也告诫外界,切勿因为这项技术很时髦就被它冲昏了头脑。“有时顾客会告诉我,‘我们想使用AI,’却没有认真思考原因及其潜在效益。”Salesforce客户关系管理软件公司的AI产品[名为“爱因斯坦”(Einstein)]副总裁马克·卡萨莱纳(Marco Casalaina)说道。

入门的好法子之一就是发掘AI能够帮上忙的企业问题——与其一次性攻克所有问题,不如锁定可管理的试点项目。“你天真地以为可以一劳永逸,实际是异想天开”Trulia工程副总裁迪普·瓦玛(Deep Varma)指出。他建议AI新手要“找准非常具体的痛点。”

还有,关键在于不要被AI的潜力所诱惑,而要专注于自身的目标。通常被人类(即员工)视为单调苦差的流程是最佳着手点。举例来说,通过利用来自微软Azure的自然语言处理服务,旅游技术公司Sabre试验了一种Facebook Messenger机器人,它能够回答关于现有预订的简单问题。Sabre Studios总监乍德·卡拉汉(Chad Callaghan)表示,旅游业的顾客“未来的旅行代理将专注于高度复杂的路线,而机器人就能支持日常的要求。”

[图为TSI聊天机器人ELLA,Photo:Internet]

为你的大数据赋予意义

大概在10年前,“大数据”开始流行。它的流行反映了一种新认识的诞生:收集、整理和分析关于企业各个方面的大量数据,从生产流程到顾客互动,确保这些是有价值的。然而,储存大数据要比研究如何利用它容易得多。许多企业“年复一年收集数据,堆在服务器里积了灰。”地理AI初企Descartes Labs的CEO马克·约翰逊(Mark Johnson)说道。这时让人工智能登场便能解决这庞大的数据库,因为AI能够在一定规模上识别模式,让凡夫俗子不知所措。

“数据是AI的食粮。”Salesforce的卡萨莱纳说道。它消耗得越多,就越智能。在2017年5月的谷歌I/O开发者大会上,谷歌AI主管约翰·詹南德雷亚(John Giannandre)用他4岁女儿的例子给我解释了这一概念。她发现了一辆19世纪的大小轮古董自行车,在他告诉她这是什么之后,她立刻就能辨别其他的大小轮自行车。换成计算机,“我们就得给它们展示100,000辆大小轮自行车,并告诉它这是自行车。但一旦看过了100,000辆,它们的识别能力很可能就超过人类了。”

即便是拥有大量数据的企业也时常需要清理混乱的数据库,合并不同存储库,还要从整体上把数据改良成适合导入算法的形式。“首先是把数据从数据库中提取出来,使其随时随地都可自由获取。”Airbus防务与航天公司(Airbus Defence and Space)高级创新经理让-弗朗索瓦·福迪(Jean-François Faudi)建议道。现在,该公司可以使用机器学习分辨雪花和云朵——事实证明,在这门技艺上,计算机比人类更出色。

[图为Descartes Map,Photo:Internet]

将知识用到实处

本身早已关注数据的公司无论属于哪个行业,都在AI领域抢占了先机。以精酿啤酒为例,如果要列举最有望从这项技术中受益的行业,大概不会有人想到这个行业。但俄勒冈州德舒特啤酒厂(Deschutes Brewery)——全美第八大精酿啤酒厂的酿酒师布莱恩·费弗尔(Brian Faivre)碰巧拥有计算机科学文凭。(“我大学四年都在自酿啤酒,但当时并不知道在精酿啤酒行业也能找到真正的工作。”他说。)

费弗尔长期以来一直对如何将数据科学运用到酿酒上很感兴趣,而该酿酒厂坚持记录关于生产流程的数据信息已有多年时间。酿造啤酒重点在于对发酵的控制,而酿酒厂采用的方法是调整温度。他们通过从酒桶中提取液体样本并测量其密度,确定何时该调整温度,这是一道繁琐且不太准确的程序。但德舒特啤酒厂与数据基础设施公司OSIsoft合作,将与以往生产相关的数据输入微软的Cortana Intelligence Suite,也就是Azure平台的一部分。因此,德舒特开始预测提高温度的最佳时间,去除了密度测量步骤,并使得12天发酵周期缩短了几天。结果:该公司得以在不牺牲品质的前提下酿造出更多啤酒。

归根结底,精酿啤酒的重点并不是冷酷无情的大规模生产,而德舒特距离利用AI技术去除人力因素还有很长一段路。“我们一直强调,我们的酿酒师把控了全局。”费弗尔说。但使用AI技术提高产能对该公司的未来发展而言至关重要:额外的销售额为一家弗吉尼亚州罗阿诺克市新酿酒厂的建造工作提供资金,而此项目带领德舒特啤酒厂向全美拓展。

[Photo:Daniel Zender]

必要时借助外力

对资源紧缺的机构而言,科技巨头将内部AI转化为按需服务是一个福音。举个例子,2016年,俄勒冈州华盛顿县治安官办公室的信息系统高级分析师克里斯·艾德兹玛(Chris Adzima)对亚马逊网络服务的新产品Rekognition产生了兴趣,此产品还包含人脸识别技术。该县在逮捕嫌犯时所拍摄的成千上网张登记照如排山倒海般涌入,即使是根据年龄、性别和种族对照片进行过滤,也没法把范围缩小。

当警方需要寻找嫌疑犯时,比如被摄像头拍到的商店小偷,它的实用性就被限制了。“我不是数据科学家,也不知道人脸识别或人工智能的工作原理。”艾德兹玛痛快承认道。但是在几个月内,他就创建了一个系统,利用Rekognition将新拍的照片和档案里的照片进行匹配。迄今为止,此系统已协助辨认了20名嫌疑犯。

它的成本也非常低廉。治安官办公室的初始安装只花了大概400美元;亚马逊网络服务的每月账单大概是6美元。“每花一美元,我都要向纳税人负责。”艾德兹玛说。“我们花的钱非常少,而投资回报率却非常高。”

[亚马逊的Rekognition,它是一种使用深度学习进行图像识别和分析的托管服务]

[Photo:Internet]

“因材施教"

人脸识别是一种适用于不同场景的AI,使得亚马逊的版本在许多领域都能立刻起到作用。然而,在某些情况下,企业必须使用根据特定目的精心调整过的AI。

“我们通常不会向放射科医师征求艺术上的建议,也不会询问律师该挑选哪只股票。不同的领域,我们会求助不同的专家。”IBM的肯尼说道。因此,IBM根据从教育到供应链管理等特定行业的需求对沃森进行度身定制。他的观点反映了一个关于AI的基本事实。你的野心越大,普通的算法越是无法满足你

房地产信息枢纽Trulia希望利用AI翻找数百万张租售房屋照片,区分厨房、卧室和浴室——甚至注意到有利于提升价格的额外配置,比如厨房里安装了花岗岩台面。目前,此类人工智能还未能作为商品出售。

[计算机如今能够识别照片中的物体,效果超越了人眼,将为人脸识别技术带来重大影响]

[Photo:Daniel  Zender]

动员所有人并保持热情

无论一家企业是寻求大量外援还是独立承担重任,AI的价值都与特定业务挑战的具体细节息息相关。这就意味着,只有在利益相关者和IT员工一样尽职和投入时,AI才能产生效果

“许多企业往往习惯袖手旁观,就好比在过去,他们购买了技术,就指望技术方案包揽一切重活。”强生公司人才聘购全球副总裁斯爵德·格林(Sjoerd Gehring)说。“这一点和AI很不兼容。”尽管格林的职责重点在于人而非技术,但他也支持强生的行动:联合谷歌云及招聘软件供应商Jibe,将AI融入到从医疗研究员到卡车司机等各类人才的搜寻之中。该公司透露,他们运用谷歌机器学习算法驱动的搜索引擎,将每年100万名求职者与25,000个空缺职位进行匹配,合适人才的比例从此上升了41%。

此后“就是一个持续完善和训练的过程,从而不断优化实施效果。”H&R Block税务公司零售客户体验总监梅格·萨顿(Meg Sutton)说。2017年,这家税务巨头将IBM沃森的建议整合到例行程序中,结果发现,这一信息输入——以74,000多页的美国税法为基础,通过报税员使用的第二屏幕呈现,就提升了客户的满意度。随后,该公司还开始为2018年税季开发2.0版本。

[计算机视觉和语音识别这两大AI学科最可能广泛影响商业应用和顾客体验]

[Photo:Daniel Zender]

切勿急于求成

最后一点经验可以简单归结为一个人类品质:耐心。应用AI好处多多,但关于这项技术,还有很多因素尚待发掘。它最终的文化影响——无论从伊隆·马斯克到马克·扎克伯格等企业领袖如何预言,我们仍无从得知。

最终,和此前所有划时代的技术一样,“总有人乘风破浪,走上巅峰,也总有人逆浪而行,被浪冲走。”花费多年时间构建机器学习技术并置入谷歌广告平台、而后参与创办了Leap.ai的周云凯(Yunkai Zhou)说道。多亏了大小企业的大胆新实验,我们都能一边跟随潮流一边学习。

来源:快公司FastCompany

(编辑:李习双,曹瑞芝)

X

分享成功