站点图标 产品经理的人工智能学习库

我的业务要不要用人工智能?引入AI前你需要评估的(四)

easyAI的blog

easyAI的blog

这是一个系列文章,从各个角度来评估一个问题:“我的业务要不要用 AI ?能不能用 AI?”

本期评估角度——黑箱

系列文章列表:

我的业务要不要用人工智能?引入AI前你需要评估的(一)

我的业务要不要用人工智能?引入AI前你需要评估的(二)

我的业务要不要用人工智能?引入AI前你需要评估的(三)

我的业务要不要用人工智能?引入AI前你需要评估的(四)

黑箱是人工智能的缺点

并非所有人工智能都是黑箱的,大家说的黑箱主要指当下最热门、效果也最好的「深度学习」。

在我之前写的《一文看懂深度学习》中,举过一个水龙头的例子,从那个例子就可以看出:深度学习的工作原理不是讲逻辑(基于规则),而是大力出奇迹(基于统计)

大力出奇迹会导致几个结果:

  1. 深度学习只能告诉你「是什么」,但是不能告诉你「为什么」
  2. 没人能预知在什么情况下会出现错误

下面的图片就会展示一些人工智能所犯下的「低级错误」。

而最可怕的是:当我们发现问题时,并不能针对具体问题来对症下药。

我们过去的计算机科学大部分是基于规则的,很像一台汽车,我们很清楚的知道这台车是如何组装起来的,所以发现螺丝松了就柠紧,哪个零件老化了就换一个。完全可以做到对症下药。

而深度学习则完全不一样,当我们发现问题时,不能做到对症下药,只能全局优化(比如灌更多的数据)。

扩展阅读:

深度 | Nature:我们能打开人工智能的“黑箱”吗?

打破人工智能算法黑箱

哪些问题不适合「依赖」 AI ?

由于深度学习的黑箱特性,并非所有问题都适合用深度学习来解决。

我们评估哪些问题适合,哪些问题不适合的时候,可以从2个角度来评估:

  1. 是否需要解释
  2. 错误容忍度

我们先从这2个角度来看看普及率较高的AI应用:

案例是否需要解释错误容忍度
语音识别用户只关心效果好不好,并不关心背后的原理是什么偶尔出现一些错误并不影响对整句话的理解。少量出错是可以接受的。
人脸识别同上相比语音识别,用户对出错的容忍度要低一些,因为需要重新刷脸。
机器翻译同上跟语音识别类似,只要大面上准确,并不影响整体的理解。

我们再看一些 AI 和人力结合的具体应用:

案例是否需要解释错误容忍度
智能客服用户不关心是人工服务还是机器服务,只要能解决我的问题就行如果机器客服不能理解我的意图,无法帮我解决问题,用户会很不满意。所以当机器搞不定 的时候需要人工来补位
内容审核对于审核不通过的内容,需要解释原因。通过的内容不需要解释为什么。有一种职业叫「鉴黄师」,目前正在逐步被机器替代,但是并没有完全替代,因为有时候机器会拿不准,这个时候人工来复审

最后看一些不适合AI落地的场景:

案例是否需要解释错误容忍度
推导定理科学是绝对严谨的,一定是从逻辑上推导出来的,而不是统计出来的。如果有例外就不能称作定理,一定是绝对正确没有错误的。
写论文人工智能已经可以写小说,诗歌,散文。但是论文这种文体要求非常严谨的上下文逻辑。论文里是不允许有错误的,全文的逻辑要非常清晰,哪怕一个细节出现了逻辑问题,也会造成整篇论文没有价值。

如果我们把上面提到的案例全部放在象限中,大致如下:

所以,在评估的时候有3条原则:

  1. 解决方案越需要解释背后的原因,越不适合用深度学习
  2. 对错误的容忍度越低,越不适合使用深度学习
  3. 上面2条并非绝对判断标准,还需要看商业价值和性价比,自动驾驶和医疗就是反例。

案例分析:医疗

人工智能在医疗行业的应用被大家广泛看好,因为医疗行业有很多痛点:

  1. 医疗资源不足,尤其是优质的医生
  2. 医疗资源的分配极度不均衡,中国很多疾病只有北京能治
  3. 其实医生的误诊率也很高(恶性肿瘤误诊率40%,器官异位误诊率60%)

目前的人工智能已经可以帮助人类做诊断并提供治疗手段。

奇怪的是:无论是从可解释性还是从错误的容忍度上来讲,医疗诊断都不适合用人工智能。

但当我们将人工智能作为一种辅助,最终还是靠人类来做判断和下决定时。人类和机器可以形成很好的互补。

工厂的发展也是类似的路径:

所以从「可解释性」和「错误容忍度」上可以评估出来哪些问题不适合「完全依赖人工智能」。

但只要商业价值足够大,还是有解决方案的——人类和机器相互配合,共同解决问题。并且随着技术的进步,不断减少对人力的需求。

扩展阅读:

人工智能辅助医生“阅片”:诊断准确率已超过95%

人工智能能够帮助快速诊断疾病  但却无法取代临床医生

2019中国人工智能医疗白皮书发布(附下载)

我的博客即将同步至腾讯云+社区,邀请大家一同入驻:https://cloud.tencent.com/developer/support-plan?invite_code=33ax06m8ysao4

退出移动版