第一批人工智能已經下崗了

　　叫囂著要取代全世界的人工智能，終于在最近陷入了失業的煩惱。

　　據報道，瑞典的一家在線銀行Nordnet準備對自家的AI員工Amelia炒魷魚。Amelia去年夏天剛剛入職Nordnet，其日常工作就是幫客戶開個銀行戶頭、處理一些銀行數據等任務，正常來說速度肯定是應該比工作人員要快，銀行的工作效率和效益也該有個明顯的提升。

　　事與愿違，這一年來，Amelia好像并沒有表現出一個三好學生該有的能力。

　　其實Amelia并不是第一個被解雇的人工智能。今年一月份，英國的一家超市就解雇了一個上崗僅僅一周的導購機器人Fabio。超市的初衷是它一能吸引顧客，二能幫助賣貨。然而幾天之后，他們發現這兩件事兒Fabio一件都沒做好，甚至有些顧客看見它都繞著道走。

　　這是怎么回事?正常來說，AI在提高工作效率這方面是共識，但上崗不久就被炒魷魚，多少令人有點意外。但細細想來，以如今AI發展的程度而言，其被解雇其實也算不上是意料之外的事情。

　　應聘自稱技術流，上崗才發現活不好

　　在所有最可能被AI取代的工作當中，銀行工作首當其沖。原因在于，相較于其他行業來說，銀行擁有龐大而又相對完整的數據積累，而進行數據分析又正是AI的拿手好戲。一個要算，一個能算，簡直無縫貼合。

　　但這并不意味著AI在銀行就可以暢行無阻，至少這并不是如今的AI能完美而為之的。盡管在實驗室中，開發者們已經針對AI可能遇到的各種問題進行了全面模擬，AI也在這過程中表現得游刃有余，但一旦投入實戰，其實用功能仍然有可能會受到挑戰。以Amelia被炒為例，其可能是由于以下兩個原因所致。

　　第一，算法的問題。算法存在問題，其對數據的處理就會存在誤差。雖然銀行擁有完善的數據，但如果沒有合適的算法進行處理，或用了不合適的算法進行處理，其得出的結果仍然是不可接受的。比如在分析報告這方面，目前仍然是人類分析師為主，原因就在于AI對動態性很強的金融業務上可能存在分析的誤差。而銀行做的畢竟是錢的生意，總是出錯，客戶是肯定不干。

　　第二，溝通的問題。既然是用的AI系統，那么其要解決客戶問題就一定會涉及到語言溝通。銀行是一個非常繁忙的金融機構，我們能看到的場景就是銀行每天都是在排隊。如果AI的連續性對話和專業性學習不徹底，其在于客戶溝通的過程中很可能會答非所問，造成遲鈍、誤解等問題，這一定會影響工作效率、消磨客戶耐心。

　　而Nordnet又是一家線上銀行，其對AI的語義識別對話能力的要求自然更高。這點兒類似AI客服，說不好話就賣不了貨，賣不了貨就只能等著被炒了。

　　對導購機器人Fabio來說，溝通不暢或溝通體驗不好一定是超市將其“辭退”的重要因素。也就是說，不是打著AI的名頭就一定會生意興隆。最核心的地方在于，技術是否真的成熟到足以應對任何情況。畢竟客戶把AI買過去不是為了讓它學習，而是掙錢。

　　本想事半功倍，奈何入不敷出

　　無論是雇傭AI還是雇傭人力，公司的目的只有一個：賺錢。但公司花了大錢把你招來，你卻坐吃等死，那就只能將你掃地出門了。

　　據Nordnet稱，去年為了引入AI技術，公司付出了巨額代價。整個2017年的年利潤僅為2.47億瑞典克朗，是2012年以來的最低水平。雖然不能確定銀行利潤的降低一定是引入AI所致，但真正實用的消費級AI產品價格尚且不菲，遑論以提高利潤為終極目的的企業級AI解決方案。

　　Nordnet從AI系統提供商IPsoft購買的是一套解決方案，而不僅僅是一個AI柜員，花了多少錢我們也不得而知。但是看一下各大公司在研發AI方面的資金投入：百度每年投入100億元、歐盟計劃2020年之前投入15億歐元、2014年以來中國人工智能累計投入超過600億元……不僅如此，AI人才動輒百萬美元的年薪，這些成本都會加在銷售給C端的產品上。

　　因此，正處于前期布局、投入、研發的AI，有一點是可以肯定的，那就是成本居高不下。

　　從這個角度來說，能在這個時候冒著賠本的風險去品嘗AI的公司，都是勇敢者。

　　但是一旦發現投入與回報不成正比，甚至因此而虧損，公司則為營收考慮不得不對AI下刀。畢竟AI的意義在公司看來，絕不是個花瓶。所以，可能在一段時期內，由于研發的持續投入，AI的使用成本仍然不會是一個小數目。對公司來說，AI的工作做不好，和AI做好了自己的工作卻沒有掙著錢，沒有任何區別。解雇，也就是個時間問題。

　　物不能盡其用，鍋不能AI背

　　當然，所有的鍋也不能全都讓AI背了，畢竟能力有多大它自己也沒辦法。這中間還可能存在的一個問題是，開發者和使用者的斷層。

　　這種斷層體現在，開發者窮盡己之所能，沒日沒夜地做出了自己認為非常完美的產品，覺得考慮到了實際過程中可能產生的所有問題，應用起來完美無缺，結果，客戶不會用。

　　這就是個大寫的尷尬了。這種感覺就像你買了個上萬塊的手機給奶奶用，她卻只拿來照鏡子。蘊含了開發者滿腹才華的產品，在客戶手里并不能發揮出其全部效能。AI如果是因為這個被解雇，實在是有點冤枉。

　　事實上，這種情況的確值得注意。在關于AI會取代人類的什么工作的大討論之后，有人就拋出了“人工智能不能取代教師，但不會用人工智能的教師將會被取代”的觀點，其中的教師可以被換成醫生、律師、工人等等諸多職業。可以說，會AI就像會用手機一樣，未來將成為必需品。但對很多人來說，手機的功能并沒有被充分挖掘，所以他們很難區分出5000元的手機和1000元手機的差別：不都能打電話裝軟件?

　　所以，要讓客戶能充分發掘AI的潛能，或許可以從以下兩個方面出發。

　　1. 開發者“私人訂制”。開發者想做好一件東西，而客戶想要的是用好一件東西。這就要求產品一定是最適合客戶需要的。根據客戶的需求，體現出開發產品的差異化，讓客戶在使用的時候能夠更快地上手，才是發揮AI能效的第一步。

　　2. 客戶的技能培養。一般來說，客戶不需要知道AI到底是怎么做的，只需要知道怎樣才能讓它按照自己的指令工作就夠了。但即便是這樣，還是有很多人存在著學習的困難。比如很多年紀大的老師一輩子不會用電腦，也不愿意學，投影儀就成了擺設。因此，開發者在進行產品交接的時候提供全套的技術指導，才能在產品貼合自家需求的情況下，還能熟練操作，實現AI產品的價值最大化。

　　那么，通過這種方式來解決開發者和用戶之間的斷層，顯然對洗白AI“無用”的冤屈是有積極意義的。

　　人機協作效果好，AI“獨立”難有為

　　這就完了嗎?

　　實際上，被解雇的AI只能算作個案來對待，并不能將所有的AI應用一概而論，畢竟有更多的AI應用在如火如荼地燃燒著。這些應用身上也并未出現過所謂“不管用”或者“解雇”之類令AI尷尬的字眼。

　　那么，導致AI解雇是否另有原因呢?

　　我們發現，被解雇的AI和應用得風生水起的AI之間，存在著一個變量，這個變量就是：人為干預。而根據人為干預程度的不同，我們可以把這兩類AI分為獨立式AI和半獨立式AI。

　　所謂獨立式AI，是指人類沒有干預或干預較少、AI自主分析決策程度較高甚至完全自主決定的人工智能類應用。Amelia、Fabio基本都屬于此類，因為與客戶或消費者進行對話、分析數據并得出結論的過程，基本上是沒有人操作的，在此過程中其完成了與客戶的直接接觸。我們常見的內容平臺的審核方式，很多也可以算作此類。因為AI可以自主進行審核、通過或者駁回，在這個過程中沒有人工參與。這種獨立式AI很容易產生問題，比如內容平臺頻頻出事，雖然很多平臺都增加了人工審核，但是，誰知道呢?

　　而半獨立式AI則指的是人類干預較多，AI只是承擔前期的觀察、分析，最多再加一點初步結論，最終的決策仍由人類完成的人工智能類應用。比如用AI做各種預測、幫助醫生讀X光片、招聘、識別古文字、抓在逃犯等等。顯而易見的是，這類更多有人類干預和把控的AI反而是運行的態勢頗為良好。

　　也就是說，目前AI要完全獨立地承擔工作任務，也就是“替代”人類，可能還有些難度。有企業耐不住性子而趕鴨子上架，AI也很無奈。正因如此，人們更多地稱AI為“助手”。從“助手”向“替代”的轉變過程，可能就是AI降低自己被解雇概率的過程，也更是人類AI技術進步的一個過程。

　　當然，等到AI替代了人類之后還是會有“解雇”情況的發生，只不過這次被解雇之后頂上的不是人類，而是更優秀的AI。到那時候，開發者又將面臨另一場永無休止的戰爭。