AI 熱潮風靡已久，不過目前 AI 在商業(yè)上的應用還比較初級，對于 AI 技術的進一步挖掘與商業(yè)應用還沒有深入核心，因此筆者結合這一現(xiàn)象進一步分析了 AI 還能作何商業(yè)用處。

我是一名從事AI賦能傳統(tǒng)行業(yè)的工作者，雖然我使用的人工智能算法解脫了傳統(tǒng)產線操作員的生產力，但我仍然認為AI從探索到賦能普及、應用還有一段漫長的過程。

如同200年前發(fā)明電一樣，對于整個時代而言，技術本身的出現(xiàn)和探索帶來的意義遠遠小于商業(yè)真正地應用。人類真正懂得用電的時間只有400年左右，而最初的200年其實只是實驗階段。所以AI真正賦能產生效能時，也許已經不是現(xiàn)在的我們認識的這個“AI”。

01?AI由來已久，卻在不久前驚艷

人工智能（Artificial Intelligence），簡稱AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。

其實早在1956年起，美國人發(fā)明電腦17年后，幾位有遠見的科學家就在研究如何用機器模擬人的智能。

當1997年，IBM的深藍計算機戰(zhàn)勝國際象棋冠軍時，其實那時候還沒引起足夠的轟動。

真正扭轉人類認知，甚至改變全球AI產業(yè)結構的轉折點是2016年阿爾法狗戰(zhàn)勝了圍棋九段李世石，從此人工智能一戰(zhàn)成名—— 阿爾法狗不光在下一步的算法中計算了m的n次方種可能，而且還對棋局整個的把控（欺騙技術）掌握得非常熟悉，這才是人類感到驚嘆的地方。

02?AI能做什么，怎么做的

那到底什么是AI呢，AI就是機器用一部分樣本數(shù)據進行學習， 按照模擬人思考的一些算法進行運算，最后經過另一部分實際樣本數(shù)據的驗證，得到最終的輸出模型。

• 沃爾瑪根據過去上億條的的小票交易數(shù)據來預測未來1個月的商品銷量；
• 輸入上萬份的醫(yī)生的藥方和診斷后，機器能根據來訪者的癥狀的描述，自動開出藥方；
• 輸入一定數(shù)量級的公路圖像后，無人駕駛汽車能自動進行右轉，靠邊等操作；
• 在給定語音和應答規(guī)則輸入后，產生的自動語音聊天的機器人。

以上AI的應用都是在數(shù)字，圖像，語音，文本等不同維度的應用，實際核心是對數(shù)據的學習、模仿和輸出的過程。

AI處理不同維度的數(shù)據

移動互聯(lián)網時代將全民的吃穿住行的點點滴滴都反應在數(shù)據上，而信息化和數(shù)字化將所有企業(yè)的運作歷史都留下了數(shù)據的痕跡。這些數(shù)據表現(xiàn)為多種多樣：數(shù)字，圖像，語音，文字。 數(shù)據化是AI發(fā)展的基礎，因為AI計算的本質是基于特征的學習和基于特征的工程 。

特征學習(feature learning)，又叫表示學習(representation learning)或者表征學習 ，它是指學習的過程，是機器自動從數(shù)據中提取特征或者表征的方法。比如從6K條溫度數(shù)據中，提取出攝氏23-39度代表高溫區(qū)；攝氏0-8度代表低溫區(qū)。

特征工程(feature engineering)，主要指對于數(shù)據的人為處理提取，有時候也代指“洗數(shù)據” ， 與特征學習相比，這是人為的工程 。是人為的對數(shù)據進行處理，得到我們認為的、適合后續(xù)模型使用的樣式。比如我們把6月-9月的溫度作為夏天的有效溫度，而12月偶爾的20度反常現(xiàn)象我們把它清洗掉，認為沒有意義。那這種經過人為處理的數(shù)據就具備了特征工程的意義。

03?算法和算力是AI的核心

從AI誕生到現(xiàn)在這幾十年，AI發(fā)展并不迅速的一個原因是因為機器的算力不夠，芯片和計算速度都跟不上，而隨著幾十年硬件領域經過摩爾定律的發(fā)展，算力已經成為了AI普及的前提條件。而在另一邊，人類開始在機器的另一邊，去逆向模擬人類自身是怎么工作的。

算法是AI的靈魂

人類的腦子里面不是存儲著大量的規(guī)則，也不是記錄著大量的統(tǒng)計數(shù)據，而是通過神經元的觸發(fā)實現(xiàn)的，每個神經元有從其它神經元的輸入，當接收到輸入時，會產生一個輸出來刺激其它神經元。于是大量的神經元相互反應，最終形成各種輸出的結果。

例如當人們看到美女瞳孔會放大，絕不是大腦根據身材比例進行規(guī)則判斷，也不是將人生中看過的所有的美女都統(tǒng)計一遍，而是神經元從視網膜觸發(fā)到大腦再回到瞳孔。 在這個過程中，其實很難總結出每個神經元對最終的結果起到了哪些作用，反正就是起作用了 。

于是人類試著把影響對“美女”判斷的所有因素作為輸入，比如身高、體重、五官、皮膚、笑容、身材比例、衣著打扮， 這些統(tǒng)統(tǒng)作為輸入條件，對于任何一個人來說，只要能讓他見過無限大樣本的“女生”，并且他都能對美女的判斷進行打分（可以是不同維度），只需把這些經過判斷后的無限大的樣本數(shù)據和判斷的分值輸入到機器中，機器自動可以看到美女的圖像打出分值來，并且還可以總結出各個輸入影響因子（身高，體重，五官，皮膚，笑容，身材比例）所占的打分權重是多少 。

這就是機器模擬人大腦進行了預測的功能。

04?AI在商業(yè)上能做什么

有了AI的工作原理，我們來看看AI在商業(yè)上能做些什么。

下圖是在百度AI研究院官網上搜集的他們對AI應用的定義。

目前AI的應用還在弱人工智能階段，應用的業(yè)務場景呈現(xiàn)短和淺兩個特點，只能在特定的業(yè)務場景中解決需要重復工作的“點”的問題，在解決宏觀業(yè)務場景或業(yè)務鏈條時，還需要結合其他的信息系統(tǒng)進行應用。

05?AI在商業(yè)應用中的痛點

因此AI雖然很熱，但是如何落地卻是大家都很頭疼的問題。正如AlphaGo在擊敗圍棋9段后，它不但不能做其他的事，甚至它學習過的棋譜也會“忘記”。AI在商業(yè)應用中主要呈現(xiàn)以下幾個方面的痛點：

1. 磨合期的各種不適

企業(yè)使用AI是想創(chuàng)造商業(yè)價值，但投入在AI具體應用上卻需要大量的人力成本，并且由于算法是黑盒，需要受到實際操作人員的質疑，在很長一段時間也無法完全代替人工工作。

2. 出錯概率暫不符合To B領域的需求

AI技術的先進性并不能作為企業(yè)擴大應用的理由，與先進性相比，產品的穩(wěn)定性，準確率，出錯概 率等其他因素才是大規(guī)模應用的有效依據。 而AI目前會呈現(xiàn)極好和極壞的兩個極端 ，哪怕只有1%的概率出現(xiàn)極壞，也會產生破壞性的效應：比如退款3000萬給某一位實際消費300元的消費者。

因此，對企業(yè)來說，因為產品出錯帶來的流程替換，遠遠難于更換一個產品。 如果因為要去適配AI的精度，要去協(xié)作多個部門更改制度或者更改后臺的數(shù)據系統(tǒng)，那么企業(yè)寧愿選擇一個試錯成本低、穩(wěn)定性強，并且能滿足大規(guī)模用戶的產品 。

3. To B領域的低復用性限制其擴張發(fā)展

每個企業(yè)的業(yè)務流程都是不同，當應用AI技術在所在企業(yè)時，一定是AI+信息系統(tǒng)的形式在使用，而AI的形態(tài)取決于企業(yè)的業(yè)務形態(tài)。比如我現(xiàn)在做的是內衣服裝領域，一旦我想把內衣服裝領域重要的特征比如年齡，吊牌價遷移到白酒快消領域時， 我發(fā)現(xiàn)業(yè)務場景與業(yè)務場景很難形成快速復用，最終還是得重新建模。

06?未來AI賦能商業(yè)社會的前景

AI在商業(yè)應用上會遇到痛點，當然不代表它不屬于劃時代的技術。 人工智能領域最有影響力的人物吳恩達曾說：人工智能的影響力不亞于電。 而人工智能賦能到商業(yè)社會后，這必將是和互聯(lián)網改造社會一樣，成為劃時代的技術應用。而且AI的應用來得會更快，迭代周期會更短。

李彥宏在2016年曾提出，過去16年里，互聯(lián)網發(fā)生了巨大改變。我們大體上經歷了互聯(lián)網的三幕：

• 第一幕是PC互聯(lián)網時代，稱霸了大約15年；
• 第二幕是所謂的移動互聯(lián)網時代，增長周期只有四、五年；
• 而現(xiàn)在，我們迎來了第三幕，即人工智能時代。

每一幕都各具特色，因此，他們也有不同的迭代速度。PC互聯(lián)網時代高度依賴于軟件的快速反應，而移動互聯(lián)網基于用戶關注的一切創(chuàng)造了自己的生態(tài)系統(tǒng)。第三幕人工智能時代，機器將取代人的部分“器官”，比如大腦、眼睛、手和耳朵，去實現(xiàn)智能地觀察，讀寫，計算和說話。人與機器將會創(chuàng)造一個虛實結合的全新社會。

而智能化與虛實結合，將會體現(xiàn)在不同領域、行業(yè)、企業(yè)和業(yè)務場景的方方面面。

人和機器將注定會一起攜手譜寫未來社會的新篇章。

?

本文由 @explorer 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協(xié)議