对话：关于人工智能，炒作不见得是一件坏事

雷锋网按：人工智能常常被理解为不过是机器人和机器罢了，但对于高管们来说，如何用人工智能来武装自己的商业头脑是一个难题。日前在麦肯锡播客在一期节目中，麦肯锡全球研究院高级合伙人Peter Breuer和合伙人Michael Chui以及麦肯锡发布的Simon London就人工智能的问题进行了畅聊，包括遍地开花的人工智能商业应用程序、人工智能炒作与真正的用例之间的界限、以及商业领袖该如何在其中进行分辨。 

雷锋网节选了其中部分对话，为您做如下不改变原意的编译： 

Simon London：在今年夏天发表的一篇麦肯锡全球研究院的报告中，Michael谈到了五种技术系统，机器学习只是其中一部分。你能快速带我们过一遍这五个技术分别是什么吗？
Michael Chui：今年早些时候，我们调查了全球3,000多名不同的业务主管，以了解他们部署应用这些技术的程度。涉及的科技领域范围广泛而且有所重叠，但是一些最新的进步和发展就发生在那里。
其中之一就是实体人工智能，也就是机器人和自动驾驶汽车。我们看到很多有趣的事情发生在那里。其次，计算机视觉 -——无论是图像处理，视频处理等 —— Peter所提及的深度学习系统在这个领域已经取得了很大的进步。
同样，围绕着自然语言处理，无论是口言还是书面语言，我们见证了很多自然语言的工作正在完成。此外，虚拟代理或会话界面，这是自然语言作为一种功能的一个扩展，系统能够通过语音或通过在线聊天与人大致对话。
最后，除了我刚才提到的技术的应用之外，机器学习实际上在许多别的科技类型上也具有巨大的适用性。我们有机会多谈一谈。

Simon London：太好了。至少我们知道我们讨论的具体领域。也许我们可以把它变得更接近现实，我怀疑在日常生活中我已经在运用人工智能了。Peter，你有没有辨认出人们日常使用的东西是在由人工智能提供动力？

Peter Breuer：我想我们都见过的。在我们的智能手机里，有指尖上的超级计算机。迈克尔刚刚提到的一些元素，你在日常生活中都可以体验。通过智能手机上使用电子邮件或输入消息时，拼写检查的效率大大提升了，这一切都是通过机器学习来实现的。

Michael还提到了语言，口语。您会注意到，您的Siri或Google智能助理每天都在学习，而且每天使用它越多，理解就会越好。这显然是后台在使用机器学习。

我们中的大多数人都关注着iPhone X的激动人心的介绍，它确实使用了机器学习面部识别，包括用人脸识别机器学习解锁你的手机。所以，我想我们都已经通过的智能手机来体验到这些技术了，而且我们将会看到更多。

Michael Chui：我们现在开始注意到，这些AI技术支撑着许多事物，所有那些我们现在越来越多地利用的在线和移动服务。例如在电子商务或媒体中，当系统向您提供您可能感兴趣的东西的建议时，您可能有感兴趣阅读或者购买的东西 ——下一个产品，正如我们所描述的——这些类型的系统越来越多的不仅通过统计方法来支持，还通过上面提到的一些AI技术，能够使消费者更加接近他们最感兴趣的东西。

Simon London：我要在再提到一点。我非常幸运的住在硅谷的山景城。在路上有很多自动驾驶汽车。它们正在训练，正在收集数据。它们暂时还不能购买，但是我认为随着时间过去，总有一天我上下班通勤的路上会看到自动驾驶车。与技术专家交谈很有意思，因为自驾车将我们一直在谈论的所有事情汇集在一起。包括机器视觉，包括机器人。还有，在虚拟环境下的大部分动力来自机器学习。所以我认为这可能是另外一件事情，不需要太久就会到来。在工作环境中，当与客户合作进行人工智能方面的工作时，看到过哪些更有趣的人工智能商业应用程序呢？

Peter Breuer：自主驾驶本身就相当广泛。你会发现不同层次的自主驾驶的发展。我们通常会谈论五个不同层次的自主驾驶。汽车制造商目前正在尝试所谓的“四级自主驾驶”，这就意味着在某些情况下，当发生事故时，法律责任将在于OEM方，而不是司机。这是相当颠覆性的。在德国，法律当局正在考虑应对这一挑战的下一级法律。

除了自主驾驶之外，在其他行业，例如在医疗保健领域，您会看到长期短期记忆网络的实验，这些网络目前在癌症检测上，与经验丰富的医生水平相当，这也是非常激动人心的。再次，随着这种指数级的发展，我们很快就会看到，机器在MRI和X射线照片中的癌症检测方面变得更强，比经验丰富的医生更强，这也是相当颠覆性的。

Simon London：Michael，在与客户工作的过程中，你有看到什么十分新奇、给你留下深刻印象的吗？

Michael Chui：其中一个值得注意的事情是，它们在多大程度上是我们之前在数据和分析中看到的东西的延伸。正如彼得所提到的，机器学习的一个促成因素就是大量的数据。我们看到越来越多的公司和我们的客户收集的数据，无论是交易数据，语音数据还是物理世界中的物联网数据。当你拥有所有这些数据时，就可以使用这些AI技术扩展你在分析中所做的工作。

例如，预测各个领域的巨大而重要的问题，特别是制造业，包括供应链等等。而且我想，如果你和任何一位处理预测问题的高层主管交谈，你问他们：“你的预测能更好吗？”他们肯定会说：“当然可以。”在现在能够收集到的数据量前提下，当我们引入AI技术的时候，可以在很多情况下显著的提高预测的准确性。

这只是在我们已经应用数据和分析的情况下的一个业务问题。然而，当我们引入更多的数据，特别是当引入人工智能技术时，我们可以实质性地改善性能。然后去思考一个组织内的整个价值链，会发现几乎没有AI技术不能提高性能的地方。

Simon London ：我打算充当一分钟记者，在这里讨论一下关于炒作这件事大家的看法。Peter，你提到在某种程度上，人工智能正在经历一个炒作循环。从我们所说的来看，有很多的应用程序和很多的行业以及很多的价值，其实岌岌可危。这是非常非常真实的。我们是否认为AI现在存在炒作？如果是的话，你怎么看？

Peter Breuer：我的回答是，是也不是。一开始，我们试图从根本上定义什么是AI，什么不是AI，今天我们正处于另一个阶段。有一些我们称之为狭义AI的应用——那些现在机器可以比人类做得更好的具体任务。国际象棋或围棋的例子，机器人总是更胜一筹。那么当然还有一个广义上的AI的问题，那就是可以一台机器可以具有更广泛的能力。我们还没有走到这一部。但是，我们不应该忘记发展的速度是呈指数倍的。

人脑不理解指数增长意味着什么。但是我们在这些关键技术上面临着指数级的发展。它比我们想象的要快得多。所以我会说，现在是有一点炒作，但是确实也是发展非常快。

Simon London：迈克尔，你怎么回答同样的问题呢？炒作是行还是不行？ 

Michael Chui：肯定有很多炒作。 但我认为我们也应该看到， 炒作并不总是不好的。 这确实引起了人们的关注。它有时会在短期内导致过度的预期。但从长远来看，我们确实认为有巨大的潜力。
我们开始看到很多投资，这反映了我们发表的一些研究中对这种潜力的理解。在上一年，在2016年投资于人工智能的投资达到了260亿美元左右，其中很大一部分来自于科技巨头，还有一些来自于外部对于一些创业公司的投资。这反映了大家看到真正有潜力的价值创造的前沿。但是，当我们考察这些技术在生产中实际使用的程度时，只有很小一部分公司在成规模的、或者在其核心流程中进行部署。

我们期望看到的是，人工智能能够像我们已经发现的其他真正有潜力创造价值的技术趋势一样，随着时间的推移，产生更多的应用，捕捉到更多的价值。 

实际上，我们还有其他研究关于自动化的程度和速度方面的潜力，包括AI等技术。 把所有这些因素结合在一起，包括技术发展，积极的商业案例，以及自然的S应用曲线，我们会这样描述整个局面：宏观上很缓慢，但微观上很快速。

这些技术在经济中全面传播并发生影响可能需要几十年时间，包括已经发展起来的技术。 另一方面，如果你是一家公司，需要与竞争对手竞争，而竞争对手正在使用这些技术来，那你将会感觉非常快。

如果说它对于你作为一个单独的工作者的影响，那也可能会很快发生。所以我认为，商界领导者的责任是理解这项技术，理解如何将其作为一种竞争武器，因为虽然整个经济体系可能需要很长时间才能受到人工智能的影响而改变，但单个商业案例却能够非常非常快速的被改变。

Peter Breuer：Michael，我非常同意你所说的话。但这也意味着，大公司的任何首席执行官 —— 如果现在还没上道的话 ——他们应该迅速行动。我们一开始也说过，我们谈论大数据，分析，机器学习，深度学习，人工智能等领域。

如果你还没有，那么对商界领袖的强烈建议就是，现在就开始你的分析转型。这将要求你构建能力，构建技术，开始组织变革，这也将是最终进入AI启用流程和AI启用业务所必需的。

Michael Chui：我完全同意。打个比方，当炒作漫天的时候，有一个简单的办法，就是听销售人员的话，买他包里的东西。实际上，最重要的是看看自己的业务，了解你想要竞争的地方，并了解这项技术能为你创造最大的价值的点。

如果你正在以运营为基础进行竞争，那这个点可能在于预测性维护等运营案例。如果你是一个以销售和市场为导向的机构，那么AI可以产生最大影响的地方，或许是下一个产品的购买或营销组合或其他问题。因此，看看广泛的投资组合，并理解你应该集中精力的地方是非常有价值的。

其他重要的事情之一是作为管理人员和领导者，即使你不是IT部门领导者或分析部门领导者，如果你想要在性能上带来变化的话，这项工作也必须从上往下推进。这是我们在调查中、以及客户工作中发现的，。

你不必是数据科学家。你也不必成为机器人专家或AI专家来确保这对你的组织有影响。行政领导是真正重要的。

Peter Breuer：我倾向于认为，对于部署AI来说，将公司转变成为分析或者人工智能驱动占据50％的重要性，改变员工思维是另外50％。在许多情况下，大家都对电脑和机器人如此兴奋，第二个百分之五十被遗忘了。

我们有时候会忘记，我们现在仍然在一个庞大的有许多员工的组织中，我们需要对这些技术进行培训。自上而下的变革需要最终渗透到每个员工身上。他们需要拥抱新技术和新机遇。只有这样你才能看到你的业务的影响。 

 

雷锋网 (公众号：雷锋网) 编译via 麦肯锡

。