人工智能与变革管理研究院AI小组活动之七

发布者:张钰歆发布时间:2019-09-11浏览次数:108

上海对外经大学人工智能与变革管理研究院AI研究小组第七次会议在松江校区举行。AI小组会议举办到第七次,吸引了越来越多的人员参与关注,首次参会的张立秋、胡森、汪海涛、胡俏同学分别进行了自我介绍,齐老师对大家表示欢迎,同时也表示欢迎更多的研究生、本科生加入。

 1 齐老师在介绍文献

会议开始,齐老师对研究小组每一位本科生的毕业论文的研究分别进行了交流指导。接着齐老师分享两篇文献,一篇是来自安永和亚太劳动力效能研究院发表的《决胜劳动力“U时代”——2019中国智能制造劳动管理调研报告》,报告指出智能技术催生了“人机新生态”,将先减后增重构劳动力,提出团队管理的变革建议。另一篇是来自普华永道发布的《人工智能和相关技术对中国就业的净影响》,报告结合AI对中国就业的替代效应和收入效应的预估来估算人工智能及相关技术对中国就业的净影响,对如何适应未来变化提出建议。

对于AI小组会议安排,齐老师希望每位同学两周汇报一次,争取每一次都能向前推进研究进程。接下来AI研究小组成员依次进行汇报。

首先胡帅波汇报的论文题目是《Siri, Siri, in my hand: Whos the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence》,作者通过白雪公主的故事开始讲述,通过讲述魔镜的功能,联系到现在具有相同功能的应用,美图手机的美颜功能,数据公司实时获取信息的功能,剑桥分析公司评测人的性格。作者认为AI定义的范围广泛,更像是电脑像人一样思考。现在处于第一代人工智能,狭义人工智能,只能用AI执行特定的任务,例如Facebook图像识别,标签用户,Siri理解你的声音进行反应,特斯拉的自助驾驶汽车;第二代人工智能,通用人工智能,可以推理,计划,自助解决解决没有设计过的任务;第三代人工智能,超级人工智能,真正的有意识,自我感知,具有科学的创造性,社交技能和一般的智慧。

AI是什么,不是什么,很难定义。现在AI的许多定义,侧重点不同,各不相同。此外,智能本身就很难定义,什么算(不)简单任务,并且AI发展迅速,5年前的智能行为,现在可能不值一提。作者通过讲述不同领域不同时期的AI的定义,引出了自己对AI 的定义——具有正确解释外部数据,从这些数据中学习,并通过灵活的适应来利用这些知识实现特定目标和任务能力的系统。

接下来作者将大数据,物联网和AI之间的关系进行了区分。物联网通过传感器和软件来收集和交换数据,将数据给AI 和大数据,大数据的数据除了来自物联网,还来自手机社交媒体应用和公司内部数据,大数据也是AI 的数据输入接口,AI对这些数据可以进行机器学习,感知数据,控制,移动,操纵等。

专家系统,不是AI,因为不具备从历史数据中学习的功能,采用自上而下的设计方法,通过if-then语句对规则进行编程,假定人类智力是可以通过规则来规范化的,因为人类智力是模糊的,很难转化成简单的规则,所以专家系统几乎不能执行包含复杂人类智能形式的任务。真正的AI,通过模仿大脑的结构,从数据中学习,采取自下而上的方式,相比较专家系统,可以执行更加复杂的任务。

作者从管理文献和对成功的(高于平均水平)的经理和员工调查,总结出3种技能,认知,情感和社交能力。基于以上3种能力,把AI系统分成了3组,分析型AIanalytical AI),人类启发AIhuman-Inspired AI),拟人AI(humanized AI),作者认为现在人可以做,机器不可以做的是艺术创造性工作。此外,作者也简单介绍了监督式学习,非监督式学习和加强式学习。

监督式学习,通过分类,输出一系列标签化的数据库。非监督式学习,输入是标签化的,推测潜在结构,例如集群分析。加强式学习,最大化输出变量,通过一系列决策来影响输出。

分析型AI,通过学习过去经验,得出未来决策,例如金融欺诈检查,图像识别,自主驾驶汽车。人类启发式AI,可以理解人类情绪,在决策时考虑到别人,识别人的情绪,例如在与客户沟通,在招聘面试时可以识别情绪取得更好效果。拟人的AI,在与人交互时,有自我意识,可以自我感知。

基于AI 的分类,作者按照AI 的分类对大学,公司,政府的应用进行了解读,同时用信心(confidence)、改变(change)和控制(control)来阐述AI对组织的影响,并分类从组织内部和外部来解读,帮助组织更好应对未来。例如,学校使用分析型AI,可以进行虚拟教学助理,论文审查;使用人类启发AI,可以进行脸部表情识别,测试学生是否集中注意力听课。公司使用分析型AI可以进行人力资源招聘,营销和销售,客户服务,金融服务,零售和娱乐等各个行业。政府可以使用分析型AI根据交通情况和步行车情况来决定交通指示灯,结合twitter数据决定健康审查的餐馆,军队使用人类启发型AI来进行招聘,和组建AI机器人军队。

 

2个汇报的是李佳同学。李佳同学激情分享了论文《发力人工智能,欲争高下》,其中分别对2016年至2019年期间欧盟、中国、美国的AI发展进程进行了梳理。

欧盟:16年开始感知立法的重要性,尝试去立法。17年为了保障公民权利典范,提出关于人工智能民事立法。18年开始意识到在国际人工智能上的地位,确定合适伦理框架,为经济变革做好准备。19年,以人为本的AI信任。

美国:16年为人工智能未来做好准备,确定研究方向和发展策略。17年在很火的人工智能算法和自动驾驶提出法律规制。18年,人工智能在国防和信息安全上面的研究,提出合适的策略和建议。19年特朗普改进之后的8大战略。

中国:16年提出互联网+人工智能,17年被写入政府报告,进入十九大报告,突出强调技术与应用。18年从人工智能技术转向技术和产业的融合。19年发展负责任的人工智能。

齐老师表扬了李佳同学与文献的情感交互,指出应对文献做进一步的摘取,串成故事线,另应对论文进行可视化的呈现。

 2 李佳同学在汇报

最后,郁春同学汇报的《机器人技术与智能自动化》是安永咨询公司结合其所服务的金融行业客户的经验所发表的一篇咨询报告。在第一部分,报告通过对于RPAAI特点的分析,阐述了其互补的关系。假如能够在两种技术中取得平衡,就可以使投资回报率增加而技术的复杂性降低,从而实现智能自动化的愿景。然后又进一步区分RPA RPA+big AI的特点:RPA主要针对的是高度重复化的工作,RPA+则在RPA的基础上增加了诸如适配器等功能,Big AI则具有学习、预测与人机交互的功能。第二部分中,安永给出对一家客户公司费用报销系统优化的案例,来阐述RPA+如何创造价值:通过数字化的方式输入报销信息、存储图像等来降低员工所要花费的时间、公司所要支出的存档邮寄开销。接着安永用多个案例来佐证Big AI将怎样为金融业公司创造价值,案例包括用ML技术预测网上银行用户进入休眠期、用无监督的聚类模型来更好地为银行客户提供搜索查询功能等。最后,安永给出了智能自动化项目成功的贴士,其中包括要建立联合机会评估机制、用云技术来支持AI工具的筛选、建立运营控制室来监测技术的影响等,并且对未来技术的发展做出了预测,包括:RPA AI和数字化将继续融合;自动化技术将会根据不同特点进行整合:治理、风险、控制的重要性将被得到重视;数字化焦虑将增加。

齐老师指出任何变革时代都有焦虑,那么文中的数字化焦虑具体指向是什么,以及RPA概念应先参考学术界的定义,咨询公司使用的RPA定义需考虑社会对其的接纳程度。鉴于好的选题和扎实的英文功底,齐老师希望郁春同学争取发表英文文献。 

3 郁春同学在汇报

会议的最后,齐老师与旁听的同学交流了本次会议的心得,同时对大家的工作再次表示肯定,期待每位同学在本学期都能有成果发表。 

4 汪海涛同学在分享心得