為什麼說人工智慧和機器學習是生產力的未來

生產力和項目管理市場正在蓬勃發展,並且正在以令人興奮的新方式繼續發展。我想知道項目管理中人工智慧的未來會是什麼樣子,所以我每天向在這個領域工作的創始人,生產力專家和未來主義者詢問未來五年和十年的預測情況。他們的回答很有啟發。

我們將使用AI作為決策支持,而不是決策。

Getting Things Done的發明者David Allen認為:「系統將會在提供相關數據方面做得更好,以便在適當的時間,在正確的地點,在任何情況下優化我們的體驗。我們需要將生產力系統視為我們決策過程的支持系統。「

所以,我們還不會使用AI來消除我們的決定並使其自動化,而是增強在任何情況下作出決策的能力。我也認為這是人工智慧的下一個可能步驟。大多數人不會相信計算機為他們做出決定,但他們確實在尋找信息來幫助做出這些決定。

艾倫接著說,「這些新的表現形式和趨勢都不像A.I.將為您做出決定。這是行不通的。我看到A.I.可以支持你的決定,但我們仍然會用我們的頭來作出決定。「

這不是機器人。 。 。

當大多數人想到人工智慧時,他們會想到機器人在做手工勞動來為我們完成任務,無論是Jetsons的Rosie還是福特裝配線上的機器人。我與此有關的問題是這個觀點太有限了。當然,機器人會變得聰明,但其他一切都會變得聰明。在線視頻系列In a Nutshell背後的團隊發布了一個很棒的解釋視頻。

現在,一個能夠識別你的動機水平並給你適合這個水平的任務的應用程序不是不可能的。可以回答簡單的服務問題並從回復中學習的機器人已經存在,並且取得了一些成功和一些重大失敗。

Smartsheet公司首席執行官馬克馬德認為,將AI視為巡迴機器人是沒有意義的,他說:「進一步看,毫無疑問,自動化 - 不要以為機器人會從你的一天中去除普通的和非生產性的工作步驟 - 將增加。機器學習將能夠預測員工正在努力做什麼並使他們的工作更輕鬆。怎麼樣?通過自動收集完成任務所需的信息,填寫表格並與適當的人員分享。「

我看到了兩者的結合。具體來說,在項目管理中,我看到了一個未來,機器將能夠使用實時數據預測變化並相應做出更改。這是機器人學習和機器學習相結合的關鍵:考慮裝配線系統推出燒烤設備。系統將能夠預測由於即將到來的假期需求會增加,並自動告訴生產線上的機器人增加產量。我不確定他們之間是否會做出人為的決定,但我認為,隨著我們對機器的決定更加舒適,我們會給他們更多的控制權。

這是我做出的決定。

人工智慧遠不是人,更不用說超人了。正如我指出的那樣,我們已經發布了機器學習機器人,並帶來了一些非常可怕的結果。機器還不善於理解語境或諷刺,所以當我們讓他們學習時,他們通常會錯過標記。

然而,使用機器來幫助做出決定似乎是目前唯一的出路。作為決策支持的一種形式,生產力專家Carl Pullein認為,「機器學習和人工智慧將轉向創造生產力工具,以便為您安排會議和任務,並能夠根據您的需求了解需要完成的工作上下文,你在哪裡,需要做什麼。「

像Grammarly這樣的機器學習工具已經上市,但隨著這些決策助手變得更加知名,他們正在進入更複雜的領域。把它想像成你的Facebook時間線演算法或垃圾郵件過濾器,而不是你的待辦事項清單。

就像教育一樣,訪問是機器學習的關鍵。

要了解我們現在的位置,請考慮一直在使用和學習的系統。您的電腦瀏覽器會與谷歌,Facebook以及任何數量的公司進行對話,您所做的,點擊,購買和超出的內容都將被存儲。現在,隨著物聯網最近的趨勢,這些東西正在遠離我們的電腦和手機,並成為我們日常生活的一部分。並獲得一路上的數據。你的智能冰箱可能能夠告訴當地的超市你每周喝多少水。如果當地每個人都有一台智能冰箱,那麼這家超市就可以更好地決定儲備多少水。

生產力心理學家梅麗莎格拉蒂亞斯認為這個系統也適用於我們的工作場所。 「大多數應用程序和程序都要求用戶有針對性地與該工具進行交互以便使用它。我們將看到更多的智能家居,智能汽車和語音激活的入口點,無論身處何處,該工具都可供用戶隨時使用。她不必停止她正在做的事情,例如,將任務添加到她的任務列表中。「

所以,超市不僅要知道需要購買什麼,而且您的冰箱將在下周知道要添加到購物清單中的內容。自動,通過學習的行為。

我所談到的所有專家都認為,決策支持可能是短期內唯一的出路。機器正在被教授人類的決定偏好,因為他們無法自己辨別背景。所以,我們需要教育機器如何像人類一樣思考。像Alphabet這樣的公司已經在研究它,DeepMind等項目處於AI和機器學習技術的前沿。其他人,如艾倫馬斯克的OpenAI,正在努力確保人類對惡意AI的恐懼永遠不會實現。當我們學會信任這些系統時,採用會很快跟隨。由於它們如此普遍,它們一定會觸及所有行業。

更多人工智慧請關注微*信公眾號:智德物聯科技或者微博@智德物聯科技。

本文部分內容根據Martin Welker在Entrepreneur網站的文章編譯而成。


推薦閱讀:

國內AI陷入自嗨,谷歌發現第二太陽!人工智慧找到外星人已不遠?
96分的模型跑出69分的效果,誰該背鍋?
十分鐘搭建人臉識別小遊戲
攻擊神經網路有多難?去掉一個像素就夠了
2017年 AI安全風險白皮書

TAG:人工智慧 | 機器學習 | 生產力 |