阿賈伊·阿格拉瓦+喬舒亞·甘斯+阿維·戈德法布

近年來，人工智能大熱。評價一項技術(shù)變革的影響，只需提一個問題：這項技術(shù)如何降低成本？半導(dǎo)體革命的意義之所以重大，就是因為它降低了運算成本。同樣，人工智能通過“預(yù)測”（利用已知信息產(chǎn)生之前沒有的信息）讓曾經(jīng)稀少且昂貴的事物變得富余又廉價。人工智能的最新進展被稱為“機器學(xué)習(xí)”，指給計算機編程，讓計算機學(xué)習(xí)樣本數(shù)據(jù)和以往經(jīng)驗。比如，教計算機在一籃子雜物中如何識別一樣?xùn)|西是蘋果。計算機會參考已經(jīng)看過的蘋果圖像的信息，通過運用關(guān)聯(lián)因素，例如顏色、性質(zhì)、質(zhì)地、背景等，來預(yù)測自己現(xiàn)在看的新圖像是不是蘋果。

近年來計算速度、數(shù)據(jù)存儲、數(shù)據(jù)檢索、傳感器以及算法的進步大幅降低了基于機器學(xué)習(xí)的預(yù)測成本。與此同時，當能夠獲得的數(shù)據(jù)越多也越容易時，預(yù)測的價值就越高。

一項任務(wù)由數(shù)據(jù)、預(yù)測、判斷和行動組成。機器學(xué)習(xí)只涉及其中一個組成部分：預(yù)測。預(yù)測是自動化領(lǐng)域中技術(shù)正在突飛猛進的領(lǐng)域，但自動化還要求機器參與數(shù)據(jù)收集、判斷和行動。

判斷是經(jīng)過思考后做出決策的能力——根據(jù)預(yù)測，了解不同行動會帶來的不同結(jié)果。能夠輕松描述所需結(jié)果，而且不大需要人類判斷的任務(wù)一般更容易通過自動化的手段完成。對其他任務(wù)而言，要精確描述結(jié)果可能很困難。

例如，谷歌的電子郵件Gmail的收件箱可以自動處理收到的電子郵件，并提出幾個簡短回復(fù)建議，但它需要人工判斷哪個自動化回復(fù)最合適。從選擇列表中選擇一個回復(fù)比人工輸入回復(fù)更快，使得用戶能夠在更短的時間內(nèi)回復(fù)更多的電子郵件。

醫(yī)學(xué)是人工智能可能發(fā)揮更大作用的領(lǐng)域，但人類仍將扮演重要角色。雖然人工智能可以改善診斷，帶來更有效的治療手段和更妥善的病人護理，但治療和護理仍將依靠人的判斷。不同患者有不同的需求，對此人類能比機器做出更好的響應(yīng)。許多情況下，機器可能永遠都不能以人類可接受的方式來權(quán)衡不同處事方式的利弊。

隨著人工智能技術(shù)的進步，機器所做的預(yù)測將越來越多地取代人類所做的預(yù)測。未來最有價值的技能將是與預(yù)測互補的技能——換言之，與判斷相關(guān)的技能。企業(yè)可能會持續(xù)需要那些能夠做出負責任的決策（需要道德判斷）、吸引客戶和員工（需要高情商），并能挖掘新機遇（需要創(chuàng)造力）的人。如果預(yù)測能讓疾病診斷變得更廉價、更迅速，與身體干預(yù)和情感安慰有關(guān)的護理技能就可能會變得更重要。

管理者的工作將越來越多地涉及如何以最佳方式應(yīng)用人工智能，他們通過提出以下問題來進行決斷：當前存在哪些預(yù)測的機遇？哪些東西應(yīng)該被預(yù)測？人工智能體應(yīng)該如何學(xué)習(xí)來逐漸提升預(yù)測能力？在這種情況下的管理，需要以下兩種判斷：識別并應(yīng)用最有用的預(yù)測，以及衡量不同類型錯誤的相對成本。有時會有明確的目標（例如，根據(jù)面容識別人物）。而其他時候，目標可能并不明確，需要做出判斷來指