人工智能的侷限性 - 彭博社

攝影師：Chip Somodevilla/Getty Images談論人工智能在歐洲的企業高管中正當時。只是不提它的缺點。

高管們渴望宣傳他們在利用複雜的機器學習或車間機器人乘風破浪的能力。在收益電話會議上提到“人工智能”這一短語的次數正在激增，正如彭博情報的Michael McDonough所指出的。

在一個首席執行官因削減成本和回購股票而獲得更多讚譽，而不是開設工廠或招聘員工的世界裏，技術驅動的效率是擺在股東面前的胡蘿蔔。股市估值被拉伸，投資機會稀少——但處理能力豐富，數據存儲便宜。

這就是為什麼高管們在描繪降低成本、增加收入或兩者之間的承諾。德意志電信和蘇格蘭皇家銀行正在轉向聊天機器人——一種可以在未來五年內節省數十億成本的呼叫中心數字替代品。法國的巴黎銀行和出版商沃爾特斯·克魯沃正在嘗試增加收入，並利用機器篩選金融市場或客户數據庫並觸發自動警報。

彭博社商業週刊不是囚犯。尋求庇護者佔據了拜登承諾關閉的監獄美國正在用尋求庇護者填滿臭名昭著的前監獄大學橄欖球需要向大聯盟學習一課銷售比職業選手更多棒球棒的網紅兄弟們西門子計算機正在嘗試比人類更高效地運行燃氣渦輪機。別忘了藍領世界：物流公司德意志郵政和DHL正在宣傳在倉庫與工人一起使用機器人的想法。

但關於自動化的侷限性討論卻異常少。這些項目的可接受失敗率是多少？除了像 圍棋 或 撲克，機器在企業世界中到底適合多少？一些算法是否過於昂貴，正如Netflix曾經 發現 的那樣？哈佛商業評論 警告説，令人失望的結果可能導致企業過度撤退。

機器可能會失敗。聊天機器人則非常公開地失敗：微軟關閉了一個名為 Tay 的機器人，因為惡作劇者推動它發表種族主義、性別歧視和色情言論。今年早些時候，Facebook在其機器人出現 70% 的失敗率後，重新開始設計。

失敗是可以接受的，但智能車輛或計算機控制的渦輪機的可接受失敗率可能與電費賬單上的錯誤判斷不同。這可能是實現成本節約的簡單路徑與一個複雜的、長期的投資之間的區別，而後者並未按預期工作。

然後還有一個問題，即機器是否總是合適。機器學習在有規則和大量數據點的環境中效果最佳。這可能適用於在法律管轄下的繁忙交通中行駛的汽車，或在出售大量股票時實現最佳價格。

例如，在決定對沖基金的投資方向，或在沒有太多先前數據的情況下向客户推薦產品時，可能效果不佳。根據Pictet策略師Edgar van Tuyll的説法，一旦事情變得模糊——無論是由於缺乏規則、成功評估不明確還是缺乏數據——人工智能的表現就會很差。

這些限制意味着尚不清楚自動化的成本是否會被人力資本的節省所抵消。僱傭一名數據科學家的成本可能超過200,000美元，根據《彭博新聞》。航班預訂公司Amadeus有40名這樣的員工。西門子表示，它有超過200名人工智能專家在進行各種項目。即使是硅谷也有其基礎員工：Facebook正在招聘3,000名內容審核員，此外還有4,500名現有員工。人工智能的支持者亞馬遜擁有341,000名員工——是2012年員工數量的三倍。

談論人工智能並誇耀其成功是有充分理由的。但坦誠面對失敗也會有所幫助。

本專欄不一定反映彭博社及其所有者的觀點。