人工智能离开场景去聊就没意义了 - 纳金网

据报道，瑞典的一家在线银行Nordnet准备对自家的AI员工Amelia炒鱿鱼。Amelia去年夏天刚刚入职Nordnet，其日常工作就是帮客户开个银行户头、处理一些银行数据等任务，正常来说速度肯定是应该比工作人员要快，银行的工作效率和效益也该有个明显的提升。

其实Amelia并不是第一个被解雇的人工智能。今年一月份，英国的一家超市就解雇了一个上岗仅仅一周的导购机器人Fabio。超市的初衷是它一能吸引顾客，二能帮助卖货。然而几天之后，他们发现这两件事儿Fabio一件都没做好，甚至有些顾客看见它都绕着道走。

这是怎么回事？正常来说，AI在提高工作效率这方面是共识，但上岗不久就被炒鱿鱼，多少令人有点意外。但细细想来，以如今AI发展的程度而言，其被解雇其实也算不上是意料之外的事情。

在所有最可能被AI取代的工作当中，银行工作首当其冲。原因在于，相较于其他行业来说，银行拥有庞大而又相对完整的数据积累，而进行数据分析又正是AI的拿手好戏。一个要算，一个能算，简直无缝贴合。

但这并不意味着AI在银行就可以畅行无阻，至少这并不是如今的AI能完美而为之的。尽管在实验室中，开发者们已经针对AI可能遇到的各种问题进行了全面模拟，AI也在这过程中表现得游刃有余，但一旦投入实战，其实用功能仍然有可能会受到挑战。以Amelia被炒为例，其可能是由于以下两个原因所致。

第一，算法的问题。算法存在问题，其对数据的处理就会存在误差。虽然银行拥有完善的数据，但如果没有合适的算法进行处理，或用了不合适的算法进行处理，其得出的结果仍然是不可接受的。比如在分析报告这方面，目前仍然是人类分析师为主，原因就在于AI对动态性很强的金融业务上可能存在分析的误差。而银行做的毕竟是钱的生意，总是出错，客户是肯定不干。

第二，沟通的问题。既然是用的AI系统，那么其要解决客户问题就一定会涉及到语言沟通。银行是一个非常繁忙的金融机构，我们能看到的场景就是银行每天都是在排队。如果AI的连续性对话和专业性学习不彻底，其在于客户沟通的过程中很可能会答非所问，造成迟钝、误解等问题，这一定会影响工作效率、消磨客户耐心。

而Nordnet又是一家线上银行，其对AI的语义识别对话能力的要求自然更高。这点儿类似AI客服，说不好话就卖不了货，卖不了货就只能等着被炒了。

对导购机器人Fabio来说，沟通不畅或沟通体验不好一定是超市将其“辞退”的重要因素。也就是说，不是打着AI的名头就一定会生意兴隆。最核心的地方在于，技术是否真的成熟到足以应对任何情况。毕竟客户把AI买过去不是为了让它学习，而是挣钱。

无论是雇佣AI还是雇佣人力，公司的目的只有一个：赚钱。但公司花了大钱把你招来，你却坐吃等死，那就只能将你扫地出门了。

据Nordnet称，去年为了引入AI技术，公司付出了巨额代价。整个2017年的年利润仅为2.47亿瑞典克朗，是2012年以来的最低水平。虽然不能确定银行利润的降低一定是引入AI所致，但真正实用的消费级AI产品价格尚且不菲，遑论以提高利润为终极目的的企业级AI解决方案。

Nordnet从AI系统提供商IPsoft购买的是一套解决方案，而不仅仅是一个AI柜员，花了多少钱我们也不得而知。但是看一下各大公司在研发AI方面的资金投入：百度每年投入100亿元、欧盟计划2020年之前投入15亿欧元、2014年以来中国人工智能累计投入超过600亿元……不仅如此，AI人才动辄百万美元的年薪，这些成本都会加在销售给C端的产品上。

但是一旦发现投入与回报不成正比，甚至因此而亏损，公司则为营收考虑不得不对AI下刀。毕竟AI的意义在公司看来，绝不是个花瓶。所以，可能在一段时期内，由于研发的持续投入，AI的使用成本仍然不会是一个小数目。对公司来说，AI的工作做不好，和AI做好了自己的工作却没有挣着钱，没有任何区别。解雇，也就是个时间问题。

当然，所有的锅也不能全都让AI背了，毕竟能力有多大它自己也没办法。这中间还可能存在的一个问题是，开发者和使用者的断层。

这种断层体现在，开发者穷尽己之所能，没日没夜地做出了自己认为非常完美的产品，觉得考虑到了实际过程中可能产生的所有问题，应用起来完美无缺，结果，客户不会用。

这就是个大写的尴尬了。这种感觉就像你买了个上万块的手机给奶奶用，她却只拿来照镜子。蕴含了开发者满腹才华的产品，在客户手里并不能发挥出其全部效能。AI如果是因为这个被解雇，实在是有点冤枉。

事实上，这种情况的确值得注意。在关于AI会取代人类的什么工作的大讨论之后，有人就抛出了“人工智能不能取代教师，但不会用人工智能的教师将会被取代”的观点，其中的教师可以被换成医生、律师、工人等等诸多职业。可以说，会AI就像会用手机一样，未来将成为必需品。但对很多人来说，手机的功能并没有被充分挖掘，所以他们很难区分出5000元的手机和1000元手机的差别：不都能打电话装软件？

1. 开发者“私人订制”。开发者想做好一件东西，而客户想要的是用好一件东西。这就要求产品一定是最适合客户需要的。根据客户的需求，体现出开发产品的差异化，让客户在使用的时候能够更快地上手，才是发挥AI能效的第一步。

2. 客户的技能培养。一般来说，客户不需要知道AI到底是怎么做的，只需要知道怎样才能让它按照自己的指令工作就够了。但即便是这样，还是有很多人存在着学习的困难。比如很多年纪大的老师一辈子不会用电脑，也不愿意学，投影仪就成了摆设。因此，开发者在进行产品交接的时候提供全套的技术指导，才能在产品贴合自家需求的情况下，还能熟练操作，实现AI产品的价值最大化。

那么，通过这种方式来解决开发者和用户之间的断层，显然对洗白AI“无用”的冤屈是有积极意义的。

实际上，被解雇的AI只能算作个案来对待，并不能将所有的AI应用一概而论，毕竟有更多的AI应用在如火如荼地燃烧着。这些应用身上也并未出现过所谓“不管用”或者“解雇”之类令AI尴尬的字眼。

我们发现，被解雇的AI和应用得风生水起的AI之间，存在着一个变量，这个变量就是：人为干预。而根据人为干预程度的不同，我们可以把这两类AI分为独立式AI和半独立式AI。

所谓独立式AI，是指人类没有干预或干预较少、AI自主分析决策程度较高甚至完全自主决定的人工智能类应用。Amelia、Fabio基本都属于此类，因为与客户或消费者进行对话、分析数据并得出结论的过程，基本上是没有人操作的，在此过程中其完成了与客户的直接接触。我们常见的内容平台的审核方式，很多也可以算作此类。因为AI可以自主进行审核、通过或者驳回，在这个过程中没有人工参与。这种独立式AI很容易产生问题，比如内容平台频频出事，虽然很多平台都增加了人工审核，但是，谁知道呢？

而半独立式AI则指的是人类干预较多，AI只是承担前期的观察、分析，最多再加一点初步结论，最终的决策仍由人类完成的人工智能类应用。比如用AI做各种预测、帮助医生读X光片、招聘、识别古文字、抓在逃犯等等。显而易见的是，这类更多有人类干预和把控的AI反而是运行的态势颇为良好。

也就是说，目前AI要完全独立地承担工作任务，也就是“替代”人类，可能还有些难度。有企业耐不住性子而赶鸭子上架，AI也很无奈。正因如此，人们更多地称AI为“助手”。从“助手”向“替代”的转变过程，可能就是AI降低自己被解雇概率的过程，也更是人类AI技术进步的一个过程。

当然，等到AI替代了人类之后还是会有“解雇”情况的发生，只不过这次被解雇之后顶上的不是人类，而是更优秀的AI。到那时候，开发者又将面临另一场永无休止的战争。