CEO需知：解锁AI【人工智能】的9大关键问题

人工智能（AI）已不再是科幻小说的专利，它正逐步渗透到我们的日常生活和工作中。作为企业的决策者，了解AI的现状与未来潜力是您制定战略不可或缺的一部分。以下9大问题的解读助您在AI的浪潮中乘风破浪。

大致上，人工智能分为两种类型：标准式(Criteria Driven)人工智能需要人类编写一组“规则”，人工智能通过搜索符合这些规则来做出决策。数据驱动型(Data Driven)人工智能则在大型数据集中寻找模式——本质上，它自己找出规则。当今大多数人工智能都是数据驱动型的。根据定义，它需要大量高质量数据才能工作。生成型人工智能(AIGC)是一种创建内容（文本、图像、视频）的数据驱动型人工智能。自从2022年11月ChatGPT推出以来，生成型人工智能变得非常流行。ChatGPT是一种通用型人工智能，因为它可以执行多种任务。相比之下，专业化人工智能是为特定任务和行业设计的。

人工智能已在业界使用了数十年。Netflix利用人工智能推送您所中意的内容已有二十多年，也是标准式人工智能的早期形式之一，Google Maps是在2005年发明的。目前据统计，55%的组织有至少一个业务单元或职能部门中实施了人工智能。

标准式人工智能已深入嵌入汽车、制造和采矿等领域，而生成型人工智能影响了教育、文创、市场营销和创意等产业。我认为，未来大部分行业机会存在于医疗保健、法律职业或金融行业。

公开可用的生成型人工智能工具，如ChatGPT和Gemini，可“即插即用”地用于各种业务任务，例如撰写电子邮件、总结文件甚至编写代码。更复杂的任务将需要更多的模型训练，如果您拥有关于特定业务流程或问题的大量历史数据，您可以使用专业化人工智能来解决特定问题。但是对于任何人工智能应用，要知道人工智能不会100%时间都产生正确的答案。人工智能基于统计数据，所以有可能出错。

还不确定，就人工智能生产力的提升现在仍处于初期阶段，比如微软认为它们的Copilot工具使生产力提高了26%至73%，有些咨询公司宣称使用人工智能的顾问生产力提高了12%。另外有些客户服务中心使用人工智能后，能处理的通话数量增加了14%。然而，这些都是孤立的研究，尚不清楚生产力增长是否在企业级别上有所体现。众所周知，业务一个部分生产力增加可能导致其他地方的减少。

最著名的是偏见(当人工智能在有限的统计数据上训练时，会歧视那些不在此统计数据之外的人）和幻觉(生成型人工智能编造事实，研究表明，ChatGPT在大约20%的回答中编造了无法验证的信息）。这些可能会给公司带来重大的声誉和财务风险。例如，加拿大航空的聊天机器人错误地提供了客户折扣，但被法庭强制执行。在企业内部实施良好的人工智能治理对于理解和缓解任何潜在风险至关重要。

虽然许多人工智能工具是免费的，但更高级的版本通常需要订阅模式。这些可能会成为大型组织的重大投资。对于企业中更具体的人工智能应用，还会有额外的成本：收集和策划用于训练人工智能的数据、持续的维护成本、咨询和/或内部人工智能专业知识。这些成本可能很显著。

人工智能对环境的成本有些被低估。供电人工智能的数据中心需要大量电力和水。生成型人工智能系统的碳排放来自训练人工智能模型以及使用模型。Meta的Llama2估计在训练期间排放了291吨碳。据估计，一次生成型人工智能搜索需要的电力是标准搜索的十倍。

作者简介：

李徽徽 先生 Mr. Huihui Li

港大ICB客席副教授

多家500强和上市企业独立董事

多家私募创投基金专家合伙人

英国剑桥大学工商管理硕士及北大双学士