AI 分析與應用思考

週三(190724)晚上參加了李開復老師的新書發表,整理老師提到的幾個要點的思考,前提條件是整個思考的核心主軸。以下以這 2 個前提進行 AI 思考主軸的延伸

顯示思考分析圖(點擊右下方全螢幕展開)

AI 應用的兩個前提條件

有了這兩個前提,再透過演算法﹑統計規則﹑深度學習等技術讓讓 AI 自己去找出一套規則以符合解題需求。
李老師也提到了在 AI 世界,數據才是王道,AI 算法其實都差不多。這也反應出數據的重要性,其中有兩點需要注意:

  1. 需要大量的數據:這限制了商業模式發生的場域會在互聯網上,反之,小規模的數據對 AI 而言無法發揮作用。因無法歸納出合理的規則;而沒有規則就沒有行動,沒有行動就沒有可信的預測與推測結果。
  2. 需要客觀精準的數據標記:有這個條件其實就等於限制了 AI 能夠發揮領域必將終於單一領域而不是廣泛﹑通用。我認為比較有爭議的地方在於什麼是「客觀﹑精準」的標記,這需要由人來做,卻亦因人而有所差異,在未來可能可透過大量可信度集合來避開這些差異。這又產生另一個層面的問題:誰會把自己花成本 Training 過的模型放出來呢?利益驅使人們自相閉門造車。也因閉門造車在市場激勵下逐步開放使得技術與品質遭受衝擊(搞懂市場要的是什麼)而再次昇華,如此輪迴。

AI 的兩大弱點

  1. 它沒有創造力,因為它無法定義因果。
  2. 它沒有情感,因為它沒有自我意識。

王維嘉先生是一位領投 AI 的投資者,對 AI 有自己的一套見解;在一場他對 AI 衍生「暗知識」一書的演講中,他提到大家易忽略的一點:「AI 無法定義因果關係」:任何因果關係都是人類事後總結的結果,是某個原因一導致某個結果一,而 AI 無法知道會不會有原因二導致了結果一這個前後絕對的關係。所以 AI 沒辦法去預測 "未知的東西" 會產生什麼 "特定的結果",況且這個 "特定的結果" 需要人去界定,不然沒有任何意義存在,因為有否意義來自於人類自身的認知。

AI 只能找出關聯關係」:將資料攤開來去分析,可以擴展人類認知的邊界,因此透過 AI 來做創意發想的組合是可行的,但有一點需要注意的是,如同上述的侷限條件(AI 沒辦法去預測 "未知的東西" 會產生什麼 "特定的結果");在這個前提下,結果的產出需要由人來定義,因此人類遇到其他境遇而產生某種需求﹑未來的人類會有哪些需求等等,AI 是沒辦法算出來的,這對一些 AI 專案可用上述兩種方法來判斷合不合理,進而推論該專案是否會遇到天花板。

舉例「按鍵式手機」演變成「觸控式手機」的時機與改變幅度,AI 是算不出來的。我們事後總結覺得這很合理是因為更方便﹑更直覺。但「更方便﹑更直覺」對 AI 來說這是一個無法量化以及察覺的因果關聯,也就是「更方便﹑更直覺」的定義是一個原本就不存在的變化。換句話說,AI 可以告訴你關聯關係,例如從按鍵變成用講的﹑用看的﹑用想的….等等,但它沒辦法明確告訴你哪一個會是人類的需求,哪一個才是 "對的";要定義「對不對」需要人類自身來告訴它,因為對不對的 "意義" 這事對人來說是有所感知的。

這也就是李老師提到的「客觀﹑精準的標記」,所以 "告訴它" 這個動作就是 "產生結果" 的行為,也就是將因(例如用觸摸)連成果(人類覺得好用)促成因果關係。再延伸來說,定義對不對只能依照人類 "當下或未來可能需求(有時候連人自己都不知道)" 去執行,而非 "歷史需求",這可從馬車演化成汽車的例子得到很好的驗證。你問當時馬車滿街跑的時代的人們,你想要什麼樣子的車時,他們會告訴你他們想要更快更穩定的馬車,而不是他們想要一輛汽車,因為當時汽車根本不存在。

AI 另一重點是協助預測

  1. 它只能推薦你可能的方向,而沒辦法告訴你未來什麼才是對的方向。
  2. 它能幫助你預測可能方向而不是絕對方向,也是因它基於歷史數據(因沒有未來數據)。AI 要能預測的前提是歷史數據要夠多,而資料哪裡夠多是另一個層面的問題。

要是預測的項目有遊戲規則(如圍棋﹑象棋),AI 就可以自己建立歷史數據,例如自己跟自己下棋﹑逐步迭代能勝利的模型。因此預測是基於有限的邊界;而邊界參考的訊息來源不外乎是已發生過的歷史數據或者已知的規則。
推論之,如果沒有邊界或規則,就沒有判斷何時該停止的條件,也就不知道要產出哪些結果。再論之,有了邊界(或規則),就會有強或弱因果關係(可能是一對多,或多對一,或多對多)以及關聯關係的產生。

AI 對於未來工作的衝擊

由上述 AI 弱點來看,可以瞭解新聞媒體所報導工作取代的議題:

  1. 它沒有創造力:因此 AI 不會取代需要無中生有的工作,例如藉由人的情感而生的藝術創作﹑需要思考戰略與分析局勢的管理者﹑需要瞭解人的需求而設計的產品。
  2. 它沒有情感:因此 AI 不會取代需要關懷﹑溝通﹑情緒激勵等等的工作,例如親人的陪伴﹑關懷病人﹑管理的激勵行動….等等。

AI 會取代的工作

  1. 重複性的勞力工作,將由機器 + AI 進行有效率的工作輔助或取代,其目的無它:成本效益而已。
  2. 無須進行溝通﹑創意發想的工作,亦如適合一致性﹑有條件性的流程工作,如提供資訊分析,再提供訊息決策輔助(多少成功率﹑失敗率),最後由人來執行決策。

以常被拿來舉例的律師行業而言,如果是法學院畢業的新手律師第一年的工作大部分都在進行資料庫的法律檢索或查詢大量的合約內容,這類的工作非常消耗精力就很適合 AI,因此新手律師和律師助理的工作是可以被 AI 的高效率所取代。

資深律師所需具備的要素是信任。客戶面臨的法律問題並非只有檢索和預測結果,而是需要幫客戶設計策略﹑總結法律規則的利弊﹑實現利益最大化等等。再者更需要面對當事人蒙受痛苦與訴求的情緒,並能冷靜客觀幫客戶解決問題,這些依託所產生的信任感是上述沒有創造力﹑沒有情感的 AI 無法勝任的。

AI 引領的變革

  1. 改善效率與提供決策輔助預判(道﹑WHY)
  2. 施行方法/方向(術﹑HOW/WHERE)。

一切的商業起點都是消費者獲益,那麼拿著這套 AI 能夠產生什麼效益?使用 AI 可從六種方向看清這些錢:如何賺錢、如何分錢、如何省錢、如何找錢、如何投錢、如何賠錢。

分享此文

Written by

穿透表象,淬礪本質

You may also like...

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *