AI會動你的“乳酪”嗎？

從16年至18年AI取代人工的話題絡繹不絕，不過講實話，要評價現在的人工智慧，或者大部分優異的人工智慧的話，都只能說它們是絕佳的模仿者，而非思考者。無論是從今AlphaGo到AlphaStar都是透過模仿人類的操作在算力上面達成的，而為什麼要這樣操作它們全然不知。

如果需要解釋AI在工作時的運作邏輯，那翻譯機就是一個非常典型的例子，其實早在計算機出現之前，就有蘇聯科學家提出了基礎的構想，在ENIAC之後，IBM 為首的企業也參與進機器翻譯的研究中。不少學者都期待，能夠出現一個像科幻片裡那種實時翻譯器一樣的工具，那麼全球都不會出現語音障礙，勢必會更加的團結。

翻譯這件事情在很多人看來好像並不是很難的事情，詞字一一對照翻譯不就行了，在絕大多數語言中，都有對應的詞彙，“媽媽”對應“mother”，“桌子”對應“desk”，可以建立對應關係；語言學也有了成熟的體系，語言的語法規則特點做拆解後，變成有效的演算法策略，豈不應該是水到渠成的嗎。

但是事與願違，大量的俚語和用詞習慣都是在人類實際使用語言的過程中毫無規律地出現的，用規則方式解讀，幾乎沒有可能。

例如：Less bread. No jam.(London Transport)

這是倫敦車站的廣告語

字面上是：

少一些麵包， 不要果醬。

實際上這句廣告詞巧妙地運用了語義雙關的修辭方法，因為在非正式英語裡，bread一詞有“錢”的意思，而jam一詞則有“交通堵塞”的意思。

因此，該廣告詞想表達的意思是：

乘坐倫敦地鐵，省時省錢，風雨無阻。

這樣翻譯雖然實現了原文與譯文之間的意義對等，但其不盡如人意之處在於雙關修辭的效果喪失殆盡，可謂美中不足，也就是“明明單詞都認識，但就是翻譯不出來。”

一個語種與另一個語種並不是簡單的單詞對應的關係，文化體系才是障礙，所以在弱人工智慧邁向強人工智慧這一事件，單就翻譯而言，機器遠遠不能夠取代人類。拋開語言翻譯，那麼AI會讓哪些工作沒有價值。單純的預測，所謂具備完善的資料、有明確目標、基於已有經驗而進行的工作，會變得沒有價值。

例如市場投放人員，工作的主要內容是，嘗試投放所有可用的渠道，並且計算 ROI，然後繼續提升高 ROI 渠道的投入、減少低 ROI 渠道的投入。其次運營活動人員，負責配置各種活動。活動都是已經成型的幾種模板，他會基於每次使用者資料的波動，從自己的經驗判斷應該選擇哪種活動，以及在活動中配置怎樣的具體規則。

這兩種就是很典型的，會快速被替代的工作。如果你正在做這類工作，還望警惕。而像產品和運營的決策往往都不具備“大量的迭代資料和迭代結果”的條件，尤其是一個決策可能跟一大堆約束條件、影響因素耦合在一塊。

在這樣的場景下，AI 可能會替代產品經理：要做短影片，可以自動組合出幾千甚至上萬種產品方案並提供給使用者使用，基於使用者的使用習慣，來找出最佳的方案，繼續自動組合持續迭代。

在具備這樣足夠靈活的生產和檢驗條件之前，產品經理還不太可能被替代。不過看如今網際網路產品設計模式的發展，已經在向這樣的未來邁進。

一線的網際網路公司都在用不止有兩個用例的A/B test、用完備的資料埋點統計分析用以找到解決方案，雖然還不夠智慧，但都在陸續替代產品經理的工作、讓產品經理變得逐漸不重要起來。

產品經理很像是基於規則在做產品，而現在逐漸出現了不少決策都是基於統計的。有沒有覺得跟機器翻譯的歷史很像？

而AI 會讓給哪些工作更有價值？

在《AI極簡經濟學》裡認為，資料、判斷和行動是互補品，會變得更重要。這三者分別是什麼呢？

資料，指的不是做資料統計的人，或者做資料分析的人，而是指擁有資料的人/組織和有能力獲取資料的人/組織。比如，基於統計的消費推薦變得愈發重要，那阿里、京東的產品和背後的資料積累就變得重要；基於統計的無人駕駛變得愈發重要，那交通部門、導航軟體和網約車平臺就變得重要。

有大量做資料工作的人，反而其實是在做 AI 替代品的工作，比如說單純的導航功能，有角色會根據過往的使用者出行資料來做分析和統計，以便找出一些規則。但足夠強大的 AI 根本不需要規則，只要輸入足夠，就能給出好太多的預測，就會把這樣的角色替代掉。（實際場景可能複雜得多，需要做判斷，仍然需要人的參與。）

判斷，指的是要告訴 AI 哪些是對的、哪些是錯的。

AI 學習和掌握一個能力，是為了人類服務的，那這個“服務的目的”，是必須人來賦予。這裡就需要人來給出判斷，就像銷售行業裡面的電銷機器人一樣，電話機器人好不好用並不是體現在單純的機器對於大資料的讀取和反饋實現，因為單單靠機器人來實現人機互動不可能的，所以還需要客服人員的輔助來完成，從這個方向上來看好像並不是取代，更多的成為了協助，所有無論是效率上面還是質量上面又有顯著提升。

比如，剛剛提到的導航功能，就可以用機器學習做得足夠智慧，可以算作是 AI 產品。但是這就代表不需要任何產品運營的參與了嗎？當然不是，對於這個產品需要達成的目標尤其是約束條件，仍然是人要賦予的。

最短時間當然是第一要素，但在多大程度上使用者會為節省時間而願意付高速費？多大程度上使用者會很討厭堵車或者等紅綠燈？等等，這些基於人感受的判斷，會影響導航推薦路線的策略。

行動，當然就是基於預測的執行了。拿到了無人駕駛的好演算法，該怎樣應用？拿到使用者消費行為的推薦，該怎樣應用？不過，通常執行的內容本身又會延伸出是否有可能被 AI 替代的問題。

想到條件逐步成熟，未來可能會出現一個基於統計的優異產品決策 AI ，就像 2005 年的 Google 殺進機器翻譯領域一樣，還是頗有些危機感的。