人工智能，要多火有多火，这自然离不开参与者、企业甚至是媒体的炒作。那么在整体的炒作现象之下，究竟人工智能正在干些什么？又在改变着什么？

近日全球知名咨询机构麦肯锡内部博客栏目就进行了一场题为“人工智能商业：脱离炒作的真实进展”的对话，参与者有3位：

• 麦肯锡高级合伙人Peter Breuer

• 麦肯锡全球研究院合作伙伴Michael Chui

• 麦肯锡出版社的Simon London

究竟企业们应该如何利用人工智能武装自己？遍地开花的人工智能商业应用有哪些值得关注？人工智能炒作与真正的用例之间的界限？商业领袖该如何在其中进行分辨？

以上问题在这次的对话中都有所提及，雷锋网节选了其中部分对话，为您做如下不改变原意的编译： 

Simon London：在今年夏天发表的一篇麦肯锡全球研究院的报告中，Michael谈到了五种技术系统，机器学习只是其中一部分。你能快速带我们过一遍这五个技术分别是什么吗？

Michael Chui：今年早些时候，我们调查了全球3,000多名不同的业务主管，以了解他们部署应用这些技术的程度。涉及的科技领域范围广泛而且有所重叠，但是一些最新的进步和发展就发生在那里。 其中之一就是实体人工智能，也就是机器人和自动驾驶汽车。我们看到很多有趣的事情发生在那里。

其次，计算机视觉 ——无论是图像处理，视频处理等深度学习系统在这个领域已经取得了很大的进步。

同样，围绕着自然语言处理，无论是口语还是书面语言，很多自然语言的工作正在完成。

此外，那些能够通过语音或者在线文字对话的虚拟客服、在线对话界面正在成为现实，这一类产品更准确地说是在自然语言处理上拓展出来的服务。

最后，除了我刚才提到的应用之外，机器学习实际上在许多别的科技类型上也具有巨大的适用性。我们有机会多谈一谈。

Simon London： 说的很对，Peter你可以谈一下有哪些日常生活领域已经在被AI改变了么？

Peter Breuer：实际上我们都见过，我们的智能手机就是一台指尖上的超级计算机。Michael刚刚提到的一些元素，你在日常生活中都可以体验。例如通过智能手机上使用电子邮件或输入消息时，输入法会自动检查你的拼写，这件事目前效率远比之前大，背后的原因就是机器学习。

至于刚才Michael还提到的语言，口语。你手机或者其他设备上的Siri或Google智能助理每天都在学习，而且每天使用它越多，理解就会越好。这很明显是他们背后也有机器学习机制在运转。

还有大多数人都关注的iPhone X，它确实使用了机器学习面部识别，包括用人脸识别机器学习解锁你的手机。所以，我想我们都已经通过的智能手机来体验到这些技术了，而且我们将会看到更多。

Michael Chui：实际上，AI懂的越来越多，整个在线和移动网络都越来越依赖AI所带来的进步。举个例子，无论是电子商务还是媒体，系统都在不断给你推荐你可能感兴趣的东西，并且引导消费者去阅读他们，甚至是去掏钱购买他们。实际上这些系统并不是仅仅依据传统的数据统计，同时也应用了很多AI的技术，希望能够让消费者距离他们有可能感兴趣的东西更近。

Simon London：有一点我也必须分享一下，我非常幸运的住在硅谷的山景城。那边路上总是有很多自动驾驶汽车。它们在不停训练，不断收集数据。虽然暂时还不能购买，但是我认为总有一天，我会在上下班的路上看到自动驾驶车辆正式上路。

另一方面，自动驾驶本身也非常有趣。我曾多次与相关技术人员交谈，他们告诉我，自动驾驶实际上包括了很多种技术：机器视觉、机器人技术等等。而驱动着一些技术的，其实还是机器学习。

所以我们将看到人工智能还将改变更多东西，它们将会很快到来。例如我们在跟人工智能方面的客户合作的时候，是否会看到更多比现在更有趣的商业应用呢？

Peter Breuer：自主驾驶本的确涉及相当广泛。你会发现不同层次的自主驾驶的发展。我们通常会谈论五个不同层次的自主驾驶。汽车制造商目前正在尝试所谓的“Level 4（第四等级）”，但这也会产生一个问题，在有些特殊情况发生车祸时，提供自动驾驶技术的OEM厂商需要承担责任，而不再是司机这一方（涉及到自动驾驶功能的技术方、产品方）。从传统交通的角度来看，这实际已经是“颠覆性的”。事实上，德国法律当局已经在思考究竟应该如何应对这一全新的挑战。

除了自主驾驶之外，在其他行业，例如在医疗保健领域，随着RNN神经网络技术的发展我们很快就会看到，机器在MRI和X射线照片中的癌症检测方面变得更强，比经验丰富的医生更强，这也是相当颠覆性的。

Simon London：Michael，你有没有看到有趣的案例，十分新奇、给你留下深刻印象的？

Michael Chui：有一点让人印象深刻，就是人工智能、深度学习究竟在多大程度上与之前我们在数据和分析中取得的成就相关。正如彼得所提到的，机器学习的一个促成因素就是大量的数据。我们看到越来越多的公司和我们的客户收集的数据，无论是交易数据，语音数据还是物理世界中的物联网数据。当你拥有所有这些数据时，就可以使用这些AI技术扩展你在分析中所做的工作。

例如，预测各个领域的巨大而重要的问题，特别是制造业，包括供应链等等。而且我想，如果你和任何一位处理预测问题的高层主管交谈，你问他们：“你的预测能更好吗？”他们肯定会说：“当然可以。”在现在能够收集到的数据量前提下，当我们引入AI技术的时候，可以在很多情况下显著的提高预测的准确性。

这或许只是在我们在应用数据和分析的情况下的一个小问题。但随着我们引入更多的数据，并且引入人工智能技术之后，我们确实可以在特定问题上做的更好。假如我们再去思考一个组织内的整个价值链条，会发现AI几乎能提高所有环节的表现。

Simon London ：有一个话题我还想听一下两位的意见，就像Peter刚才提到的那样——“人工智能正在经历一个炒作循环”。但我们刚才也聊到了很多应用、很多行业、很多价值都处于紧要关头，这同样非常真实。那么你们是否认为AI现在存在炒作？如果是的话，你怎么看？

Peter Breuer：我的回答是，是也不是。一开始，我们试图从根本上定义什么是AI，什么不是AI，今天我们正处于另一个阶段。有一些我们称之为狭义AI的应用——那些现在机器可以比人类做得更好的具体任务。国际象棋或围棋的例子，机器人总是更胜一筹。那么当然还有一个广义上的AI的问题，那就是可以一台机器可以具有更广泛的能力。我们还没有走到这一部。但是，我们不应该忘记发展的速度是呈指数倍的。

人脑不理解指数增长意味着什么。但是我们在这些关键技术上面临着指数级的发展。它比我们想象的要快得多。所以我会说，现在是有一点炒作，但同时发展速度非常快。

Michael Chui：肯定有很多炒作。但我认为我们也应该看到，炒作并不总是不好的。这确实引起了人们的关注。它有时会在短期内导致过度的预期。但从长远来看，我们确实认为有巨大的潜力。

我们开始看到很多投资，这反映了我们发表的一些研究中对这种潜力的理解。在上一年，在2016年投资于人工智能的投资达到了260亿美元左右，其中很大一部分来自于科技巨头，还有一些来自于外部对于一些创业公司的投资。这反映了大家看到真正有潜力的价值创造的前沿。但是，当我们考察这些技术在生产中实际使用的程度时，只有很小一部分公司在成规模的、或者在其核心流程中进行部署。

我们期望看到的是，人工智能能够像我们已经发现的其他真正有潜力创造价值的技术趋势一样，随着时间的推移，产生更多的应用，捕捉到更多的价值。 

实际上，我们还有其他研究关于自动化的程度和速度方面的潜力，包括AI等技术。 把所有这些因素结合在一起，包括技术发展，积极的商业案例，以及自然的S应用曲线，我们会这样描述整个局面：宏观上很缓慢，但微观上很快速。

这些技术在全球经济中全面传播并发生影响可能需要几十年时间，包括已经发展起来的技术。但如果你是一家需要与对手竞争的公司，并且竞争对手正在使用这些新技术，那你将会感觉技术发展的非常快。

但假如你要说对一个单独的上班族的影响，改变也可能会很快发生。所以我认为，商界领导者的责任是理解这项技术，理解如何将其作为一种有竞争力的武器，虽然整个经济体系可能需要很长时间才能受到人工智能的影响而改变，但单个商业案例的颠覆，实际上有可能发生的非常非常快。

Peter Breuer：Michael，我非常同意你所说的话。但这也意味着，大公司的任何首席执行官都应行动起来。去了解大家正在谈论的大数据，分析，机器学习，深度学习，人工智能等领域。

对于还没有行动的商界领袖们，我们也强烈建议你们现在开始着手培养能力，构建技术，开始组织变革，这也将是最终转变为AI驱动流程，和AI赋能商业的路径。

Michael Chui：我完全同意上面这个观点。我也给一个切实可行的建议，在炒作满天的时候，你可以听听销售人员怎么说，然后买他自己在使用的东西，打个比方。最重要的是，去看看自己的业务，看一下你的业务有哪些地方需要完善，而新技术又能为你再创造些什么。

如果你正在以运营为基础进行竞争，那这个点可能在于预测性维护等运营案例。如果你是一个以销售和市场为导向的机构，那么AI可以产生最大影响的地方，或许是下一个产品的购买或营销组合。因此，了解目前的各种可投资的技术，并且想清楚以后应该在技术方面如何发展，最终选择将自己的注意力放在哪个方向，其实才是最重要的事。

另外一件重要的事是，虽然你可能不是最终执行这些新技术方案的人，例如IT部门的领导甚至是数据分析部分的领导，但假如你想带来改变的话，你也需要做出反馈，这一点在我们之前的调查中已经有所反馈。你不必是数据科学家。你也不必成为机器人专家或AI专家，但行政领导能切实保这些新技术对你所在的组织产生影响。

Peter Breuer：我还想补充一点，对于部署AI来说，将公司转变成为分析或者人工智能驱动占据50％的重要性，改变员工思维是另外50％。第一部分大多数人都能看到，第二部分很多时候却被遗忘了。

我们有时候会忘记，我们现在仍然在一个庞大的有许多员工的组织中，我们需要对这些技术进行培训。自上而下的变革需要最终渗透到每个员工身上。他们需要拥抱新技术和新机遇。只有这样你才能最终得到你希望的新结果。

雷锋网点评：AI的炒作风口之下，一个接一个的变化正在发生，从特殊场景到企业、从企业到行业、从行业到全世界。即便目前看起来你或许还在“置身事外”，但如果真的一点准备都不做，你怎么知道你最后不会被淘汰呢？

本文作者：嫣然

本文转自雷锋网禁止二次转载，