3/3 可免費閱讀文章篇數免費閱讀

本文出自

最強領導人的最強行事曆

最強領導人的最強行事曆

2018年8月號

AI畫布幫你作決策

A Simple Tool to Start Making Decisions with the Help of AI
阿杰.艾格拉瓦 Ajay Agrawal , 約書亞.甘斯 Joshua Gans , 阿維.高德法布 Avi Goldfarb
瀏覽人數:7078
  • "AI畫布幫你作決策"

  • 字放大
  • 文章授權
    購買〈AI畫布幫你作決策〉文章授權
  • 購買文章
    購買〈AI畫布幫你作決策〉PDF檔
    下載點數 10
什麼是人工智慧畫布?這個簡單的決策工具,協助把需要了解的知識,組織成「預測、判斷、行動、結果、輸入資料、訓練、回饋」等七大類,以進行評估。為組織中的每個關鍵決策,釐清以上七個要素,可降低成本或提高績效。

針對不久的將來,人工智慧(AI)會對商業產生什麼重大影響,眾說紛紜。但企業應如何開始使用人工智慧的相關文章,就少得多了。在我們的研究和合著的書中,首先把人工智慧精煉成最簡單的經濟學,然後提供一種方法,來進行這第一個步驟。

我們從一個簡單的深入見解開始:人工智慧最近的發展,是要降低預測成本。人工智慧能夠更快、更便宜地做出更好的預測。你不僅較容易預測未來(下週天氣如何?),還能預測現在(這個西班牙網站譯成英文是什麼意思?)。預測是要使用你已有的資訊,來產生你沒有的資訊。只要你有大量資訊(資料),而且想要過濾、精簡那些資料,或是要把它分類成為有助於決策的深刻見解,「預測」都可幫助你做到這些。現在,機器也能做預測。如果你總是要在不確定情況下作決定,就像每一家企業一樣,那麼,更好的預則就很重要。但你如何全面考量,若要把預測機器納入決策流程,需要做什麼?

我們向多倫多大學羅特曼管理學院(University of Toronto's Rotman School of Management)企管碩士畢業生教授這個科目時,介紹一個簡單的決策工具:人工智慧畫布(AI Canvas)。畫布上的每個空間,都包含機器輔助決策的要求條件之一,第一個部分就是預測。

人工智慧解決保全產業問題

為解釋如何運用人工智慧畫布,我們使用克瑞格.康貝爾(Craig Campbell)在我們人工智慧策略研討會上設想的一個例子;康貝爾是裴洛頓創新公司(Peloton Innovations)執行長,這家公司運用人工智慧來解決保全產業的問題。(那是真實案例,根據的是裴洛頓公司正在商業化的產品RSPNDR.ai。)

住家保全警報器響起時,有超過97%的情況是虛驚。也就是說,觸發警報器的並不是未知的入侵者(威脅)。這就需要保全公司決定怎麼辦:通報警察或派遣警衛過去?打電話給屋主?忽視那次警報?如果保全公司決定採取行動,一百次中有超過九十次是白費工夫。然而,如果接獲警訊就必定採取措施回應,那麼真的出現威脅時,保全公司就一定會採取因應行動。

你如何判斷,使用預測機器是否可以改善這種情況?人工智慧畫布是個簡單工具,可協助你把你需要了解的資訊,組織成七大類,以便有系統地進行評估。我們提供一個保全警報的案例。

首先,你具體說明想「預測」什麼。在警報器案例中,你想知道警報是否由陌生人引起(真警報vs.假警報)。預測機器可能會告訴你這一點,畢竟,有簡易動作感測器的警報器,已算是一種預測機器。借助機器學習,你就可以使用更豐富的感測器資料,來確定你真正想要預測的事情,也就是那個動作是否確實是由陌生人引起的。使用適合的感測器,例如,能辨識已知面孔或寵物的家中攝影機、能辨識某人在場的大門鑰匙等,今日的人工智慧技術,可提供更詳細的預測。預測不再是「動作=警報」,而是例如「動作+無法辨識的面孔=警報」。這種較精細複雜的預測,可減少假警報的數量,因而較容易作出回應警報的決定,而不是先嘗試聯繫屋主。

沒有預測是百分之百準確的。因此,為了確定投資進行更好的預測是否有價值,你必須知道回應假警報的成本,並與不理會真警報的成本作比較。這取決於當時的情況,並需要人的「判斷」。為查清楚發生什麼事而打電話,成本有多少?派遣一名保全警衛去回應警報,會有多貴?快速回應有多少價值?如果事實證明家中有入侵者而你沒有回應警報,這樣的代價有多高?有許多因素需要考慮;要靠判斷,才能確定那些因素的相對重要性。

這種判斷可能會改變你建置的預測機器的性質。在警報器案例中,家中到處安裝攝影機,可能是確定有不明入侵者存在的最佳方式。但許多人對家中到處安裝攝影機,可能會感到不自在。有些人為加強隱私,寧可付出代價,處理較多假警報。在作判斷時,有時會需要確定一些因素的相對價值,而那些因素難以量化,因而也難以比較。雖然假警報的成本可能很容易量化,但隱私的價值不易量化。

接下來,你要根據所產生的預測,來確定要採取什麼「行動」。這行動可能是簡單的「派遣/不派遣」的決定,也可能較為細緻。也許可採取的行動選項,不僅包括派遣某人前去,還包括立即遠程監看誰在家中,或是用某種方式聯繫屋主。

行動會導致「結果」。例如,保全公司派出一名保全警衛(行動),警衛發現一名入侵者(結果)。換句話說,在回顧時,我們能看出每個決定採取的回應是否正確。了解這一點很重要,有助於評估長期是否還有改善預測的空間。如果你不知道自己想要什麼結果,就很難、甚至不可能改善。

畫布的上面那一行:預測、判斷、行動、結果,描述的是決策的關鍵面向。畫布的下面那一行,是三個最後的考慮因素,全都和資料有關。為產生有用的預測,你需要知道,必須作決定的時刻所發生的情況,而在這個案例中,那個時刻就是警報器被觸發時。在我們的例子中,這包括在家中即時收集到的動作資料和影像資料。這就是你的基本「輸入」資料。

但要開發預測機器,首先,你得訓練機器學習模型。「訓練」資料是把以前的感測器資料搭配先前的結果,以校準預測機器核心的演算法。在這個案例中,想像一份巨大的電子試算表,其中每一個橫排的資料包括警報器響起的時間、是否真有入侵者,以及其他許多資料,像是那天的哪個時刻和地點。訓練資料愈豐富多樣,你的初次預測就愈好。如果無法取得這些資料,你可能必須先建置一個平庸的預測機器,然後等它隨著時間而改善。

這些改善來自「回饋」(feedback)資料,也就是你在預測機器實際運作時所收集的資料。回饋資料通常來自比訓練資料更豐富的一些環境。在我們的例子中,你或許能找到「結果」,與安裝在窗戶上感測器收集到的資料之間的相關性,這會影響各種動作的偵測方式,以及攝影機捕捉臉部圖像的方式,可能比訓練用的資料更符合實際情況。因此,使用回饋資料持續進行訓練,可以進一步提高預測的準確度。有時候,回饋資料是依個別住宅量身打造的。另外有些時候,它可能是匯集許多住宅的資料。

人工智慧的潛力無限

為你們組織中的每個關鍵決策,釐清這七個要素,可協助你開始找到一些機會,用人工智慧來降低成本或提高績效。本文中,我們討論了與某個特定情況有關的決定。若要開始使用人工智慧,你的挑戰是找出組織中有哪些關建決策的結果,取決於不確定情況。填寫人工智慧畫布,無法讓你得知是否應製造自己的人工智慧,或是向供應商購買人工智慧,但可協助你釐清,人工智慧可作什麼貢獻(預測)、它如何和人類互動(判斷)、如何用它來影響決策(行動)、如何衡量成功(結果),以及訓練、操作和改善人工智慧所需的資料類型。

人工智慧的潛力極大。例如,警報器可把預測傳達給遠端代理程式(remote agent)。採取這種做法的部分原因是,假訊號太多。但只要想想:如果我們的預測機器變得極好,以致沒有假警報,那麼派遣人員前往仍是正確的回應嗎?我們可以想像其他的回應做法,例如現場入侵者逮捕系統(就是像卡通中那種系統!),有了更加準確、更真實的預測,就更可能做到這一點。一般來說,更好的預測創造了一些機會,可用全新的方式來進行保全工作,甚至在入侵者進屋之前,就可能預測到他們的入侵意圖。

(侯秀琴譯自2018年4月17日HBR.org數位版文章)



阿杰.艾格拉瓦

阿杰.艾格拉瓦 Ajay Agrawal

多倫多大學羅特曼管理學院(Rotman School of Management, University of Toronto)創業學講座教授。他也是美國國家經濟研究局(National Bureau of Economic Research)研究員、創意解構實驗室(Creative Destruction Lab)創辦人,以及人工智慧創新計畫Next AI、人工智慧公司Kindred的共同創辦人。他與人合著《預測機器:人工智慧的簡單經濟學》(Prediction Machines: The Simple Economics of Artificial Intelligence)。


約書亞.甘斯

約書亞.甘斯 Joshua Gans

多倫多大學羅特曼管理學院技術創新與創業學講座教授,並在創意解構實驗室擔任首席經濟學家,著有《破壞的兩難》(The Disruption Dilemma),並與人合著《預測機器:人工智慧的簡單經濟學》。


阿維.高德法布

阿維.高德法布 Avi Goldfarb

多倫多大學羅特曼管理學院行銷學講座教授,也是美國國家經濟研究局研究員、創意解構實驗室首席資料科學家,與人合著《預測機器:人工智慧的簡單經濟學》。


本篇文章主題技術