位置:编程技术网 > 数据库 > 正文 >

AI会让谁失业?(3)

2019年06月27日 09:34来源:未知手机版

奇热影视,三亚最新楼盘,200万港元

3. AI会让给哪些工作更有价值?

《AI极简经济学》里认为,数据、判断和行动是互补品,会变得更重要。

这三者分别是什么呢?我讲下我的理解。

数据,指的不是做数据统计的人,或者做数据分析的人,而是指拥有数据的人/组织和有能力获取数据的人/组织。

比如,基于统计的消费推荐变得愈发重要,那阿里、京东的产品和背后的数据积累就变得重要;基于统计的无人驾驶变得愈发重要,那交通部门、导航软件和网约车平台就变得重要。

有大量做数据工作的人,反而其实是在做AI替代品的工作,比如说单纯的导航功能,有角色会根据过往的用户出行数据来做分析和统计,以便找出一些规则。但足够强大的AI根本不需要规则,只要输入足够,就能给出好太多的预测,就会把这样的角色替代掉。(实际场景可能复杂得多,需要做判断,仍然需要人的参与。)

判断,指的是要告诉AI哪些是对的、哪些是错的。

AI学习和掌握一个能力,是为了人类服务的,那这个“服务的目的”,是必须人来赋予。这里就需要人来给出判断。

比如,刚刚提到的导航功能,就可以用机器学习做得足够智能,可以算作是AI产品。但是这就代表不需要任何产品运营的参与了吗?当然不是,对于这个产品需要达成的目标尤其是约束条件,仍然是人要赋予的。

最短时间当然是第一要素,但在多大程度上用户会为节省时间而愿意付高速费?多大程度上用户会很讨厌堵车或者等红绿灯?等等,这些基于人感受的判断,会影响导航推荐路线的策略。

行动,当然就是基于预测的执行了。拿到了无人驾驶的好算法,该怎样应用?拿到用户消费行为的推荐,该怎样应用?

不过,通常执行的内容本身又会延伸出是否有可能被AI替代的问题。

我们以一个更具体的案例来说数据、判断和执行。

我在点我达做调度产品的时候,在搭建了基础的基于全局高效为目标的调度系统后,就发现了一个很实际的问题:骑手经常会遇到取送餐的困难地点,而这个信息通过高德地图或者百度地图是无法获取的。

什么是取送餐的困难地点呢?比如,这个大厦的保安不允许走客梯,那就只能走货梯,非常慢;这个小区不允许电动车驶入,步行送餐非常麻烦;这个商区高峰期人特别多,不管扶梯还是直梯都要等很久。等等。这个因素不考虑进调度的算法决策里,得到的结果就不准确,骑手就会很不满。

这个信息要收集起来,是一件要设法产品化的事情。一方面,可以让线下的运营同学帮忙提交,另一方面,骑手也可以跟客服或在产品上报备。另外,也能从日常骑手配送的行为数据里去挖掘。(数据)

另外,收集上来的地理位置信息,要分门别类,并且与“困难程度”建立联系。需要步行上楼,和需要等电梯上楼,难度还是不一样的。接下来,就要与工程师协作沟通,地理位置信息对调度策略的整体影响了。有困难属性的订单,配送时间可以放宽,放宽的程度也要从产品经理视角判断,过宽会影响效率,过严会影响骑手体验,这个权衡也是要产品经理决策的。在反复测试调参和试验后,才能得到具体的策略。(判断)

最后,当调度算法体系改版好了之后,就要跟骑手宣导和教育新的调度规则,让困难地点的因素影响真正发挥作用。(行动)

4. AI会让哪些工作更没价值?

单纯的预测,所谓具备完善的数据、有明确目标、基于已有经验而进行的工作,会变得没有价值。

举两个例子。

小王是公司的市场投放人员,工作的主要内容是,尝试投放所有可用的渠道,并且计算ROI,然后继续提升高ROI渠道的投入、减少低ROI渠道的投入。

小孙是公司的运营活动人员,负责配置各种活动。活动都是已经成型的几种模板,他会基于每次用户数据的波动,从自己的经验判断应该选择哪种活动,以及在活动中配置怎样的具体规则。

本文地址:http://www.reviewcode.cn/shujuku/53454.html 转载请注明出处!

今日热点资讯