拒当科技金山上的数字贫民
作者:邱莉燕
2020-06-11
摘要:科技日新月异,海量数据迅速地倍数增长。数据,好似一座座科技金山,用心挖掘便掌握财富权势。企业与个人若无法快速植入数据DNA,就算身处金山,势必被淘汰!微型···

活用海量数据的数据经济,正在倍数增长。

在这个拥有数据数据,就拥有财富权势的世界里,拥有数据并善于开发的人,等于拥有一座座的新科技金山。然而,数据也正在形成新的社会阶级,扩大贫富落差。无法跟上这场数据浪潮的人,也会等同于住在虚拟贫民窟。

诚如,1月的英文January这个字,源于古罗马神雅努斯(Janus),这位门神是双面神,其中一张脸代表善,另一张脸代表恶。

大数据及其应用,正是高科技社会的“新雅努斯”。借用小说家张爱玲的比喻,从诞生的那一刻起,资料科学这副现代文明编织的华美袍子上,就布满了虱子。

因此,你该做些什么,让自己坐拥金山,而不是置身贫民窟?

这不是危言耸听,也不是科幻小说情节。事实上,这不仅是目前正在发生的情况,也是未来可预期的趋势。

 

迎战策略一:

精进永远不会被AI取代的能力

AI已经不是未来式,不论是网页搜寻结果、不经意滑过的广告,都是AI应用渗入生活的例子。而在数据经济大潮之下,大数据加上演算法,仿佛是一流的建筑师,拿到了源源不绝的优良建材,让看准趋势的企业得以搭建坚固的数据红利护城河。

但随着应用渐广,人类对AI的恐惧不再只是幻想。AI会抢走我的工作吗?AI会不会侵犯我的隐私?AI会让下一世代的社会更不公平吗?这些疑问已经化作实际的问题,逐步逼近。

不管是美梦还是噩梦,AI已经来了。这些机会与困难,会对未来发展有什么影响?人类又该怎么应对?

传统行业导入AI,未来影响世界经济

人工智能由大数据驱动,才能产生数据红利,目前很多公司已经开始收割数据红利,谁能跟商业场景结合,谁就能收割最多数据红利,而中国在这方面是最领先的。

第一批收割数据红利的是互联网公司,如阿里巴巴、腾讯等。第二批是金融公司,数据虽然没有这么多,但靠着多年积累,也不容小觑。领跑者像中国工商银行、中国平安保险,不输美国最领先的金融公司。

另外,还有AI新创公司,它们把软件卖给这些传统公司。这些企业通过打造AI技术赋能给传统行业,来获取应得的数据红利。

有些传统公司没有足够好的AI跟执行团队,所以,光有数据,是没有办法创造价值的。而AI公司将技术与人才,作为产品加顾问的模式,输入这些传统公司,这个帮助其实是巨大的。

传统公司从AI得到价值,这是一个特别重要的概念。调查研究显示,在未来十年,会带来给全世界大约130-160亿美元的价值。这些钱不是都给AI公司赚取,很多其实是给了传统公司。

传统公司过去效率低下,但现在有了AI技术的赋能,能增加收益或降低成本。所以,传统行业使用AI,应该是未来十年对世界经济产生最大效应的方向。

偏见致不公平,AI有办法解决

AI有利于企业的运营,但AI同时也会带来的不公平问题。立法可以避免一个技术初期产生的挑战,但如果立法做得过度,就会让这个国家的技术成长更慢。

AI带来的不公平为例,如果喂给AI的数据里面都是男性,而没有女性样本,可能就会产生不公正,导致招聘的AI可能只招男而不招女。同理,如果人脸辨识系统应用上能精准辨认黑人,而白人辨认差,用在执法上,可能就会把更多黑人关起来。

很多人把这种不公正怪罪到AI有偏见,其实,AI本身很公正,但数据源不平衡、不够多,也没有平均分配才是问题。这些不平衡,可能是数据收集者的无知、经验不够,所以要教育他们,并利用工具来提醒他们。

比起来,AI的偏见一定远低于人的偏见。我们都是人,知道每个人的偏见有多严重。例如,有个以色列的研究告诉我们,该国法官吃中饭以前,平均判案会比中饭后来得严,为什么呢?因为生理因素,肚子饿了不开心。假使数据源够平衡,但AI在申请贷款、人脸辨识等判断结果,似乎还是对某些族群不利的话,可以将数据里面标注种族的栏里拿掉,不就解决了吗?如果怕依照住址而猜出种族,可以再把住址拿掉。机器的偏见,可以通过技术拿掉,但人的偏见能拿掉吗?如果懂技术,这些问题都能够理解并解决的,可有时就被特定人士放大。

隐私资安隐忧,靠新技术搞定

AI也引起大众关于隐私的担忧,欧盟提了GDPR(欧盟一般资料保护规范),有很多好处,像是让每个人知道自己哪些数据被利用了,但它的问题在于实际应用。访问欧洲的网站,动不动就会跳出“你要不要将数据授权给我?”的信息,其实用户也根本不知道该不该授权,最后只好一直答Yes,而没有产生任何保护用户的效果。

但也不能不负责地把问题丢到用户手中。用户说了Yes就可以害他,这么做是不对的。隐私这类问题的解决方案,应该靠技术。

现在的隐私问题,还不能百分之百靠技术解决,但至少能解决七成以上,像是联邦学习(Federated Learning)、同态加密(Homomorphic Encryption)等技术,能把个人资料交给AI运算,但无法被逆向导出个资。

过去新技术出现时的挑战,也是靠技术解决。电的应用刚推出时,常有人触电,甚至被电死,所以有人就发明了断路器来避免触电。

而在电脑才刚刚连上网络的时代,电脑很容易受病毒攻击,但不是靠立法规定电脑业者要提交相关报告来解决,而是靠一些聪明人发明的杀毒软件。

所以,未来要靠市场、媒体的力量监督每一家公司,来解决问题。

重新思考能力,提早适应转换

AI时代人类的部分工作可能被取代,AI时代的工作者要思考如何转换。以一个接线员为例,假设因为被AI取代,而改做了客服。三年后,发现AI也可以客服,因而转作文案工作,但三年后发现,AI也能写文案。好像是洪水来了,从小石头跳到大石头,但最后都会被淹没。

不过,如果这个接线员其实善于沟通,让大家跟他谈话就会觉得舒服。也许他就适合帮公司处理紧急的客户困难,例如,客户要来告你了,或是非常愤怒,甚至达到准备报警的情况,这可是AI处理不来的。

把自己从接线员提升到客服,再提升到可以处理紧急状态的人,是一条路线。另一条路线,是你特别了解客服这件事,可以去当管理AI客服的人:输入资料给AI客服、调整参数等,这样的话,你也提升到不会被取代。

要不然,可以选一个完全无关的行业,比如去做护士,或是其他不会被取代的行业。但绝对不是等着老板、公司、政府来安排,再去用救济金去寻找工作机会,那时就已经太迟了。

只要我们上课能背诵的东西,AI都能做的更好。AI考试、下棋、诊断X光、电脑断层等,都已经比人做得更好。

人们真实的能力,是学习、创造、分析、判断的能力,以及战略的思惟,这不是有上课会考试就能学成。我们也需要重新思考,哪些是真的能用一辈子,而且永远不会被AI取代的能力。

 

迎战策略二:

人人都能成为资料科学家

害怕AI颠覆你的工作吗?最新的世界趋势或许能让人稍稍心安──原本高深的技术正在变简单,没学过程序的人也能轻易养成“数据DNA”。

以往,数据掌握在少数精英博士手中的专业,例如机器学习、应用程序开发,现在开始下放到“全民可用”。

比世界潮流走得更快,是AI平民化”的时代即将来临。

界面简单,AI模型自动生成

科技进步到一般人也能运用AI,数据技术将由天上落入凡间,受过半年到一年机器学习自动化的训练,即使是IT绝缘体的业务或营销人员,也能轻松挥动数据分析的魔法棒,使用AI来辅助销售决策。

简单明了的图象化使用者界面,是机器学习自动化的一大特色,只要动动鼠标输入资料、选取数据,这些工具就会自动生成AI模型。根据权威分析机构顾能(Garner)最新发布的《2020年十大战略技术趋势》,预估到2023年,数据分析技能等专业技术能力将被简化,快速释出给普罗大众。这份重量级报告,同步列出全球十大机器学习自动化平台的关键原厂,包括耳熟能详的IBMGoogle、微软等国际巨擘。

摆脱人工作业,让AIAI

Decanter是醒酒器之意,企业拥有海量的数据,好比酒窖里存放了很多桶的红酒,但都很难喝,因为数据过于杂乱。行动贝果的服务,能自动点醒这些数据红酒,萌生柔顺的口感。

立志让Decanter AI变成像office软件一样普及,行动贝果共同创办人暨执行长锺哲民认为,今年以前的AI,从收集数据、清洗数据、再手动写程序、数据建模,像是手工业。但今年以后,从头到尾的所有流程,都由机器做完,“让AI来做AI。”

令锺哲民印象深刻的,是一位味全的采购经理。他是财务背景,没学过程序语言,起初接触,试用行动贝果解决方案,本以为导入困难。“但我们的工具,做到像Excel一样点选拖拉,很容易就生成一份报告,”锺哲民说,AI平台打掉了技术障碍。

本来,如何在各个销售点放置最适数量的牛奶,既让消费者即时喝到最新鲜的牛奶,又同时减少过期报销的浪费或缺货?这一向是味全的烦恼,最强只能做到产销及配送之间70%的精准度。

结果,通过行动贝果的AI平台进行计算之后,精准度竟可到90%。这位采购经理曾像发现数据新大陆一般,半夜兴冲冲打电话给锺哲民,等不及要分享数据测试结果。短短两个月内,这位采购经理就变成了平民资料科学家。

“未来十年,绝对是跟AI一起工作,”锺哲民说,AI走向平民化,决策不是全交给AI,而是与AI一起思考。很自然地,人类工作不会全被取代。

 


热门文章