人工智能會做什么

　　人工智能實現了學習、決策和行動的快速處理，具備“快速處理”和“自主學習”兩種能力。因此，我們可以將之比作人。差別在于，人類比較擅長并行處理(模式識別)，但在順序處理(邏輯推理)方面較弱;而計算機在并行處理方面涉獵較少，在順序處理上速度極快。

　　人工智能機器可以說話、閱讀、吸收并儲存百科全書式的知識，也可以直觀地、自然地和人們就一個相對寬泛的話題進行一定深度的對話。

　　人工智能機器可以識別物品、光學圖案，自此離開虛擬世界來到了真實世界。

　　人工智能已成為無人駕駛汽車、金融貿易等多領域的基礎性技術，就連自學算術也嵌入了常規性的移動和網絡服務。研究人員通過處理從數字設備和傳感器上導出的數據來提升人工智能的性能，而機器也掌握了人類日常交流的特定語言和觀點。例如，人工智能項目已經比放射科醫師能更準確地探測出癌細胞的精確位置。未來，人工智能還會朝更高級的強人工智能發展。所謂強人工智能，就是技術顯著突破，應用不斷擴展，各種復雜問題都能得以解決。目前，金融、零售、醫護等多個傳統領域已經開始在人工智能領域進行大量的投資。

　　對于企業來說，人工智能不再是可有可無的部分，它對如何發揮出人和計算機各自的強項、創造具有競爭力的優勢來說至關重要。

　　人工智能引發競爭優勢的革新

　　早些時候，一種技術工具就可能成為一種優勢，比如二十世紀八十年代沃爾瑪的物流跟蹤系統。而現在，借助人工智能，企業競爭優勢將轉變為算法和數據資產，通過建立學習網絡和數據生態，全面洞察消費者，同時在數據驅動下進行即時自動決策。“開放人工智能”是由埃隆·馬斯克發起的一個非盈利組織，旨在使人工智能工具和研究成果得到更廣泛的運用。

　　不同于通過資源和性能來獲取競爭優勢的傳統方式，人工智能將重新構建優勢。比如，人工智能可以幫助企業贏取市場份額，包括專利、分銷網絡、用戶渠道以及擴大企業規模。

　　我們以數據為例來了解一下人工智能是如何將傳統概念轉化成競爭優勢的。

　　人工智能強大的應用是在數據要求較高的領域，數據也是人工智能戰略性的競爭優勢。數據領域的先行者，比如臉書、谷歌、優步，都通過積累的強大用戶群贏得了數據的訪問權——這種數據獲取方法較之傳統方式更為有效。例如，在充分利用無人駕駛車輛的功能方面，優步就有從用戶身上收集100公里行程數據的優勢，這個數據會用來提示公司的移動服務。當然，不是所有的企業都想要成為臉書、谷歌或者優步，也沒這個必要。只要能夠建立和使用數據集，即使有時候可能要與競爭對手合作，企業也能利用他們的專利資產來創建一個“特權領域”。共享不是壞事，關鍵是要建立一個開放數據源和封閉數據源的集合，這個集合就是企業堅不可摧的優勢。

　　人工智能對企業建設的其它影響

　　人工智能和敏捷制造是內在相關的。在這兩方面，產品和過程都是連續的循環系統。計算機體系通過不斷的行為體驗完善自身系統，推動企業開展兼并，向企業推薦新的機會。這些都有利于企業在高度不確定和快速變化中生存下來。

　　除了重塑某些特定的競爭優勢，人工智能還能幫助提高決策的效率和質量。在某些特定的事項上，機器輸入信息的數量和處理的速度可能比人類高出數百萬倍。客觀數據和預測性分析取代直覺和經驗成為制定決策的核心推動力。

　　當然，必須說清楚的是，雖然會像工業革命時期一樣出現一些企業倒閉現象，但人不會被淘汰。首先，需要人來構建體系。比如說優步，雇傭了數百名無人駕駛汽車領域的專家，其中約50名來自卡內基·梅隆大學的機器人中心。人工智能專家也是華爾街緊俏的職業。其次，需要人提供一些機器目前尚且缺乏的常識、社交技能和直覺力。即使交給機器的是一些常規性工作，也需要人保持監測以確保任務完成的質量。

　　在人工智能時代，能成為優勢的因素也發生了變化。戰略性的事情可以變成有組織的、科學的事項，反之亦然，即事務的結構是靈活和敏捷的。對人和機器而言，這必然有利于提高效率、加速變化。可伸縮硬件和可調節軟件為人工智能系統的利用提供了基礎。一個普遍適用的辦法就是建立起一個中央情報引擎，布局一些分布式半自動軟件。特斯拉公司(Telsa)的無人駕駛汽車就將數據輸入一個中央系統，然后定期更新分布式軟件。

　　企業的制勝策略要求重視敏捷性、靈活的雇傭體系和持續的教育培訓。關注人工智能的企業很少有固定的傳統雇員。開放式創新和合同協議正在增多。對創新型移動銀行的首席運營官來說，他面臨的大挑戰就是將領導團隊變成人和機器的技術經理。

　　企業如何開啟人工智能時代

　　企業想要通過人工智能獲得競爭優勢需要做到三個方面：一是了解具備學習能力的機器的影響;二是開展人際互動;三是以不可匹敵的規模和速度參與到其它高水準的功能運用中。他們需要識別機器在哪些方面做得比人類好，以及人類又在哪些方面更勝一籌，為人和機器建立起相互替補的角色和責任，并據此重新設計流程。比如，人工智能通常會需要一個新結構，既包含集中式的層級結構，也包含分散式的開放結構，實施起來極具挑戰性。企業需要采用靈活的工作模式來制定策略，這也是許多初創公司和人工智能先行者們會使用的。雖然所有的企業都能從這個方法中受益，但事實是，因為人工智能的運營需要人堅持不懈地學習改進，也需要機器不斷地完善，所以靈活和不斷調整對激活人工智能來說是必須的。

　　執行者需要識別人工智能將優勢大化且持久的領域，比如在有大量數據的領域、零售業或常規的定價工作等。越來越多的公司活動都充斥著數據，并且能被細分成一個個小項目。建議從以下四個維度來看人工智能：

　　1、客戶需求

　　2、科技進步

　　3、數據源

　　4、過程分解

　　首先，確定客戶需求。人工智能不僅是看起來炫酷，在商業活動中也有廣泛應用范圍。你要知道，你的客戶或潛在客戶有哪些尚未得到滿足的顯性或隱性的需求?就拿當前具沖擊性的商業思維優步(Uber)和愛彼迎(Airbnb)來說，它們也只是實現了人們的基礎需求。

　　其次，考慮科技進步。人工智能領域顯著的進步就是接收和處理新數據，助力部分決策。隨著越來越多的服務平臺可以從數據庫、光信號、文本、講稿中獲取信息，以及數字代理和機器人等輸出技術的普及，人們可能不需要自己來構建體系，而是把更多精力放在如何使用這些技術來改善生產過程和產品上。

　　再者，結合現有數據和新的數據來源創建一個整體的結構。人工智能服務已逐漸實現合理化、標準化，并且也可以通過直觀的工具來獲取，甚至普通人也能使用大的數據集。

　　最后，將過程和產品分解成程序化的單個部分，借助科技進步和數據源就能自動完成。然后，通過重新組合來更好地實現客戶需求。

　　對很多組織來說，這四步都極具挑戰。要系統地運用以上四個方面，企業要熟悉當前的新興技術和必要的基礎設施。一個優秀的組織可以發展技術，提升商業思維，傳播人工智能技術。但人工智能都應歸入且屬于投入使用的商業功能范疇。

　　只有當人與機器互相學習、共同解決問題時，人工智能的潛能才能被完全開發。