朱琳：人工智能要提高企业和社会价值，不能为了AI而AI
0分享至来源：高校人工智能与大数据创新联盟计算技术的改进，以及可用于训练的数据集海量增长，使得算法能力取得了巨大的进展。一方面，算法保证了一种形式上的客观性，例如它是一种更优的利用现有信息进行决策的工具，产生更小的噪音或偏差，不受人类主观、情感和偏见的影响等。另一方面，由数据驱动的算法意味着算法对客观性的承诺被更好地描述为对一致性的承诺，而这种一致性并不意味着绝对正确或没有偏见。未来人工智能算法方面如何兼顾发展与安全可控？搜狐财经《致知100人》对话微软-仪电人工智能创新院、上海仪电人工智能创新院有限公司总经理朱琳，分享她对人工智能发展的关注和思考。微软-仪电人工智能创新院、上海仪电人工智能创新院有限公司总经理朱琳
有人说人工智能如同一面镜子，反映着人类社会中已存的文化偏见。朱琳认为，算法的公平性取决于它所录入和用于训练的数据是否带有偏见。因为数据和数据集并非客观，而是人类设计的产物。人们赋予数据以表达，从中推理，并以自身的解释去定义数据的内涵。隐藏在收集和分析阶段的偏见将会对人工智能的应用带来一定的风险，而随着算法的广泛采用，对人们生活的控制也会日益增加，人们的担忧也随之加剧。朱琳谈到，近几年随着有监督机器学习的广泛采用，引起了人们对算法公平性的关注。因此，为提高算法的泛化能力，最好应考虑数据的受保护属性；并且为防止产生歧视，算法应受到公平性指标的约束。因此要实现真正公平的算法，让快速发展的AI具备“道德性”，需要算法的创建者、监管机构，以及负责收集数据的机构多方共同来努力。微软-仪电人工智能创新院作为人工智能领域里的先行先试者，一直强调科技向善的作用与力量。朱琳向《致知100人》指出，人工智能必须要发挥社会责任价值，以服务人类的工作和生活为最终目标。围绕算法定义的三要素：可解释；无限的接近人类真实环境和使用场景；尽可能减少计算的成本展开切合实际应用场景与需求的落地实践。算法可解释性是判断算法是否适用的重要依据，可解释性越高，算法内在逻辑、技术实现路径、决策过程、预期目标越明晰，算法更易于被理解、匹配、应用和管理。朱琳举例现在周围人人都知比特币，谈到比特币就离不开区块链。区块链是颠覆性技术，在未来会改变很多行业，就像很多年前的互联网，网络的区块链搜索，腾讯的区块链发票，阿里的菜鸟物流都在用区块链，目前很多企业都在研究如何采用区块链技术用于数字资产登记业务，使平台信息具有可追溯、不可篡改特性。在区块链产业发展初期，交易所、矿池、公有链等基础设施是最先落地，也是最有价值的项目，是构建其他上层生态的基础。目前制约区块链产业发展的一个重要因素，依然是基础实施的缺失。但是普通民众谈及区块链可能关注点都在挖矿炒币这一个点，耗费了大量算力电力，无法带来更广层面的社会价值，这是我们需要思考和引导的。谈及算法安全，朱琳向《致知100人》表示，当越来越多的算法深度介入人们的生活中必然带来相关的社会问题。但要让人工智能更加安全可控，仅有技术支撑还不够，这背后还需要行业标准、法律规范等配套的基础设施。只有不断加强网络安全关键技术研发，加快人工智能安全技术创新，才能提升网络安全产业综合竞争力。搜狐财经《致知100人》对话朱琳
以下为搜狐财经《致知100人》与朱琳的对话：《致知100人》：随着人工智能在社会各领域的全面开拓，目前人工智能技术处于什么阶段，在未来，人类应该如何与人工智能共处？朱琳：人工智能发展至今不过六十多年的时间，共经历了三次不同的浪潮。人工智能在发展早期属于技术驱动，在发展中期属于数据驱动，近些年来人工智能发展火爆，主要是受场景驱动。现阶段普遍定义的人工智能，都属于弱人工智能时期，AI在产业和科学价值上面还有非常长的路要走，目前还处于起步阶段，目前市场上我们所见到的人工智能，或者说能够帮助我们解决特定领域的一些问题的人工智能，在业内统称为弱人工智能。弱人工智能时期最主要的一个特征是机器可以达到令人满意的实际解决问题的效果，通过对于数据和场景的运用，显著降本增效达到非常明确的计算结果。而强人工智能就是能够执行“通用任务”（GeneralizedMission）的人工智能：它能够进行想人类一样有的学习、推理和认知解决问题，而且不是在特定领域中的问题。在未来人工智能将部分取代人类的工作，程式化的、重复性的技能将失去价值。因此我们的工作必须具备足够的深度，让自己强大到不会轻易被机器撼动。比如天马行空的设计以及人类独有的情感表达能力等都很难会被机器所“学习”。人工智能需要我们以平常心去对待，以科学严谨的精神去探索，以敬畏之心去教导、去实现。《致知100人》：如何应对AI可能对社会产生的负面影响？朱琳：科技的进步激发了人的想象力、创造力，助力学科发展，推动社会进步。但从辩证的角度来看，科技的影响也必然分为正反两方面，可以“作恶”，也可“行善”。在科技全面赋能各领域的今天，引导科技向善已然成为全社会的期待。微软-仪电人工智能创新院作为人工智能领域里的先行先试者，一直强调科技向善，人工智能要在社会上发挥社会责任价值，是以技术为导向，服务人类的工作和生活为最终目的。“向善”是科技的使命，更是科技缔造者的初衷。应该说，科技向善是科技价值的最好体现，它改变了人们对美好生活的想象，它也正在赋予这个社会更多能量，给大多数人带去红利、便利。科技赋能，向善而行，必须不断推动科技创新，带动技术升级，提升科技含量，持续改善人们生活品质，促进社会效率和效益的提升。《致知100人》：是否需要一些新的道德准则？道德准则是否可以内化在算法之中？朱琳：如何利用技术去更好的服务我们的工作和生活，从算法的角度它有三个关键要素。第一，算法要可解释，任何一段所谓抽象的算法数学题，最终还是要应用在落地的实际场景中，对于人工智能领域的科学家和研究员来说，就是可解释，可被使用。第二个要素，需要无限的接近人类真实的使用场景和环境。原来我们定义人工智能时希望机器能说、会听，然后会思考。但是我们往往忽略掉了这些都是人最基本的认知功能，所以人工智能的技术最终就是要无限的去接近人类。第三个要素是尽可能的减少计算的成本。包括它的评价、收益问题。如果我们大规模的使用算力，去计算出一个可能不会对社会带来普遍共性的社会责任和价值的技术问题，会耗费很多不必要的资源。回到AI伦理、科技向善等话题要要有可为、有可不为。如何在确保技术发展的同时真正为人服务，需要各方负起责任。政府除了要加快研究新兴技术领域的法律规则外，还要对新技术应用进行规范和引导，出台行业标准和配套监管机制。企业当然也得对技术产品负责，比如在微软内部专门成立伦理道德委员会，严格审核每一款人工智能产品所有企业都应树立一个理念一一只有能对人、对社会产生正向价值的产品，才是“向善”的产品。如果在现有的业务模式下，没有为企业提高效率、节省成本。那么就不鼓励使用人工智能，更不能为了AI而AI。《致知100人》：您对人工智能教育热怎么看？人工智能教育发展将走向何方？朱琳：现在各领域对于高水平AI人才的需求也在不断扩大。“创新型、应用型、技能型”的复合型人才培养是当今时代发展趋势下的必要需求。为了应对关键型人才短缺的状况我现在所在的公司微软-仪电人工智能创新院联合微软亚洲研究院，联合打造了AIM课程，瞄准人工智能战略落地最核心的“C位”—AIManager（人工智能经理），从技术、管理和实践三个方面，以多元的授课方式，帮助AIManager更好地实现业务与AI的融合，加速企业的数字化转型。同时创新院先后开展人工智能普及班、人工智能赋能数字化经理班等，人工智能专业化技术培养等专项培训，成立至今已先后培育600余名高尖端AI人才；另外在人工智能早期阶段的通识教育领域，2021年9月，创新院联合上海师范大学将在上海试行四所本科院校，展开AI通识教育选修课的推广试点。青少年的AI教育市场现在比较垂直,年龄趋近于低龄化。一方面是中国家长过分的焦虑，在未来的职业规划和发展上，家长希望过早的进行这方面的定制化培养，希望孩子能够跟上时代发展的步伐。但人工智能行业跟传统的专业化技能培训不同，首先技术发展迭代的速度非常快，另一方面AI的培训更加注重培养的是青少年思想意识、自信心、创新精神与实践能力。现在青少年朋友有的学python，有的学C++，对人工智能技术的理解和应用缺乏体系化和逻辑化的引导和学习。所以在目前阶段，家长第一要给这个技术的成长和迭代多一点时间，第二要关注孩子的认知能力和逻辑推理能力的培养而非仅仅掌握一门开发工具。搜狐财经《致知100人》对话朱琳
《致知100人》：微软-仪电人工智能创新院主要培养哪些人才？在新发展格局下，如何打造人工智能人才体系？朱琳：中间管理层能否真正发挥作用，是企业数字化、智能化转型的关键。这就好比太极拳中强调的“腰如车轴，四肢如车轮，如腰不能作车轴，四肢不能转动”，中间管理层就是企业的“腰部”，起着承上启下的作用，任何转型、变革都取决于“腰部力量”是否得力。然而，目前处于各企业中间层的管理者们虽然大多已拥有十几、二十年的行业工作经验，但此前涉及的AI相关知识较少，而且近年来科技的飞速发展也使得以往的技术体系产生了翻天覆地的变化，他们该如何获取AI知识和技能？事实上，即便了解了机器学习、自然语言处理、计算机视觉等AI技术的原理和最新的研究进展，对中间管理层/AIManager来说也并不能解决企业应用中的根本问题。从AI落地角度来看，AI的话语体系与业务体系并不相通。AIManager需要能够理解AI可以或不能解决哪些问题，需要能够判断一线AI技术人员的反馈是否对项目推进有意义，需要能够结合技术调研结果与业务诉求，制定可执行的AI策略，这些不是学习某一个机器学习模型或是某个编程语言就能够达成的，而是需要对AI有一个系统的认知，并能灵活运用。除了AIM课程，创新院还提供了针对企业引领者（商业和技术领导人）、实践者（产品经理、项目经理、实战工程师、算法工程师）到观望者（初级业务人员和技术人员）的多层次课程。《致知100人》：上海仪电集团与微软亚洲研究院合作的研究方向和重点，以及应用场景，请举例。朱琳：创新院人工智能主要研究方向分为三个角度：第一是知识图谱。知识图谱是行业洞察量化的基础。在面对数据多样、复杂，孤岛化，且单一数据价值不高的应用场景时，利用关系深度搜索、自动关联递推业务流程规则和经验，从而量化企业隐形资产，挖掘企业核心业务转型需求，保持业务稳定、持续增长。融合知识图谱和深度学习，已然成为人工智能进一步发展的重要举措之一。知识图谱应用领域日趋广泛，尤其是在金融、教育等领域应用中发挥了极其重要的作用。传统企业如何把核心业务竞争能力与隐形数字资产去加以量化、复制，是可以通过知识图谱的技术去解决；第二是隐私计算。数字经济时代，数据业已成为企业和国家具有战略价值的核心资产，数据共享和流通将成为刚性业务需求，但隐私保护和数据高效流动之间的矛盾日益凸显。隐私计算，正是为解决这一矛盾而诞生的，通过技术手段实现在保护数据隐私的前提下，完成对数据的安全处理。隐私计算可以有效打破数据在行业、企业间的流动壁垒，未来有望开启数字经济时代数据利用新商业模式。第三是算法安全。因为在AI伦理相关，包括在人工智能落地的应用场景当中，算法是不是具有公平性，能否根据不同的应用场景、数据的维度去进行更好的、更透明的平衡和保护，这是算法安全里必须要解决的问题。比如众所周知的算法杀熟，同样的一段路径，有的人打车只需要20块钱，有的人就要40多块钱。这是因为算法过度的进行了技术层面的干预，对于频繁使用同一软件去进行约车的行为，做了一系列行为的标注，这也使得我们的用户可能在间接的过程当中被算法“杀熟”。算法的公平性取决于它所录入和训练的数据是否带有偏见。比如一些关键词，例如敏感、易猜忌、情绪起伏波动大，这些数据在采集收集的过程当中，它的指向往往偏向针对女性。还有一些关键词，例如勇敢、果断、充满责任心，可能它就会带有一定的指向和标签大概率会被定义为男性所具备的品质。从算法的角度，技术本身不应该带有差异和偏见，但是因为数据获取的角度和维度不一样，在使用过程中就会导致算法缺乏公平性。所以我们希望算法安全能在未来通过关键共性技术的研究，赋能到各行各业，让他们在使用和研发自己的算法过程中，考虑到数据的偏见性、算法的公平性、用户隐私保护等问题。在技术转化方面，创新院是以具备共性技术、行业认知和人工智能工程化的一流解决方案为核心能力载体，通过场景牵引、资源配置和创新实践，在城市治理、智慧校园、物流航运、金融服务、智能制造等领域打造理念先进、模式创新、效益突出、具有标杆引领效应的人工智能项目。比如与上海交通大学安泰经济与管理学院签署科研合作协议，共同构建产学研长期合作关系在人工智能商业课程开发、人才联合培养和AI科研项目等方面进一步合作。与上海海洋大学共建AI协同创新中心，围绕学生成才、教学管理、智慧校园合作开展前沿学术研究，用人工智能技术赋能高校智慧教育全景治理与决策。搜狐财经《致知100人》对话朱琳
《致知100人》：房地产物业在实现智能化的同时，如何保护社区用户的隐私？朱琳：在房地产物业这个领域里，用户的数据分为几个维度。首先就是在固定区域内的路径、行动轨迹。此外还有更具化的比如跟设备之间的交互，用户是否出现在特定区域内，用户是否在这个区域内进行了一些轨迹的发生，甚至跟设备之间的交互。传统的房地产物业行业里，最简单的获取用户路径轨迹的工具就是摄像头，通过摄像头的采集，可以做观察，但是不能对用户的行动甚至他下一步的行动去进行预判。比如用户乘坐电梯，只能知道用户在几层进、几层出，如果电梯在行驶过程中发生突发情况，那么在远程交互的数据管理平台上，只能通过摄像头看到发生了什么问题，没有办法直接发出指令去操控甚至保护用户的安全。所以现在市面上技术角度多半停留在影像数据的实时监控层面，聚焦的是“远程观察”。实际上利用人工智能+物联网技术，不单单能够追踪到用户的动作，还能通过用户行为去进行下一步的行动预判、反向控制管理设备运行或直接发出预警信号，联系就近响应或支持资源。《致知100人》：你理解和追求的智慧城市是什么样的？朱琳：智慧城市首先是一个综合生命体，从技术的角度建设智慧城市，第一阶段是推进数字化，使我们生活的世界可以通过数字表述出来；第二阶段是通过互联网将数字化的城市部件传输连接起来，实现网络化，如电子商务、电子政务等；第三阶段是在网络传输的基础上实现局部智能反应与调控，即智能化阶段，如智能收费、智能交通、智能工厂等；第四阶段则是万物互联阶段，城市各部分功能在人类智慧的驱使下优化运行，实现城市智慧化，基本建成智慧城市。这四个阶段不是截然分开的，后一阶段应以前一阶段为基础。智慧城市的最终阶段，可以真正享受到更加智慧化和人性化的城市综合服务。《致知100人》：碳中和下，新能源车、自动驾驶等领域投资火爆，很多企业投入这个智慧交通的领域，你认为智慧交通需要解决最核心的技术是什么？应该分几个阶段推进？朱琳：对于我们民众而言，自动驾驶日渐密集的宣传似乎在宣告着，那种只在大片里才出现的镜头很快就将在现实生活中普及，而事实上，自动驾驶离真正上路和推广还很远，要想实现自动驾驶，除了单车的智能外，还需要车与路的协同，对道路基础设施依存度很高，需要多个行业的配合，还需要大量的数据训练。目前，路测示范区被认为有助于帮助车企和自动驾驶公司补齐短板，而一个示范园区除了政府之外，还需要车企、通信运营商、自动驾驶零部件供应商等多方的参与。另外从能源的使用和消耗的角度，新能源汽车，比如纯电动汽车。我个人认为只是相对环保，相对于传统柴油发动机、汽油发动机为动力的汽车而言，新能源汽车是环保的，主要体现在它的排放污染物排放量的下降、噪音产生量上。但是，往深一层次想，纯电动汽车或者说双模汽车所用的驱动源——电，是通过火力发电、水力发电、光伏发电、风力发电产生出来的，那么火力发电和水力发电那就是污染的产生源之一。从资本的角度，很多企业大举投资建设新能源汽车，但从城市综合体的角度来看，虽然减少了一部分的传统柴油车的能耗使用，但为了新能源汽车增加了更多的充电桩，还要考虑更多的绿电使用和电力调度问题，另外就是新能源汽车电池的回收问题，这也是未来应该去思考和布局的问题。《致知100人》：如何看待目前的跨界造车热潮？朱琳：辩证的来看这个问题，一方面科技创新是提高社会生产力和综合国力的战略支撑，是国家发展的核心。从跨界造车的热潮来看跨界共创是未来发展的必然趋势之一。跨界共创可以结合企业自身最佳实践和knowHow降低转型、创新风险和成本。通过精细化分工可以提升研发效率。另外能创造颠覆性行业和新商业模式的往往都是其他领域的“门外汉”，跨界共创可以创造新的供给和新商业需求，综合提高市场竞争力。另一方面每一个企业都应该有自己核心的竞争能力，这是企业的长板，也能最佳地从长效机制的角度上发挥企业在社会上的责任和价值。但是如果每一个人都是因为概念热门而去学习，每一个企业都是因为资本追逐去关注，从国家战略、社会责任和文明进步可能会丧失科技“本来”的使命。国家有很多不被人关注的基础研发领域，包括一些卡脖子的技术攻坚项目。有很多的科学家们始终在默默无闻的付出。我们希望有越来越多的人尤其是年轻人能够关注那些不怎么热门，但是未来会对社会、对环境、对人类都有共性责任与价值的领域。希望大家能够更长远、更全局的考虑科技发展对于未来工作、生活，甚至国家战略上的意义。作为一名人工智能的技术工作者，我始终认为科技发展是第一生产力，科技创新始终要为人类造福，科技越是进步，人类越要永存敬畏之心。来源：搜狐商学院版权声明：转载文章和图片均来自公开网络，推送文章除非无法确认，我们都会注明作者和来源。如果出处有误或侵犯到原作者权益，请与我们联系删除或授权事宜往期精彩文章（单击就可查看）：1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.办特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端人工智能与信息社会——基于决策树和搜索的智能系统
1【单选题】一个运用二分查找算法的程序的时间复杂度是(B)。
A、指数级别
B、对数级别
C、常数级别
D、线性级别
2【单选题】人类对于知识的归纳总是通过(A)来进行的。
A、判断
B、枚举
C、猜想
D、预测
3【单选题】第一例专家系统是在(B)领域发挥作用的。
A、物理
B、化学
C、数学
D、生物
4【单选题】1977年在斯坦福大学研发的专家系统(C)是用于地质领域探测矿藏的一个专家系统。
A、DENDRAL
B、MYCIN
C、PROSPECTOR
D、XCON
5【单选题】考虑到对称性,井字棋最终局面有(B)种不相同的可能。
A、19683
B、138
C、91
D、44
6【单选题】根据课程3.6中所讲的井字棋估值方法,以下局面估值为(C)。
A、2
B、1
C、0
D、-1
7【单选题】除了问题本身的定义之外,使用问题特定知识的搜索策略被认为是(A)。
A、启发式算法
B、minimax算法
C、深度优先搜索
D、广度优先搜索
8【单选题】每一次比较都使搜索范围减少一半的方法是(A)。
A、二分查找
B、启发式算法
C、minimax算法
D、剪枝算法
9【单选题】根据图中所示的minimax算法决策树,根结点的估值是(B)。
A、20
B、16
C、9
D、19
10【单选题】根据图中所示的minimax算法决策树,图中估值为7的结点被称为(C)。
A、MAX结点
B、MIN结点
C、终止结点
D、根节点
11【单选题】图中的剪枝过程称为(A)剪枝。
A、Alpha
B、Beta
C、Min
D、Max
12【单选题】图中的剪枝过程称为(B)剪枝。
A、Alpha
B、Beta
C、Min
D、Max
13【单选题】围棋AI(A)是基于AlphaBeta剪枝算法的。
A、GNUGo
B、MoGo
C、DeepZenGo
D、AlphaGo
14【单选题】专家系统的发展趋势不包括(D)。
A、知识库变大
B、推理引擎更加专用
C、用户接口更多样
D、用户需求量减少
15【单选题】深蓝在开局阶段的算法主要是(D)。
A、二分查找法
B、AlphaBeta剪枝
C、深度优先搜索
D、启发式算法
16【单选题】(B)是第一个使用蒙特卡洛树搜索的围棋程序,在9×9的棋盘上击败了职业选手。
A、GNUGo
B、MoGo
C、DeepZenGo
D、AlphaGo
17【多选题】专家系统的主要组成部分包括(ABC)。
A、知识库
B、推理引擎
C、用户接口
D、自主学习系统
18【多选题】以下属于完全信息博弈的游戏有(ABC)。
A、井字棋
B、黑白棋
C、围棋
D、桥牌
E、军棋
19【多选题】蒙特卡洛树搜索的主要流程有(ABCD)。
A、选择
B、扩张
C、模拟
D、反馈
20【多选题】专家系统的适用领域的特征包括(ABCD)。
A、不需要额外常识
B、输入的数据可以客观描述
C、人类专家稀缺
D、用户需求量大
21【判断题】基于规则的AI系统由一连串的if-then-else规则来进行推断或行动决策。(√)
22【判断题】博弈树的每个结点表示一个动作。(×)
23【判断题】估值函数就是对每一个局面给出一个评价分数(√)。
24【判断题】AlphaBeta剪枝的效率一定比单纯的minimax算法效率高。(×)
25【判断题】二分查找是一个有效计算平方根的办法。(√)
26【判断题】零和博弈中,双方(或多方)的收益相加为0或负数。(×)
27【判断题】启发式算法与AlphaBeta剪枝类似,是从叶节点自底向上计算估值。(×)
28【填空】Google为了提升搜索引擎返回的答案质量和用户查询的效率，与2012年发布了知识图谱。
29【填空】在AlphaBeta剪枝算法中，我们把一个结点可能取值的上界记作 Beta值
案例：用人工智能提高生产率的八个场景
人工智能案例：用人工智能提高生产率的八个场景作者：CNET科技行者2017-11-0710:55人工智能技术正在融入现存技术产业。很多科技企业正应用Alexaskills、人形机器人以及各种人工智能技术以简化办公室工作，提升工作效率，提高生产率。以下是公司应用人工智能提高生产率的八种方式...随着科技的发展，人们的办公方式也在不断变化着。为了简化工作流程，提高生产率，越来越多的企业开始应用人工智能技术。
未来几年内，人工智能(AI)将创造百万工作岗位，包括一些热门领域(如自动驾驶汽车和深度学习)的热门岗位。
此外，人工智能技术正在融入现存技术产业。很多科技企业正应用Alexaskills、人形机器人以及各种人工智能技术以简化办公室工作，提升工作效率，提高生产率。
以下是公司应用人工智能提高生产率的八种方式：
1.oMelhorTrato.com
驻阿根廷信贷公司oMelhorTrato.com应用深度学习和TensorFlow这两项人工智能技术，实现了部分招聘流程自动化。其运用已开发的算法，可以筛选公司官网和第三方平台上的求职简历，设定特定条件便可筛选出合格求职者。
过去，人力资源花费三分之二的时间翻阅简历，而现在人工智能可以代劳。该公司合伙人兼人力资源部部长CristianRennella称：“员工利用一周时间便可以学会使用这款简历筛选软件，操作起来很容易。”
保证简历筛选算法准确无误，提高预测效果的一个重要环节是人工校核和预警系统。Rennella称，过去的三十年内公司生产率低下，为提升预测效果员工花费大量精力。而如今，人工智能仅用了三个月，生产率就提升了21.3%。
“能取得这一结果，我们很惊喜。多亏了人工智能，枯燥乏味、重复单一的体力工作实现了自动化。我们才可以投入更多精力到选拔人才上。”Rennella说。
2.PremiumRetailServices
零售管理公司PremiumRetailServices(PRS)应用人工智能为客户制定可预见的维护计划，分析数据变化趋势——公司也用这项技术帮助员工解决一些问题。如员工运用Sisense软件收集数据，可预测仓库匹配，预计员工抵达仓库的时长及报销费用等。
为了帮助员工掌握谷歌分析法，提升工作速度，实时作出明确决策，PRS的企业解决方案架构师AaronHayes编写了Alexaskill和PremiumGenius(GoogleHome的一项功能)程序。Hayes预计员工一到两个小时就能掌握这项技术。
Hayes表示，人工智能技术使生产率大幅提升，以前一周才能完成的项目现在仅需几个小时就能完成。还可以使用Alexa或GoogleHome的语音指令简化简单工作，如创建工作口令等基本操作，从而快速执行任务，“不久的未来这种科技将更重要，关乎公司的每一个决定。”Hayes说。
3.Blackbelt
人工智能营销平台Blackbelt不仅使用了自创的人工智能主导的营销平台，还应用了时间追踪分配(Allocatetimetracking)技术自动监控追踪员工电脑。
Blackbelt的首席运营官(COO)LizaNebel称，Allocate操作简便，容易上手，应用近一年就产生了巨大影响。
“进度缓慢或许是我们公司专业服务落后的罪魁祸首，但它又关乎公司利益和客户透明化。”Nebel说。
人工智能回答问题更为迅速，有助于完善平台服务此外，时间跟踪技术大幅提升公司生产率。过去数月的研发项目现在仅需几周抑或几天就能完成。人工智能体系既省时又省钱。
Nebel表示，“不要惧怕科技。众所周知，一个成长中公司预获得长期成功，需要建立强大的品牌意识，为目标客户绘制蓝图，在此基础上确立运营方式，决定投资项目，制定选拔人才方案，甚至选择合作的客户。人工智能可以帮助您运用更智能的方法完成以上所有工作。”
4.Coseer
三年来，战术认知计算公司Coseer一直应用自创人工智能技术服务客户，而且实现了内部认知工作流自动化。首席执行官PrafulKrishna称，借助人工智能帮助员工省去一些程序员认为枯燥乏味的工作。
“实际上，公司团队反而渴望工作模块中涉及‘乏味’的编程。因为现在他们玩转人工智能、训练人工智能、监测其工作成果，并给出回馈，”Krishna说，“就好像每个人都有自己的小团队为其工作。”
随着生产率的提升，小型企业能够与更多的客户合作。但培训过程难度较大，新进员工必须信任机器。一开始，员工们会尝试使用人工智能并手动检查。对人工智能的信任程度因人而异。
“所有的付出都是值得的，”Krishna表示：“不出几周就能得到回报，最久不过数月。”
5.EY
世界四大会计事务所之一安永(EY)十多年前就开始借助人工智能调查欺诈纠纷案件。
但最近，安永开始借助软件机器人实现智能自动化。据安永全球创新人工智能团队负责人NigelDuffy介绍，由代码控制而非物质实体，能为从事复杂工作的人群提供参考意见以减少重复作业。
安永投入5亿美元用于员工学习与发展，一部分用于机器人辅助办理员工入职手续，这个过程涉及大量邮件派发和重复工作。该公司还开发了机器人，两周内能进入处理员工信息和邮件，最终能为员工节省上千小时时间。
该公司还创建了系统辅助审计业务中的合同审查，而人工完成该工作往往要花费数小时。人工智能与人助操作相结合的新系统比以前单纯的手工操作更为精确快速。
“一旦企业将智能自动化技术大规模应用于生产运作，重新思考技术与员工结合后各自扮演的新角色将更重要。”Duffy说道。
6.NationalParksDepot
电商公司NationalParksDepot借助媒介平台营销和为客户提供服务。为更好地服务社交媒体上的客户，该公司研发了人工智能聊天机器人，与指定端口留言客户开展私人对话。
据渠道销售与市场部副总裁ElizabethSchirmerShores介绍，聊天机器人通过提供内部折扣码或新品购买渠道来吸引顾客。
Shores估计，通过聊天机器人与客户互动，每年能为团队节省50小时，因此，团队有充裕时间与客户进行深层沟通互动。此外，机器人有助于留住顶级客户，挽回有过较差服务体验的有可能流失的客户。
“顾客们已习惯从智能客服处获取该品牌常见问题的回复，并乐于从中得到实惠(例如发布的新闻、优惠码、品牌内部消息)，”Shores说道：“顾客们喜欢这类活动，因此企业应利用此类人工智能提高生产率以取得领先地位。”
7.Outreach
销售技术公司Outreach为Glassdoor和Pandora等知名品牌提供销售智能客服软件，这些企业在内部也使用自己的软件。
借助这种软件，销售代表不需要再盲目拨打大量电话，而是自动化工作流程，优先处理重要事项。销售代表们无需参照客户列表选择拨打对象，而是借助人工智能发现潜在客户，识别最有效通话。
首席执行官MannyMedina表示：尽管销售代表们需要花些时间接受人工智能的建议，但不依照这些建议工作的销售代表比利用人工智能的销售代表业绩差。
入职培训的一个重要环节是效仿那些成功的销售代表并学习他们借助人工智能制定销售策略。不用再忙于选择下一个通话对象，该系统使销售代表能够转而从事像推销这样更复杂的工作。就算已经成功，如果销售代表不借助这个软件，生产率还是会下降。
“我们可以轻松教会缺乏经验的年轻代表进行高效的电话客户测评，发现销售难题并应对它，而不是教他开放思想、渴望学习，”Medina说：“那是天生的，教不会。”
8.Mobiliya
全球企业移动公司Mobiliya达拉斯总部的秘书就是机器人。
据首席技术官AnkushTiwari介绍，机器人会询问走向办公桌的访客：“需要帮助吗?”还能提供预约服务和追踪行走轨迹。机器人无需培训就能处理简单的重复性工作，将员工们从其他任务中解放，也简化了管理人员的职责。
Tiwari称：“很多企业都能将这项技术应用于日常业务，特别是银行、保险公司和其他客户服务密集型企业，机器人能帮助他们完成基础业务。”
人工智能将不断应用于企业管理的各方面，促进管理效率的提升，改变管理方式。各企业需应用人工智能技术辅助他们完成工作，否则就有落后的危险。
1赞好文章，需要你的鼓励推荐文章对话科技行者3D引擎创投摩泛科技2023-06-2510:30摩泛科技沈杰：十年前，我们就想做3D引擎一支极为低调的创业团队背后的传奇故事。MokaSaaSHR数据合规大数据招聘2023-06-0217:49个人信息保护迎来“强监管”，如何影响跨国公司招聘？Moka联合大成律师事务所发布《在华企业招聘数据合规白皮书》（下称“白皮书”），结合对百余家在华企业的调研，深入分析并解读了中国个人信息保护法律制度、企业数字化招聘个保法合规建设现状等问题，并给出相应实务建议及Moka针对外资企业的通用解决方案。AI人工智能2023-05-3022:58短短22个字，这封公开信将AI风险与核武器并列！OpenAI也联署了！对AI的担忧程度，和AI的进化速度，都是指数级的。数字化转型默沙东医药亚马逊生命科学科学2023-05-2916:56当默沙东加速“上云”古人说“变则通，通则久”。默沙东之所以能长期做到双轮驱动，也是应用了变通的新办法：顺势而为践行“数字化”。人工智能成为律师得力助手，法律行业为之一变
文/陈根
当前，人工智能技术发展正与现实场景的应用紧密结合，对传统行业产生巨大的冲击和深远的影响。即便是法律这种人类社会的塔尖职业，也在人工智能的冲击下获得了广泛的运用。层出不穷的人工智能产品和技术突破正改变着法律这一行业的未来前景。
其中，把人工智能应用到司法审判领域已经多为人们所知。随着我国法院系统司法改革的日益深化，在网络上寻求司法服务的人数日益增长，以人工智能为代表的“智慧法院”的主要体现已经被进一步地予以明确，人工智能法官有望落地。除了广为人知的人工智能司法，人工智能对律师执业的影响也徐徐展开。
具有自动更新、分析、思考、预测功能的人工智能法律软件日益成为各地律所的常规工具，而不只是锦上添花。越来越多律师事务所开始关注、实施“知识管理”战略，其核心正是以人工智能为技术依托，改变包括服务质量、效率、与客户分享专业知识的要素，并影响律所的运营模式。
可以说，一场法律界的技术革新正在到来。
人工智能走进法律行业
一直以来，律师都被认为属于社会中的“精英”职业，具有较强的专业性，且处理的案件和问题也较为复杂。并且，律师所参与的诉讼过程会直接影响法庭的判罚结果，这就导致律师在法律案件中的作用显得尤为重要。
但就是在这样的“精英”、专业和重要背后，律师往往也面临着繁杂的工作与沉重的压力。正如网络流传所言“律师这个职业，就是拿时间换钱”——996的节奏，不光是程序员的常态，律师也同样如此。
律师通常分诉讼律师和非诉律师。简单来说，诉讼律师就是接受当事人的委托帮其打官司，而除了在法庭辩护外，诉讼律师的前期工作内容还包括阅读卷宗、撰状、搜集证据、研究法律资料等，一些大案件的卷宗可能就要达几十上百个。非诉律师则基本不出庭，只是负责核查各种资料，进行各种文书修改，工作成果就是各种文案和法律意见书、协议书。
可以看见，不论是诉讼律师，还是非诉律师，其很大一部分时间都是伏案工作，与海量的文件、资料、合同打交道。而法律的严谨性，同时要求律师们不得有半点疏忽。但就是这种这种大同小异的工作模式，重复的机械式工作，却顺其自然地成为了人工智能的对口优势，人工智能律师应运而生。
人工智能和法律行业的结合，最早可以追溯到20 世纪 80 年代中期起步的专家系统。专家系统在法律中的第一次实际应用，是D.沃特曼和M.皮特森1981年开发的法律判决辅助系统（LDS）。彼时，研究人员将其当作法律适用的实践工具，对美国民法制度的某个方面进行检测，运用严格责任、相对疏忽和损害赔偿等模型，计算出责任案件的赔偿价值，成功将人工智能的发展带入了法律的行业。
自此，法律专家系统在法规和判例的辅助检索方面开始发挥重要作用，解放了律师一部分脑力劳动。显然，浩如烟海的案卷如果没有计算机编纂、分类、查询，将耗费律师们大量的精力和时间。
并且，由于人脑的认识和记忆能力有限，还存在着检索不全面、记忆不准确的问题。人工智能法律系统却拥有强大的记忆和检索功能，可以弥补人类智能的某些局限性，帮助律师和法官从事相对简单的法律检索工作，从而极大地解放律师和法官的脑力劳动，使其能够集中精力从事更加复杂的法律推理活动。
从目前来看，人工智能对律师的重复性和初级性的工作显然具有替代作用。在法律咨询方面，2016年，首个机器人律师Ross已经实现了对于客户提出的法律问题立即给出相应的回答，为客户提供个性化的服务。
Ross解决问题的思路和执业律师通常回答法律问题的思路相一致，即先对问题本身进行理解，拆解成法律问题；进行法律检索，在法律条文和相关案例中找出与问题相关的材料；最后总结知识和经验回答问题，提出解决方案。与人类律师相区别的是，人类律师往往需要花费大量的精力和时间寻找相应的条文和案例，而人工智能咨询系统只要在较短时间内就可以完成。
在合同起草和审核服务方面，人工智能能够通过对海量真实合同的学习而掌握生成高度精细复杂并适合具体情境的合同的能力。其可以根据不同的情境将合同的条款进行组装，为当事人提供基本合同和法律文书的起草服务。
以买卖合同为例，只要回答人工智能程序的一系列问题，如标的物、价款、交付地点、方式以及风险转移等，一份完整的买卖合同初稿就会被人工智能“组装”完成，它起草的合同甚至可能会更胜于许多有经验的法律顾问的结果。
当前，人工智能合同分析服务已经蔚然成风，KMStandards、RAVN、SealSoftware、Beagle、LawGeex 等提供智能合同服务的法律科技公司越来越多，在人工智能技术的驱动下，合同分析服务的效率会不断提高，成本也会不断降低，流程将会得到改善。
人工智能成为律师之前
当然，人工智能进入法律行业，必然不会止步于最初级、最机械的、最重复的法律咨询服务、合同起草和审核服务等。事实上，人工智能法律系统的发展除了源于法律实践的需要——随着社会生活和法律关系的复杂化，法律实践需要新的思维工具，否则，律师、检察官和法官将法承受法律文献日积月累和法律案件不断增多的重负外，也受人工智能发展需求的驱动。
人工智能以模拟人的全部思维活动为目标，但又必须以具体思维活动为过程，一城一池地进行攻克。作为颠覆式技术，人工智能也需要通过对不同思维领域的征服，来证明知识的每个领域都可以精确描述并制造出类似人类智能的机器。
这意味着，人工智能还将随着其技术的发展，挑战更具有灵活性、自发性的法律任务。当然，对于当前来说，虽然人工智能可以进行法律咨询、草拟合同文本、诉讼案件结果预测，但是距离人类复杂的大脑思考则还有很长的路需要探索。
首先，人工智能欠缺法律人所特有的经验法则和逻辑思维能力。人工智能的运算基础和逻辑离不开人类为它设定的数据库，而数据库又是建立在现有的法律信息和裁判经验的基础上。也就是说，人工智能可以通过综合、融汇的方式放大人类的智慧，但却无法超越人类的整体认知范围。因此，人工智能在法律方面所能从事的业务领域也应该是以格式化、数据化、法律关系相对固定为特征的任务。
要知道，律师行为本质上是属于服务业的一种，律师执业在很大程度上是一种经验活动。律师不仅以纯粹的法律知识获取客户的信任，而丰富的执业经验和有效的处理问题的逻辑思维能力才是取得业务的关键所在。
人工智能虽然能不断地学习以增加其运算和预测的准确性，但其还无法以相对固定的运算模式和逻辑能力来应对不可控的案情和社会情势。当某些合同条款、商业框架、案件情况在之前从未出现过时，人工智能将不可避免出现失效的情况。
其次，人工智能欠缺对语言和情感的理解和处理能力。人工智能产品不具备人类特有的思想感情、价值观念和道德意识以及情势判断能力。法律服务是一个处理人类复杂法律关系为主要内容的行业，律师的服务对象是“动态”的人，而不是“静态”的物。律师为客户提供法律服务时，不只是专业的法律知识方面的信息输出，还包括其他方面的内容。
比如，对于处于情绪波动状态的客户，律师首先要做的是对他或者她的情绪进行安抚，然后再以自己的法律知识和执业经验对案件、诉请以及诉讼目的进行专业的分析、判断和解读。人工智能能够高效、准确地提供法律知识方面的解答，但是不能够对客户的情绪波动做出回应，这也是其与人类律师的根本差别所在。
事实上，机器人ROSS之所以会从事破产领域的业务，就存在了这方面的考量。显然，人工智能能够很好的融入包括金融、证券、投资、竞争的相关业务，是因为这些领域的业务模式相对固定，可以被格式化和数据化。而在比如离婚、继承、物业等涉及到情感因素、民间习俗、社群矛盾的范围中，人工智能能否很好地发挥功能，还有待考察。
法律行业的科技之变
目前，人工智能虽然并不能完全取代人类律师，但却已经对律师行业造成了影响和冲击。科技成果被广泛应用到法律服务中已经成为不争的事实，以人工智能为代表的信息技术深刻影响着法律服务业和法律服务市场的未来走向。
一方面，当人工智能能够从事一些法律咨询、合同文本拟定、诉讼结果预测时，也就意味着整个律师行业已经开始面临人工智能带来的挑战和冲击。实际上，人工智能产品在法律领域的使用，就是将法律分析意见的提供权从律师手中转移到程序设计人员的手中。
目前，高效而精确的法律信息搜集、归类、存储、检索以及文件阅读等已经成为“弱人工智能”具备的基本功能，而更高级的法律推理、案件论证、结论提取、案件预测、法律咨询等功能则是将来高级人工智能发展的方向。当普通法律服务能够被人工智能所替代时，相应定位的律师就会慢慢地退出市场，这必然会对一部分律师的存在价值和功能定位造成冲击。
同时，律师业所受到的这种影响最终也会扩展到法律的其他领域，比如，法学教育。在开设人工智能与法律相关课程这一方面，最先引领潮流的是美国斯坦福大学，该院教授保罗·布里斯特、汤姆·赫勒和鲍勃·穆肯在1984 年开始组织人工智能与法律研讨课。随后，美国东北大学法学院、乔治城法学院、密歇根州立大学等高校也陆续设立人工智能与法律的相关专业。
在我国，政府也就此给予了高度重视。2017年国务院发布的《新一代人工智能发展规划》，最早提出了打造“人工智能+”经济、社会、管理、标准、法律等横向复合型人才，鼓励高校在原有基础上扩宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式。
另一方面，传统的律师服务业是一个“以人为本”的行业，服务主体和服务对象是以人为主体。当人工智能在律师服务中主导一些简单案件的解决时，律师服务市场将会形成服务主体多元化的现象，法律人工智能的发展使用法律服务不再为人类律师所专属，律师的工作和功能将被重新定义和评价，法律服务市场的商业模式也会发生改变。
并且，与人类律师相比，人工智能产品的工作更为高速有效，而它所要付出的劳动成本却较少。因此，它的收费标准或将相对降低。未来，随着人工智能的介入，法律服务市场的供求信息更加透明，在线法律服务产品的运作过程、收费标准等更加开放。换言之，人工智能在提供法律服务时所具有的便捷性、透明性、可操控性等特征，将会成为吸引客户的优势。
不管我们接受与否，人工智能的发展都将对传统的法律职业都在产生巨大的变革。而法律行业所要改变的，不仅是整个行业的工作方式和运营方式，还有对人工智能的态度和信心。