AI系統(tǒng)為什么沒有提升產(chǎn)品服務(wù)？

近日，埃森哲調(diào)研了全球500家制造企業(yè)，發(fā)現(xiàn)只有少數(shù)企業(yè)達(dá)到“應(yīng)用智能”階段，能將AI與行業(yè)特性結(jié)合，規(guī)?；瘧?yīng)用于核心業(yè)務(wù)。調(diào)研顯示，有98%受訪企業(yè)已開始運(yùn)用AI改進(jìn)產(chǎn)品服務(wù)，但擁有完整AI愿景的僅為16%，將AI實(shí)際用于改造生產(chǎn)制造的企業(yè)為5%，全面應(yīng)用AI解決方案僅2%。

數(shù)據(jù)質(zhì)量是阻礙之一，在埃森哲對(duì)中國市場調(diào)研中，52%受訪企業(yè)將數(shù)據(jù)質(zhì)量列為突出挑戰(zhàn)?！叭绻麛?shù)據(jù)有偏見，決策也是偏頗的，”埃森哲全球技術(shù)負(fù)責(zé)人Bhaskar Ghosh對(duì)《21CBR》說，“所有部署AI的企業(yè)，必須制定流程，從源頭避免問題?！?

埃森哲全球技術(shù)負(fù)責(zé)人Bhaskar Ghosh（圖片來源：受訪者提供）

以下是訪談原文，內(nèi)容有刪節(jié)：

《21CBR》：數(shù)據(jù)偏見會(huì)引發(fā)什么問題，可否舉例說明？

Bhaskar Ghosh：人工智能的基礎(chǔ)是大數(shù)據(jù)，數(shù)據(jù)樣本如果偏差，運(yùn)算結(jié)論可能會(huì)與社會(huì)標(biāo)準(zhǔn)相悖。

我舉兩個(gè)例子，埃森哲的實(shí)驗(yàn)室曾做過一個(gè)實(shí)驗(yàn)，讓AI引擎查看6萬張圖像之后輸出結(jié)論，這些圖片中有大量女性在廚房烹飪的場景，AI由此得出結(jié)論：在廚房出現(xiàn)的人物均為女性。這就是沒有過濾的數(shù)據(jù)，導(dǎo)致性別偏見的結(jié)果。

另一個(gè)例子是，我們發(fā)現(xiàn)AI引擎在放貸時(shí)，常常會(huì)拒絕某特定社區(qū)的申請(qǐng)，這個(gè)社區(qū)恰好有很多非裔美國人居住。AI在前期數(shù)據(jù)中形成偏見決策，之后越走越遠(yuǎn)，之后甚至可能拒絕所有非裔美國人的貸款，這非?？膳拢仨毐恍拚?。

所以我們培訓(xùn)測試的工具，首先是不讓AI去學(xué)習(xí)這些帶有偏見的元數(shù)據(jù)，根源上斷絕偏見決策的可能性。不同場景下，數(shù)據(jù)標(biāo)準(zhǔn)有所區(qū)別，我們不能“一刀切”，要根據(jù)不同行業(yè)特色，制定相應(yīng)的篩選標(biāo)準(zhǔn)。

《21CBR》：為了防止這些問題，埃森哲提供了一套提高企業(yè)應(yīng)用AI能力的服務(wù)，都包括哪些內(nèi)容？

Bhaskar Ghosh：首先是協(xié)助企業(yè)構(gòu)建AI戰(zhàn)略，理清希望AI實(shí)現(xiàn)的目標(biāo)，在此基礎(chǔ)上，收集數(shù)據(jù)、開發(fā)AI引擎。其次，幫助客戶識(shí)別AI在公司業(yè)務(wù)中效果最顯著的領(lǐng)域，并針對(duì)性地進(jìn)行輔導(dǎo)。輔導(dǎo)分為兩部分，其一是培訓(xùn)AI系統(tǒng)，建立決策行為，其二是測試該行為，以提高其結(jié)果的準(zhǔn)確性。在我們的輔導(dǎo)下，一個(gè)金融機(jī)構(gòu)客戶縮短了對(duì)AI客服的培訓(xùn)時(shí)間，回復(fù)準(zhǔn)確率也提高了80%。

總之，在AI引擎投入生產(chǎn)前，我們要確保它是真實(shí)可用的。

《21CBR》：使AI更易懂是指什么，必要性在哪里？

Bhaskar Ghosh：是讓AI更透明，也就是人可以去理解AI的運(yùn)作過程。

比如自動(dòng)駕駛，一旦出現(xiàn)交通事故，警方、駕駛者和保險(xiǎn)公司需要知道事故原因，是系統(tǒng)失控、人為失誤？比如自動(dòng)駕駛技術(shù)，系統(tǒng)非常復(fù)雜，當(dāng)全程為“黑匣子”時(shí)，無法理解工作原理，難以判斷責(zé)任。英偉達(dá)最近撬開黑匣子，顯示AI系統(tǒng)的聚焦區(qū)域，“解讀”運(yùn)作原理，這是一個(gè)提高透明度的例子。

《21CBR》：在調(diào)研中，有哪些行業(yè)是AI發(fā)展最有潛力的？

Bhaskar Ghosh：有15個(gè)行業(yè)會(huì)受到重大影響，排名前三的分別是農(nóng)林漁、生產(chǎn)制造和零售批發(fā)。調(diào)研中，有81%的高管認(rèn)為，未來兩年內(nèi)將實(shí)現(xiàn)同工作。

比如農(nóng)業(yè)領(lǐng)域，現(xiàn)在開始用無人機(jī)去采集基于地理位置的信息，從而產(chǎn)生大量數(shù)據(jù)，提供給AI，再幫助農(nóng)戶做決定，哪里施加肥料、哪里采用殺蟲劑。整體發(fā)展趨勢下，我們要讓AI更易懂、更負(fù)責(zé)，這是我們的目標(biāo)。

《21CBR》：埃森哲在AI上重點(diǎn)投入的領(lǐng)域有哪些？

Bhaskar Ghosh：應(yīng)用方面，一是聊天機(jī)器人，比如電信、金融業(yè)的虛擬客服；另外一點(diǎn)是用AI輔助減少事故率，比如采礦行業(yè)。

行業(yè)上，集中在高科技、電信、金融、零售、生產(chǎn)制造，與行業(yè)發(fā)展程度、對(duì)AI采納度相關(guān)。我們?cè)诎闹抻幸患译娦趴蛻鬉，與另一家電信B合并前，希望了解整個(gè)澳大利亞的電信桿中，A、B各占多少比例。因?yàn)榇饲皼]有記錄，所以只能人工現(xiàn)場去數(shù)，澳洲很大，這不太現(xiàn)實(shí)；我們提供一個(gè)方法，讓客戶提供500張照片，對(duì)其中不同公司電信桿做好標(biāo)簽，AI學(xué)習(xí)后，再通過谷歌地圖識(shí)別全澳洲的電信桿。最終識(shí)別準(zhǔn)確率達(dá)到95%。

《21CBR》：在中國業(yè)務(wù)上，有哪些方面的技術(shù)展望？

Bhaskar Ghosh：我們從幾年前開始培養(yǎng)中國團(tuán)隊(duì)，現(xiàn)在已有幾十人。和全球一樣，中國的業(yè)務(wù)也集中在以上幾個(gè)領(lǐng)域，金融、零售是最容易接受的；生產(chǎn)制造行業(yè)需要考慮其發(fā)展?fàn)顩r，選擇合適的AI策略，不一定要全局納入AI系統(tǒng)，可以局部應(yīng)用，像圖像分析可用于生產(chǎn)的監(jiān)測環(huán)節(jié)，比如造紙行業(yè)的粉塵檢查。

最關(guān)鍵的，AI需要用來解決實(shí)際問題，要對(duì)癥下藥。