從經(jīng)濟學的角度來看人工智能，與很多新興技術一樣，人們經(jīng)常會問：它如何降低成本?人工智能最大的意義就在于能夠通過預測降低商業(yè)活動和人們生活中的成本，當人工智能技術與其他技術聯(lián)系起來往往能發(fā)揮出最優(yōu)效應。
半導體技術的進步降低了人們運算的成本，讓運算能夠擁有更多的應用場景。在60年代，只有政府和軍事等場景需要大量的計算，但如今計算已經(jīng)開始應用于更多場景，比如需求預測等，因為計算能力的獲得更加便捷而且廉價。
因為運算成本的下降，人們開始把運算用于解決傳統(tǒng)意義上并不屬于計算范疇的問題，來進行預測，也帶動了其他相關的價值鏈發(fā)生了變化。當預測成本進一步下降，預測將能夠更多地用于解決傳統(tǒng)問題，比如如何進行倉儲管理，對一些容易變質的食物的需求做出預測，來決定商店進多少貨。通過預測，我們可以更加快捷、更低成本、更好地去解決問題。
物聯(lián)網(wǎng)技術方案提供商斑馬技術首席技術官Tom Bianculli告訴第一財經(jīng)記者：“按需經(jīng)濟時代之下快節(jié)奏的消費環(huán)境需要更多源于前端與用戶直接發(fā)生交互的業(yè)務數(shù)據(jù)，越來越多的企業(yè)通過在其‘邊緣’部署相關技術和設備，從而能夠高效地采集一線數(shù)據(jù)，并在線進行實時分析和預測，制定高效的實時決策?！?/FONT>
與此同時，“機器預測”還能用來解決傳統(tǒng)意義上并不屬于預測范疇的問題，比如我們從來不會想到自動駕駛是一個預測的問題。因為過去，工程師將自動駕駛汽車編程，用于可控制的范圍內(nèi)，比如工廠或者倉庫，并清楚地告訴它們在特定環(huán)境下應該做什么，比如人經(jīng)過時要停下來，或者一個貨架沒貨時就要去下一個貨架等等。但是我們沒法把這樣的“自動駕駛”汽車直接放在馬路上，因為那里有太多的“特定”環(huán)境，無法事先全都告訴它們，比如如果光線太暗，如果下雨，或者如果有車子突然變道等等，這些“如果”不勝枚舉。
但今天我們已經(jīng)可以把自動駕駛歸類到“預測”的問題了。伴隨著人工智能的出現(xiàn)，自動駕駛汽車只需要回答一個問題：一個好的人類司機是怎么做的?所以教會人工智能開車，我們只需要把一個人類司機放在駕駛位上，讓人工智能坐在邊上邊看邊學習。因為人工智能并沒有眼睛或者耳朵，所以我們需要給它們加上攝像頭、雷達和激光雷達(LIDAR)，“眼睛”就是對人工智能的信息輸入，以便讓它們觀察人類司機的做法，并且預測接下來應該做什么。
人工智能最初會犯下很多錯誤，但是它們會通過這些錯誤學習，并且在每次做出錯誤的預測時自動進行信息更新，就和人類一樣，這樣它們的預測就會越來越準確，甚至達到人類的水平，而不再需要人類告訴它們該怎么做，這樣人工智能就擁有獨立執(zhí)行任務的能力。
如果把人工智能想象成收音機的聲音旋鈕，那么通過調節(jié)這個旋鈕，就能增加人工智能預測的準確性。數(shù)據(jù)分析公司SAS首席技術官Oliver Schabenberger告訴第一財經(jīng)記者：“人工智能在重復行為方面能夠比人類系統(tǒng)更快，通過調節(jié)不同的參數(shù)，從而試出能夠達到最佳商業(yè)效果的解決方案，這也就意味著，它們確實能夠找出更好的規(guī)則?！?/FONT>
當然，當“機器預測”逐步能夠開始替代人類，人們會質疑人類的預測是否不再那么重要。盡管人類的判斷往往帶有主觀性，但判斷是機器所不具有的能力，機器只會把預測的結果告訴人類，讓人類來根據(jù)這些預測做決定，因此人類判斷的價值就會上升。通常判斷和預測是人類在做決定時所并用的。
（轉載）
