在日前召开的品友互动人工智能大会上，麻省理工大学人工智能实验室主任丹妮拉·鲁斯教授表示，人工智能正在改变商业模式，也改变了“工作”本身。香港科技大学教授杨强则表示：“现代商业以人为中心，未来商业以机器为中心。人和机器各有各的位置，人来设计目标、提供数据、清洗和标注数据，但人工智能的模型才是中心。AI经营的企业就像无人驾驶汽车一样。”

“原来大家都是靠经验和想法来做决策，这是传统商业决策的第一特点。”品友互动联合创始人谢鹏表示。决策和实施过程需要消耗大量人工劳动，每次营销的成果也无法积累和沉淀。“往往是广告投完，受众丢光。”谢鹏说。

而用数据和技术驱动的商业实践不同，既可以通过数据模型预测营销结果，又可以在过程中不断反馈不断优化。谢鹏举了打靶的例子：“以前只能盲打，不知道射出去怎么样。现在一边打靶一边可以知道打了几环，随时调整策略。”

丹妮拉·鲁斯表示：“任何有数据的企业、商业活动都能从AI当中受益。比如企业可以去分析历史的数据，在历史数据的基础上解释过去发生了什么、预测将来发生的事情，决定如何做商业决策。”

杨强则表示，人工智能驱动的未来企业是一个全新的题目。“新的技术变化和旧的商业理论需要磨合”，实现机器的自主学习自主决策，达到“最大化效益、最小化费用”的多目标多任务。在这方面，机器学习要做到“短、频、快”。“短”指从数据到模型再回到数据的环路一定要短，最好其中不要有太多人为参与和决策。“频”指数据和反馈的获得要频繁。“快”指模型更新一定要快。“短、频、快是未来企业成功的必要条件，并不是充分条件，还有很多其他的条件，但是这三条是必不可少的。”杨强表示。

此外，杨强还强调：“AI可以进行机制设计。”传统的博弈论是给定一个游戏，最大化它的收益。机制设计反过来，即确定最大化的收益，再考虑如何设计这个游戏。在商业决策中，利用AI进行机制设计可以被应用到信息推荐、广告设计等多个领域。

但要实现人工智能对商业的赋能，障碍还很多。“商业和企业的金钱、利益直接相关，一个决策可能直接影响着企业的生死。”丹妮拉·鲁斯表示。真实的商业环境不像AlphaGo学习围棋棋谱那样算法明确、边界清晰，除了数据表现，环境、社会甚至天气等很多因素都有可能施加影响，AI的加持只是针对计算量和算法，如何结合客观现实因素作出准确判断才是商业决策的重点。

另一个制约AI决策的现实因素是，机器学习远未达到充分发展的程度。丹妮拉·鲁斯现场展示了一段视频：一个抱着一摞书的成年人，故意向外撞击紧闭的门，门不开，他走开。一旁围观全程的18个月大的小孩看完后，走到门边，向内拉动把手成功开门。“解决问题需要深度推理，现在机器学习还没有能力做到这一点。这其实还是一个谜题，我们自己也在努力理解大脑的工作机制到底是怎样的。”丹妮拉·鲁斯表示。

在她看来，机器学习面临一些挑战，第一个挑战是数据标注。机器学习需要上千万的数据点，这些数据需要得到标注。“对于文字、语言、图片，我们已经有工具和能力去进行标注，然后来创造大的数据团，但在其他领域如机器人方面，我们还没有能力得到数据团。需求和成本问题都值得考量。”丹妮拉·鲁斯说。第二个挑战是，虽然通过机器学习处理了大量数据，但处理数据不等于创造知识，复杂计算也不能带来自主性。

品友互动CEO黄晓南则强调，数据安全和隐私的问题。商业数据需要高保密性，在AI提供服务的过程中，采集的所有数据都是非实名数据，没有任何个人信息，这对技术提出更高要求。

来源： 科技日报