每家認(rèn)真的科技公司，現(xiàn)在都設(shè)有人工智能(AI)團(tuán)隊(duì)，投資數(shù)百萬(wàn)美元研發(fā)智能系統(tǒng)，用來(lái)做情勢(shì)評(píng)估、預(yù)測(cè)分析、以學(xué)習(xí)為基礎(chǔ)的識(shí)別系統(tǒng)、對(duì)話接口，以及推薦引擎。像是Google、臉書(Facebook)、亞馬遜(Amazon)等公司不僅使用人工智能，更將人工智能做為核心智能財(cái)產(chǎn)的一部分。

隨著市場(chǎng)逐漸成熟，人工智能已經(jīng)打入那些想使用人工智能、但不會(huì)自行開發(fā)人工智能的企業(yè)。這些企業(yè)認(rèn)為智能系統(tǒng)能解決銷售、物流、制造及商業(yè)智能(business intelligence)方面的問(wèn)題，希望人工智能為他們提升生產(chǎn)力、讓現(xiàn)有流程自動(dòng)化、提供預(yù)測(cè)分析、從龐大的數(shù)據(jù)集里找出意義。對(duì)這些企業(yè)來(lái)說(shuō)，雖然人工智能是一種競(jìng)爭(zhēng)優(yōu)勢(shì)，但并不是他們核心產(chǎn)品的一部分。他們認(rèn)為，在人工智能方面的投資，可以協(xié)助解決實(shí)際的商業(yè)問(wèn)題，但不會(huì)是銷售給顧客的產(chǎn)品的一部分。百事可樂(lè)(Pepsi)、沃爾瑪(Wal-Mart)、麥當(dāng)勞(McDonald's)雖然可能想用人工智能來(lái)協(xié)助營(yíng)銷、物流，甚至是煎漢堡肉，但這并不代表我們很快就會(huì)看到智能可樂(lè)、智能雪鏟，或是智能大麥克漢堡。

如同先前其他技術(shù)發(fā)展的狀況，現(xiàn)在我們也會(huì)聽到關(guān)于「人工智能策略」的建議，呼吁企業(yè)應(yīng)該設(shè)置“人工智能官”。就像先前大數(shù)據(jù)興起，掀起一波雇用資料科學(xué)家的狂熱，現(xiàn)在也有人認(rèn)為每家企業(yè)都該設(shè)置“官字輩”的高階主管，以推動(dòng)企業(yè)的人工智能策略。

但我想請(qǐng)大家別這樣。真的，千萬(wàn)不要。

我并不是不相信人工智能的用處，畢竟，我整個(gè)職涯就是從事這個(gè)領(lǐng)域。我絕不是人工智能的懷疑論者，反而還是個(gè)狂熱的人工智能信徒。

但我也相信，要真的讓人工智能在企業(yè)發(fā)揮效果，就必須專注于「達(dá)成企業(yè)目標(biāo)」。急著發(fā)展“人工智能策略”，并找個(gè)有人工智能技術(shù)的人來(lái)帶頭往前沖，也許看來(lái)符合當(dāng)今潮流，卻忽略了一項(xiàng)現(xiàn)實(shí)：任何創(chuàng)新方案想要成功，都必須先確實(shí)了解真正的商業(yè)問(wèn)題及目標(biāo)。想讓人工智能在企業(yè)里真正發(fā)揮作用，就必須用企業(yè)的目標(biāo)作為背后的推動(dòng)力量。

但這并不是設(shè)置人工智能官就能做到的事。這個(gè)職位的本質(zhì)，是用人工智能這把槌子，讓任何問(wèn)題都成了該敲下去的釘子。這位受了高等教育、拿了高薪、高度積極的人工智能官，會(huì)徹底搜尋企業(yè)上上下下，尋找各種可以應(yīng)用人工智能的地方，實(shí)際上等于把目標(biāo)設(shè)定成運(yùn)用人工智能，而不是解決真正的問(wèn)題。

企業(yè)當(dāng)然還是需要懂人工智能技術(shù)的人，但“懂人工智能技術(shù)”和“知道人工智能能為企業(yè)發(fā)揮何種策略用途”，完全是兩回事。公司里懂人工智能的人和懂策略的人，彼此必須真正有效溝通，設(shè)置人工智能官，并不能取代這種溝通。

若是不設(shè)置人工智能官，首先該做的是找出待解決的問(wèn)題，由直接處理問(wèn)題的人，來(lái)思考人工智能解決方案。這些人只要擁有一個(gè)架構(gòu)，可用來(lái)思考何時(shí)可運(yùn)用人工智能問(wèn)題解決方案，就能建議在哪里實(shí)際執(zhí)行那些解決方案。幸運(yùn)的是，人工智能技術(shù)本身就能直接提供這種架構(gòu)。大家早已看到人工智能能應(yīng)用在哪里，以及在哪里應(yīng)用還為之過(guò)早。

這個(gè)問(wèn)題最后還是歸結(jié)到“數(shù)據(jù)”和“任務(wù)”。

舉例來(lái)說(shuō)，綱要明確的傳統(tǒng)數(shù)據(jù)里的那些高度結(jié)構(gòu)化數(shù)據(jù)，往往可用于傳統(tǒng)、高度分析的機(jī)器學(xué)習(xí)(machine learning)方法。如果你有十年的事務(wù)數(shù)據(jù)，就該運(yùn)用機(jī)器學(xué)習(xí)，找出顧客人口統(tǒng)計(jì)數(shù)據(jù)與產(chǎn)品之間的相關(guān)性。

而如果你擁有的是大量、低階特征的數(shù)據(jù)集(像是影像或聲音)，就最適合運(yùn)用深度學(xué)習(xí)(deep learning)技術(shù)。因此，也許很適合用深度學(xué)習(xí)方法，根據(jù)機(jī)器設(shè)備的聲音，來(lái)預(yù)測(cè)工廠里會(huì)出現(xiàn)的故障。

如果你有的數(shù)據(jù)全部都是文字，就適合用數(shù)據(jù)擷取(data extraction)、情感分析(sentiment analysis)和像IBM的Watson認(rèn)知運(yùn)算技術(shù)那種方法，來(lái)進(jìn)行以證據(jù)為基礎(chǔ)的推理。根據(jù)人資最佳實(shí)務(wù)手冊(cè)將智能建議自動(dòng)化，也屬于這一類。

如果你的數(shù)據(jù)是要用來(lái)制作有關(guān)業(yè)務(wù)狀況或績(jī)效的報(bào)告，自然語(yǔ)言產(chǎn)生(natural language generation)就是最適當(dāng)?shù)倪x擇?，F(xiàn)在機(jī)器就能自動(dòng)制作通順可讀的英文報(bào)告，并以電子郵件寄送，實(shí)在沒有理由把分析師寶貴的時(shí)間，用來(lái)分析所有的銷售數(shù)據(jù)，并制作摘要報(bào)告。

如果全公司的決策者都了解這些概念，就能根據(jù)自己面對(duì)的業(yè)務(wù)問(wèn)題，以及收集的資料，找出可能最適合采用的認(rèn)知技術(shù)。

重點(diǎn)很簡(jiǎn)單。人工智能并非魔法。特定的技術(shù)提供特定的功能，也有特定的數(shù)據(jù)需求。若要了解這些事情，并不需要公司里有位巫師或獨(dú)角獸，也不需要人工智能官，只需要有一些團(tuán)隊(duì)向了解各種技術(shù)解決方案細(xì)節(jié)的人，溝通清楚業(yè)務(wù)問(wèn)題的實(shí)際情況。

今日的人工智能技術(shù)確實(shí)功能強(qiáng)大，企業(yè)一旦采用，人工智能技術(shù)將會(huì)改變一切。如果我們把重點(diǎn)放在運(yùn)用人工智能，來(lái)解決各種真實(shí)而普遍的問(wèn)題，就能建立起新的人機(jī)關(guān)系，讓所有人都有能力創(chuàng)造最佳成果、發(fā)揮最大潛力。