2021-01-06 18:44:50聖天使

這種思維,每位管理者都要懂



[口述:丁磊*採訪:君莫笑*審校:智勇*值班編輯:金木研]


從蒸汽機到電力到計算機,一次次技術進步帶來了生產力革命,進而讓人類社會的運行效率不斷提升,隨着AI的興起,我們正處在第四次生產力革命之中。

如今,我們身處人人都是AI時代,AI如空氣一般無處不在,每個人既是AI的受益者,也是AI的馴化師。


通過AI,滴滴實現了3000多萬司機與4.5億用戶進行連接,各地政府可以大力推行「平安城市」的安防工作,金融行業的風險防控能力得以進一步提升,醫療疾病的檢測手段更加豐富,能夠提早預防……

如谷歌CEO桑達爾-皮查伊所說: AI將改變我們工作的方式,而我們要學會適應。

但對於很多人來說,AI似乎只是一種技術手段或是一個個具體app。所以,我認為不管是個人還是企業,我們更應該了解AI底層邏輯——AI思維是什麼,以及它的意義。


一、什麼是AI思維?

我認為AI不光是一個技術工具,對我們來說它是幫我們有效運用數據、從數據中提取價值的一種思維方法。

每一個與數據打交道的人,都應該具有AI思維。

那麼,AI到底是如何「思維」,它的「思維方式」又和產業轉型存在什麼樣的聯繫?


1.AI如何思維?

2016年,阿爾法狗和李世石的「人機大戰」引來各界關注,最終在阿爾法狗強大的運算能力之下,李世石最終1:4落敗,可以說阿爾法狗是完虐人類棋手。一時間,在圍棋上人類棋手已無法超越AI的事情亦成為事實。

事實上,阿爾法狗的「思維」方式與人類的思考方式大體是相同的,之所以它能夠贏,就在於阿爾法狗的「經驗」遠超人類棋手——每天能夠與自己對弈300萬局。


通過深度學習,AI(阿爾法狗)的程序之中搭建了兩套類人類思維方式的深度神經網絡:

一套是「策略網絡」,簡單來說就是模仿人類棋手的落子方式,同時計算勝率,拋棄掉其中明顯會「敗」的棋路,使得算量總是在阿爾法狗的控制範圍內;

另一套是「價值網絡」,簡單來說就是阿爾法狗不會一下子搜索一盤棋所有的步數,而是一邊下一邊進行未來十幾步的計算。




所以,AI就是從數據中學習,然後建立模型, AI模型相當於人腦中的規律,通過新的數據(信息)輸入,AI會做出一個預測。

反觀人類,人類是從經驗中學習出規律,一旦頭腦中形成規律,碰到新的問題就會做出一個判斷,這就是人的思維。

不同的地方在於,人類需要花很長時間學習的東西,對於AI來說是小菜一碟。它就像一個孩子,不斷地被數據「餵飽」,然後快速、驚人的成長。

所以,兩者差異的本質不在於思考方式,AI也是一樣通過大量訓練(數據)進行「認知」升級,不斷豐富自己的模型。


2.AI思維的4大要素

第一個要素,是數據。

AI往往與大數據形影不離,大數據是AI的「養料」補給,AI則是在挖掘數據的工具。沒有了數據的智能產品就不再具有智能化,變成了空殼的機器;沒有了AI,大數據也成了雜亂無章的信息流,無法產生任何價值。


我們正處在一個數據井噴的時代,依據智研諮詢發布的《2017-2023年中國大數據應用行業市場全景調查及未來前景預測研究報告》顯示:全球數據總量的年增長率將維持在50%左右,到2020年,全球數據總量將達到40ZB(1ZB=1萬億GB)。

AI得到的數據越多,能夠學習到的東西就越多,做出的預測就會越準確,實用性更強。




第二個要素,是模型。

人類大腦是通過無數神經相互連接而成,我們每做一個決定,都需要無數的神經元參與活動。

AI則是模擬人類神經網絡,在此基礎上,產生了一系列的深度學習模型(傳統的神經網絡模型的升級版)。

數據不一樣,場景和任務不一樣,模型不一樣。但是, 場景是基礎,離開場景建立模型,沒有任何意義。


第三個要素,是算力。

AI思維的實現需要很強的計算能力的支撐。對人工智能來說,經常需要成百台上千台計算機連接在一起,進行大規模的運算。

比如,谷歌X實驗室推出的谷歌大腦就是將16000台計算機的處理器連接在一起。

此外,還需要GPU的助力,由於AI需要運行巨大的算力,CPU遠遠不如GPU。


之前提到過,AI的學習可以基於神經網絡,而神經網絡是一種並行結構(多任務同時處理),單個節點的計算並不十分複雜,但是節點很多。

而CPU的單個核心任務繁重,無法處理很多節點的任務,GPU則是有許多個核心,擅長高速運算(浮點計算),GPU比CPU更適合深度學習中的大量訓練和預測任務、大量矩陣、卷積運算。


第四個要素,是業務模式。

AI的落地,最重要是在具體場景之中的得以應用,通過賦能業務模式,對業務模式進行創新,是AI發展的必經之路。

比如,在金融領域,傳統上我們的銀行機構只對徵信良好的用戶發放貸款,而徵信記錄不良的用戶得不到相應的貸款服務。

單純使用人力去判斷一個用戶的信用是費時費力的事情,工作效率低下。但通過人工智能,我們能在很短的時間內對用戶的信用狀況進行分析和判斷,決定是否向其提供貸款服務。這樣不但減輕了銀行工作人員的工作負擔,還提高了工作效率。

因此, AI思維的基礎在於數據,而核心在於模型,實現在於算力,應用在於業務模式。

AI思維在於不斷地提升認知,通過數據驅動決策,決策創造價值。



二、AI思維是一把手工程

1.管理者一定要正確看待AI

很多中、小企業的一把手認為:AI離我們太遠,我們既沒有技術人才,也沒有研發資金,想運用AI技術來轉型,是十分困難的。

但是,我要指出的是: AI應用的落地成本越來越低,AI的基礎技術人才我們國家不缺,AI也並非是被互聯網巨頭壟斷的。




為什麼我會這麼說?

首先,人才方面,在深度學習得到廣泛推廣和普及的當下,博士生就不用說了,碩士生甚至很多本科生都可以用工具包來建立模型。我覺得基礎的技術能力,我們是具備的,並且量也很多;

其次,中小企業數量之多,涉及行業之複雜,需求之多元化,互聯網巨頭是不可能「壟斷」的。因為互聯網巨頭通常沒有傳統行業的基因,它們最多成為某個行業或某個產業的賦能者。


目前,電商平台(公域流量)還是傾向於頭部商家,偏重營銷環節。而對於用戶來說,他們在乎的是精益產品,這些是生產環節、供應鏈環節的完善升級才能達成的目標。

所以,對於中小企業的一把手來說,當前最重要的是利用好「AI+私域流量」打造自己的品牌力,通過運用自己的私域流量數據,實現精益生產、精準觸達。

而這一切,仍然需要強大的領導力支撐。


2.管理者一定要有AI思維

作為一名CEO或者說一把手,數字化、智能化一定是一把手工程,因為它涉及企業的方方面面、全鏈路的東西。

因為AI思維需要的是形成一套完整的反饋閉環,能夠不斷地進行學習模型的優化。

作為一把手或CEO,並不一定要懂具體的技術,但要具備AI思維。也就是說,他需找到能夠讓數據和模型相互反哺的反饋機制。

如果他能夠把控這個機制,那無論是通過內部團隊或是服務商,總能夠找到AI落地的最佳點——平衡成本和效益,找到落地的空間和應用的點。


但是,如果企業的一把手或者業務的負責人不具備我們所謂的AI思維,他不知道數據通過模型的學習,以及相應的反饋會讓模型越來越聰明的這個閉環,AI技術就肯定很難落地。

同樣,作為一把手沒有一個閉環反饋、閉環思維的能力,不知道數據如何在你的企業運營的閉環中產生價值,企業是無法通過數字化、智能化實現增長的。

此外,AI落地中關鍵的坑點或卡殼的地方,還是需要加大對CEO或者業務負責人,甚至包括部分一線業務負責人在AI思維上的提升和教育。當這些人真正地理解這樣一個框架和AI思維的閉環邏輯的話,再進行AI落地就會順利很多。


為什麼這麼說?

第一,要從整個AI落地應用到最終決策,都涉及到很多細節但又關鍵的東西,無論是從企業的一把手層面,還是從具體業務負責人的層面,需要有強大領導力才能看到這些細節。細節不能出錯,因為數據產生價值是個很長的閉環,某個地方出錯,可能全局都會「完蛋」;


第二,只有很強的領導力的推動才能形成快速的閉環。因為這中間的每一環都要人去執行,如果沒有強大的領導力,不能推動下屬執行,不能形成閉環反饋,就沒法提升價值。

所以,我再次強調,AI思維在企業中落地一定是一把手工程。

而AI思維的外化表現就在於AI在商業實戰中的應用,那麼,AI的具體應用場景又有哪些?



三、AI在TO B端的具體應用

簡單來說,我們面臨着兩個應用方向:To B 端和 To C端,TO C這一塊我們最有感觸的可能是「字節」系的產品,而我認為可能對未來經濟產生更大影響的是To B端的應用前景。


1.AI中台與數字化

當前,全球經濟下行,貿易摩擦,單邊主義盛行,疫情也給每家企業都帶了嚴峻的挑戰——很多企業面臨着營銷成本、勞動力成本、管理成本居高不下的情況。

在不確定的情況之中,商界幾乎能夠達成共識的就是「行業數字化」依舊是大勢所趨。 行業數字化的核心在於「業務流程數字化」,數據將成為重要的資產。

但是,數字化的基礎在於打通數據,而打通數據面臨三個難點:數據維度大、數量多、關聯性複雜;由於數據散落在各個部門的各個業務環節,彼此相互孤立,形成數據孤島;專業分析與維護人員較少。

以上三個難點,必須通過建立數據中台得以完善,同時,輔以AI思維,實現「數據+AI」賦能更多應用。




數據中台與AI中台關係圖

數據中台將後台數據整理分析,傳遞給業務前台;業務前台產生的數據回到數據後台和中台,形成閉環。

而AI中台的任務則是通過建構模型,在業務場景之中對數據中台的數據進行挖掘,提升價值,對業務中台提供更加便捷、有價值的服務。

接下來,我講幾個具體的應用場景。


2.產業賦能


① 工業賦能

從機械革命開始,工業從1.0時代飛速發展至當今的工業4.0時代——智能時代,智能時代通過數字化進行賦能並實現產品和服務創新,而工業數字化賦能的核心就在於提供全鏈路AI模型服務。

AI模型通過分析具體工藝參數和關鍵生產指標的關係,從而提升產品的生產效率和生產質量。

舉個例子,光伏材料製造商保利協鑫和阿里雲工業大腦的合作是中國工業製造領域的創新示範。

阿里雲在該製造商車間做的第一件事,是把生產線上所有端口的數據上了雲,然後調集上千台服務器的算力,短時間內從數千個變量里找到了影響良品率的60個變量。接下來則交由人工智能實時監測和控制這些變量,生產線只要「奉命行事」即可。


② 零售業賦能

零售業是商業運作的另一個大環節,而AI賦能零售業也是大有前景的。

以華潤五彩城為例,五彩城是北京集購物、餐飲、文娛等一體的多功能、多主題大型區域性商場。五彩城通過對商場消費維度的大數據進行分析,了解消費者在各個時間點的交互情況,並以此作為決策用以策劃營銷活動。

通過數據分析,五彩城的客戶群體主要為年輕人,其中90-95後的占比接近40%,40歲以下的消費者占比達到了70%。

基於上述分析結果,五彩城聯合天貓推出了「雙十一」快閃活動,積分ETC和各種品牌營銷活動,同時「改造」了廣告投放方式,在2018年實現18億元的銷售額。




③ 金融業賦能

AI在金融領域也是大有可為的。

我們都知道,金融產品屬於高價值、低頻次的消費品,所以為了提高業績,金融行業需要通過營銷不斷宣傳自己的金融產品,在維護現有客戶的同時還要開發新客戶。

在過去很長一段時間內,金融行業營銷的問題是廣告投放效果差。人工智能進駐金融領域後,幫助金融行業實現了精準營銷。




例如,微眾銀行利用人工智能模型做到了精準推薦,使投放效果大大提升。首先根據長期以來形成的各種數據,如登錄、點擊等用戶前端行為數據,以及如開戶、存款等後端轉化行為數據,以實際的轉化為優化目標,建立起專屬人工智能模型。

通過該智能營銷模型,微眾銀行將其多種金融產品的廣告精準投放到數十萬家小型企業,廣告投放效果得到了有效提升,在降低廣告投放成本的基礎上,實現精準獲客。

以上,簡要地介紹了當前AI在一些行業里較為成熟的應用。


另外,我認為AI在教育和醫療方面的應用同樣具有意義,但由於這兩個行業的特殊性,當前AI的布局仍處於萌芽階段。

《未來簡史》作者赫拉利認為,AI引發的革命將是地球上自生命誕生以來意義最為重大的變革,其對人類影響之深刻將遠超農業的產生和工業革命。

目前,AI技術進入大規模商用階段,AI產品全面進入消費級市場,AI一定會對人類社會產生巨大的影響,這是必然的趨勢,我們能做的就是擁抱AI。

如加繆所說: 對未來最好的饋贈,是把一切都獻給現在。---(筆記俠)


我要回應(本篇僅限會員/好友回應,請先登入)