2017年9月某個週一早晨， 伊隆·馬斯克（Elon Musk）在推特上忙著預測第三次世界大戰開始的方式。 早前， 俄羅斯總統就曾告訴俄羅斯的學生，
馬斯克是一個幾乎無可匹敵的技術煽動者， 他的觀點擁有一大批擁護者。 關於AI的未來， 即使是相對樂觀的預言（比如：詳細闡述自動駕駛汽車將大大減少高速公路的流血事件）往往也是遠水救不了近火， 難以給人安慰。
[圖為埃隆·馬斯克， Photo：Internet]
在人人思考AI將帶領人類走向何方時， 這項技術已經到來了。 1956年， 在達特茅斯學院（Dartmouth College）舉辦的一場重大會議上， 科學家首次命名了AI（他們預測， 程式師將能在短短幾年後模擬人類大腦的運作）。 如今， AI已產生了普遍且顯著的影響， 尤以機器學習和形式特別先進的深度學習分支領域為甚。 透過AI技術， 穀歌相冊知道兩張拍攝時間相隔50年的照片拍的都是你大舅， Facebook從你的消息流中剷除垃圾資訊，
智慧手機、智慧家居裝置等設備逐漸演變成AI服務的前端， 比如蘋果的Siri、亞馬遜的Alexa和穀歌的語音助理。 “解密Alexa和Echo背後的原理， 你會發現它不僅是一台音箱。 ”亞馬遜AI副總裁斯瓦米·素布拉曼尼亞（Swami Sivasubramanian）說道。 “而是一個智慧的雲端數字助理， 利用了由深度學習驅動的語音辨識和自然語言理解技術。 ”
隨著AI的觸角開始伸向企業的方方面面， 技術巨頭們展開了人才爭奪戰， 從學術界（紐約大學的終身教授楊立昆（Yann LeCun）目前就職於Facebook）和競爭對手（李佳離開了Snapchat， 參與管理穀歌雲的機器學習團隊）那裡挖走最強大腦。 “由於這項技術非常強大， 瞭解其應用方式的人才需求量很大。 ”谷歌雲應用AI主管斯科特·潘柏希（Scott Penberthy）說道。
只有為數不多的公司能夠參與如此高級別的競爭。 亞馬遜、蘋果、Facebook、穀歌和微軟“擁有博士和博士技術。 ”Databricks公司CEO阿裡·高德西（Ali Ghodsi）說道。 他的公司就有與其他企業合作， 將AI添加到業務流程中。 “但財富2,000強裡的其他企業缺乏這種資源， ”從而造成高德西所謂的“1%問題”， 只有規模最大的企業才擁有足夠財力來充分利用這項新技術。
[Photo：fastcompany.cn]
AI雖然是只有少數公司理解並能運籌帷幄使用它， 但別忘了， AI已經成為一種開放市場上的技術， 也就是各種規模的企業都能獲取部分AI創新成果。 事實上， 亞馬遜、微軟和穀歌也指望著這一點。 他們的雲計算平臺（分別為亞馬遜網路服務（Amazon Web Services）、Azure和穀歌雲）包含了圖像識別、自然語言處理和語言翻譯等企業AI產品。 在這三家公司眼裡， AI是推動其雲平臺未來發展的關鍵；眼下， 亞馬遜網路服務價值160億美元， 逐年遞增42%， 在微軟和穀歌開始奮起急追後， 亞馬遜的速度也降了下來。此外還有IBM，稱其人工智慧為“認知計算”，並將其命名為“沃森（Watson）”，作為一項服務出售。Facebook和蘋果並未建立自家平臺，而是發佈學術研究報告，Facebook還開放了自身打造的部分技術的原始程式碼。
作為一項商業工具，AI仍處於起步階段。麥肯錫全球研究所（McKinsey Global Institute）和麻省理工學院/波士頓諮詢集團（MIT/Boston Consulting Group）的近期研究均顯示，僅20%的企業以有意義的方式利用了這項技術。但與以往技術拐點，比如20世紀90年代電子商務的興起，不同的是，AI未必天生傾向於靈活的初創企業。由於AI所必需的資料需要多年累積，“時間長反而有優勢，因為你所積累的AI訓練知識越多，它就越有價值。”IBM沃森與IBM雲服務高級副總裁大衛·肯尼（David Kenny）說道。
但AI與過往技術趨勢的共同點在於容易被過度吹捧以至於掩蓋了其真實能力。但AI並不是曇花一現的風尚。投入研發的資金堪稱巨額，每年超過300億美元，對生產力和強化消費需求的最終影響據預測將是萬億級別的。無怪乎，AI已然成為這場科技巨頭之戰的焦點，也改變了科技界乃至其他領域無數企業對未來的看法。
為了瞭解AI的現狀以及未來的發展方向，企業必須同時認識到它的繁榮和不確定性。以下是來自戰爭前線的七大實用經驗，涉及各行各業，從科技到零售，從手工釀造啤酒到房地產。AI已無處不在，而我們必須嚴陣以待。
[Photo：Internet]
慎選戰場某大型時尚企業的領導者近期決定，AI必須成為企業“軍火庫”的利器之一。但他不確定該怎麼做。該公司曾與穀歌、IBM及微軟有過合作，它是否該在AI戰場上聯合其中一家？而具體又該採取怎樣的行動？
就連身處AI領域的人也告誡外界，切勿因為這項技術很時髦就被它沖昏了頭腦。“有時顧客會告訴我，‘我們想使用AI，’卻沒有認真思考原因及其潛在效益。”Salesforce客戶關係管理軟體公司的AI產品[名為“愛因斯坦”（Einstein）]副總裁馬克·卡薩利納（Marco Casalaina）說道。
入門的好法子之一就是發掘AI能夠幫上忙的企業問題——與其一次性攻克所有問題，不如鎖定可管理的試點專案。“你天真地以為可以一勞永逸，實際是異想天開”Trulia工程副總裁迪普·瓦瑪（Deep Varma）指出。他建議AI新手要“找准非常具體的痛點。”
還有，關鍵在於不要被AI的潛力所誘惑，而要專注於自身的目標。通常被人類（即員工）視為單調苦差的流程是最佳著手點。舉例來說，通過利用來自微軟Azure的自然語言處理服務，旅遊技術公司Sabre試驗了一種Facebook Messenger機器人，它能夠回答關於現有預訂的簡單問題。Sabre Studios總監乍德·卡拉漢（Chad Callaghan）表示，旅遊業的顧客“未來的旅行代理將專注於高度複雜的路線，而機器人就能支持日常的要求。”
[圖為TSI聊天機器人ELLA，Photo：Internet]
為你的大資料賦予意義
大概在10年前，“大資料”開始流行。它的流行反映了一種新認識的誕生：收集、整理和分析關於企業各個方面的大量資料，從生產流程到顧客互動，確保這些是有價值的。然而，儲存大資料要比研究如何利用它容易得多。許多企業“年復一年收集資料，堆在伺服器裡積了灰。”地理AI初企Descartes Labs的CEO馬克·詹森（Mark Johnson）說道。這時讓人工智慧登場便能解決這龐大的資料庫，因為AI能夠在一定規模上識別模式，讓凡夫俗子不知所措。
“數據是AI的食糧。”Salesforce的卡薩利納說道。它消耗得越多，就越智能。在2017年5月的谷歌I/O開發者大會上，谷歌AI主管約翰·詹南德雷亞（John Giannandre）用他4歲女兒的例子給我解釋了這一概念。她發現了一輛19世紀的大小輪古董自行車，在他告訴她這是什麼之後，她立刻就能辨別其他的大小輪自行車。換成電腦，“我們就得給它們展示100,000輛大小輪自行車，並告訴它這是自行車。但一旦看過了100,000輛，它們的識別能力很可能就超過人類了。”
即便是擁有大量資料的企業也時常需要清理混亂的資料庫，合併不同存儲庫，還要從整體上把資料改良成適合導入演算法的形式。“首先是把資料從資料庫中提取出來，使其隨時隨地都可自由獲取。”Airbus防務與航太公司（Airbus Defence and Space）高級創新經理讓-弗朗索瓦·福迪（Jean-François Faudi）建議道。現在，該公司可以使用機器學習分辨雪花和雲朵——事實證明，在這門技藝上，電腦比人類更出色。
[圖為Descartes Map，Photo：Internet]
將知識用到實處
本身早已關注資料的公司無論屬於哪個行業，都在AI領域搶佔了先機。以精釀啤酒為例，如果要列舉最有望從這項技術中受益的行業，大概不會有人想到這個行業。但俄勒岡州德舒特啤酒廠（Deschutes Brewery）——全美第八大精釀啤酒廠的釀酒師布萊恩·費弗爾（Brian Faivre）碰巧擁有電腦科學文憑。（“我大學四年都在自釀啤酒，但當時並不知道在精釀啤酒行業也能找到真正的工作。”他說。）
費弗爾長期以來一直對如何將資料科學運用到釀酒上很感興趣，而該釀酒廠堅持記錄關於生產流程的資料資訊已有多年時間。釀造啤酒重點在於對發酵的控制，而釀酒廠採用的方法是調整溫度。他們通過從酒桶中提取液體樣本並測量其密度，確定何時該調整溫度，這是一道繁瑣且不太準確的程式。但德舒特啤酒廠與資料基礎設施公司OSIsoft合作，將與以往生產相關的資料登錄微軟的Cortana Intelligence Suite，也就是Azure平臺的一部分。因此，德舒特開始預測提高溫度的最佳時間，去除了密度測量步驟，並使得12天發酵週期縮短了幾天。結果：該公司得以在不犧牲品質的前提下釀造出更多啤酒。
歸根結底，精釀啤酒的重點並不是冷酷無情的大規模生產，而德舒特距離利用AI技術去除人力因素還有很長一段路。“我們一直強調，我們的釀酒師把控了全域。”費弗爾說。但使用AI技術提高產能對該公司的未來發展而言至關重要：額外的銷售額為一家維吉尼亞州羅阿諾克市新釀酒廠的建造工作提供資金，而此專案帶領德舒特啤酒廠向全美拓展。
[Photo：Daniel Zender]
必要時借助外力
對資源緊缺的機構而言，科技巨頭將內部AI轉化為按需服務是一個福音。舉個例子，2016年，俄勒岡州華盛頓縣治安官辦公室的資訊系統高級分析師克裡斯·艾德茲瑪（Chris Adzima）對亞馬遜網路服務的新產品Rekognition產生了興趣，此產品還包含人臉識別技術。該縣在逮捕嫌犯時所拍攝的成千上網張登記照如排山倒海般湧入，即使是根據年齡、性別和種族對照片進行過濾，也沒法把範圍縮小。
當警方需要尋找嫌疑犯時，比如被攝像頭拍到的商店小偷，它的實用性就被限制了。“我不是資料科學家，也不知道人臉識別或人工智慧的工作原理。”艾德茲瑪痛快承認道。但是在幾個月內，他就創建了一個系統，利用Rekognition將新拍的照片和檔案裡的照片進行匹配。迄今為止，此系統已協助辨認了20名嫌疑犯。
它的成本也非常低廉。治安官辦公室的初始安裝只花了大概400美元；亞馬遜網路服務的每月帳單大概是6美元。“每花一美元，我都要向納稅人負責。”艾德茲瑪說。“我們花的錢非常少，而投資回報率卻非常高。”
[亞馬遜的Rekognition，它是一種使用深度學習進行圖像識別和分析的託管服務]
[Photo：Internet]
“因材施教“
人臉識別是一種適用於不同場景的AI，使得亞馬遜的版本在許多領域都能立刻起到作用。然而，在某些情況下，企業必須使用根據特定目的精心調整過的AI。
“我們通常不會向放射科醫師徵求藝術上的建議，也不會詢問律師該挑選哪檔股票。不同的領域，我們會求助不同的專家。”IBM的肯尼說道。因此，IBM根據從教育到供應鏈管理等特定行業的需求對沃森進行度身定制。他的觀點反映了一個關於AI的基本事實。你的野心越大，普通的演算法越是無法滿足你。
房地產資訊樞紐Trulia希望利用AI翻找數百萬張租售房屋照片，區分廚房、臥室和浴室——甚至注意到有利於提升價格的額外配置，比如廚房裡安裝了花崗岩檯面。目前，此類人工智慧還未能作為商品出售。
[電腦如今能夠識別照片中的物體，效果超越了人眼，將為人臉識別技術帶來重大影響]
[Photo：Daniel Zender]
動員所有人並保持熱情
無論一家企業是尋求大量外援還是獨立承擔重任，AI的價值都與特定業務挑戰的具體細節息息相關。這就意味著，只有在利益相關者和IT員工一樣盡職和投入時，AI才能產生效果。
此後“就是一個持續完善和訓練的過程，從而不斷優化實施效果。”H&R Block稅務公司零售客戶體驗總監梅格·薩頓（Meg Sutton）說。2017年，這家稅務巨頭將IBM沃森的建議整合到例行程式中，結果發現，這一資訊輸入——以74,000多頁的美國稅法為基礎，通過報稅員使用的第二螢幕呈現，就提升了客戶的滿意度。隨後，該公司還開始為2018年稅季開發2.0版本。
[電腦視覺和語音辨識這兩大AI學科最可能廣泛影響商業應用和顧客體驗]
[Photo：Daniel Zender]
切勿急於求成
最後一點經驗可以簡單歸結為一個人類品質：耐心。應用AI好處多多，但關於這項技術，還有很多因素尚待發掘。它最終的文化影響——無論從伊隆·馬斯克到馬克·紮克伯格等企業領袖如何預言，我們仍無從得知。
最終，和此前所有劃時代的技術一樣，“總有人乘風破浪，走上巔峰，也總有人逆浪而行，被浪沖走。”花費多年時間構建機器學習技術並置入穀歌廣告平臺、而後參與創辦了Leap.ai的周雲凱（Yunkai Zhou）說道。多虧了大小企業的大膽新實驗，我們都能一邊跟隨潮流一邊學習。
亞馬遜的速度也降了下來。此外還有IBM，稱其人工智慧為“認知計算”，並將其命名為“沃森（Watson）”，作為一項服務出售。Facebook和蘋果並未建立自家平臺，而是發佈學術研究報告，Facebook還開放了自身打造的部分技術的原始程式碼。作為一項商業工具，AI仍處於起步階段。麥肯錫全球研究所（McKinsey Global Institute）和麻省理工學院/波士頓諮詢集團（MIT/Boston Consulting Group）的近期研究均顯示，僅20%的企業以有意義的方式利用了這項技術。但與以往技術拐點，比如20世紀90年代電子商務的興起，不同的是，AI未必天生傾向於靈活的初創企業。由於AI所必需的資料需要多年累積，“時間長反而有優勢，因為你所積累的AI訓練知識越多，它就越有價值。”IBM沃森與IBM雲服務高級副總裁大衛·肯尼（David Kenny）說道。
但AI與過往技術趨勢的共同點在於容易被過度吹捧以至於掩蓋了其真實能力。但AI並不是曇花一現的風尚。投入研發的資金堪稱巨額，每年超過300億美元，對生產力和強化消費需求的最終影響據預測將是萬億級別的。無怪乎，AI已然成為這場科技巨頭之戰的焦點，也改變了科技界乃至其他領域無數企業對未來的看法。
為了瞭解AI的現狀以及未來的發展方向，企業必須同時認識到它的繁榮和不確定性。以下是來自戰爭前線的七大實用經驗，涉及各行各業，從科技到零售，從手工釀造啤酒到房地產。AI已無處不在，而我們必須嚴陣以待。
[Photo：Internet]
慎選戰場某大型時尚企業的領導者近期決定，AI必須成為企業“軍火庫”的利器之一。但他不確定該怎麼做。該公司曾與穀歌、IBM及微軟有過合作，它是否該在AI戰場上聯合其中一家？而具體又該採取怎樣的行動？
就連身處AI領域的人也告誡外界，切勿因為這項技術很時髦就被它沖昏了頭腦。“有時顧客會告訴我，‘我們想使用AI，’卻沒有認真思考原因及其潛在效益。”Salesforce客戶關係管理軟體公司的AI產品[名為“愛因斯坦”（Einstein）]副總裁馬克·卡薩利納（Marco Casalaina）說道。
入門的好法子之一就是發掘AI能夠幫上忙的企業問題——與其一次性攻克所有問題，不如鎖定可管理的試點專案。“你天真地以為可以一勞永逸，實際是異想天開”Trulia工程副總裁迪普·瓦瑪（Deep Varma）指出。他建議AI新手要“找准非常具體的痛點。”
還有，關鍵在於不要被AI的潛力所誘惑，而要專注於自身的目標。通常被人類（即員工）視為單調苦差的流程是最佳著手點。舉例來說，通過利用來自微軟Azure的自然語言處理服務，旅遊技術公司Sabre試驗了一種Facebook Messenger機器人，它能夠回答關於現有預訂的簡單問題。Sabre Studios總監乍德·卡拉漢（Chad Callaghan）表示，旅遊業的顧客“未來的旅行代理將專注於高度複雜的路線，而機器人就能支持日常的要求。”
[圖為TSI聊天機器人ELLA，Photo：Internet]
為你的大資料賦予意義
大概在10年前，“大資料”開始流行。它的流行反映了一種新認識的誕生：收集、整理和分析關於企業各個方面的大量資料，從生產流程到顧客互動，確保這些是有價值的。然而，儲存大資料要比研究如何利用它容易得多。許多企業“年復一年收集資料，堆在伺服器裡積了灰。”地理AI初企Descartes Labs的CEO馬克·詹森（Mark Johnson）說道。這時讓人工智慧登場便能解決這龐大的資料庫，因為AI能夠在一定規模上識別模式，讓凡夫俗子不知所措。
“數據是AI的食糧。”Salesforce的卡薩利納說道。它消耗得越多，就越智能。在2017年5月的谷歌I/O開發者大會上，谷歌AI主管約翰·詹南德雷亞（John Giannandre）用他4歲女兒的例子給我解釋了這一概念。她發現了一輛19世紀的大小輪古董自行車，在他告訴她這是什麼之後，她立刻就能辨別其他的大小輪自行車。換成電腦，“我們就得給它們展示100,000輛大小輪自行車，並告訴它這是自行車。但一旦看過了100,000輛，它們的識別能力很可能就超過人類了。”
即便是擁有大量資料的企業也時常需要清理混亂的資料庫，合併不同存儲庫，還要從整體上把資料改良成適合導入演算法的形式。“首先是把資料從資料庫中提取出來，使其隨時隨地都可自由獲取。”Airbus防務與航太公司（Airbus Defence and Space）高級創新經理讓-弗朗索瓦·福迪（Jean-François Faudi）建議道。現在，該公司可以使用機器學習分辨雪花和雲朵——事實證明，在這門技藝上，電腦比人類更出色。
[圖為Descartes Map，Photo：Internet]
將知識用到實處
本身早已關注資料的公司無論屬於哪個行業，都在AI領域搶佔了先機。以精釀啤酒為例，如果要列舉最有望從這項技術中受益的行業，大概不會有人想到這個行業。但俄勒岡州德舒特啤酒廠（Deschutes Brewery）——全美第八大精釀啤酒廠的釀酒師布萊恩·費弗爾（Brian Faivre）碰巧擁有電腦科學文憑。（“我大學四年都在自釀啤酒，但當時並不知道在精釀啤酒行業也能找到真正的工作。”他說。）
費弗爾長期以來一直對如何將資料科學運用到釀酒上很感興趣，而該釀酒廠堅持記錄關於生產流程的資料資訊已有多年時間。釀造啤酒重點在於對發酵的控制，而釀酒廠採用的方法是調整溫度。他們通過從酒桶中提取液體樣本並測量其密度，確定何時該調整溫度，這是一道繁瑣且不太準確的程式。但德舒特啤酒廠與資料基礎設施公司OSIsoft合作，將與以往生產相關的資料登錄微軟的Cortana Intelligence Suite，也就是Azure平臺的一部分。因此，德舒特開始預測提高溫度的最佳時間，去除了密度測量步驟，並使得12天發酵週期縮短了幾天。結果：該公司得以在不犧牲品質的前提下釀造出更多啤酒。
歸根結底，精釀啤酒的重點並不是冷酷無情的大規模生產，而德舒特距離利用AI技術去除人力因素還有很長一段路。“我們一直強調，我們的釀酒師把控了全域。”費弗爾說。但使用AI技術提高產能對該公司的未來發展而言至關重要：額外的銷售額為一家維吉尼亞州羅阿諾克市新釀酒廠的建造工作提供資金，而此專案帶領德舒特啤酒廠向全美拓展。
[Photo：Daniel Zender]
必要時借助外力
對資源緊缺的機構而言，科技巨頭將內部AI轉化為按需服務是一個福音。舉個例子，2016年，俄勒岡州華盛頓縣治安官辦公室的資訊系統高級分析師克裡斯·艾德茲瑪（Chris Adzima）對亞馬遜網路服務的新產品Rekognition產生了興趣，此產品還包含人臉識別技術。該縣在逮捕嫌犯時所拍攝的成千上網張登記照如排山倒海般湧入，即使是根據年齡、性別和種族對照片進行過濾，也沒法把範圍縮小。
當警方需要尋找嫌疑犯時，比如被攝像頭拍到的商店小偷，它的實用性就被限制了。“我不是資料科學家，也不知道人臉識別或人工智慧的工作原理。”艾德茲瑪痛快承認道。但是在幾個月內，他就創建了一個系統，利用Rekognition將新拍的照片和檔案裡的照片進行匹配。迄今為止，此系統已協助辨認了20名嫌疑犯。
它的成本也非常低廉。治安官辦公室的初始安裝只花了大概400美元；亞馬遜網路服務的每月帳單大概是6美元。“每花一美元，我都要向納稅人負責。”艾德茲瑪說。“我們花的錢非常少，而投資回報率卻非常高。”
[亞馬遜的Rekognition，它是一種使用深度學習進行圖像識別和分析的託管服務]
[Photo：Internet]
“因材施教“
人臉識別是一種適用於不同場景的AI，使得亞馬遜的版本在許多領域都能立刻起到作用。然而，在某些情況下，企業必須使用根據特定目的精心調整過的AI。
“我們通常不會向放射科醫師徵求藝術上的建議，也不會詢問律師該挑選哪檔股票。不同的領域，我們會求助不同的專家。”IBM的肯尼說道。因此，IBM根據從教育到供應鏈管理等特定行業的需求對沃森進行度身定制。他的觀點反映了一個關於AI的基本事實。你的野心越大，普通的演算法越是無法滿足你。
房地產資訊樞紐Trulia希望利用AI翻找數百萬張租售房屋照片，區分廚房、臥室和浴室——甚至注意到有利於提升價格的額外配置，比如廚房裡安裝了花崗岩檯面。目前，此類人工智慧還未能作為商品出售。
[電腦如今能夠識別照片中的物體，效果超越了人眼，將為人臉識別技術帶來重大影響]
[Photo：Daniel Zender]
動員所有人並保持熱情
無論一家企業是尋求大量外援還是獨立承擔重任，AI的價值都與特定業務挑戰的具體細節息息相關。這就意味著，只有在利益相關者和IT員工一樣盡職和投入時，AI才能產生效果。
此後“就是一個持續完善和訓練的過程，從而不斷優化實施效果。”H&R Block稅務公司零售客戶體驗總監梅格·薩頓（Meg Sutton）說。2017年，這家稅務巨頭將IBM沃森的建議整合到例行程式中，結果發現，這一資訊輸入——以74,000多頁的美國稅法為基礎，通過報稅員使用的第二螢幕呈現，就提升了客戶的滿意度。隨後，該公司還開始為2018年稅季開發2.0版本。
[電腦視覺和語音辨識這兩大AI學科最可能廣泛影響商業應用和顧客體驗]
[Photo：Daniel Zender]
切勿急於求成
最後一點經驗可以簡單歸結為一個人類品質：耐心。應用AI好處多多，但關於這項技術，還有很多因素尚待發掘。它最終的文化影響——無論從伊隆·馬斯克到馬克·紮克伯格等企業領袖如何預言，我們仍無從得知。
最終，和此前所有劃時代的技術一樣，“總有人乘風破浪，走上巔峰，也總有人逆浪而行，被浪沖走。”花費多年時間構建機器學習技術並置入穀歌廣告平臺、而後參與創辦了Leap.ai的周雲凱（Yunkai Zhou）說道。多虧了大小企業的大膽新實驗，我們都能一邊跟隨潮流一邊學習。