雖然自動駕駛汽車和虛擬助手的人工智能得到了很多關注，但過去幾個月人工智能的發(fā)展浪潮主要集中在分析師的任務上。“分析師”是一個無處不在的角色，在每個涉及數(shù)據(jù)的行業(yè)中都有發(fā)現(xiàn)。分析師使用我們對世界的測量結果并嘗試回答相關的業(yè)務問題 - 這對于從數(shù)據(jù)中獲取價值至關重要。但人工智能似乎越來越多地侵犯了分析師的角色。

本月，Apple以 2億美元的價格收購了Lattice.io，以自動將非結構化數(shù)據(jù)轉換為結構化數(shù)據(jù) - 這一任務通常屬于分析師領域。一家名為Lapetus的美國創(chuàng)業(yè)公司正在尋求用人工智能取代保險風險分析師，該公司稱其比傳統(tǒng)方法更準確地預測壽命。這些進步和其他類似的人提出了一個問題：AI會取代分析師嗎?

最簡潔的答案是不。但也許不是因為你懷疑的原因。

比人類更人性化

當大多數(shù)人想到人工智能時，他們會想到一個冷酷理性的決策者，缺乏情感 - 比如數(shù)據(jù)，這是星際迷航中的虛構機器人。這可能是人工智能早期的準確描述，當時程序員編寫自定義規(guī)則引擎來響應某些場景。但隨著人工智能和機器學習的進步，算法在模式識別方面變得非常擅長，并開始采用更具生物學的行為 - 更像是基于經驗的本能而不是基于邏輯的決策。

在Daniel Kahneman的思考中，快速而緩慢，作者描述了人腦的兩個系統(tǒng)。系統(tǒng)1是自動的，系統(tǒng)2是有意識的邏輯系統(tǒng)。如果大腦中的自動系統(tǒng)是產生我們情緒的系統(tǒng) - 我們對可能傷害我們(恐懼)或可能帶給我們美好事物(快樂)的事物的自動反應 - 那么AI變得更像情感系統(tǒng)而不是理性一。事實上，最近在強化學習方面的進步，人工智能在行動中得到積極和消極的信號并隨著時間的推移而發(fā)展其反應，已經與過去的經歷對我們的情緒反應的方式非常相似。鑒于Kahneman在他的諾貝爾獎獲獎研究中所確定的，我們思維的自動功能存在系統(tǒng)性錯誤，

隨著向系統(tǒng)1的轉變，曾經被認為是人類獨特的一些任務現(xiàn)在已經達到了高級AI的范圍。算法非常擅長模式識別，人工智能可以判斷情緒，并學會在人臉中發(fā)現(xiàn)恐懼和快樂。AI已經寫過 詩歌和創(chuàng)作音樂，就像Ji-Sung Kim的 深度項目一樣。所有這些都表明，將AI與人類智能分開的界限并不是我們大多數(shù)人認為的那樣。

人情味

是的，人工智能正在以令人難以置信的速度前進并做一些曾被認為屬于人類唯一領域的事情，但仍然有很多算法需要人類的領域。

雖然AI是模式識別的大師，但算法只能在人類可以精確描述的世界部分上運行。例如，Go板是一個封閉的環(huán)境; 即使?jié)撛诮M合的數(shù)量令人難以置信，我們也可以在幾個字節(jié)的數(shù)據(jù)和代碼中輕松描述董事會的狀態(tài)和游戲的目標。

然而，分析師的工作不僅涉及在封閉環(huán)境中進行數(shù)據(jù)分析。分析必須應用于外部世界，在那里有更多的背景影響解釋。例如，雖然連接到傳感器的AI可能能夠分析土地上的土壤并且比人類更有效地優(yōu)化產量，但是它不知道土壤條件對所得作物的風味有何影響。隨著人工智能在封閉分析中變得更好，人類對于將這種分析應用于整個世界同樣有價值。數(shù)據(jù)分析的最終目標始終是人性化的。無論分析是用于指導產品的創(chuàng)建還是為決策提供信息，最終的消費者都是人。

理解人類意味著什么，關心人類經驗與分析過程有著內在的聯(lián)系。因為在我們擁有更好的腦機接口之前，算法不可能很快學會理解人類，所以很難將我們的思想內容描述到計算機中。

這意味著我們的人性仍然是一種資產。雖然機器學習有助于提高分析過程的效率，但算法無法選擇人類目標 - 這項工作需要一定程度的同理心，而不是人工智能。

正如金斯科特在她最近關于領導力的新書中所說的那樣，Radical Candor在談到管理時，“你的人性是你的有效性的資產，而不是責任。”

機器管理員的崛起

分析師的未來遠比頭條新聞所暗示的更為反烏托邦。人工智能的進步看起來很像是有效的助手，而不是替代品。像經理一樣，每個人都有AI的工作組，模式匹配和進行封閉的環(huán)境分析。分析師的工作是將AI指向要分析的正確問題，并決定如何將該分析應用于現(xiàn)實世界中的問題。只要分析的最終消費者是人，人類分析師就不會去任何地方。