首页          关于          新闻          方案          案例          商评          联系
 
 
杂志浏览 关于杂志 杂志订阅
 
富基商业评论
 
【商评原创】掀开人工智能(AI)决策机制 的面纱
 
2019-12-05         访问次数: 879
 
 
 

原文 _ Eric Colson
翻译 _ Tracy Liu   译校 _ 未?

 

 


许多公司采用了“数据驱动”的方式进行运营决策。数据可以改进决策,但这需要合适的“数据处理器”去充分挖 掘数据价值。许多人都会将“数据处理器”假设为人类,甚至,“数据驱动”一词本身就意味着数据是由人工来 管理和汇总的。


不过,要想充分利用数据中所蕴藏的价值,企业还需要在工作流程中引入人工智能(AI),在这点上,人类可能要让位于人工智能(AI),需要将工作流由数据驱动发展为 AI 驱动。


“数据驱动”和“人工智能(AI)驱动”之间的不同不是仅仅体现在语义上,这两个术语都反映了不同的资产属性,前者侧重于数据,指的是数据中包含了能够做出更好决策的洞察力;而后者则在于数据处理的能力,是指获取洞察力并采取行动。人类和人工智能(AI)都是数据的“处理器”,具备的能力却大不相同。了解如何最好地利用二者的能力有助于重新审视人类自身的生物进化过程以及决策在业务中的演变历程。


50 多年前,人类利用判断能力承担起了商业决策“核心处理器”的重任。专业人士依靠他们丰富的经验和直觉来做出商业决策,例如,用直觉为广告宣传挑选恰当的创意,确定合适的库存水平,或者批准适当的金融投资项目等等。这种直觉是依靠他们在专业领域里多年累积的经验和相对较少的数据而形成的,经验和直觉成了区分决策好坏、水平高低以及危险与安全的主要手段。

 

 


不过,这种非常“人性化”的决策模式却不利于做理想的“决策处理器”。


在人类几十万年的进化过程中,我们的大脑形成了许多的认知偏见,这些偏见会以预见性的方式来影响我们的判断能力。这是因为,在早期的狩猎活动中,人类建立起了一套依靠简单启发来运行的推理系统,这套启发式的推理方式能够规避处理大量信息的高成本,选择符合自我经验的决策捷径,使得人类可以近乎无意识地进行决策,快速摆脱潜在的危险处境。


但是,这种“快速、近乎无意识”并不总意味着准确或最佳,这种决策判断偏见严重影响着人类的大脑,削弱了人类的决策判断能力。


试想一下,一群以游猎采集为生的人类祖先围坐在篝火旁,这时,附近的灌木丛突然传来沙沙的声响。这时,他们需要做出“快速且近乎无意识的”决定:断定这沙沙声来自于危险的捕食者,然后,逃跑。或者,收集更多的信息,探查这声音是否是由捕获的野兔发出的。结论是,那些更为冲动、决定逃跑的人比那些怀着好奇心去探查究竟的同伴存活率更高。逃跑和丢失兔子所付出的代价要远低于探查究竟呆在原地的风险,两种决策的结果完全不同。进化使得人类更倾向于代价更低的决策,即使这种决策准确性比较低,相比丢失性命,那也值得。因此,冲动决策,处理更少信息成为后代群体的普遍思维特征。


现在,通过遗传预先加载到大脑中的“生存启发法”形成了人类无数的认知偏差,这些偏差让人类偏离理性的客观,无时不刻地影响着人类的认知判断和决策能力。在日常活动中,人类会给予生动、近期发生事件更多的判断权重,这一点由一些实验而印证。我们粗略地将受试者分为两类,第一类,我们引入了一个泛泛的不能充分解释差异性的话题,受试者则依靠先前的经验进行了判断,哪怕这些经验与设定事件毫无关联。第二类人群,则更关注所加入的干扰事件并提出了似是而非的解释性判断。实验表明,认知偏见困扰着人类的判断处理能力,但几十年以来,这种“人性化”却是商业决策
的核心处理工具。


目前,我们已经知道,依靠人类的直觉、经验进行决策是低效的、反复无常且容易出错的,这种决策限制了组织的能力。


数据支持决策


感谢上帝让我们拥有了数据!


现在,互联的计算机设备能够捕获到大到不可想象的数据 :每一笔交易、每一个消费行为、每一个微观和宏观的经济指标等等,所有这些都能够成为更好的决策依据。作为对这些丰富数据的回应,人们调整了工作流程。IT 部门利用信息工具(数据库、分布式文件系统等)将无法管理的大量数据进行了归类、存储、管理,成为“较小的”、便于理解的可用数据。接着,电子表格、仪表盘等分析应用程序对数据做进一步的处理,最终,这些经过处理的“小数据”呈现在了决策者面前,这就是典型的“数据驱动”式工作流。在这个流程中,人类的判断依然是“中央处理器(CPU)”,不同处在于“,输入”的信息是被数据库等信息工具“汇总”过的数据。

 

 


尽管上述决策模式无疑比单纯依靠经验直觉的决策模式要好,但是人类充当决策“中央处理器(CPU)”这一点仍然会导致一些局限性。


我们并没有利用到全部数据。


在汇总数据的过程中,原始记录中所包含的许多洞察、关系和模式都被作为“中央处理器”的人脑依靠经验和直觉给过滤掉了,这是适应人类思维判断而做出的必要的数据处理缩减。不过,当面对数百万或数十亿条结构化记录数据时,人类能力明显不足。另一方面,人类可以轻松地将销售、平均销售等数据汇总到局部级别,但是,一旦要考虑全局数据,就会损失关键且有益于决策的数据之间的关联,大脑会因此而望洋兴叹。


这不是说归纳汇总没有用处,而是说,这种汇总只能让人们对业务有个基本的了解,对决策的价值却是微乎其微,因为,太多有价值的信息在人为汇总过程中丢失了。


有时,这些汇总数据也会误导,给出积极正相关但混淆视听的结果(请参阅,辛普森和其他悖论,Simpson’s and other paradoxes)。


一旦数据被归纳汇总,再想恢复就不大可能了。最佳做法是随机对照试验,即 A/B 试验。如果没有这种实践,即使人工智能(AI)也可能无法正确控制混淆因素。简而言之,人类为核心的数据处理方式,仍然是以牺牲数据准确性为代价来规避数据处理成本的一种方式。


数据也不足以让我们远离认知偏见。


人类主导下的数据汇总很容易受到认知偏见的影响。人们经常采用直观的方式来汇总数据,将数据归纳到人为认定的具有代表性的类别中。这种归类非常宽泛、刻板,并且不能够充分解释。例如,在将数据汇总到地理属性中时,即使区域之间没有明显的差异,人们也会将数据汇总到诸如“东”、“西”这种“粗颗粒度”的近似结论中,但事实上是,城市、邮政区域、街道级别的数据才更为重要,而这个“细颗粒度”的汇总对人类来说太难以操作了。


人们比较喜欢数据之间的简单关系,而且倾向于认定这些数据的线性关系,因为这更容易处理。即使数据另有说明,人们还是希望将价格与销售额、市场渗透率与转换率、信贷风险与收入等等之间的关系假定为线性关系。还有,人类喜欢用自然或随机的变化来解释数据的变化与趋势。


不难看出,在处理数据时,人类在迎合自己的认知偏见。


在工作流中引入人工智能(AI)


数据驱动发展的下一步就是在工作流中引入人工智能(AI)驱动,这时,AI 成为主要的数据处理器,更易于处理基于结构化数据的日常决策,而不受人类认知偏见的影响(使用有偏见的数据会导致 AI 发现一些似是而非的关系。AI 的优势在于能够解析数据来源及如何被利用,规避片面认知的风险)。AI 在处理大量数据时毫无压力,能够被训练解释颗粒度非常细小的变化(人类对此却束手无策)。在计算能力方面,无论是指数、幂、集合、二项式分布或其他非线性关系,对 AI 来讲,都毫不费力。

 

 


在图 3 所示的工作流中,数据中所包含的信息被更好地加以利用,使得决策更加一致、客观。这个处理结果可以告诉人们哪种广告创意更有效,库存设定的最佳水平是多少,或者哪些金融投资更有价值。


当人类不再干预工作流决策时,AI 代表的不仅仅是工作流程的自动化程度,而且是效益的提升,因为,成本被降低了。AI 的价值就在于能够比人类所做出的判断更好,效率更高。这是一个全新的决策功能。


在工作流中同时采用人工智能(AI)和人类智慧


在结构化处理的工作流中剔除人工操作并不意味着人类智慧的过时无用,因为还有许多业务决策需要借助非结构化的数据,例如,企业愿景、战略、价值观、市场动态等等,这些信息都需要人脑获得并通过文化等非数字的方式进行解析传播,AI无法获取和处理这类与决策紧密相关的信息。


例如,AI可能会客观地确定合理的库存水平,以实现利润最大化。然而,在现实竞争环境中,企业可能会为了提供更好的顾客体验而选择更高的库存水平,甚至以牺牲利润为代价。还有,AI可能会断定,在现有条件下,投入更多的营销资金将获得更高的投资回报率,然而,企业可能会为了确保质量而放缓市场增长。


无论是在形式还是策略、价值以及市场条件等方面,人类获得的额外信息都有可能背离 AI 作出的客观合理的论断。为此,AI可以用来产生各种可能的结果,供人们从中做出最佳选择。这种工作流程的执行顺序视情况而定,有时,AI会主要用于减轻人工工作量,有时,人类的判断也可作为 AI 数据处理中的输入信息,AI 和人类判断相互迭代而生。

 

 

这个工作流的关键在于人类没有直接干预数据,只是与 AI 产生的数据结果进行交互。人类可以将利用价值、策略、文化等信息处理来协调理想与客观现实。这种借助 AI 和人类智慧做出的决定是最好的、明确的、充分的,必将优于单一方式(AI,或人工经验直觉)的判断结果。


下一个发展阶段


从数据驱动走向人工智能(AI)驱动是既定的发展方向。在工作流程中采用 AI 技术且辅以人类智慧,可以更好地处理结构化数据。


这种发展不太可能发生在单个组织中,就像自然选择的进化不会发生在某个个体上一样,这是一种社会总体性的选择过程,组织越有效率,其生存率越高。由于一些传统企业难以适应环境的变化,这必将催生一些创新企业的诞生。这些新企业从一开始就同时采用 AI 和人类智慧两种方式进行决策判断,并将其自然而然地构建到自己的工作流程中。


作者介绍

埃里克?科尔森(Eric Colson),时尚订阅电商Stitch Fix的首席算法官,曾担任Netflix数据科学和工程副总裁。


 

 
网友留言  
快速留言  
欢迎您发表评论,本网保留不刊登无关和不雅评论的权力(仅限会员评论,请注册/登录
 
 
验证码:
 
 
关于富基
 
富基介绍
创始人寄语
我们的客户
生态圈及荣誉
合作伙伴
新闻中心
 
富基新闻
行业动态
活动预告
石基商业评论
 
杂志浏览
关于杂志
杂志订阅
解决方案
 
百货、购物中心
超市
专营专卖
电子商务
物流
人在富基
 
富基文化
招聘英才
员工风采
 
 
 
联系我们  |  招聘英才  |  隐私条例  |  网站地图  |  京ICP备12026510号-1 公安机关备案号:11010802020034
       
免费看片播放器_免费看片的网站_手机可以直接片的网站你懂的_手机看片网