盡管人工智能目前取得了令人鼓舞的進步，但它還沒有在許多行業引起革命性的變化。在很多情況下，問題不一定出在技術上，而是出在人們感知技術的方式上。

《權力與預測》是人工智能專家撰寫的一本新書，探討了不同行業應用人工智能技術的根本挑戰。作為他們廣受好評的《預測機器》的續集，這本書討論了企業在受益于人工智能進步的全部潛力之前需要改變什么。

從點解決方案和應用到人工智能系統，行業專家研究了人工智能在不同領域的成功和失敗。他們還從過去的技術革命中提供了重要的見解，并展示了如何從頭開始重新思考和設計人工智能系統，可以幫助創造基于強大的機器學習和深度學習算法的真正價值。

解決方案vs人工智能系統

如今的人工智能系統是預測機器，這意味著它們可以根據過去的數據預測未來會發生什么。這是每個數學模型都要做的。但由于大量數據和計算的可用性以及深度學習算法的進步，人們已經能夠創建可以對圖像、文本和多維數據等復雜信息進行預測的模型。

在《權力與預測》一書中，作者將人工智能的價值分為三類：點解決方案、應用解決方案、系統解決方案。

到目前為止，人們看到的大多數都是點解決方案和應用程序解決方案。這些人工智能系統取代了以前需要預測的任務。例如，在金融服務中，任務之一是預測哪些交易是欺詐的。經過正確數據訓練的機器學習模型可以接管這項任務。點解決方案是人工智能的唾手可得的成果，因為采用它們只需要最小的投資和對底層系統的更改。

另一個點解決方案的例子是分析放射掃描。現在有幾個深度學習模型，可以從X光和MRI掃描中檢測出各種疾病，其水平與經驗豐富的放射科醫生相當。

他們正在自動化放射科醫生執行的眾多任務之一，而無需對潛在的患者護理系統進行任何更改。

人工智能系統可以通過自動化當前應用程序和系統未解決的新任務和問題來提供更大的價值。然而，人工智能系統需要一種空白的方法，在這種方法中，需要重新設計整個流程、工作流和應用程序，不僅可以解決現有的問題，還可以解決新問題。為了讓它們發揮作用，人工智能系統通常需要新的組織結構以及目標和激勵措施的一致性。這使得人工智能系統更加困難、風險更大，但也更有回報。

《權力與預測》一書的作者寫道：“系統解決方案通常比點解決方案或應用解決方案更難實現，因為人工智能增強的決策會影響系統中的其他決策。點解決方案和應用解決方案通常會強化現有系統，而系統解決方案則會顛覆現有解決方案，因此往往會導致破壞。然而，在許多情況下，系統解決方案可能會為人工智能投資帶來最大的整體回報。”

人工智能的中間時代

在《權力與預測》一書中，作者認為現在正處于人工智能的“中間時代”，在見證了這項技術的力量之后，在它被廣泛采用之前。這就是為什么點解決方案目前是人工智能更有吸引力和更受歡迎的用例。

這是有歷史先例的。例如在19世紀后期，當電力開始實現工業化時，它的第一個應用是點解決方案。對于工廠來說，這意味著用電動機代替蒸汽機來降低能源成本。改變電力來源并不需要重新設計工廠。

然而，電力的真正價值主張是將機器與電源分離。這使得新的工廠設計成為可能，這在蒸汽動力下是不可能的，而且它們的生產率更高，成本更低。但這種普及花了幾十年的時間，因為它需要根本性的改變，打破習慣，以及現有企業不愿意進行的前期投資。那些抓住機會的企業家成功地占據了領先地位，并占領了后來取代舊市場的很大一部分市場。

人們可以在許多其他行業看到這些變化，比如網上購物的興起，個人電腦的出現，以及從印刷媒體到數字媒體的轉變。

人工智能是一種基礎設施技術，技術領導者將其影響與電力進行了比較。因此，這需要一種全新的心態和大膽的探索。

《權力與預測》一書的作者寫道：“人工智能驅動的行業轉型需要時間，一開始怎么做并不明顯。許多人可能會嘗試并失敗，因為他們誤解了需求，或者他們無法讓單位經濟運作起來。最終，有人會成功，并建立起盈利的途徑。其他人會試圖模仿。行業領導者將試圖保護自己的優勢。有時它會成功。無論如何，這個行業將會轉型，一如既往地總會有贏家和輸家。”

打破規則

《權力與預測》一書的作者表示，“當沒有什么東西的時候，不會放棄。如果沒有必要的信息來做出明智的選擇，就可以避免盲目做事的后果。因此，當人工智能預測出現時，它的使用機會并不明顯，這并不令人驚訝。潛在的決策者在沒有這些信息的基礎上搭建了一個腳手架。”

人工智能的機會很難發現，因為它們通常隱藏在嚴格的規則和程序背后，這些規則和程序運行良好，并且已經建立了很長時間。這些規則彌補了信息的不足。它們使人們能夠在不能夠預測準確結果的情況下做出決定。它們幫助構建系統，雖然不是最優的，但在許多情況下可靠地工作。

找到這些機會的關鍵是，首先要了解預測機器的力量，其次，找到預測可以取代既定規則的地方。作者在書中探討的一個非常有趣的例子是人工智能在教育中的應用。

多虧了機器學習算法和歷史數據，可以預測學生的表現，他們在哪里會脫穎而出，在哪里會遇到困難。這讓我們有機會為每個學生提供更多個性化的內容。

但這些預測模型在當前的教育體系中并沒有多大幫助，因為目前的教育體系是建立在基于年齡的課程基礎上的，每個班只有一名教師。之所以建立這個系統，是因為教師沒有辦法通過學生的教育軌跡來準確衡量他們的個人學習能力。

為了能夠充分利用機器學習，人們需要以一種新的方式重新思考教育體系。這個新系統將以個性化討論、小組項目和教師支持取代以年齡為基礎的課程，對整體教育和個人成長和發展產生更大的影響。

《權力與預測》的作者寫道：“基于年齡的課程規則是現代教育系統的粘合劑，因此，個性化學習內容的人工智能只能在該系統中提供有限的好處。要釋放個性化教育人工智能的潛力，主要挑戰不是建立預測模型，而是將教育從目前將系統粘合在一起的基于年齡的課程規則中分離出來。”

權力轉移

人工智能的成功應用需要《權力與預測》一書作者所稱的“系統思維”，這與“任務思維”形成了對比。任務型思維模式關注的是節約成本。系統思維專注于價值創造。任務思維模式側重于將單個任務自動化。系統思維意識到需要重建基于機器預測和人類決策產生價值的系統。

人們已經在一些行業和亞馬遜和谷歌等大型科技公司看到了這種情況，這些公司已經形成了基于人工智能預測推薦個性化內容的盈利系統。

也許系統思維模式的重要元素之一是隨著人工智能的采用而發生的權力轉移。隨著體制的變化，有決策權的人也在變化。

《權力與預測》的作者寫道，“雖然人工智能不能把決定權交給機器，但它可以改變由誰來做決定。機器沒有權力，但一旦部署，它們可以改變擁有權力的人。當機器改變決策者時，底層系統也必須改變。制造機器的工程師需要了解他們嵌入到產品中的判斷的后果。那些過去在當下做決定的人可能不再需要了。”

作者在書中探討的一個假想例子是心臟病發作風險。目前，這種風險評估是通過在醫院進行測試來進行的，并由進行測試的專科醫生做出決定。

假設能夠構建人工智能系統，根據智能手表等可穿戴設備收集的數據預測心臟病發作風險。然后，就有可能將這些預測從醫院急診科的分診空間轉移到病人的家中。在這種情況下，許多患者在被診斷出患有藥劑師或初級保健醫生可以在家幫助治療的疾病后，將永遠不需要去醫院。

不管人們在圍繞人工智能的科學和哲學辯論中處于什么立場，人們都能認同的是，預測機器有很多東西可以提供，而如今只是觸及了表面。要充分利用它們的潛力，首先要回到繪圖板，重新思考如果人們有預測的能力，將如何設計系統。