當人工智慧成為企業日常

When AI Becomes an Everyday Technology
安德魯.摩爾 Andrew Moore
瀏覽人數:1029
企業面臨的主要挑戰,在於決定如何運用人工智慧。

自1950年代起,人工智慧的發展一直充滿豐富的探索故事,而過去十年間,更是有關突破性創新的高潮起伏篇章。但我相信,真正的故事接下來才會登場,也就是當破壞趨於穩定,而且機器學習從原本是矽谷的重大標題,轉變成為日常技術之時。那將會是一篇更長的章節,也許長達數十年,世界各地的開發人員將使用一套成熟的工具,來改造自己的產業。

在2019年,我們發現自己正處於這個新篇章的序曲。近年來,人工智慧經歷了顯著的改進,因為進入門檻已經降低,而且已出現範圍廣泛的產品、服務、資源和最佳實務。隨著我們的關注重點轉移,終於從人工智慧本身,轉移到人工智慧可能對你的企業產生的影響,於是問題不再是這項科技如何運作,而是它能為你做些什麼。

換句話說,我們正在進入部署人工智慧的時代。部署人工智慧的重點不只在於工程,更在於共同的願景。工程專業知識一直都會在人工智慧中扮演一定的角色。但在部署人工智慧的時代,我們最重要的資產,將是指引工程專業知識的願景。人工智慧可以解決哪些問題,而解決方案需要哪種資料?衡量成功的標準是什麼?如何能夠把結果與個別企業中現有的人員和流程,最有效地整合起來?這些都是廣泛的組織問題,而這些問題的答案,不會來自任何單一的利害關係人。每一個聲音都可以為部署人工智慧做出貢獻,包括技術和非技術的貢獻,而重要的是,企業應建立一些工作流程,可授權每一個人發揮作用。

關於這種轉變的可能性,我最喜歡的近期例子之一來自卡內基美隆大學(Carnegie Mellon University),我之前曾擔任該校電腦科學系的系主任。我記得當時有位女學生在考慮要進行的人工智慧專案主題,她想到了自己的妹妹是聽障人士。她希望讓她的朋友更容易學習美國手語的基礎知識,因此開發了一個使用人工智慧的工具,可以追蹤他們的手語動作,並在他們學習新的手語動作時,自動給予回饋意見。這個故事最棒的部分是:她不是電腦科學的博士後研究員,甚至不是研究生,她主修歷史,參加這堂入門課程是因為有趣。

我想不到還有什麼更好的例子可以說明,部署的人工智慧是多麼平易近人和力量強大,也沒有其他更好的方式可顯示,這個技術已經準備好,要去解決目前每一個產業裡的每一家企業所面臨的問題。

部署的人工智慧實際上如何運作?主要特徵是一項可衡量的實際影響。簡單來說,部署的人工智慧專案可讓你公司的主要單位可以進行重大的自動化,以新的方式為顧客或員工(或為這兩者)解決實際問題。我在整個職涯當中,曾目睹無數的人工智慧專案一開始是想尋求一些巧妙的方式,來利用恰好已經存在的資料或演算法,希望能夠合理化它們為何會存在這個過程裡。相反的,部署人工智慧解決方案是反過來推想,首先思考將來要使用這些人工智慧解決方案的人,目前有哪些需求。

那麼,你的公司該如何著手,找出可以因部署人工智慧而受惠的專案?你可以自問以下這些問題:

我如何吸引或培養制定解決方案所需的專業知識人才?

人工智慧部署團隊的成員必須尊重各種不同的技能,這一點非常重要。例如,假設你正在建構一個人工智慧語音助理。這項專案將包括研究人員、對話設計師和聲學語音建模人員,以及許多其他團體,所有這些人都必須相互信任,以便有智慧地解決不同的挑戰。如果任何一組人員感覺受忽視,就可能造成工作成果彼此不一致,甚至完全不人性化。

我如何能避免概念驗證陷入困境?

匆忙進行創新,很容易讓人迷失,特別是在像人工智慧這種發展如此迅速的領域,但重要的是,創新的同時應專注進行變革管理。這表示,應該要運用所有對非人工智慧專案有益的傳統實務,包括:明確的方向指引、一致的指標、高品質,可靠的資料集和敏捷性。應該要定期檢討,至少每週進行,並且持續強調終端使用者的體驗。

誰為人工智慧做出的決定負最終責任?

人工智慧的核心是自動進行判斷,這些判斷過去完全是由人類負責進行。當然,這對人工智慧是一項重大挑戰,但同時也帶來巨大的風險。例如,需要加倍努力,讓人工智慧系統的決策更加透明,讓人類更容易理解。此外,目前正出現一些最佳實務,是關於如何使用資料集,以及進行測試,以確保所有使用者的子群體受到公平和一致的對待。還有一些懷有敵意的例子,包括故意誤導輸入的資訊,意圖導致人工智慧系統出現不當行為,以及深度造假(deepfake,也就是幾可亂真的偽造影片如換臉),以及其他眾多新興的挑戰。作為人工智慧的領導人,我們有責任正視所有這些複雜情況,並提供顧客和顧客的使用者所需的專業知識,以便將這項技術引導至正確方向。

開始部署人工智慧

隨著更多企業把人工智慧納入自家產品和服務,思考部署人工智慧可能帶我們前往何處,是讓人感到很興奮的一件事。Google雲端人工智慧(Cloud AI)的顧客提供我們一些例子,顯示如何有創意地使用人工智慧:

 全球能源公司AES正在使用無人機和AutoML Vision,更安全和更有效率地檢查數千部風力發電機。

 房地產公司凱勒威廉斯(Keller Williams)讓購屋民眾能按照具體特徵,如「花崗岩料理台」,自動搜尋列表照片,因而提升了個別房地產經紀人的工作效率和效能。

 《紐約時報》正在使用人工智慧來掃描和分析數千張檔案照片上的圖片和文字,希望能保存該公司一百多年歷史裡數百萬張照片的珍貴檔案。

 金融服務公司匯豐(HSBC)利用人工智慧,篩選大量顧客資料,對照搜尋可疑活動的公開資料,以全球商業運作的速度和規模來偵測詐欺行為。

在上述所有故事裡,都可以看到部署人工智慧的三個基本特徵。首先,他們找出一個長久未解決的問題,或者未實現的機會。接下來,他們採用的解決方案,是沒有人工智慧就無法做到的。最後,他們證明了人工智慧幾乎可以在所有產業裡發揮作用,無論那個產業是否以科技為核心。

所有科技遲早都會從精英利基,轉變為主流工具。人工智慧現在正在經歷類似的轉變。多年來,關於人工智慧的話題焦點,一直是神秘難解的神經網路,以及設計那些網路的博士研究人員,現在我們正進入一個時代,幾乎任何人都可以善用智慧演算法的力量,來解決對自己很重要的問題。諷刺的是,雖然重大突破可躍居頭條新聞,但真正改變世界的,卻是它的普及。正因如此,在歷經各種重大進展的十年之後,缺乏關於機器學習的炒作反而可能是最令人振奮的發展。

(劉純佑譯)



安德魯.摩爾 Andrew Moore

Google雲端人工智慧(Cloud AI)負責人。


本篇文章主題技術