尽管人工智能目前取得了令人鼓舞的进步，但它还没有在许多行业引起革命性的变化。在很多情况下，问题不一定出在技术上，而是出在人们感知技术的方式上。

《权力与预测》是人工智能专家撰写的一本新书，探讨了不同行业应用人工智能技术的根本挑战。作为他们广受好评的《预测机器》的续集，这本书讨论了企业在受益于人工智能进步的全部潜力之前需要改变什么。

从点解决方案和应用到人工智能系统，行业专家研究了人工智能在不同领域的成功和失败。他们还从过去的技术革命中提供了重要的见解，并展示了如何从头开始重新思考和设计人工智能系统，可以帮助创造基于强大的机器学习和深度学习算法的真正价值。

点解决方案vs人工智能系统

如今的人工智能系统是预测机器，这意味着它们可以根据过去的数据预测未来会发生什么。这是每个数学模型都要做的。但由于大量数据和计算的可用性以及深度学习算法的进步，人们已经能够创建可以对图像、文本和多维数据等复杂信息进行预测的模型。

在《权力与预测》一书中，作者将人工智能的价值分为三类：点解决方案、应用解决方案、系统解决方案。

到目前为止，人们看到的大多数都是点解决方案和应用程序解决方案。这些人工智能系统取代了以前需要预测的任务。例如，在金融服务中，任务之一是预测哪些交易是欺诈的。经过正确数据训练的机器学习模型可以接管这项任务。点解决方案是人工智能的唾手可得的成果，因为采用它们只需要最小的投资和对底层系统的更改。

另一个点解决方案的例子是分析放射扫描。现在有几个深度学习模型，可以从X光和MRI扫描中检测出各种疾病，其水平与经验丰富的放射科医生相当。

他们正在自动化放射科医生执行的众多任务之一，而无需对潜在的患者护理系统进行任何更改。

人工智能系统可以通过自动化当前应用程序和系统未解决的新任务和问题来提供更大的价值。然而，人工智能系统需要一种空白的方法，在这种方法中，需要重新设计整个流程、工作流和应用程序，不仅可以解决现有的问题，还可以解决新问题。为了让它们发挥作用，人工智能系统通常需要新的组织结构以及目标和激励措施的一致性。这使得人工智能系统更加困难、风险更大，但也更有回报。

《权力与预测》一书的作者写道：“系统解决方案通常比点解决方案或应用解决方案更难实现，因为人工智能增强的决策会影响系统中的其他决策。点解决方案和应用解决方案通常会强化现有系统，而系统解决方案则会颠覆现有解决方案，因此往往会导致破坏。然而，在许多情况下，系统解决方案可能会为人工智能投资带来最大的整体回报。”

人工智能的中间时代

在《权力与预测》一书中，作者认为现在正处于人工智能的“中间时代”，在见证了这项技术的力量之后，在它被广泛采用之前。这就是为什么点解决方案目前是人工智能更有吸引力和更受欢迎的用例。

这是有历史先例的。例如在19世纪后期，当电力开始实现工业化时，它的第一个应用是点解决方案。对于工厂来说，这意味着用电动机代替蒸汽机来降低能源成本。改变电力来源并不需要重新设计工厂。

然而，电力的真正价值主张是将机器与电源分离。这使得新的工厂设计成为可能，这在蒸汽动力下是不可能的，而且它们的生产率更高，成本更低。但这种普及花了几十年的时间，因为它需要根本性的改变，打破习惯，以及现有企业不愿意进行的前期投资。那些抓住机会的企业家成功地占据了领先地位，并占领了后来取代旧市场的很大一部分市场。

人们可以在许多其他行业看到这些变化，比如网上购物的兴起，个人电脑的出现，以及从印刷媒体到数字媒体的转变。

人工智能是一种基础设施技术，技术领导者将其影响与电力进行了比较。因此，这需要一种全新的心态和大胆的探索。

《权力与预测》一书的作者写道：“人工智能驱动的行业转型需要时间，一开始怎么做并不明显。许多人可能会尝试并失败，因为他们误解了需求，或者他们无法让单位经济运作起来。最终，有人会成功，并建立起盈利的途径。其他人会试图模仿。行业领导者将试图保护自己的优势。有时它会成功。无论如何，这个行业将会转型，一如既往地总会有赢家和输家。”

打破规则

《权力与预测》一书的作者表示，“当没有什么东西的时候，不会放弃。如果没有必要的信息来做出明智的选择，就可以避免盲目做事的后果。因此，当人工智能预测出现时，它的使用机会并不明显，这并不令人惊讶。潜在的决策者在没有这些信息的基础上搭建了一个脚手架。”

人工智能的机会很难发现，因为它们通常隐藏在严格的规则和程序背后，这些规则和程序运行良好，并且已经建立了很长时间。这些规则弥补了信息的不足。它们使人们能够在不能够预测准确结果的情况下做出决定。它们帮助构建系统，虽然不是最优的，但在许多情况下可靠地工作。

找到这些机会的关键是，首先要了解预测机器的力量，其次，找到预测可以取代既定规则的地方。作者在书中探讨的一个非常有趣的例子是人工智能在教育中的应用。

多亏了机器学习算法和历史数据，可以预测学生的表现，他们在哪里会脱颖而出，在哪里会遇到困难。这让我们有机会为每个学生提供更多个性化的内容。

但这些预测模型在当前的教育体系中并没有多大帮助，因为目前的教育体系是建立在基于年龄的课程基础上的，每个班只有一名教师。之所以建立这个系统，是因为教师没有办法通过学生的教育轨迹来准确衡量他们的个人学习能力。

为了能够充分利用机器学习，人们需要以一种新的方式重新思考教育体系。这个新系统将以个性化讨论、小组项目和教师支持取代以年龄为基础的课程，对整体教育和个人成长和发展产生更大的影响。

《权力与预测》的作者写道：“基于年龄的课程规则是现代教育系统的粘合剂，因此，个性化学习内容的人工智能只能在该系统中提供有限的好处。要释放个性化教育人工智能的潜力，主要挑战不是建立预测模型，而是将教育从目前将系统粘合在一起的基于年龄的课程规则中分离出来。”

权力转移

人工智能的成功应用需要《权力与预测》一书作者所称的“系统思维”，这与“任务思维”形成了对比。任务型思维模式关注的是节约成本。系统思维专注于价值创造。任务思维模式侧重于将单个任务自动化。系统思维意识到需要重建基于机器预测和人类决策产生价值的系统。

人们已经在一些行业和亚马逊和谷歌等大型科技公司看到了这种情况，这些公司已经形成了基于人工智能预测推荐个性化内容的盈利系统。

也许系统思维模式的重要元素之一是随着人工智能的采用而发生的权力转移。随着体制的变化，有决策权的人也在变化。

《权力与预测》的作者写道，“虽然人工智能不能把决定权交给机器，但它可以改变由谁来做决定。机器没有权力，但一旦部署，它们可以改变拥有权力的人。当机器改变决策者时，底层系统也必须改变。制造机器的工程师需要了解他们嵌入到产品中的判断的后果。那些过去在当下做决定的人可能不再需要了。”

作者在书中探讨的一个假想例子是心脏病发作风险。目前，这种风险评估是通过在医院进行测试来进行的，并由进行测试的专科医生做出决定。

假设能够构建人工智能系统，根据智能手表等可穿戴设备收集的数据预测心脏病发作风险。然后，就有可能将这些预测从医院急诊科的分诊空间转移到病人的家中。在这种情况下，许多患者在被诊断出患有药剂师或初级保健医生可以在家帮助治疗的疾病后，将永远不需要去医院。

不管人们在围绕人工智能的科学和哲学辩论中处于什么立场，人们都能认同的是，预测机器有很多东西可以提供，而如今只是触及了表面。要充分利用它们的潜力，首先要回到绘图板，重新思考如果人们有预测的能力，将如何设计系统。