?

AlphaGo和大公司的優(yōu)勢(shì)沒落

編者按

最近，谷歌人工智能機(jī)器圍棋AlphaGo（“阿法狗”）戰(zhàn)勝了圍棋冠軍李世石，引起轟動(dòng)，成為媒體熱點(diǎn)。那么“阿法狗”的勝利會(huì)給大公司帶來哪些影響？霍華德?余教授在2016年3月的《哈佛商業(yè)評(píng)論》上發(fā)表文章，簡(jiǎn)要介紹了人工智能機(jī)器學(xué)習(xí)的過去、現(xiàn)在和未來，分析了它們對(duì)大公司的影響。霍華德?余博士現(xiàn)任瑞士國(guó)際管理發(fā)展學(xué)院（IMD）商學(xué)院的戰(zhàn)略管理和創(chuàng)新教授。

2016年3月，谷歌公司的谷歌人工智能機(jī)器圍棋（AlphaGo）擊敗世界圍棋冠軍李世石，人工智能機(jī)器學(xué)習(xí)又往前邁出一大步。圍棋是一種古老的中國(guó)棋盤游戲，其歷史可以追溯到近3000年前。圍棋使用的是方形格狀棋盤，棋盤上有縱橫各19條直線，對(duì)弈雙方要力爭(zhēng)占據(jù)更多的地盤。西方的國(guó)際象棋可進(jìn)行近40個(gè)回合，而圍棋有據(jù)可查最多的高達(dá)200多個(gè)回合，可能的結(jié)果達(dá)到了駭人的10761種，遠(yuǎn)遠(yuǎn)超過了整個(gè)可觀測(cè)宇宙中的原子總數(shù)量。人們此前曾經(jīng)認(rèn)為至少還需要10年的時(shí)間，人工智能機(jī)器才能在圍棋對(duì)弈中戰(zhàn)勝人類。

最值得一提的就是，AlphaGo是一臺(tái)可以每日改進(jìn)自身表現(xiàn)的機(jī)器，無需人類程序員直接的監(jiān)管。這就像是飛機(jī)無需工程師的幫助卻可以飛得越來越快。這怎么可能呢？

人工智能機(jī)器學(xué)習(xí)的過去、現(xiàn)在和未來

結(jié)構(gòu)化數(shù)據(jù)。人工智能機(jī)器學(xué)習(xí)首次出現(xiàn)時(shí)，被用于預(yù)測(cè)我們將如何點(diǎn)擊鼠標(biāo)、購(gòu)買東西、撒謊和死亡。人工智能機(jī)器改進(jìn)了公司發(fā)送電子郵件、打電話、提供折扣、推薦產(chǎn)品、推送廣告、檢查缺陷和批準(zhǔn)貸款等的方式。在人工智能機(jī)器學(xué)習(xí)的外殼之下，是統(tǒng)計(jì)數(shù)據(jù)挖掘，即發(fā)現(xiàn)此前未知的模式，推薦實(shí)時(shí)行動(dòng)。這種方法的缺陷在于它依賴一定的背景。正是因?yàn)檫@個(gè)原因，多數(shù)算法都是為了單一的目的而設(shè)計(jì)，例如深藍(lán)（Deep Blue）。深藍(lán)打敗了前國(guó)際象棋超級(jí)大師加里?卡斯帕羅夫，但除此之外別無它用。對(duì)于這些第一代的人工智能機(jī)器而言，要實(shí)現(xiàn)學(xué)習(xí)，只能通過計(jì)算機(jī)科學(xué)家和統(tǒng)計(jì)學(xué)家的不斷干涉。數(shù)據(jù)必須貼上標(biāo)簽，而且也必須設(shè)定目標(biāo)。同樣的程序設(shè)計(jì)不能被用于解決其他問題，而且算法也沒法懂得使用人類自然語(yǔ)言所表述的非結(jié)構(gòu)化數(shù)據(jù)。

自然語(yǔ)言。2011年2月，在綜藝節(jié)目《危險(xiǎn)邊緣》（Jeopardy?。┲?，IBM的人工智能沃森（Watson）擊敗了該節(jié)目的前冠軍肯?詹寧斯和布拉德?魯特爾。人們開始清楚地看到，人工智能機(jī)器學(xué)習(xí)可以突破單一思維，處理非結(jié)構(gòu)化的模糊數(shù)據(jù)。除了要掌握各種主題的事實(shí)知識(shí)之外，《危險(xiǎn)邊緣》的參賽者還必須能夠懂得諷刺、謎語(yǔ)、俚語(yǔ)、隱喻、玩笑、雙關(guān)語(yǔ)和其他復(fù)雜的語(yǔ)言文字。意思取決于前文、主題，也取決于討論的方式。在為期兩天的《危險(xiǎn)邊緣》聯(lián)賽中，IBM的沃森總共獲得了77147美元獎(jiǎng)金，是其人類對(duì)手的3倍有多。排名第二的詹寧斯后來說：“20世紀(jì)時(shí)，工廠的工人們被新裝配線上的機(jī)器人所取代。同樣，布拉德和我是第一批知識(shí)產(chǎn)業(yè)工人，我們因?yàn)榈谝淮摹伎肌瘷C(jī)器而失業(yè)了?！?/p>

目前，IBM沃森并沒有取代專家們，而是提高了他們的工作能力。例如，專家們只需要通過一款iPad應(yīng)用，使用簡(jiǎn)單直白的英語(yǔ)描述病人的癥狀，該算法就可以為腫瘤學(xué)家提供研究和臨床方面的建議。盡管IBM沃森并不依靠被編碼的規(guī)則，但它必需有領(lǐng)域?qū)＜覀兊拿芮懈缮?，為它提供?shù)據(jù)，評(píng)估它的表現(xiàn)。在沃森為腫瘤學(xué)家提供服務(wù)之前，它被人工輸入了25000份測(cè)試用例場(chǎng)景、1500份實(shí)際用例場(chǎng)景、60.5萬份醫(yī)學(xué)證明，以及200萬頁(yè)的文字。護(hù)士們花了14700個(gè)小時(shí)的時(shí)間一絲不茍地對(duì)該算法進(jìn)行培訓(xùn)。所有這些都需要花費(fèi)時(shí)間、金錢和精力。

深度學(xué)習(xí)。在AlphaGo與人類對(duì)決之前，谷歌研究人員一直在開發(fā)它來玩視頻游戲，其中包括《太空侵略者》（Space Invaders）、《突圍》（Breakout）和《Pong》。根據(jù)程序設(shè)計(jì)，AlphaGo會(huì)力爭(zhēng)高分，并且通過每天與自己玩數(shù)百萬次游戲，來不斷改善自己的系統(tǒng)。該算法能夠通過反復(fù)試驗(yàn)來掌握每種游戲，最初是隨機(jī)按下不同的按鈕，之后會(huì)根據(jù)學(xué)習(xí)制訂出合適的戰(zhàn)略，并且不犯錯(cuò)誤地加以執(zhí)行。AlphaGo能實(shí)現(xiàn)這點(diǎn)，原因在于它基于一種深度神經(jīng)系統(tǒng)，即模仿人類大腦神經(jīng)元的一個(gè)硬件和軟件網(wǎng)絡(luò)。這并不是一種新概念。計(jì)算機(jī)科學(xué)家們已經(jīng)討論這個(gè)問題20余年。隨著計(jì)算力的發(fā)展，深度學(xué)習(xí)變成可能，而AlphaGo也是率先實(shí)現(xiàn)了這種驚人的直覺思維模擬。

對(duì)大公司的影響

AlphaGo證明，無需人類專家和程序員過多監(jiān)督且可以自行學(xué)習(xí)的人工智能機(jī)器的崛起是不可避免的。正如IBM沃森所顯示的那樣，人工智能機(jī)器將從各種各樣的來源吸收大量各種形式的信息和數(shù)據(jù)，不管這些信息和數(shù)據(jù)是否結(jié)構(gòu)化。執(zhí)行成本將會(huì)不斷下降。組織內(nèi)部和外部的業(yè)務(wù)往來的協(xié)調(diào)速度將會(huì)提高，而且在這個(gè)過程中，組織摩擦?xí)玫较?，市?chǎng)協(xié)作得到加強(qiáng)。

基于這些原因，那些因?yàn)榇怪闭隙鴵碛袀鹘y(tǒng)優(yōu)勢(shì)的大公司將會(huì)成為首批被淘汰者?！耙徽臼劫?gòu)物”和“供應(yīng)鏈優(yōu)化”這些傳統(tǒng)觀念將會(huì)變得陳腐，眾多行業(yè)里規(guī)模較小的從業(yè)者或新從業(yè)者相比之下能更輕松地實(shí)現(xiàn)這些。

讓我們以電子數(shù)據(jù)交換（Electronic Data Interchange，EDI）和其他大型跨組織系統(tǒng)為例。這些系統(tǒng)讓供應(yīng)商、顧客和物流專家可以進(jìn)行實(shí)時(shí)溝通。思愛普公司（SAP）和甲骨文公司（Oracle）所生產(chǎn)的系統(tǒng)都非常笨拙、成本高昂、使用難度大，而且難以進(jìn)行整合。在歷史上，只有沃爾瑪和百思買這類大型企業(yè)才有足夠的規(guī)模和討價(jià)還價(jià)的能力，能夠迫使他們的供應(yīng)商采用這些系統(tǒng)。在建設(shè)好后，這些系統(tǒng)仍然需要一群專家來不斷進(jìn)行監(jiān)測(cè)、改進(jìn)、向管理層提出行動(dòng)建議，并且在組織內(nèi)逐層推廣該系統(tǒng)。

相比之下，開發(fā)AlphaGo的團(tuán)隊(duì)人數(shù)不到50人。該程序本身相對(duì)屬于輕量級(jí)的，在建立后并不需要太多人類干預(yù)，而且可以廣泛運(yùn)用到不同的問題領(lǐng)域。

不難想象，自我學(xué)習(xí)的算法在協(xié)調(diào)經(jīng)濟(jì)交易方面將會(huì)發(fā)揮更大的作用。AlphaGo只是讓我們看到了在不久的未來有哪些會(huì)變成可能。即時(shí)調(diào)整、自動(dòng)優(yōu)化，以及持續(xù)改進(jìn)，這些都由無人監(jiān)管的算法自行安靜地進(jìn)行管理，因而生產(chǎn)設(shè)施的冗余和供應(yīng)鏈中的浪費(fèi)不會(huì)再讓人們?yōu)橹^疼。沒有了垂直整合的壓力，而且組織協(xié)調(diào)所需的資源也大幅減少，那么規(guī)模較小的從業(yè)者就能夠全心全意去提供一流的服務(wù)，當(dāng)特定的需求出現(xiàn)時(shí)實(shí)時(shí)提供極具針對(duì)性的定制解決方案。

大型非科技公司即將面臨的問題有：

（1）當(dāng)規(guī)模不再重要時(shí)，自身組織的核心競(jìng)爭(zhēng)力是什么？

（2）我的組織內(nèi)有多少管理能力是用于負(fù)責(zé)市場(chǎng)協(xié)調(diào)的？

（3）如果新的競(jìng)爭(zhēng)對(duì)手也復(fù)制了這些能力，用機(jī)器計(jì)算來取代人類專家，那么我的成本結(jié)構(gòu)和他們相比存在什么優(yōu)勢(shì)或劣勢(shì)？

（4）進(jìn)一步來說，如果產(chǎn)品發(fā)布去中央化，我們能增加什么新的服務(wù)或產(chǎn)品？

（5）我是否可以與新的從業(yè)者合作，重組我當(dāng)前的能力來進(jìn)入新市場(chǎng)？

最令人興奮的是，未來AlphaGo這類能夠自我學(xué)習(xí)的機(jī)器人，將嵌入全球經(jīng)濟(jì)的命脈。當(dāng)不斷自我學(xué)習(xí)的算法將關(guān)系松散的公司、非政府組織和政府機(jī)構(gòu)聯(lián)系在一起，它們也許能夠帶來新的生態(tài)系統(tǒng)，解決最具難度的社會(huì)問題，例如能源、交通運(yùn)輸、醫(yī)療衛(wèi)生和教育。這些領(lǐng)域目前因?yàn)殄e(cuò)綜復(fù)雜和市場(chǎng)四分五裂而表現(xiàn)不佳。

（粟志敏 編譯）