AI革命第二波——商業智能化

第一波人工智能浪潮的基礎是給個別互聯網用戶的瀏覽數據貼上標籤，從而得知每位用戶的喜好，而第二波商用人工智能則是給傳統公司數十年來積累的大量專業數據貼上標籤，再用上運算法找出特徵作精準預測、判斷和決定。商用人工智能從數據庫中挖掘人類往往會忽略的隱藏聯繫，因為大部份人類只能根據強特徵（strong features）來做預測，例如人們可能用身體質量指數（BMI）這些強特徵去預測患糖尿病的可能性，而人工智能算法除了考慮強特徵外，更會將一些表面上毫無關聯性的弱特徵（weak features）也一併計算，將數千萬例子結合起來，可以發現一些對預測結果有幫助的重要聯繫。

傳統的財務公司或銀行貸款部門只會根據客戶填寫的申請書去作出貸款申請審核，具體操作是為各項欄目評分，然後計算總分，從而決定這個客戶值不值得放貸和可貸款的金額。但是商業智能化如Alipay（支付寶）和微信支付則擁有大量信息，這些數據包括有沒有過期歸還圖書館的圖書、轉換工作的次數、身體健康水平如心跳紀錄等，看似和信貸無關，但大數據一旦加入運算法，他們得出的結果除了比傳統的計算精準之外，結果更是動態的，過程只需數秒。Smart finance取代了傳統銀行客戶經理的工作。

金融是相對容易理解和首先採用的行業，醫療和法律是另外兩個緊隨的行業，他們採用弱特徵去幫助醫生和法官斷癥和判案。一位出色醫生的訓練，需要經歷一定數量的病案診斷，才可以準確對癥下藥，依靠的便是大數據和自我學習，我稱之為「人肉Al-phaGo」。不過，有了商用人工智能，便能從過去醫療病例的數據當中，快捷地針對病徵找出疾病，以免醫生因為經驗不足而作出誤判，避免因斷錯癥而用錯藥，耽誤了救治病人的時間。今天Business AI在醫學界中只是輔助角色，好讓所有醫生和護士都能聚焦於機器做不到的人類工作上，例如關懷病患，或更人性化地與病患分享診斷結果。

在司法界，內地的科大訊飛公司使用以往案例數據，比較所有證據，如證供、證詞、文件及背景資料等，找出供詞的矛盾點，提醒法官需注意哪些有爭議的地方。他們又用算法去評估提請假釋的犯人進行風險評估，是一個看不見的法庭助手，協助和輔導專業人員作出更佳決策，並非取代專業人員。

由於美國的公司和政府機構已經系統化地積累了數十年的數據，這一波較中國更有優勢，因此美國仍處於領先地位。但隨著中國企業和政府機構已意識到數據的重要性，中國將會慢慢把差距收窄。