人工智能時代，我們還有價值嗎

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。評價一項技術變革的影響，只需提一個問題：這項技術如何降低成本？半導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“預測”（利用已知信息產生之前沒有的信息）讓曾經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“機器學習”，指給計算機編程，讓計算機學習樣本數據和以往經驗。比如，教計算機在一籃子雜物中如何識別一樣東西是蘋果。計算機會參考已經看過的蘋果圖像的信息，通過運用關聯因素，例如顏色、性質、質地、背景等，來預測自己現在看的新圖像是不是蘋果。

近年來計算速度、數據存儲、數據檢索、傳感器以及算法的進步大幅降低了基于機器學習的預測成本。與此同時，當能夠獲得的數據越多也越容易時，預測的價值就越高。

一項任務由數據、預測、判斷和行動組成。機器學習只涉及其中一個組成部分：預測。預測是自動化領域中技術正在突飛猛進的領域，但自動化還要求機器參與數據收集、判斷和行動。

判斷是經過思考后做出決策的能力——根據預測，了解不同行動會帶來的不同結果。能夠輕松描述所需結果，而且不大需要人類判斷的任務一般更容易通過自動化的手段完成。對其他任務而言，要精確描述結果可能很困難。

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建議，但它需要人工判斷哪個自動化回復最合適。從選擇列表中選擇一個回復比人工輸入回復更快，使得用戶能夠在更短的時間內回復更多的電子郵件。

醫學是人工智能可能發揮更大作用的領域，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。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衡不同處事方式的利弊。

隨著人工智能技術的進步，機器所做的預測將越來越多地取代人類所做的預測。未來最有價值的技能將是與預測互補的技能——換言之，與判斷相關的技能。企業可能會持續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（需要創造力）的人。如果預測能讓疾病診斷變得更廉價、更迅速，與身體干預和情感安慰有關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：當前存在哪些預測的機遇？哪些東西應該被預測？人工智能體應該如何學習來逐漸提升預測能力？在這種情況下的管理，需要以下兩種判斷：識別并應用最有用的預測，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