『人工智能』

我们还要迷信人工智能吗?

一种对人工智能的迷信一直在全球游荡,众多学者和产业实践者希望能够将这种迷信终结,让它真正落地为社会大众造福。韦青就是其中的一员。
我们还要迷信人工智能吗?

微软(中国)首席技术官 韦青

即便在电话中,也能听出韦青在提及贝塔朗菲、维纳和香农这些学科巨擘时,心存的景仰。韦青是微软(中国)首席技术官,而他们则是“三论”的发端。
系统论、控制论和信息论,这些发端于上世纪40年代前后的学科,至今仍是人工智能的基础数学方法。
不妨看看1948年诺伯特·维纳在他那本数学名著,《控制论——关于在动物和机器中控制和通讯的科学》一书中“预言”的情形:
“现代超速计算机在原理上是自动控制装置的理想的中枢神经系统,……可以分别利用象光电池和温度计这样的人造感觉器官的读数,……利用应力计或类似的仪器读出这些运动器官的运动情况,……去‘反馈’给中枢控制系统。”
维纳在这一段的末尾写到:“自动工厂、无人管理的装配线已经在望。”
我们还要迷信人工智能吗?
72年后的今天,一些商业领袖正在让这个预言成真。而且这些商业领袖在启动智能化转型前,并不需要亲自去学习维纳、“三论”,甚至数学。
不过在韦青的眼中,和AI研究领域需要在重新审视“基础学科”的基础上才能再攀高峰一样;企业的数字化转型也需要商业领袖们在信息化经验之上,将更多的注意力投向实现智能化的基础工作——例如企业数据库模型的设计和企业目录服务的搭建等。在这一点上,商业领袖尚未尽其能。
近年来人们过于被所谓的非结构化数据的说法所误导,以为计算机是万能的,丢进什么数据都能产生人们所需要的结果。其实计算机所能够处理的还是结构化数据,只不过可以通过各种技术手段,将前期无法充分建模的数据转化为结构化的数据让计算机能够理解和加工。
这种处理和加工需要付出额外的计算和存储代价,那么企业为什么不尽量在IT架构建设的前期就能够设计出高效、实用的“业务-数据”模型结构,从而让企业的数字化投入产出比更高、效率更优秀呢?
对于企业的关键数字基础架构而言,另外一个经常被忽视的,而实际上非常关键的企业数字化能力就是企业的目录服务。
企业目录用结构化的数据把企业中的人、设备、场所管理了起来,一方面为物联网时代的到来事先打好基础,另一方面能够实现安全、合规、高效、自动的企业数字基础资源管理,这也是企业智能化能力的一种体现。
“因为有了过去一、二十年的结构化数据积累,所以我们能够做出企业级的知识图谱,这样才有能力开发出很多现在被称为自动化和智能化的功能来。”韦青认为,忽视企业的基础数据治理能力而去追求智能化,近乎于缘木求鱼,那是一种对AI的“迷信”,对数据的“轻视”。
越是基础的能力越难以建立和复制,因此人们会幻想人工智能最好可以从天而降——买一家公司,或者请一位业内大咖……企业的转型便指日可待。
“这很难成功,因为思维方式没有转变。”韦青在不久前一次谈论AI落地的演讲中说,“这是一个盲人摸象的时代,谁也不敢说‘我们’摸到大象了。”
他说,能用技术和钱解决的难题,其实不是难题;思维模式的改变才是企业数字化转型的核心——就像爱因斯坦说的那样:我们不能用提出问题时同一水平的思维,来解决问题。
“思维模式是改革的深水区。”韦青指出,任何数字化企业转型都将需要重新审视公司内部每一项任务,每一个流程,才能谈及和完成转型。
这就像AI科研领域需要回望基础理论一样,商业领袖们也应认真对待自己的转型基础——数据。
微软在过去几年中创造了全球科技股的奇迹,甚至让人们说不清它是一家传统科技公司,还是一家时尚的互联网公司,抑或兼而有之。
它亲手终结了那个“Windows为王”的时代,并让Azure云计算、Office 365生产力工具、Dynamics 365商务应用、Surface系列电脑成了自己的新标签。
而今,既然在顶着成功转型光环的这间公司中,一位中国的首席技术官仍对AI如此谦逊,那么对于大多数还徘徊在数字化进程中的企业家而言,无论位置如何,也就没有必要去继续“迷信”那种可以“从天而降”的AI了。
但这并不意味着AI不能尽为我所用。200多年前与工业革命伴生的专业化分工协作,在这个数字化时代仍然熠熠发光。
2019年,韦青在一次校招演讲时对毕业生重述了微软公司CEO萨提亚·纳德拉的说法,“如果你们想进入一个很酷炫的公司,我建议你们不必加入微软;如果你想进入一间让别人很酷炫的公司,那你来对地方了。”
在今天AI落地的语境下,这句话的大意就是微软将会一直站在“PPT的AI”与企业的智能化转型之间,为企业转型赋能。
在最火爆的AI应用领域里我们就能看到这样的分工。例如无人驾驶,微软为无人车提供自动驾驶、辅助驾驶技术和Azure云服务,而不是自主开发无人驾驶汽车。
韦青提示,AI需要回望“基础学科”,企业需要重新关切数据资产,不过他显然不是想要来一场数字化或者智能化意义上的“复古”——这是一场数字化转型或者人工智能的“文艺复兴”——就像那场发生在14到16世纪的欧洲思想文化运动一样,人们“以古典为师”,推动了一场新文化运动。
怎么样,这听起来是不是像极了“拉大旗做虎皮”?有趣的是,这场数字化转型的“文艺复兴”真的就发生在微软内部。
还记得维纳的控制论吗?他提到了温度计、应力计……,认为将这些读数传输给“超速计算机”,便可以给人们带来一个“自动工厂、无人管理的装配线”。
微软基础设施运营团队也在每个会议室部署了低成本的传感器,以了解每个会议空间的更多信息,包括收集噪声水平、温度和占用率等数据,并实时将数据提供给微软内部应用程序。
员工当然可以在Outlook里预定会议室,但如果定而不用,或者多定少用呢?这几乎是人类的习惯,但却会直接导致公司资源、能源的浪费。
微软的基础设施运营团队可能同样也没有读过控制论,但这并不妨害韦青的判断,相反却彰显了它——对数字化转型中“古典”学科的价值判断,尽管这只是一个生动而有趣的巧合,并未涉及控制论本身。
基础设施运营团队利用了这些传感器数据,他们借此深入了解会议室和公共会议空间的使用模式,从而节省能源成本,为楼层规划和会议空间分配提供建议。
别笑,这可不是一件小事儿。它直接帮助微软理清了自身数字化转型的路径,并被写在了微软数字化转型服务竞争力中,定名为“优化业务运营和流程”。
当然,它可能只是成百上千条优化经验中的一份子,不过,谁又会忽视它呢?还在笑?去看看微软过去几年的股价吧。
“优化业务运营和流程”既是核心竞争力,也是微软的数字化转型路径。路径的完整构成包括了:重新思考与客户交互、赋能员工、优化业务流程,以及产品与服务的转型等。
如今,微软已将这些内容确定为实现自身数字化转型路线图的核心驱动因素,也把这个转型路线图推荐给了客户。
只要按图索骥,商业领袖们一定会发现微软CEO萨提亚·纳德拉在2018年5月更新的微软新战略。它舍去了“移动为先”的提法,转向“AI+云”,并再次强调微软是一间平台和生产力公司。
这个新的战略愿景要为智能云打造业内“最棒”的平台和生产力服务,并让智能AI来助力——这也是微软未来的竞争力和增长点。
这项愿景也就是此后微软人工智能的三大愿景,它们分别指向了开发者、企业和个人。
面向企业的智能化转型,微软希望首先帮助它们解决人工智能方面的几大挑战。这些挑战一如韦青所强调的那样——例如在企业内部数据战略处理之前的数据准备阶段,微软要针对海量的非结构化数据,提供全面的数据准备工具和技术。
此外还有量身定制的人工智能实施方案,例如Dynamics 365上的人工智能。这些能力能够帮助企业获得针对销售、市场营销、客户服务等方面的定制化方案。
当然,面向企业就一定会有微软智能云的三驾马车Azure、Office 365、Dynamics 365。这些产品和服务将人工智能融入到了企业用户的每一个业务流程中,可以让企业在短时间内,通过定制化的人工智能解决方案获得价值。再加上微软新推出的专注于低代码/无代码开发的Power Platform平台,微软最终为开发者、企业和个人建立起了一个开放、闭环的数字化转型平台。
对于转型中的企业而言,微软的这些工具解决了问题的一半,转型的思维方式和方法论则是另一半——就像韦青不厌其烦地在高校和各种场合向商业领袖们所传递的那样。
它也被包含在微软人工智能愿景中:助力企业管理与人才培训。它的目标是帮助企业制定、部署和实施人工智能战略。
2019年8月,微软与清华大学经济管理学院、长江商学院和中欧国际工商学院联合启动全球首个线下互动教学与线上课程相结合的“微软人工智能商学院”项目(Microsoft AI Business School)。
这一学院的课程内容包括了定义人工智能战略、拥抱人工智能文化、培养尽责与可靠的人工智能,以及商业领袖必备的人工智能技术四大模块等。
尽管它的目标受众是“商业领袖”,但对这个热门话题,“未来的商业领袖”可能也有必要去了解一二。
“它的方法论是一个通用的方法论。”韦青说,这让它符合了这个时代开放的特性,也才符合今天微软的调性——拥抱开放与开源,因此商学院和微软的工具是完全松耦合的。
如果你还记得连Office 365的副总裁也曾出现在苹果的发布会上,你就会理解这一点。微软的今天受益于此。
我们会记得纳德拉提出的“云为先”战略,它让微软占领了企业级服务市场的制高点——只用5年的时间,就将微软的云计算业务推向全球第二——它是今天微软万亿美元市值毫无疑问的“功臣”。
可也不能忘记,微软是如何紧紧地拥抱了面向未来的开放性。正是这种永续经营的思维方式,让微软持续盈利,甚至在过去数年间完成了一次企业生命的再造。
商业领袖和那些未来的商业领袖们需要借鉴这一点,特别是在人工智能方兴未艾,智能化转型风起云涌的当下。
 

金蝶财报解读:SaaS江湖的“长期主义”

上一篇

一杯咖啡释放开发者能量

下一篇

你也可能喜欢

热门标签

微信扫一扫

微信扫一扫