大家在生活中可能会遇到这样的情况，当你在网上购物需要与客服联系的时候，许多网站都提供用户与客服在线聊天的窗口，但其实并不是每个网站都有一个真人提供实时服务。在很多情况下，和你对话的仅仅只是一个初级AI。大多聊天机器人无异于自动应答器，但是其中一些能够从网站里学习知识，在用户有需求时将其呈现在用户面前。我们可以看出，人工智能正在以不可阻挡的态势融入我们的生活。无论是iPhone的siri、AlphaGo的围棋算法，还是无人驾驶。毫无疑问，人工智能正在改写行业形态。领先的企业组织已经在利用这种模仿人类精神行为的技术来吸引客户、促进业务运作。有数据显示，未来几年这一趋势将进一步加速，到2020年人工智能和机器学习将成为超过30％的首席信息官的五大投资重点之一。 如今，我们已习惯了媒体报道的令人咋舌的新科技。狂热的技术爱好者们在感叹未来科技发展的无限可能，然而一些技术工人则在担心被人工智能夺走工作岗位。但是随着越来越多的人工智能产品问世，人们逐渐也变得见怪不怪了。这是因为更多时候，人们还仅仅从技术层面来看待人工智能所产生的影响。当我们不停在谈论“人工智能颠覆世界”时，是否意味着缺乏对人工智能发展规律的认识？我们应该跳出单纯的技术视角，用更为科学而本质的方式去思考AI对你我产生的真正影响。
       今天我们为大家推荐这本《AI极简经济学》，作者阿杰伊·阿格拉沃尔，乔舒亚·甘斯和阿维·戈德法布都是颠覆性创新实验室创始人，多伦多大学罗特曼管理学院策略管理教授。”我们应该如何看待人工智能？“这个问题在这本书中，由这三位深入研究人工智能和决策领域的经济学家给出了清晰的答案。他们以坚实的经济学理论剖析动态，把握本质，将人工智能领域变化多端的表象总结为不断提高的机器预测能力。作者对于人工智能的看法和解释是人工智能是一种预测技术，而用经济学又可以为这些预测做出的决策进行完美的权衡取舍。无论你是需要做出决策的企业家，还是尚且在规划职业生涯的普通人，或是面对剧烈社会变动的思考者，都能从这本书中获得重要启发。今天我们就通过“AI的预测功能””AI的决策功能“和“AI作为企业的工具与战略”这三个方面，来为大家介绍这本书。
 
预测功能
       首先作者提出了一个观点：廉价改变一切。有一点可以肯定，人工智能越早发展完善，人类将越早放下承担廉价劳动力的压力。这就是全球各个国家都在大力发展人工智能的原因。2014年谷歌公司斥资6亿多美元高价收购了DeepMind一家初创公司。因为这家公司展示了人工智能独立学会了玩一款电子游戏，并且获得了高于人类的成绩；有些人坐在高速行驶的特斯拉里，第一次体验到人工智能可以让他的双手离开方向盘，任由自动驾驶的汽车在车流中穿梭；在目睹2016年阿尔法狗战胜李世石以及次年战胜柯洁后，中国政府制定了2030年成为人工智能领先地位的国家政策。如今人工智能初创公司已经从几年前的涓涓细流发展成大江大河，这些公司设计药物开发、客户服务、制造、质保、零售和医疗器械。而人工智能也和其他技术一样受制于同一种经济环境，而这个经济环境就是廉价。人工智能正在出现这个情况。我们的手机应用充满了人工智能，证券交易策略也由人工智能做出，透过各种过度吹捧或者浮夸的修饰背后，从经济学的角度所看到的就是它的成本价格在下降。众所周知，谷歌的搜索引擎就是由人工智能驱动的。在你点开谷歌搜索，体验魔术般的信息搜索能力，在经济学家眼里只是因为搜索被谷歌优化后变得廉价了。这种搜索在以前同样可以通过黄页、旅游社、分类广告等途径实现，只是那时的成本太高了。正是当某种基础产品价格大幅下降，整个世界都可能发生变化。同样的道理，我们通常不会考虑是在白天自然光下看书，还是晚上打开灯进行阅读。因为照明太廉价了。但是这个问题放在19世纪初，你就不得不考虑了，那时的电价是现在的400倍。正是因为乔布斯当初对个人电脑做了减法，使得价格大幅下降，从此才有了个人电脑走入千家万户的可能。人工智能的出现使得预测变得廉价。人工智能通过人类输入的算法以及自身学习，可以帮助人类进行预测。而预测变得廉价也就意味着会出现更多的预测。
       第二点，作者认为：数据就是新一代的石油。我们平时经常聊到的热门话题就是“大数据”，那么什么是大数据？首先我们来看看数据的定义。世界著名咨询机构麦肯锡曾对“大数据”给出一个明确的定义：大数据就是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和低价值密度四大特征。那么数据对于人工智能又有什么关系呢？人工智能广泛运用于企业战略中。以亚马逊为例，它的经营模式就是在线零售，用户在线进行购物，然后付款，亚马逊负责送货。也就是一个先买后送货的模式。随着人工智能在零售领域出现，通过收集用户的购物习惯的数据，然后根据这些数据进行关联，从而向你推荐你可能需要的东西。从目前的数据来看，他们推荐的成功率大约能达到5%。当随着你购物次数的增加，亚马逊获得的数据就会更多，进而提升预测的准确率，准确率提升后又会使你更多地购物。企业更关心的是敏捷性和创新性，通过大数据技术，可以帮助公司及时实现这个愿望。人工智能的大数据分析不仅使企业的经营能够跟随社会瞬息万变的潮流而不断更新，而且还具有预测未来发展趋势的能力，使企业占据有竞争力的优势。站在业务角度讲，如果你比竞争对手拥有更多更好的数据，数据就是最有价值的东西。

决策功能
       作者提出，AI的预测，只是决策的组成部分。预测是人工智能的一个关键组成部分，是决策的核心输入，是一项十分基础的生产资料。新的人工智能技术会让预测变得廉价，出现更多的预测及其互补品：判断、数据收集和行动。预测是填补缺失信息，包括过去、现在和未来的过程，利用已掌握的信息，通常称为数据来生成，通过减少不确定性，使做出决策更加便利。更好的数据、模型和计算机是预测取得进步的核心，机器学习使预测变得更好。人工智能被用的越多，数据的收集也越多，学习越多，预测效果也越好。其中，获得数据的报酬是随规模递减的，数据能够帮助拥有更多了解，减少不确定性。更多的数据会带来更好的预测，意味着做更好的决策，如此周而复始，实现良性循环。回归将运用数据，并尝试找到那个将预测失误最小化，“拟合优度”最大化的结果。人类的智慧是靠大脑使用记忆进行预测来实现的。有了更好的预测，人们将获得更好的机会，思考不同行为带来的回报，更好、更多、更廉价的预测，会让我们有更多的判断机会，提高判断的价值，做更好的决定。利用预测机器，能降低预测成本，提高判断的价值。如果与决策相关联的动作——情景组合的数量可控，可实现决策自动化；如果动作——情景的组合太多，提前将每一组合相关的损益进行编码的成本太高，让人来进行判断更为高效。在不确定条件下，不仅要判断按正确决定采取行动时可能带来的回报，还要确定按错误决定采取行动的代价，不确定性会增加指定决策回报的判断成本。让人类把每一种可能情况的判断进行编码未免不切实际。预测机器不需要提前把所有可能出现的“如果”进行编码，而是学会预测人类操作员在特定情况下会怎么做。依照“满意即可”的策略，做出“足够好”的决策。
       第二点，预测机器替代品，即人类预测的价值将会下降。然而，互补品，如与数据收集、判断和行动相关的人类技能的价值会变得更宝贵。具体点来看，在我们日常工作流程中的某些环节，人工智能可以代替一些人的工作，以此来提高工作的效率。所以我们就需要来看看整体的工作流程，将机器工作效率明显比人类高的环节截取出来，给人工智能发挥留出足够的空间。这并不是一个很简单的问题。从工具的角度来说，人工智能所带来的自动化，会大幅度缩短工作流程。但是因为很多时候工作流程是串连的，如果在一个工作链上，有一个人，或者一个部门慢下来了，那么整个工作流程都会受到影响。举个例子，某保险公司发现在处理保险理赔的过程中，5个部门的19个人花了30个不同的步骤。在理想状况下一份完整的申请书完全可以在一天内走完这些流程，然而实际上一份保险理赔申请的处理时间是25天。大部分的时间都浪费在了员工的工作交接上，导致工作效率大大降低。当有了人工智能的共享数据库后，一切信息可以进行共享，这样以来员工的交接时间缩短，效率大幅提升，处理时间从4小时到几天不等。人工智能的出现解决了预测问题，甚至可以做出准确判断，这就实现了任务的自动化。于是随着人工智能的发展和代替部分人类工作，公司也要开始对工作流程进行调整，实现流程的自动化或者人机协同完成。
 
企业工具与战略
       在企业内，对于人工智能最直接的一个担忧就是，人工智能会不会导致失业？AI是否可以取代人工呢？答案是否定的，机器可以学会预测人的判断，但判断的能力是有限，且不擅长预测罕见事件。最直观的是替代效应，人工智能会替代一些职位，比如导游和电话客服。然而和替代效应并行的，还有生产力效应。人们之所以愿意在某些行业和工作中用人工智能来替代真正的人力，必然是因为人工智能在成本和效率上比人力有优越之处，也就是说，这种替代本身，会带来生产力的增加。而这种生产力的增加，会导致其他尚未由 AI 所取代的产业的繁荣，以及这些行业对劳动力需求的增加。随着机器预测的越来越精准，并且价格更低，部分预测工作已经可以由人工智能接管，人会有更多的机会去判断不同决策带来的回报。比如特斯拉电动车的系统就内置了人工智能来学习人类的驾驶习惯，然而要对人类的所有驾驶行为和反应进行统一的编码是非常不切实际的，并且还有很多非常罕见的动作和情形，也是机器很难把握的。尽管机器可以替代人类实现驾驶，但机器预测相比于人类还是有着不足的地方，毕竟很多事情缺乏足够的数据，此时机器便无法做出准确的预测和判断。还有机器不擅长预测罕见的事，因为没有足够的数据机器便无法做出很好的预测。比如是否同意签订公司的收购合同，是否与某个人合作，到清华大学或北京大学去上学，哪个对自己的未来更有利等等，这种未曾发生过，没有丰富数据的预测机器是做不到的。而人类却可以利用实验模型推演，得到一个合理的判断。举个例子来看，当年美国克莱斯勒汽车公司面临危机，将要面对破产的风险。他们的老板就找到美国政府，申请政府救助。如果他直白地向政府要钱度过难关，恐怕现在已经没有这家公司了。当时美国面临日本经济的崛起，全球地位受到挑战，洛克菲勒老板就向政府说明了两点，第一，克莱斯勒一旦倒下，美国将会涌现出大批失业人群，社会安定将会面临巨大挑战；第二，如今汽车行业不只是美国和德国的竞争，日本的汽车如今飞速发展，如果没有了克莱斯勒，日本将会迎头追上美国。结果当然是克莱斯勒得到了政府救助顺利度过了难关。而这些就是机器无法做到的。
       第二点需要注意的是：自动化是未来，但我们需要以开放的眼光和清晰的头脑进入未来，重大的安全或隐私泄露会给企业带来危机。比如算法歧视。基于智能算法的自主决策系统，被认为能够为人类社会生活中的各种决策和事务提供彻底的客观性。但是，这很可能事与愿违。寄希望于智能算法的设计者完全客观地把已有的道德或法律规则编入程序，几乎是不可能的。智能算法背后的“歧视”问题值得关注。在当前，我们可以用人为的方式来尽量减轻歧视的发生，比如规定企业雇佣，银行贷款不能根据种族、性别来区分。然而如果我们把这些交给算法，那么算法一旦给这些因素分配了正的权重，则有可能产生恶性的反馈循环。如同经济学家阿罗所指出的，歧视本身可能会影响人们对自己收益的预期，进而影响到自己学习的动机和效果，从而最终让歧视自我实现。人工智能下的算法歧视，同样也面临这个问题。在数据的层面，人工智能算法还面临着被逆向工程和虚假反馈的危险，也就是竞争对手通过大量的查询和反馈，来获得自己千辛万苦算出来的模型的参数。而虚假反馈则出现在恶意训练模型上。2016 年，微软在 Twitter 上推出了名为 Tay 的人工智能聊天机器人，然而没过多久，它就被训练成一个同情纳粹的种族主义者。毫无疑问，这是在 它和用户的对话中，用户把这些行为逻辑教给了它，这也说明在现实世界中要破坏一个机器学习的模型是多么容易。
       最后，书中还提到了中国在人工智能方面所特有的优势。首先就是中国对人工智能的科研和产业投入非常巨大。单单一座城市在人工智能上投入的资源，就比加拿大一个国家还要多。中国人工智能论文总量和高被引论文数量都是世界第一。中国在人工智能领域论文的全球占比从1997年4.26%增长至2017年的27.68%，遥遥领先其他国家。高校是人工智能论文产出的绝对主力，在全球论文产出百强机构中，87家为高校。中国顶尖高校的人工智能论文产出在全球范围内都表现得十分出众。人工智能在行业应用上包括智能机器人、智能驾驶、无人机、AR/VR、大数据及数据服务、各类垂直领域应用等。可以看出，相比于国外，国内企业更看重智能机器人、无人机和智能驾驶等终端产品的市场，而国外企业更注重AI在各类垂直行业的应用。中国的人工智能产业呈全面均衡发展态势，注重融资、管理、人才等相关要素的协同配合，但因资源、地域不同，发展起点存在差距。人工智能作为发展潜力巨大，覆盖范围广的新兴产业，已经成为诸多城市布局的重要领域，未来人工智能将趋向于应用场景的落地和产业化集群的发展模式。

       书中最大的亮点是提出了预测的概念。书里说“人工智能当前的进步浪潮给我们带来的其实不是智能，而是智能的一个关键组成部分——预测。预测是决策的核心输入。本书从经济学角度来看待人工智能对我们生活的影响和改变，核心思路就是因为某种行为变得廉价，所以它的互补品就会变得稀缺和昂贵。互联网的搜索引擎让获取信息变得廉价了，也就是人工智能让预测变得廉价了。当人工智能的精度和准确性还没有达到较高水平的时候，人工智能更多的是充当一个信息提供者的角色，当新技术诞生时，大家并不能完全信任它，直到它成熟以后，带来了利润增长，大家就会广泛加以利用。随着需求端不断增多，新技术的成本也会变得廉价。而当预测成本变得廉价，互补的对象——判断就变得珍贵了。我们人的作用下一步将体现在"判断"上。书中还预测了人工智能对人类工作岗位的冲击，作者对这个情况持积极态度：从人类整体来说，人工智能可能确实会让一些职位减少乃至消失，然而同时也会创造出更多的新职位，所以人类整体失业可能并非是一个现实的威胁。其实这也正符合了长期以来人类社会发展的规律，往往人们一致预期的东西，通常都不会成为现实。总的来说，这是一本理解人工智能的好书。

本文参考书籍：阿杰伊·阿格拉沃尔《AI极简经济学》，出版社：湖南科学技术出版社。