教谷歌大老板怎样用ai管公司的她不提人工

　　教谷歌大老板怎样用 ai 管公司的她，不提人工智能，只讲决策智能

　　 15:1 来源://

　　原标题：教谷歌大老板怎么用 ai 管公司的她，不提人工智能，只讲决策智能

　　你有没有过一个经验，突然听到一个新字眼流行起来，身边每个人都在说，你对它只是一知半解，但却不好意思开口问清楚？谷歌有史以来第一位首席决策科学家（chief decision scientis）凯西柯兹科夫（cassie kozyrkov）认为，这就是现在绝大数人对机器学习（machine learning）的状态。

　　谁是凯西柯兹科夫？她是谷歌的首席決策科学家，这个工作岗位是谷歌在今年创造的新岗位，她最主要的工作就是对谷歌高层的决策进程与如何应用 ai 策略提供建议，协助将谷歌打造为一个数据驱动的组织，简单讲，这就是一个“教”谷歌高管们怎么用 ai 管公司的工作。

　　教一家可能是全球最懂 ai 的公司高管们怎样用 ai？这工作的 jd(job diion) 听起来仿佛有些不可思议，但事实上，却有实际存在的必要性，因为，开发 ai 算法或产品是一回事，但要将 ai 运用在企业环境中进行决策，可是另一回事。

　　而柯兹科夫的工作是在谷歌内部推动决策智能（decision intelligence）创新实践，并已亲自培训过超过 15,000 名谷歌员工。

　　她在 2014 年加入谷歌，今年 月，谷歌为她创造出该公司有史以来第一位首席决策科学家（chief decision scientist）的职位，服务于谷歌云（google cloud）部门，主要工作是对谷歌高层的决策进程与 ai 策略提供建议，并协助将谷歌打造为一个数据驱动的组织。

　　也由于她，谷歌又界定出了这个称为决策智能工程学（decision intelligence engineering）的全新学科。据她解释，决策智能是一门跨领域科学，主要结合了数据科学和行为科学。

　　这是因为，在谷歌这样一个具有庞大数据的公司，需要有人能其在一系列产品和服务中应用机器学习技术，建立一个可靠的决策框架，让内部的个人和机器都能做出更明智的决策。但这样的框架并不存在，因此谷歌决定公司决定建立一个。

　　机器学习可以说是当前企业界最火热的字眼之一。然而很多时候，机器学习被过度神化，恍如遇到任何商业问题，只要找一些数据丢进机器学习模型，就可以得到奇异的解答。

　　但很多企业都失败了。柯兹科夫在日前于新加坡的一场“决策智能——重新思考传统”（decision intelligence – rethinking tradition）的演说中，厘清什么是机器学习，企业又该如何运用机器学习来进行商业决策。

　　柯兹科夫（cassie kozyrkov）指出，许多企业在使用机器学习时常常“用错误的顺序，然后不断失败”，以致于浪费资源，又得不到想要的结果。

　　图｜谷歌首席决策科学家凯西・柯兹科夫（cassie kozyrkov）（来源：mas）

　　在这场演说中，一开始，柯兹科夫先请在场听众举手回答两个问题，一是有谁知道如何制造微波炉？一是有谁没有用过微波炉？两个问题在场都没人举手。

　　她接着指出，一般人都不知道怎样制造微波炉，但却没有人不会使用。其实机器学习也是这么一回事。机器学习的研究和运用，不应该被混淆，但许多人或企业却都会犯这个错误，只是想微波食品，却找了一大群人来打造微波炉。这无异于是找工程师来下厨。即使结果成功，也只是因为刚好找到会下厨的工程师。

　　她形容，机器学习就像在厨房做菜，可以分成四个部份。第一个部份是数据，也就是原料。第二是演算法，这就是厨具。第三是模型，这就像食谱一样。第四是预测，也就是最终的菜色。

　　图｜柯兹科夫（cassie kozyrkov）认为机器学习就像在厨房做菜，可以分成数据、演算法、模型、预测等四个部分（来源：dt 君摄）

　　多数企业的需求只是要煮出一道菜，而不是要生产微波炉，但却常常犯了从头开始制造这些厨房用具的错误。其实，这或许也不能怪这些企业，由于当前机器学习的运用面确实还不够成熟。

　　她指出，机器学习很常跟人工智能（ai）被相互混用，实际上学界认为这二者之间有着分别。事实上，柯兹科夫把机器学习的定义简化成一个“事物”的标签机，它不是奇异的黑魔法，本质就是对其辨认的某个事物给予标签，只是与传统方式相比，机器学习是靠“范例”而不是“指令”来标签事物。

　　但无论如何，机器学习与 ai 有着共同原则，那就是两者都是运用数据、演算法、模型和预测，来自动执行一些很难用言语解释的任务。而这可以说是人类史上一个“全新的方向”。

　　柯兹科夫又将机器学习分成两种，分别是传统人工智能和决策智能，并定义前者是机器学习研究，用以打造通用型的工具。后者则是组合了机器学习应用、统计与分析，用以解决商业问题。

　　也就是说，机器学习可以分成基础研究面与实务应用面。想要下厨，不需要会制造厨具，只要懂得如何使用即可。而制造厨具的人，也不必然需要精于烹饪。

　　但她认为，目前企业界在运用数据结合机器学习进行商业决策时，人们经常用错误的顺序，也就是直接从数据、从机器学习下手来解决问题，然后不断失败。她说，“你应当从你的顾客开始，而不是从工具、从原料开始来解决问题。”

　　她进一步解释，数据是人工智能能够发挥作用的一个关键。但很多时候，企业常常没有真正厘清核心问题就跳到技术解决方案，然后将失败缘由归咎于是数据不足或数据过多。但实际上，如果能够真正厘清问题，就不难找出合用的数据。

　　不管怎么说，柯兹科夫强调，用机器学习来解决商业决策问题，其实比想像中要容易得多。只是企业必须避免本末倒置，搞错顺序，硬是找工程师来负责下厨。

　　-end-

　　*试听《有限与无限的游戏》（节选）