經濟學人「AI商用」特輯一：AI併購金額兩年猛增26倍，中國對隱私關注度遜於西方

毫無疑問，人工智慧的發展已超出了科技領域，並對企業、員工以及消費者都產生了巨大的影響，經濟學人雜誌技術編輯 Alexandra Suich Bass 說道。

來源 | 經濟學人

測謊儀在商業上並未得到廣泛應用，但平安保險卻認為它可以識別謊言。

公司要求，申請貸款的客戶需通過 app 申請。借款人需要通過視頻回答有關收入和還款計劃的問題。

該 app 可以對近 50 個面部微表情進行監測，從而識別他們是否在講真話。這個有人工智慧賦能的項目可以幫助對一些客戶進行進一步的審查。

人工智慧改變的不僅僅只是借款人的銀行賬戶餘額。消費品公司強生和諮詢公司埃森哲使用人工智慧對職位申請人進行篩選，選出最佳人員。

人工智慧也在幫助凱撒宮賭場度假酒店對消費者可能的消費需求進行分析，從而提供個性化的促銷手段吸引消費者。媒體和金融信息公司彭博社採用人工智慧對其它公司的財報進行掃描，並自動生成新聞稿。

行動電話營辦商沃達豐（Vodafone）可以在用戶設備出現問題之前，預測網路的問題。各行各業的公司都在使用人工智慧監測網路安全威脅和其它的風險，比如員工的不滿情緒。

相較於依靠直覺和初略的估計，人工智慧賦能的預測因更加智能，速度更快使得業務效率大大提高。

在法國家裝建材零售集團樂華梅蘭集團 (Leroy Merlin)，經理人員過去是在周五預定新的存貨，在一周之前對同樣的商品進行預設，以便他們能更快開始自己的周末。

現在公司使用演算法對過去的銷售數據和其它會影響銷售的信息如天氣預報進行分析，使得存貨周轉更加的高效。負責這一項目的人工智慧初創公司 Manuel Davy of Vekia 表示，這一舉措幫助公司甚至在銷售增長 2% 的情況下，還將存貨減少了 8%。

人工智慧和機器學習（這兩個術語經常交叉使用）使得計算機可以處理大量的數據，並找出其的模式，在無需特殊編程的情況下就能夠進行預測。

數量巨大的數據、更加複雜的演算法以及超強的計算能力賦予了人工智慧更大的能力。所呈現的結果相當於一對分析師在擁有無限時間和資源的情況下所達到的效果，不僅如此，人工智慧的工作效率還更快，更高效，成本也更加的低廉。

人工智慧主要的一個作用即使預測成本的急劇下降，新書Prediction Machines的合著者，多倫多大學的 Ajay Agrawal 表示。

如同電使得照明更廉價一樣——今天的照明成本比 1800 年減少了 400 倍，人工智慧使得預測也更加的便宜、可靠，應用也更加的廣泛。

計算機在數十年前就已經能夠閱讀文章和數字了，但直到最近它才能夠進行看、聽和說。斯坦福人工智慧實驗室主任，同時也是谷歌雲計算首先科學家李飛飛表示，人工智慧如同一個「色拉盤」，融合了各個不同的領域和學科。

人工智慧的次級領域包括改變工廠和生產線的機器人技術，以及應用於自動駕駛技術的計算機視覺技術。

李飛飛說，計算機視覺是人工智慧「最具有殺傷力的應用」，因為它可以應用於許多的場景，但人工智慧在語音識別方面表現的也越來越出色。

手機以及智能音箱上的語音助手就是依賴於語音識別，演算法可以理解語音請求，並對說話者的語音語調和說話內容進行識別。

商業版圖的變革

目前來看，人工智慧的主要受益方還主要在科技領域。今天大多的科技巨頭，如西方的谷歌、亞馬遜，中國的阿里巴巴和百度，如果沒有人工智慧進行產品推薦，絕不會達到今天這個水平。

例如，亞馬遜的人工智慧應用相當的廣泛，如指揮庫房中的機器人、對打包和配送進行優化，識別假貨以及賦能語音助手 Alexa。

作為亞馬遜的競爭者，阿里巴巴也在物流中廣泛使用了人工智慧技術；其下屬在線支付平台螞蟻金融，真正探索利用面部識別對交易進行驗證。谷歌 CEO 桑達爾·皮查伊曾說，人工智慧將比電或者火產生「更加深遠的」影響。

眾多領域的非科技公司的老闆都開始擔憂人工智慧會對它們產生巨大的威脅，然後他們開始收購一些有前景的科技公司，確保在人工智慧的大潮中不被趕超。

根據數據提供商 PitchBook 的數據顯示，2017 年，在全球，與人工智慧相關的併購金額大約在 218 億美元，是 2015 年的近 26 倍。

這樣做的部分原因是想吸引人才，因為這個領域的人才很是稀缺。沒有盈利的初創公司為每位人工智慧專家提供高達 500-1000 萬的薪酬。

2010~2017年與AI相關的併購案數量與金額變化

隨著人工智慧的影響逐漸超出科技範圍，它將助力公司向老牌公司發起挑戰。而這種情況在汽車領域正在上演，比如一些自動駕駛初創公司和順風車公司，Uber 就是其中一個例子。

但它也將改變其它公司運作的模式，傳統的功能將因此發生改變，如供應鏈管理、客戶服務和人員招聘。

不過，人工智慧的發展前景無限但也同樣是危險重重。

根據 MIT 的《斯隆管理評論》和波斯頓諮詢公司的數據，85% 的公司認為人工智慧將提供一個競爭優勢，但今天 20 家企業中只有一家企業「大規模」部署了人工智慧。

大型公司和產業如金融產業，能夠產生大量的數據，它們會走在前列，會搭建自己的人工智慧優化系統。但許多公司會選擇與獨立的人工智慧供應商合作，如雲提供商，諮詢公司和初創公司。

人工智慧的競爭不僅存在於企業之間，也存在於國家之間，尤其是在中美之間。

中國企業擁有一個早期的優勢，比如因為政府擁有大量面部數據，可以幫助訓練人臉識別演算法。中國人對隱私的關注度相對於西方會稍低一些。

但前方所面臨的困難也很多。其中一個問題就是時間的問題。

風投基金 Bloomberg Beta 的 Roy Bahat，將當前和 90 年代末互聯網大爆發進行了一個對比：「公司很難決定應將資金投到那些地方。」

如果他們在人工智慧的早期投入太多資金，他們會面臨過度投資的風險或者將大量資金投到毫無價值的公司，就如許多人在互聯網早期做的那樣。

但如果他們等的太久，他們有可能會面臨來自新興公司或者比他們更快利用科技的競爭對手的挑戰。

媒體的大肆報道可能對一些人產生了誤導，認為人工智慧就是一個魔法棒，就如同安裝一個微軟軟體一樣簡單，印度諮詢公司 Tata Consultancy Services 的員工 Gautam Schroff 這樣說道。

人工智慧需要大量的數據儲備，高度的演算法檢測以及許多有益的定製化。微軟的 Gurdeep Singh 將人工智慧系統比作「愚笨的專家」；他們可以輕鬆的完成一些人類覺得很燒腦的工作，比如檢測商品上細微的瑕疵或者迅速講數百萬張面部照片進行分類，但有些事情，人們可以很輕鬆的完成，而人工智慧卻無法做到，比如基本的邏輯推理。

1956 年，當學術研究人員首次聚集在一起談論人工智慧的時候，他們就在尋找一種方式將人類的「一般」智力融入到機器之中，包括複雜的推理。但這一想法仍在是一個難以實現的願望。

對人工智慧的追捧使得人們難以區分哪些是誇張，哪些是現實。

全球的上市公司中，2017 年第四季度財報上提到人工智慧和機器學習的次數超過了 700 次，是 2015 年同期的 7 倍。但矽谷資深人士 Tom Siebel 表示，人工智慧的一些價值並沒有體現，很多公司卻在大肆宣揚，一些人應該開一個「人工智慧假新聞」的平台。

上市公司們在財報中提及人工智慧的次數在2007年~2017年期間發生的變化

公司老闆們應三思而後動。

據麥肯錫全球研究所（McKinsey Global Institute）的 Michael Chui 表示，在不久的將來，人工智慧會對傳統的商業進行重塑，如金融，人力資源，客服等。

但假以時日，它將對整個所有行業產生變革，例如，促進無人駕駛汽車的發展或者新葯的合成。只要人類對產品設計或藥物合成有一些提前的認知，演算法就能提出更加新穎的解決方案。

諮詢公司 Deloitte 的 John Hagel 說，私營公司的老闆對費用和勞動力成本的節約比對人工智慧所帶來的機會有更大的興趣。

這對勞動者來說無疑是一件不好的事情，但最終也會對業務造成影響。「如果只是單純的削減成本而不增加客戶價值，就會被踢出遊戲，」他說。

一些公司雖說沒有減少目前的工作，但卻利用科技避免增加新的工作。擁有工作的員工會感覺一直在被老闆監視著。

一些公司已經在使用人工智慧對員工的交流進行篩查，以確保員工沒有違反公司章程。這種手段將會進一步擴散，導致隱私問題的產生。

人工智慧更長期的作用是它會創造一個良性循環或者叫「飛輪效應」，擁抱人工智慧的公司會運作的更加高效、產生更多的數據，提高他們的服務，吸引更多的客戶，提供更低的價格。

聽起來是一個很好的事情，但也有可能導致企業集中和壟斷，而這種情況已出現在科技行業。

機器之能開年對話

8位AI行業局內人講述對過去、對未來的看法

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！