吳恩達寫給產業界的一份信：《你要弄明白人工智慧能做什麼，不能做什麼》

許多高管問我人工智慧能夠做什麼？

這些人想知道 AI 是如何顛覆他們從處的行業，以及他們該如何利用 AI 重塑自己的公司。

這段日子，有媒體在描述人工智慧時總是夾雜著一些不切實際的觀點：如人工智慧很快就會接管全世界！

是的，人工智慧確實在改變著搜索、廣告、電商、金融、物流、媒體等行業，但作為曾經 Google Brain 的負責人、斯坦福大學人工智慧實驗室前主任以及百度 1200 多人的 AI 團隊領導者；以及培育出許多世界領先的人工智慧小組，並創造出許多服務上億使用者的人工智慧產品的人，在談及人工智慧對世界的影響，我想表達這樣一個觀點：

AI 確實將改變許多行業，但它不是魔法。要真正瞭解人工智慧為你的企業和你所處的行業產生哪些影響，我們必須得扒開被炒作背後的面紗，看清楚它的本質，去瞭解人工智慧在今天究竟能做些什麼。

儘管人工智慧已滲透到各行各業，但它的應用和落地方式還極其有限。幾乎所有 AI 的最新進展均是通過一種類型來完成：輸入資料（A）快速生成簡單的回應（B），舉個例子：

就這麼一個簡單的輸入 A 和輸出 B 將改變許多行業，而構建由 A→B 的技術被稱為監督學習。A→B 這種系統距離科幻片中存在情感的機器人還差得很遠，人類的智慧也遠遠比 A→B 系統高級得多。

A→B 系統發展速度很快，這其中深度學習很大程度上受大腦的工作原理啟發。即便是受大腦原理啟發，但是這些系統的智慧程度仍舊遠遠達不到科幻小說裡的那樣。許多研究員正在探索其他形式的人工智慧，其中一些已被證明在特定環境下有效，也許還有更好的突破方式，讓更高級的人工智慧誕生成為可能，但我們仍然沒有清晰的路徑去實現這一目標。

不過，目前監督學習有一個致命的弱點：它需要龐大的資料。

研究者需要給系統輸入大量 A 和 B 的樣本：搭建一個圖片標注器就需要十幾萬的圖片（A）和可以證明圖中是否有人存在的標籤（B）。同樣，建立一個語音辨識系統需要數萬小時的輸入語音（A）和語音轉錄文本（B）。

那麼 A→B 這個系統能做什麼？關於其顛覆性影響，這裡列一個法則：

如果人類進行一項思考時間少於 1 秒的任務，那麼不遠的將來或許我們能用人工智慧自動化完成這項任務。

人們在人工智慧應用方面已經做了很多有價值的研究：在監控視頻中檢測可疑行為、汽車即將撞到行人時自動急刹車、自動刪除網上的黃暴內容，上述任務均可在一秒之內完成。

當然，上述提到的更適合大的業務方向，搞清楚人工智慧技術與你的業務的聯繫很重要。

運行人工智慧需要仔細選擇 A 和 B，並提有效資料以説明 AI 找出 A→B 的關係。選擇 A 和 B 就已經改變了許多行業，此外，它還有望帶來更多新的顛覆。

在明白了人工智慧能夠做什麼和不能做什麼之後，高層管理員們下一步應該把它人工智慧納入自己的戰略。這意味著需要理解價值是怎麼創造出來的？以及什麼是難以複製的？人工智慧社區非常開放，與大多數頂尖的研究人員發佈和共用觀點、甚至開原始程式碼。這個開源的世界，有兩種東西是稀缺資源：

數據

：在我領導過的 AI 團隊中，很多團隊最多一兩年的時間就能把其他團隊軟體寫出來，但是要獲得其他團隊的資料是極其困難的。相比於軟體，資料在商業競爭中是更好的壁壘。

人才

：簡單地下載和應用開源軟體作用有限，更多需要你根據實際的商業模式和資料定制人工智慧。而能勝任這項工作的人才是絕對的“搶手貨”。

很多人通過寫人工智慧對人類的利弊來闡述 AI 的潛力。例如，我們已經看到有人用聊天機器人進行對話來緩解寂寞；我們也看到了人工智慧涉及到種族歧視等問題。然而，人工智慧在短期內對我們造成的最大危害是：我們利用人工智慧處理任務的頻率遠遠超過了以前，這有可能會造成失業問題。作為領導者，確保我們正在建設中世界的每一個個體都能自由成長是我們所有人的責任，這個過程中，瞭解人工智慧能夠做什麼以及如何讓它滲入到你們企業的策略中只是一個開始，而不是結束。