讀寫給大家的AI極簡史筆記04虛擬助手
躺柒發表於2024-07-22
![](https://img2024.cnblogs.com/blog/3076680/202407/3076680-20240720152822556-1239060304.jpg)
1. 虛擬助手
1.1. Alexa
1.1.1. 就是在Echo產品系列背後的亞馬遜雲儲存中的一個包含豐富資料的系統
1.1.1.1. Echo並不是一個玩具,而是走向智慧日常助理的技術突破
1.1.1.2. Echo的使用者只要躺在沙發上發出語音命令,就可以開啟暖氣,調暗燈光,並要求Alexa在網飛(Netflix)上找一個類似《毒梟》但不那麼血腥的電視劇
1.1.2. 積累了大量陳舊的笑話
1.1.3. Alexa絕對不只是一臺銷售機器
1.2. 美國和亞洲的數字技術巨頭們一直在爭奪由語音控制的虛擬助理領域的主導地位
1.3. 一個很明顯的趨勢就是在未來許多甚至可能大部分數字服務的訪問方式都將和“進取號”飛船上的情形一樣:人類問出問題,機器回答
1.3.1. 如果這臺機器不能提供答案,人類就會尋找另一臺機器
1.3.2. 蘋果(Siri)
1.3.3. 谷歌(谷歌助手)
1.3.4. Facebook(M)
1.3.5. 三星(Bixby)
1.4. 使用者總是希望機器能夠為更復雜的問題提供更精確的答案
1.4.1. 要回答這樣簡單問題,虛擬助手不需要透過圖靈測試,只需要研究和彙總事實,以此為基礎做出決策即可
1.5. 把列日常決策清單的任務交給智慧機器
1.5.1. 這件事不復雜,但很讓人心煩
1.5.2. 虛擬助手可以做到及時幫你訂購印表機墨盒,不會忘了賬單的付款期限,而且也會比人類更能意識到賬單金額太高,從而拒絕付款
1.5.3. 未來智慧代理將會承擔大部分煩人的日常工作
1.5.3.1. 它們的目標受眾是沒有個人助理的人
2. 銷售機器
2.1. 成立於1996年的亞馬遜已經很清楚如何從資料中推斷出客戶的需求,這是其他公司做不到的
2.1.1. 自1998年引入個性化推薦系統以來,亞馬遜利用其客戶的資訊,已經能很精確地推斷出應該在什麼時間,以何種價格向特定使用者推送哪款特定產品會提高該使用者將該產品放入購物車的機率
2.1.2. 透過亞馬遜推薦系統的購買建議刺激消費者做出的購買行為佔到亞馬遜網站所有購買行為的1/3
2.1.2.1. 說明顧客真的把推薦看成是明智的建議,而不是像我們看待線上廣告那樣,認為它們是在網路上追著我們、硬要把我們不感興趣或者已經購買了的產品塞給我們的討厭鬼
2.2. 網路廣告糟糕的形象卻鼓舞了創業者,讓他們致力於把虛擬購物建議變得更智慧
2.3. Stitch Fix
2.3.2. 為了提高成功率,Stitch Fix高薪聘請了80多位資料科學家,他們使用極其複雜的演算法和最新的機器學習方法來提高預測的準確度
2.4. 所有這些虛擬購物顧問的問題在於,因為它們是由商品供應商提供的,所以幾乎可以確定無疑的是,它們會把供應商的利益放在高於購物者利益的位置上
2.4.1. 大型超市則試圖透過使用購物助手的應用程式,將在網際網路商務中已經被證實有效的推薦機制應用到實體商店中
2.5. 更高階的人工智慧購物助手擁有重視與客戶長期關係的設定,就像信譽良好的商人一樣
2.5.1. 它們不會誤導顧客做出事後會為之懊悔生氣的購買決定
3. 機器人律師
3.1. 現在世界上最成功的虛擬法律助手可能是DoNotPay
3.1.1. DoNotPay只是法律界數以千計的機器人和研發專案中的一個
3.1.2. 服務是免費的
3.1.2.1. IBM允許布勞德免費使用它的Watson人工智慧平臺
3.1.3. 在2015年到2017年的兩年間,這位機器人律師已經幫助其客戶成功免除了大約375000張罰單
3.1.4. DoNotPay的創始人布勞德在2017年夏天開放了這個由AI驅動的聊天機器人的技術的原始碼
3.1.5. 自2018年3月以來,DoNotPay甚至迫使航空公司向訂購了價格虛高的機票的乘客退款,捍衛乘客重新訂票的權利,並利用航空公司的合規法打擊價格欺詐
3.2. 法律科技(LegalTech)公司的繁榮有兩個簡單的原因
3.2.1. 法律專業知識很貴
3.2.2. 在人工智慧的幫助下,法學特別適合被自動化,因為它是建立在使用高度形式化的語言所精確制定的規則(法律和法規)之上的,並且有許多以書面、註釋和合同形式記錄的案例,具有模式識別能力的機器就能對其進行比較
3.3. 大多數智慧法律技術僅為專業人士,即律師和公司法律顧問所用,他們用此類技術來檢查法律合同中的陷阱,在進行盡職調查時梳理成堆的檔案,並計算向哪個法庭提起訴訟成功的機率最大
3.4. 一個免費的法律機器人也不會費心去制定一個儘可能複雜的合同以增加它的計費時間
3.5. 在面對普通法律案件的時候,人工智慧已經能經常地打敗普通律師——有時是以絕對優勢
3.5.1. 2018年2月,在由法律人工智慧平臺LawGeex組織的“人vs機器”的比賽中,一個經過訓練的人工智慧系統在審查合同時,比20名經驗豐富的人類律師更準確地識別出了保密協議中的法律問題,其準確率高達94%,而人類律師的準確率僅為85%
3.5.2. 而且人工智慧完成這項工作的速度非常快,只要短短26秒;相比之下,人類律師就慢得多了,平均要花上92分鐘
3.6. 數字規模機制將開始生效。一旦人工智慧程式被開發出來,並開始透過反饋效應進行持續學習,那麼如果開發者允許,人工智慧就能向很多人提供廉價服務
3.6.1. 隨著專業知識的民主化,消費者將被賦予更多的權利,普通專家的業務水平也能獲得提升
4. Watson醫生
4.1. 未來,廉價感測器將大規模地分佈在標準產品中,收集海量資料,從而為人工智慧醫療創新奠定基礎
4.2. 人們希望人工智慧能夠挖掘基因資料庫、患者檔案、科學研究和流行病統計資料,以便將患者的護理、研究、診斷和治療提高到一個新的水平
4.3. 幾乎沒有任何領域會像衛生和醫藥領域那樣受到嚴格的監管
4.3.1. 從醫務人員的資質,到藥品和醫療器械的審批程式,到對病人隱私的嚴格管控
4.3.2. 代價是研究實驗室裡的創意要變成醫院和醫生辦公室裡的應用需要走過漫長而崎嶇的道路
4.4. 在醫療領域,人工智慧創新的最重要的原材料——病人資料,以許多不同格式儲存在密封的資料庫中,受到法律保護
4.4.1. 人們通常必須花很多力氣來進行匿名處理,然後清除痕跡,並做勻質化處理
4.5. 我們是相信基於資料的人工神經網路的判斷,還是相信可能從孩提時代就一直在治療我們的有經驗的醫生的判斷?
4.6. 在許多情況下,如果沒有專家的幫助,大多數普通人幾乎不可能獲得人工智慧的建議,或者不知道如何理解人工智慧的建議
4.7. 人們還是相信,人類終歸比機器更擅長銷售,因為他們會與客戶建立人際關係
4.8. 指導原則是強化決策(augmented decision making)而不是純粹的自動化
4.8.1. 事實上這種技術將增強人類的能力
4.8.2. 人工智慧將不會取代知識工作者
4.8.3. 精通人工智慧技術的銷售人員、律師和醫生將取代那些不知道如何使用人工智慧來幫助他們決策的同事