Post by account_disabled on Dec 6, 2023 4:23:26 GMT
机器智能每天都在悄悄地发展，其影响已经每天都可见，例如在呼叫中心，网络代理和其他聊天机器人……然而，一个问题出现了：机器是否倾向于取代人类做决策-制作，因为它被认为更可靠和更快，两者中的哪一个真正负责？ Sentelis合伙人Jérôme Besson的专栏 三星收购 Viv、eBay 投资 3000 万美元……每天都会听到人工智能或增强智能的消息。 机器智能每天都在悄悄进步，其影响每天都可见，例如在呼叫中心，网络代理和其他聊天机器人（会话机器人）已经取代客户顾问和其他支持团队来处理简单和复杂的问题。
重复出现的问题。 然而，一个问题出现了：如果机器倾向于 B2B电子邮件清单 在决策中取代人类，因为它被认为更可靠和更快，那么两者中的哪一个真正负责？ 如果人类根据机器的建议或决定采取行动，他如何确保自己了解其中的细节，以便自信地采取行动并承担受控的机器辅助行动的后果？ 迫使公司深入反思其当前决策流程并为每个用例找到机器或人为决策答案的关键问题 ？ 一个自然涉及决策所依据的信息、事实、事件、知识和规则的问题。公司可获得的信息数量空前丰富，种类繁多，真实性也前所未有。然而，为了从中获得最大价值，在这种情况下进行最准确的分析以做出正确的决策，今天毫无疑问只有机器能够无疲劳地重复进行大规模分析。 然而，至少在今天，曼并没有从价值链中消失。如果将这些繁琐的任务委托给机器，人类在许多情况下仍然处于决策金字塔的顶端，接受机器的通知、协助，至少得到增强，至少受到机器的启发（认知分析）。
机器智能的作用仅限于向其呈现分析结果，并就应采取的最佳行动提出建议。 机器必须学会考虑人类的敏感性 然而，如果不进行调整，这些原始分析就无法按原样呈现给决策者。 例如，没有人愿意仅仅因为通过其健康手环捕获的元素以及由其开发的人工智能列出和分析的数以百万计的类似病例而向一台没有人性的机器冷酷地学习。并且康复的机会很低。 如果商业智能系统在历史上是专门为人类决策而设计的，那么它们是以统一的方式完成的，而没有考虑决策中人为因素的多样性。然而，获得相同信息的两个人不会得出相同的结论，因此可能不会做出相同的决定。 新一代所谓的商业分析系统随大数据一起出现，并通过机器智能实现大规模自动化——今天是机器学习，明天是深度学习——必须必须深入审查他们报告结果的方式，因为人类仍然处于决策循环中。分析。
重复出现的问题。 然而，一个问题出现了：如果机器倾向于 B2B电子邮件清单 在决策中取代人类，因为它被认为更可靠和更快，那么两者中的哪一个真正负责？ 如果人类根据机器的建议或决定采取行动，他如何确保自己了解其中的细节，以便自信地采取行动并承担受控的机器辅助行动的后果？ 迫使公司深入反思其当前决策流程并为每个用例找到机器或人为决策答案的关键问题 ？ 一个自然涉及决策所依据的信息、事实、事件、知识和规则的问题。公司可获得的信息数量空前丰富，种类繁多，真实性也前所未有。然而，为了从中获得最大价值，在这种情况下进行最准确的分析以做出正确的决策，今天毫无疑问只有机器能够无疲劳地重复进行大规模分析。 然而，至少在今天，曼并没有从价值链中消失。如果将这些繁琐的任务委托给机器，人类在许多情况下仍然处于决策金字塔的顶端，接受机器的通知、协助，至少得到增强，至少受到机器的启发（认知分析）。
机器智能的作用仅限于向其呈现分析结果，并就应采取的最佳行动提出建议。 机器必须学会考虑人类的敏感性 然而，如果不进行调整，这些原始分析就无法按原样呈现给决策者。 例如，没有人愿意仅仅因为通过其健康手环捕获的元素以及由其开发的人工智能列出和分析的数以百万计的类似病例而向一台没有人性的机器冷酷地学习。并且康复的机会很低。 如果商业智能系统在历史上是专门为人类决策而设计的，那么它们是以统一的方式完成的，而没有考虑决策中人为因素的多样性。然而，获得相同信息的两个人不会得出相同的结论，因此可能不会做出相同的决定。 新一代所谓的商业分析系统随大数据一起出现，并通过机器智能实现大规模自动化——今天是机器学习，明天是深度学习——必须必须深入审查他们报告结果的方式，因为人类仍然处于决策循环中。分析。