物联网不需增设“人工智能官”一职

 每家认真的科技公司，现在都设有人工智能(AI)团队，投资数百万美元研发智能系统，用来做情势评估、预测分析、以学习为基础的识别系统、对话接口，以及推荐引擎。像是Google、脸书(Facebook)、亚马逊(Amazon)等公司不仅使用人工智能，更将人工智能做为核心智能财产的一部分。

随着市场逐渐成熟，人工智能已经打入那些想使用人工智能、但不会自行开发人工智能的企业。这些企业认为智能系统能解决销售、物流、制造及商业智能(business intelligence)方面的问题，希望人工智能为他们提升生产力、让现有流程自动化、提供预测分析、从庞大的数据集里找出意义。对这些企业来说，虽然人工智能是一种竞争优势，但并不是他们核心产品的一部分。他们认为，在人工智能方面的投资，可以协助解决实际的商业问题，但不会是销售给顾客的产品的一部分。百事可乐(Pepsi)、沃尔玛(Wal-Mart)、麦当劳(McDonald's)虽然可能想用人工智能来协助营销、物流，甚至是煎汉堡肉，但这并不代表我们很快就会看到智能可乐、智能雪铲，或是智能大麦克汉堡。

如同先前其他技术发展的状况，现在我们也会听到关于「人工智能策略」的建议，呼吁企业应该设置“人工智能官”。就像先前大数据兴起，掀起一波雇用资料科学家的狂热，现在也有人认为每家企业都该设置“官字辈”的高阶主管，以推动企业的人工智能策略。

但我想请大家别这样。真的，千万不要。

我并不是不相信人工智能的用处，毕竟，我整个职涯就是从事这个领域。我绝不是人工智能的怀疑论者，反而还是个狂热的人工智能信徒。

但我也相信，要真的让人工智能在企业发挥效果，就必须专注于「达成企业目标」。急着发展“人工智能策略”，并找个有人工智能技术的人来带头往前冲，也许看来符合当今潮流，却忽略了一项现实：任何创新方案想要成功，都必须先确实了解真正的商业问题及目标。想让人工智能在企业里真正发挥作用，就必须用企业的目标作为背后的推动力量。

但这并不是设置人工智能官就能做到的事。这个职位的本质，是用人工智能这把槌子，让任何问题都成了该敲下去的钉子。这位受了高等教育、拿了高薪、高度积极的人工智能官，会彻底搜寻企业上上下下，寻找各种可以应用人工智能的地方，实际上等于把目标设定成运用人工智能，而不是解决真正的问题。

企业当然还是需要懂人工智能技术的人，但“懂人工智能技术”和“知道人工智能能为企业发挥何种策略用途”，完全是两回事。公司里懂人工智能的人和懂策略的人，彼此必须真正有效沟通，设置人工智能官，并不能取代这种沟通。

若是不设置人工智能官，首先该做的是找出待解决的问题，由直接处理问题的人，来思考人工智能解决方案。这些人只要拥有一个架构，可用来思考何时可运用人工智能问题解决方案，就能建议在哪里实际执行那些解决方案。幸运的是，人工智能技术本身就能直接提供这种架构。大家早已看到人工智能能应用在哪里，以及在哪里应用还为之过早。

这个问题最后还是归结到“数据”和“任务”。

举例来说，纲要明确的传统数据里的那些高度结构化数据，往往可用于传统、高度分析的机器学习(machine learning)方法。如果你有十年的事务数据，就该运用机器学习，找出顾客人口统计数据与产品之间的相关性。

而如果你拥有的是大量、低阶特征的数据集(像是影像或声音)，就最适合运用深度学习(deep learning)技术。因此，也许很适合用深度学习方法，根据机器设备的声音，来预测工厂里会出现的故障。

如果你有的数据全部都是文字，就适合用数据撷取(data extraction)、情感分析(sentiment analysis)和像IBM的Watson认知运算技术那种方法，来进行以证据为基础的推理。根据人资最佳实务手册将智能建议自动化，也属于这一类。

如果你的数据是要用来制作有关业务状况或绩效的报告，自然语言产生(natural language generation)就是最适当的选择。现在机器就能自动制作通顺可读的英文报告，并以电子邮件寄送，实在没有理由把分析师宝贵的时间，用来分析所有的销售数据，并制作摘要报告。

如果全公司的决策者都了解这些概念，就能根据自己面对的业务问题，以及收集的资料，找出可能最适合采用的认知技术。

重点很简单。人工智能并非魔法。特定的技术提供特定的功能，也有特定的数据需求。若要了解这些事情，并不需要公司里有位巫师或独角兽，也不需要人工智能官，只需要有一些团队向了解各种技术解决方案细节的人，沟通清楚业务问题的实际情况。

今日的人工智能技术确实功能强大，企业一旦采用，人工智能技术将会改变一切。如果我们把重点放在运用人工智能，来解决各种真实而普遍的问题，就能建立起新的人机关系，让所有人都有能力创造最佳成果、发挥最大潜力。