本文發表於《大眾科學》的前部落格網路，反映了作者的觀點，不一定反映《大眾科學》的觀點
企業正以驚人的速度變得依賴人工智慧。僅在去年一年，使用人工智慧的企業數量就增加了兩倍，目前有 37% 的組織正在使用人工智慧，一項調查顯示。
但是，企業希望透過人工智慧實現的絕大多數專案都失敗了。VentureBeat 報道稱，最大的原因之一是“不切實際的期望”。人工智慧被神化了，許多人認為這些技術會比它們最終表現得更好。
有時，它們似乎表現得非常好，但實際上它們卻以深刻的方式失敗了。這就是 Facebook 一直在努力解決的問題。該社交媒體平臺的技術被操縱以傳播虛假新聞報道並影響 2016 年的選舉。為了應對這種情況，該公司最近宣佈任命人工團隊來收回演算法在選擇和向用戶推薦新聞報道方面所做的一些工作。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
任何企業如何知道其技術是否比人類獲得更好的結果？我建議他們做我們做過的事情：設立一個競賽。
正如 IBM 的深藍擊敗了國際象棋特級大師加里·卡斯帕羅夫，其沃森擊敗了兩位 Jeopardy 冠軍，以及 DeepMind 構建的人工智慧系統擊敗了世界頂級的 AlphaGo 玩家，我想知道，我們的技術能否擊敗我，創始人兼執行長？
喜鵲 vs. 我
我與 magpie 進行了較量，magpie 是我的公司 filtered 使用的一組演算法，用於向企業中希望學習新技能的人們推薦學習內容。Spotify 為音樂所做的事情和 YouTube 為影片所做的事情，magpie 為企業學習所做。
這項挑戰涉及 200 篇《哈佛商業評論》文章。我們演算法執行的工作之一是根據文章在幫助人們學習有用的技能方面的價值對文章進行分類。其中最重要的一個方面是標記——將某些標籤應用於每篇文章，以便它在正確的時間出現在使用者的正確位置。
誰做得更好？簡短的答案是 magpie 大獲全勝——但我在一個方面做得更好，這非常重要且具有啟發意義。這裡沒有幸災樂禍；事實上，我們的目標是讓 magpie 變得更好，以便它下次也能在這個指標上擊敗我。
在發現正確的標籤來標記文章和識別 HBR 本身應用的本地標籤方面，magpie 完勝。它的結果不僅比我的更好更準確，而且我花了兩個小時才完成 magpie 在五秒鐘內完成的工作！
那麼我在哪裡擊敗了 magpie 呢？在“關鍵詞標記”方面——我們用這個術語來確定每篇 HBR 文章的主要內容。
這是一項至關重要的任務。如果我們的使用者希望學習編碼，而我們的引擎為學習者提供了一篇僅附帶提及編碼的文章，則學習者可能不會發現該推薦的價值。為了對學習者有所幫助，我們的系統還需要正確理解文章的本質；它需要知道這篇文章實際上是關於編碼的。
這項測試有力地提醒人們，人類在管理任何事情方面的持久重要性。如果您盲目相信人工智慧，將人類排除在流程之外，並且不進行人工執行的質量控制，您的專案很可能會失敗。
構建更好的演算法
在看到這些結果後，我們著手“教” magpie 如何更好地進行關鍵詞標記，以及如何在其他方面做得更好，因為即使在它擊敗我的方面，仍然有改進的空間。下次我們執行測試時（今年年底），我們期望 magpie 在理解文章的主要內容方面勝過我，並在所有評分卡上都獲勝。
技術的這種無情進步會使人類過時嗎？不會。就像關鍵詞標記一樣，在可預見的未來，總會有一些人們更擅長的活動。構建更好的演算法來處理某些任務可以解放人們，讓他們專注於公司中其他重要的角色。
例如，透過將我們推薦系統的部分工作移交給人工智慧，我們能夠投入更多的員工時間來與客戶和潛在客戶溝通我們提供的產品及其工作原理。計算機還不能綜合和表達複雜的概念。它們也不能建立人際關係。
商業和社會未來的很大一部分是關於人類和人工智慧協同工作。好處是顯而易見的，並且可以在類似的正面交鋒中看到。
“半人馬”——由人類和計算機組成的單人團隊——已被證明在國際象棋比賽中勝過純人工智慧。正如麻省理工學院的《設計與科學雜誌》所說，“人類和人工智慧在不同的維度上都很強大。”透過協同工作，我們可以開闢新天地。