非技術人員必知的人工智慧三件事

來源：《家族企業》雜誌

（微信公眾號ID:jiazuqiyezazhi）

作者： 艾瑪．馬丁霍–特拉斯威爾

有關人工智慧的文章，通常在開頭會想要震驚讀者，因而引用科幻小說的經典作品，或關於人們即將失業的令人擔憂的統計數字。但我認為，直到2018年我們才比較接近人工智慧的核心，因為我們開始思考人工智慧可用一些微小、平凡的方式，讓工作變得較容易一些。而且，不一定是你組織中的人工智慧專家，才能看出它可協助解決哪些平凡的問題。相反地，組織的所有員工都將有能力發現人工智慧有哪些容易達到的成果，可提高組織的效率。但前提是，他們必須知道人工智慧能做什麼，以及絕對不可做什麼。

人工智慧的一個快速成長的領域，就是機器學習，其中電腦程序根據數據資料，來創造並反覆修改設計演演算法，以改進對問題的解答。人工智慧通常被認為是只有最聰明、最有數學頭腦的人，才能理解並使用的技術。的確，日常工作就是在打造機器學習程序的人，往往擁有電腦科學的碩、博士學位。

機器學習就像其他任何技術工具一樣，人們對它的理解可以有不同層次，不完全理解的人也可使用它。

我們不必懂得如何駕駛飛機，也能找出合理的新航線。但我們需要知道飛機能做什麼，不能做什麼。例如，外行人也可能會有飛機不該用作何種用途的構想，這可能會產生正向結果，例如降低城市中的飛機噪音，或限制極短程的昂貴航班。

企業領導人投資於人工智慧時，大部分注意力都集中在聘用機器學習專家，或付費購買工具。但這麼一來就錯過了一個關鍵機會。組織若要從人工智慧中獲得最大好處，還應該投資於協助所有團隊成員更加了解人工智慧。員工如果了解機器學習，就更有可能在自己的工作中，發現潛在的應用方式。

機器學習的許多最有希望的用途，都會是很單調乏味的，而這正是技術最有用之處：為人們節省時間，好讓他們專註去做人類勝過機器的許多工作。對機器學習有較多了解的行政助理，可能會建議，日曆軟體直接從長期發展出來的模式中學習，例如，如果上司已太久沒有會見某一團隊成員，就要提醒他。

那麼，你的所有員工應該學習人工智慧的哪些層面？

你團隊中的任何成員都應該能回答三個重要問題：人工智慧如何運作？它擅長什麼？它絕對不可做什麼？

1

它如何運作？

不負責打造人工智慧系統的團隊成員，還是應該知道它如何處理資訊和回答問題。尤其重要的是，人們應了解自己學習和機器「學習」方式的差異。例如，試圖分析一百萬個數據點的人，必須以某種方式簡化它，以便理解它——做法可能是找出平均值，或製作一個圖表。另一方面，機器學習演演算法在進行計算時，可使用每一個數據點。它們「被訓練」使用現有的一組數據輸入和輸出資料，以找出模式。

數據資料是機器能提供有用答案的基礎，因此領導者應確保他的團隊成員具備基本的數據資料素養，也就是要協助人們了解數字代表的意義，以及可能隱藏在其中的偏見與錯誤。了解數據資料（數據是人工智慧的燃料），可協助人們了解人工智慧擅長什麼。

2

人工智慧擅長什麼？

機器學習工具經過訓練後，能夠利用大量可靠數據來解決問題，並在人們為其定義的明確參數範圍內提出答案。我的支付軟體就是一個絕佳例子：它有數百萬使用者的收據可供學習，並用那些收據來協助預測，一杯星巴克咖啡應該歸類為出差、文具或是娛樂。知道機器學習擅長什麼，就能快速了解機器學習不擅長什麼。

新穎的問題，或缺乏有意義的數據資料來提供解釋的問題，仍然屬於人類專長的領域。

要協助你的員工了解這個差異，你可以向他們展示，他們已在組織內部或外部使用、由人工智慧促成的工具（例如社交媒體廣告）。這些例子可協助團隊成員了解人工智慧的巨大潛力，和它的局限性。

3

它絕對不可做什麼？

機器學習可以解決問題，並不表示它應該解決問題。例如，機器無法了解數據顯示的偏誤，也無法了解它給出的建議會有什麼後果。可能會有一些問題，是你的組織絕對不該讓人工智慧應用程序去解決的。例如，我不會讓演演算法為我的公司做出下列最終決定：僱用誰，在董事會議上討論什麼，或如何管理表現不佳的員工。員工如果已考慮到人工智慧的適當道德限制，就可成為防止人工智慧誤用的重要守衛者。

在人工智慧時代，表現最佳的組織，將會善於為人工智慧找到各種機會，以協助員工把日常工作做得更好，並能快速執行那些構想。那些組織會很清楚應在哪裡運用機器學習，在哪裡避免使用。除了投資於技術，它們還會提醒團隊「人類專長」的重要性，包括：支持同事，好好溝通，並試驗新穎的構想。要為人工智慧的普遍運用做好準備，組織的整個團隊也需要做好準備。

—END—

（作者是Oxford Insights顧問公司共同創辦人兼COO，該公司為數字轉型，以及人工智慧在策略、文化和領導方面的機會提供諮詢。）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！