跳转到内容

组织的领导力与人工智能的未来

来自维基教科书,开放世界中的开放书籍

人工智能(AI)曾经局限于科幻小说的领域,但在过去的几十年里,其发展和实际应用取得了重大进展。OpenAI 的 ChatGPT 和 DALL-E 2 近期的名声证明了人工智能日益增长的复杂程度。随着技术的成熟,人工智能的预期经济影响不容忽视。像之前的蒸汽动力、电力和计算机一样,人工智能的出现有望成为一种新的通用技术(GPT)——一种应用范围广泛、增长迅速、经济影响巨大的技术——成为第四次工业革命的基础。[1][2] 即使现在,企业和机构也正在学习利用人工智能来自动化以前只能由人工完成的任务。例如,人工智能正被用于自动化数据输入和处理、分析医学图像以及自动化客户服务。[3] 将人工智能整合到商业和工业中的益处预计将非常显著,因为人工智能被用于降低成本、使劳动力更具创造力、洞察隐藏趋势以及管理任务和工作流程。本文关注的是人工智能与业务整合的问题。本文旨在阐明人工智能的优势和劣势,概述人工智能在商业中哪些方面有用,并探讨该技术在未来工作和领导力中的颠覆性影响。

人工智能,也被称为机器智能,是一个广泛的术语,用于描述一组能够执行类似于人类智能的任务的技术。人工智能技术包括某些类型的硬件和软件,包括计算机视觉、机器学习、语音识别和合成,以及自然语言理解和处理。这些技术共同可以合成信息、识别模式、从经验中学习、解决问题以及做出决策。[3][4]

人工智能通过处理大型数据集并调整算法来寻找新的模式来解决问题。这意味着人工智能是迭代的,它通过运行问题的模拟、衡量其解决问题的适应性以及利用新的模式来提高后续代的效率来不断改进。[5][6]

总的来说,人工智能非常擅长执行和自动化具有明确定义目标的日常任务。这些任务包括使用现有输入复制和合成信息、计算数据以查找新模式以及制定建议。[7] 这些任务可以分为四大类:检测和分类、模式识别、预测和决策。[8]

虽然人工智能在某些任务上表现出色,但它也受到一些重大限制的约束。首先,人工智能无法产生新颖的结果。因为人工智能在预先确定的规则和标准化程序的范围内执行任务,所以人工智能无法产生任何不源于现有数据输入的输出。其次,人工智能难以保证质量。人工智能输出取决于训练过程中输入到它的信息的数量和多样性。然而,即使大量的信息也不能保证最佳或准确的结果。这是由于人工智能在生成复杂性方面的弱点。第三,人工智能受到大量资源成本的限制。人工智能需要大量的计算处理能力、数据存储空间、大量经过整理和编码的数据以及资金投入。[9][10]

对领导者的影响

[编辑 | 编辑源代码]

随着越来越多的行业试图探索人工智能的实施,一些领导者可能会质疑人工智能是否对他们的业务有利。虽然人工智能有可能在某些应用中非常有用,特别是那些拥有大型数据集的公司,但部署在任何企业中的技术的投资回报率并不总是肯定为正。[11] 在企业中实施人工智能之前,领导者需要谨慎观察该技术的两个局限性:投资成本和投资回报时间。首先,人工智能成本差异很大,具体取决于配置。除了人工智能软件外,还需要购买存储空间和处理基础设施。如果人工智能在内部进行管理,还需要聘请数据科学家。人工智能实施的成本总计可能从几千美元到数百万美元不等。[12] 其次,人工智能开发和实施需要大量的投资时间,才能使该技术变得有利可图。人工智能的部署时间可能长达一年。[13]

尽管存在这些局限性,但人工智能可以用来解决问题并创造解决方案,无论您的企业规模如何。实施人工智能的关键是要了解使用它的正确环境和情况。作为指导,在实施人工智能之前,重要的是要有一个明确定义的人工智能要解决的问题。接下来,需要数据来解决问题,数据越多越好。同样,您需要确定是否存在可以输入到系统中的必要数据。最后,需要合适的人员来监督项目,包括领导层和数据科学家来训练人工智能。[14]

参考文献

[编辑 | 编辑源代码]
  1. ParkerSoftware。 (2022 年 6 月 1 日)。通用技术:它是什么,它能做什么?https://www.thinkautomation.com/eli5/general-purpose-technology-what-is-it-and-what-can-it-do/
  2. Howard, J. (2019 年 6 月 22 日)。人工智能:对未来工作的影响。美国工业医学杂志,62, 917-926。 https://doi.org/10.1002/ajim.23037
  3. a b Vu, K. (2023 年 2 月 15 日)。10 个你不知道 AI 可以完成的人工智能任务。DZone。https://dzone.com/articles/10-artificial-intelligence-tasks-you-didnt-know-ai#:~:text=Natural%20language%20processing%3A%20AI%20can,well%20as%20analyzing%20their%20behavior
  4. Dordevic, M. (2022 年 8 月 23 日)。人工智能如何改善组织决策。福布斯。 http://forbes.com/sites/forbestechcouncil/2022/08/23/how-artificial-intelligence-can-improve-organizational-decision-making/?sh=7d3b412f2a1c
  5. SAS。 (2017 年 8 月 23 日)。人工智能 (AI) - 它是什么以及为什么它很重要。 https://www.sas.com/en_in/insights/analytics/what-is-artificial-intelligence.html
  6. CSU Global。 (2021 年 8 月 9 日)。AI 究竟是如何运作的?https://csuglobal.edu/blog/how-does-ai-actually-work
  7. Benhamou, S. (2020 年 9 月 1 日)。人工智能与未来的工作。工业经济学评论。169, 57-88。 https://doi.org/10.4000/rei.8727
  8. Lockridge, D. (2020 年 5 月 21 日)。人工智能擅长什么,以及它不擅长什么。Truckinginfo。 https://www.truckinginfo.com/358968/what-artificial-intelligence-is-good-at-and-what-its-not
  9. Sako, M. (2020 年 4 月)。人工智能与专业工作的未来。ACM 通讯,63(4), 25-27。 https://dl.acm.org/doi/10.1145/3382743
  10. Benhamou, S. (2020 年 12 月)。人工智能与工作:组织挑战。年鉴。 https://www.annales.org/enjeux-numeriques/DG/2020/DG-2020-12/EnjNum20d_11Benhamou.pdf
  11. Davenport, T., Mittal, N. (2023)。停止对人工智能进行修修补补。哈佛商业评论,https://hbr.org/2023/01/stop-tinkering-with-ai?registration=success
  12. Reilly, J. (2022)。2022 年人工智能的成本细分。Akkio。 https://www.akkio.com/post/a-cost-breakdown-of-artificial-intelligence-in-2022
  13. Abelmasov, N. (2021)。人工智能实施:商业影响和采用障碍。Computools,https://computools.com/ai-implementation/
  14. Rapp, K. (2022)。制造业中的 人工智能:现实世界成功案例和经验教训。美国国家标准与技术研究院,https://www.nist.gov/blogs/manufacturing-innovation-blog/artificial-intelligence-manufacturing-real-world-success-stories
华夏公益教科书