祁萌 發表於 2020-03-31 11:36:45
一種對人工智慧的迷信一直在全球遊蕩,眾多學者和產業實踐者希望能夠將這種迷信終結,讓它真正落地為社會大眾造福。韋青就是其中的一員。
微軟(中國)首席技術官 韋青即便在電話中,也能聽出韋青在提及貝塔朗菲、維納和香農這些學科巨擘時,心存的景仰。韋青是微軟(中國)首席技術官,而他們則是「三論」的發端。
系統論、控制論和資訊理論,這些發端於上世紀40年代前後的學科,至今仍是人工智慧的基礎數學方法。
不妨看看1948年諾伯特·維納在他那本數學名著,《控制論——關於在動物和機器中控制和通訊的科學》一書中「預言」的情形:
「現代超速計算機在原理上是自動控制裝置的理想的中樞神經系統,……可以分別利用象光電池和溫度計這樣的人造感覺器官的讀數,……利用應力計或類似的儀器讀出這些運動器官的運動情況,……去『反饋』給中樞控制系統。」
維納在這一段的末尾寫到:「自動工廠、無人管理的裝配線已經在望。」
72年後的今天,一些商業領袖正在讓這個預言成真。而且這些商業領袖在啟動智能化轉型前,並不需要親自去學習維納、「三論」,甚至數學。
不過在韋青的眼中,和AI研究領域需要在重新審視「基礎學科」的基礎上才能再攀高峰一樣;企業的數位化轉型也需要商業領袖們在信息化經驗之上,將更多的注意力投向實現智能化的基礎工作——例如企業資料庫模型的設計和企業目錄服務的搭建等。在這一點上,商業領袖尚未盡其能。
近年來人們過於被所謂的非結構化數據的說法所誤導,以為計算機是萬能的,丟進什麼數據都能產生人們所需要的結果。其實計算機所能夠處理的還是結構化數據,只不過可以通過各種技術手段,將前期無法充分建模的數據轉化為結構化的數據讓計算機能夠理解和加工。
這種處理和加工需要付出額外的計算和存儲代價,那麼企業為什麼不儘量在IT架構建設的前期就能夠設計出高效、實用的「業務-數據」模型結構,從而讓企業的數位化投入產出比更高、效率更優秀呢?
對於企業的關鍵數字基礎架構而言,另外一個經常被忽視的,而實際上非常關鍵的企業數位化能力就是企業的目錄服務。
企業目錄用結構化的數據把企業中的人、設備、場所管理了起來,一方面為物聯網時代的到來事先打好基礎,另一方面能夠實現安全、合規、高效、自動的企業數字基礎資源管理,這也是企業智能化能力的一種體現。
「因為有了過去一、二十年的結構化數據積累,所以我們能夠做出企業級的知識圖譜,這樣才有能力開發出很多現在被稱為自動化和智能化的功能來。」韋青認為,忽視企業的基礎數據治理能力而去追求智能化,近乎於緣木求魚,那是一種對AI的「迷信」,對數據的「輕視」。
越是基礎的能力越難以建立和複製,因此人們會幻想人工智慧最好可以從天而降——買一家公司,或者請一位業內大咖……企業的轉型便指日可待。
「這很難成功,因為思維方式沒有轉變。」韋青在不久前一次談論AI落地的演講中說,「這是一個盲人摸象的時代,誰也不敢說『我們』摸到大象了。」
他說,能用技術和錢解決的難題,其實不是難題;思維模式的改變才是企業數位化轉型的核心——就像愛因斯坦說的那樣:我們不能用提出問題時同一水平的思維,來解決問題。
「思維模式是改革的深水區。」韋青指出,任何數位化企業轉型都將需要重新審視公司內部每一項任務,每一個流程,才能談及和完成轉型。
這就像AI科研領域需要回望基礎理論一樣,商業領袖們也應認真對待自己的轉型基礎——數據。
微軟在過去幾年中創造了全球科技股的奇蹟,甚至讓人們說不清它是一家傳統科技公司,還是一家時尚的網際網路公司,抑或兼而有之。
它親手終結了那個「Windows為王」的時代,並讓Azure雲計算、Office 365生產力工具、Dynamics 365商務應用、Surface系列電腦成了自己的新標籤。
而今,既然在頂著成功轉型光環的這間公司中,一位中國的首席技術官仍對AI如此謙遜,那麼對於大多數還徘徊在數位化進程中的企業家而言,無論位置如何,也就沒有必要去繼續「迷信」那種可以「從天而降」的AI了。
但這並不意味著AI不能盡為我所用。200多年前與工業革命伴生的專業化分工協作,在這個數位化時代仍然熠熠發光。
2019年,韋青在一次校招演講時對畢業生重述了微軟公司CEO薩提亞·納德拉的說法,「如果你們想進入一個很酷炫的公司,我建議你們不必加入微軟;如果你想進入一間讓別人很酷炫的公司,那你來對地方了。」
在今天AI落地的語境下,這句話的大意就是微軟將會一直站在「PPT的AI」與企業的智能化轉型之間,為企業轉型賦能。
在最火爆的AI應用領域裡我們就能看到這樣的分工。例如無人駕駛,微軟為無人車提供自動駕駛、輔助駕駛技術和Azure雲服務,而不是自主開發無人駕駛汽車。
韋青提示,AI需要回望「基礎學科」,企業需要重新關切數據資產,不過他顯然不是想要來一場數位化或者智能化意義上的「復古」——這是一場數位化轉型或者人工智慧的「文藝復興」——就像那場發生在14到16世紀的歐洲思想文化運動一樣,人們「以古典為師」,推動了一場新文化運動。
怎麼樣,這聽起來是不是像極了「拉大旗做虎皮」?有趣的是,這場數位化轉型的「文藝復興」真的就發生在微軟內部。
還記得維納的控制論嗎?他提到了溫度計、應力計……,認為將這些讀數傳輸給「超速計算機」,便可以給人們帶來一個「自動工廠、無人管理的裝配線」。
微軟基礎設施運營團隊也在每個會議室部署了低成本的傳感器,以了解每個會議空間的更多信息,包括收集噪聲水平、溫度和佔用率等數據,並實時將數據提供給微軟內部應用程式。
員工當然可以在Outlook裡預定會議室,但如果定而不用,或者多定少用呢?這幾乎是人類的習慣,但卻會直接導致公司資源、能源的浪費。
微軟的基礎設施運營團隊可能同樣也沒有讀過控制論,但這並不妨害韋青的判斷,相反卻彰顯了它——對數位化轉型中「古典」學科的價值判斷,儘管這只是一個生動而有趣的巧合,並未涉及控制論本身。
基礎設施運營團隊利用了這些傳感器數據,他們藉此深入了解會議室和公共會議空間的使用模式,從而節省能源成本,為樓層規劃和會議空間分配提供建議。
別笑,這可不是一件小事兒。它直接幫助微軟理清了自身數位化轉型的路徑,並被寫在了微軟數位化轉型服務競爭力中,定名為「優化業務運營和流程」。
當然,它可能只是成百上千條優化經驗中的一份子,不過,誰又會忽視它呢?還在笑?去看看微軟過去幾年的股價吧。
「優化業務運營和流程」既是核心競爭力,也是微軟的數位化轉型路徑。路徑的完整構成包括了:重新思考與客戶交互、賦能員工、優化業務流程,以及產品與服務的轉型等。
如今,微軟已將這些內容確定為實現自身數位化轉型路線圖的核心驅動因素,也把這個轉型路線圖推薦給了客戶。
只要按圖索驥,商業領袖們一定會發現微軟CEO薩提亞·納德拉在2018年5月更新的微軟新戰略。它捨去了「移動為先」的提法,轉向「AI+雲」,並再次強調微軟是一間平臺和生產力公司。
這個新的戰略願景要為智能雲打造業內「最棒」的平臺和生產力服務,並讓智能AI來助力——這也是微軟未來的競爭力和增長點。
這項願景也就是此後微軟人工智慧的三大願景,它們分別指向了開發者、企業和個人。
面向企業的智能化轉型,微軟希望首先幫助它們解決人工智慧方面的幾大挑戰。這些挑戰一如韋青所強調的那樣——例如在企業內部數據戰略處理之前的數據準備階段,微軟要針對海量的非結構化數據,提供全面的數據準備工具和技術。
此外還有量身定製的人工智慧實施方案,例如Dynamics 365上的人工智慧。這些能力能夠幫助企業獲得針對銷售、市場營銷、客戶服務等方面的定製化方案。
當然,面向企業就一定會有微軟智能雲的三駕馬車Azure、Office 365、Dynamics 365。這些產品和服務將人工智慧融入到了企業用戶的每一個業務流程中,可以讓企業在短時間內,通過定製化的人工智慧解決方案獲得價值。再加上微軟新推出的專注於低代碼/無代碼開發的Power Platform平臺,微軟最終為開發者、企業和個人建立起了一個開放、閉環的數位化轉型平臺。
對於轉型中的企業而言,微軟的這些工具解決了問題的一半,轉型的思維方式和方法論則是另一半——就像韋青不厭其煩地在高校和各種場合向商業領袖們所傳遞的那樣。
它也被包含在微軟人工智慧願景中:助力企業管理與人才培訓。它的目標是幫助企業制定、部署和實施人工智慧戰略。
2019年8月,微軟與清華大學經濟管理學院、長江商學院和中歐國際工商學院聯合啟動全球首個線下互動教學與線上課程相結合的「微軟人工智慧商學院」項目(Microsoft AI Business School)。
這一學院的課程內容包括了定義人工智慧戰略、擁抱人工智慧文化、培養盡責與可靠的人工智慧,以及商業領袖必備的人工智慧技術四大模塊等。你可以看到微軟AI商學院的官網中免費收看這些在線課程的限時回放。儘管它的目標受眾是「商業領袖」,但對這個熱門話題,「未來的商業領袖」可能也有必要去了解一二。
「它的方法論是一個通用的方法論。」韋青說,這讓它符合了這個時代開放的特性,也才符合今天微軟的調性——擁抱開放與開源,因此商學院和微軟的工具是完全鬆耦合的。
如果你還記得連Office 365的副總裁也曾出現在蘋果的發布會上,你就會理解這一點。微軟的今天受益於此。
我們會記得納德拉提出的「云為先」戰略,它讓微軟佔領了企業級服務市場的制高點——只用5年的時間,就將微軟的雲計算業務推向全球第二——它是今天微軟萬億美元市值毫無疑問的「功臣」。
可也不能忘記,微軟是如何緊緊地擁抱了面向未來的開放性。正是這種永續經營的思維方式,讓微軟持續盈利,甚至在過去數年間完成了一次企業生命的再造。
商業領袖和那些未來的商業領袖們需要借鑑這一點,特別是在人工智慧方興未艾,智能化轉型風起雲湧的當下。
責任編輯:Ct
打開APP閱讀更多精彩內容聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容圖片侵權或者其他問題,請聯繫本站作侵刪。 侵權投訴