人工智能的局限性 - 彭博社

摄影师：Chip Somodevilla/Getty Images谈论人工智能在欧洲的企业高管中正当时。只是不提它的缺点。

高管们渴望宣传他们在利用复杂的机器学习或车间机器人乘风破浪的能力。在收益电话会议上提到“人工智能”这一短语的次数正在激增，正如彭博情报的Michael McDonough所指出的。

在一个首席执行官因削减成本和回购股票而获得更多赞誉，而不是开设工厂或招聘员工的世界里，技术驱动的效率是摆在股东面前的胡萝卜。股市估值被拉伸，投资机会稀少——但处理能力丰富，数据存储便宜。

这就是为什么高管们在描绘降低成本、增加收入或两者之间的承诺。德意志电信和苏格兰皇家银行正在转向聊天机器人——一种可以在未来五年内节省数十亿成本的呼叫中心数字替代品。法国的巴黎银行和出版商沃尔特斯·克鲁沃正在尝试增加收入，并利用机器筛选金融市场或客户数据库并触发自动警报。

彭博社商业周刊不是囚犯。寻求庇护者占据了拜登承诺关闭的监狱美国正在用寻求庇护者填满臭名昭著的前监狱大学橄榄球需要向大联盟学习一课销售比职业选手更多棒球棒的网红兄弟们西门子计算机正在尝试比人类更高效地运行燃气涡轮机。别忘了蓝领世界：物流公司德意志邮政和DHL正在宣传在仓库与工人一起使用机器人的想法。

但关于自动化的局限性讨论却异常少。这些项目的可接受失败率是多少？除了像 围棋 或 扑克，机器在企业世界中到底适合多少？一些算法是否过于昂贵，正如Netflix曾经 发现 的那样？哈佛商业评论 警告说，令人失望的结果可能导致企业过度撤退。

机器可能会失败。聊天机器人则非常公开地失败：微软关闭了一个名为 Tay 的机器人，因为恶作剧者推动它发表种族主义、性别歧视和色情言论。今年早些时候，Facebook在其机器人出现 70% 的失败率后，重新开始设计。

失败是可以接受的，但智能车辆或计算机控制的涡轮机的可接受失败率可能与电费账单上的错误判断不同。这可能是实现成本节约的简单路径与一个复杂的、长期的投资之间的区别，而后者并未按预期工作。

然后还有一个问题，即机器是否总是合适。机器学习在有规则和大量数据点的环境中效果最佳。这可能适用于在法律管辖下的繁忙交通中行驶的汽车，或在出售大量股票时实现最佳价格。

例如，在决定对冲基金的投资方向，或在没有太多先前数据的情况下向客户推荐产品时，可能效果不佳。根据Pictet策略师Edgar van Tuyll的说法，一旦事情变得模糊——无论是由于缺乏规则、成功评估不明确还是缺乏数据——人工智能的表现就会很差。

这些限制意味着尚不清楚自动化的成本是否会被人力资本的节省所抵消。雇佣一名数据科学家的成本可能超过200,000美元，根据《彭博新闻》。航班预订公司Amadeus有40名这样的员工。西门子表示，它有超过200名人工智能专家在进行各种项目。即使是硅谷也有其基础员工：Facebook正在招聘3,000名内容审核员，此外还有4,500名现有员工。人工智能的支持者亚马逊拥有341,000名员工——是2012年员工数量的三倍。

谈论人工智能并夸耀其成功是有充分理由的。但坦诚面对失败也会有所帮助。

本专栏不一定反映彭博社及其所有者的观点。