雷剛 發自 凹非寺
量子位 報導 | 公眾號 QbitAI
這是一篇寫給非技術人員的AI專欄。
給那些有意在公司組織、管理中尋求高效的人，那些希望走向管理崗位的人。
這篇《哈佛商業評論》最新推薦的熱文，來自一位叫Emma Martinho-Truswell的戰略谘詢專家，她是“牛津洞見”的聯合創始人及COO，他們這家公司就是專門為政府和企業提供AI、數據方面的谘詢建議的。
更早之前，Emma還在澳大利亞國務院任職，給墨西哥提供數據方面的“國策”建議。
所以對於AI時代的“生存法則”，她有整一套巨集觀到微觀的思考。
艾瑪說，很多人被現在的鋪天蓋地的AI報導和進展嚇到，很容易走向兩種極端。
一種極端是科幻式的，認為影視作品中的AI會馬上到來，而且對於未來很悲觀。另一種極端是認為AI只是技術人員才該關心。
但是如果心態更謙虛一些，了解更多AI的原理和內核，即便不是技術從業者，對個人、對組織的幫助都迫切而重要。
比如作為一個經常管理團隊出差的財務總監，使用了機器學習的軟體讓工作變得更簡單。軟體能從收據中就智能提取商家的名字、金額、稅收，以及可能的費用分類，大大節省了時間和效率。
所以懂AI原理的人，或許能更有效地找到新時代的工作方法，也能進行更高效的管理。
大家往往以為AI只是一種電腦方法，但就目前的發展階段來說，有一些大眾性的誤解：只有那些聰明的數學、電腦人才才能夠理解和使用。
然而，跟所有技術一樣，即便不擁有機器學習的學位，如果能夠理解AI技術的原理，也能提升工作能力。
就像不是每一個知曉飛機駕駛原理的人，都是飛行員，但知曉原理，可能會讓他們更心中有數：飛機飛行能做什麽、不能做什麽？如何降低飛機飛行中的噪音，或者在短途旅行中選擇更經濟實惠的那一個班機。
在大多數公司、組織和政府部門中，投資\投入AI之時，更明顯的精力被放在了買人才和買技術工具上。
但更重要的應該是找到一種方法、手段，讓團隊中的所有成員，都能更好地理解AI。
全員頭腦中有AI的方法論，有利於讓團隊成員更好發現工作中可以使用AI的地方，每一個簡單枯燥重複的地方用上了AI，效率到氛圍都會完全不同。
比如一位行政助理，如果他使用的是AI化的議程、日歷軟體，可以從老闆的數據中學習，就能發現之前一些忽略的地方，比如提醒老闆：很久沒有和團隊溝通了。
那麽如何學習AI、了解AI原理呢？最簡單的可以從三大問題出發。
第一，知道AI是如何工作的。
非AI系統的構建者，了解機器學習和人類學習的差異，非常重要。人類面對龐大數據分析的時候，總是想先找到其中規律，然後簡化數據和運行，但可能就會忽略一些數據呈現的特點，而機器學習就不用，再大的數據，它都有方法找到各種維度。
所以理解AI如何工作，就是對數據和數據的計算有重新認知。
第二，知道AI擅長什麽。
AI發展太迅猛，很多“外行”可能覺得只要有大數據，AI就能通過訓練來解決問題。但往往忘記了，一切都要在人們明確其參數範圍的前提下，AI才會顯得出色而有用。
知道AI擅長什麽，才能在面對問題時知道：這個AI可以解決，這個AI還沒法解決。
第三，知道AI無法做什麽。
不要認為呼籲學習“AI方法論”，是因為AI萬能，恰恰相反，是因為AI不能做的還有很多很多，只有知曉AI的不能，才能在AI使用中防止被“忽悠”。
比如AI無法揭示數據背後的“偏見”，也還無法理解它給出建議的後果，所以在你運用AI給出一些決策建議的時候，千萬不能把這個決策建議當做最終決定。
AI永遠無法做什麽？比如聘用誰、不聘用誰，董事會上該討論和進行的決策，這些都無法讓AI全權完成。
總而言之，AI時代已來，但最好的擁抱方式是善於為AI找到應用機會，能夠幫助員工更高效完成現有工作，並快速實施更多的想法。
對AI有更充分的了解，就能知道哪裡可以部署AI，哪裡需要避免AI，哪裡需要投資AI。
AI會讓人類組織和團隊不斷進行變化，包括在組織工作方向、溝通和腦暴的時候，有AI和沒有AI都會不同。
所以，是時候了，AI化生存。
香港九龍灣馬來街興發大廈15樓D室