媒體上充斥著為什麼企業需要人工智能的文章，因為它預計會產生巨大的影響。的麥肯錫全球研究所估計到2030年，每年額外的全球經濟影響將達到13萬億美元，相當於目前美國國內生產總值的62%。Gartner估計到2024年底，75%的組織將從人工智能的簡單試點轉變為可操作的，人工智能也在他們的清單上Gartner公司2020年供應鏈技術趨勢排行榜前8名．
人工智能自2012年以來取得了爆炸性進展她是多倫多大學的研究生用深度學習(當時被認為是邊緣方法)以巨大優勢贏得了ImageNet挑戰賽。從那以後，深度學習席卷了矽穀，人工智能已經擴散到包括供應鏈在內的所有領域，以解決以前被認為無法實現的令人煩惱的問題。隨著算法的進步、海量數據和更好的計算基礎設施，人工智能顯示出了前景，在預測準確性和速度方麵取得了令人印象深刻的進步，遠遠超過了人類的認知能力。
人類在人工智能中的作用
但是，盡管人工智能對企業的重要性越來越大，人類的作用也比以往任何時候都更加關鍵。由於所有的焦點都在自動化(以及隨之而來的失業擔憂)，我認為“熄燈”或完全自主供應鏈的想法過分強調了消除人的作用。我們人類對人工智能至關重要，因為我們可以提供情境化、良知和協作。
人工智能已經取得了巨大的進步，但仍然沒有通過著名的圖靈測試該係統設計於1950年，旨在評估機器能否像人類一樣思考。機器無法與我們的思維相匹配的領域包括在不確定性下理解因果、推理和判斷，所有這些都取決於上下文。
人類理解環境
考慮一下你的普通汽車的交貨時間規劃問題，它可能有3萬多個零件。沒有人有時間或能力製定一個計劃，準確估計每個零件何時到達，因此計劃者不可避免地必須猜測，求助於捷徑，例如假設來自供應商的相關零件將有相同的交貨時間，這可能是不正確的。機器學習可以使用曆史數據來預測可能的交貨時間，取代人類的假設和猜測。將這3萬個模型與自動化結合起來，您就得到了自我修複供應鏈，它可以檢測與計劃的差異，自動糾正較小的差異，並提醒規劃者要解決的異常。這種應用程序大大提高了準確性並提高了生產率。
但是，當一個中斷關閉了工廠，延遲了這些部件的重要來源時，會發生什麼呢?曆史不再是對到來的準確預測，阻礙了機器學習的算法齒輪，但人類了解原因和結果，可以在這種不確定性下應用推理和判斷。當交貨時間提高了200%甚至更多，規劃師利用她的背景信息和豐富的領域專業知識，盡可能做出最佳決策。當模式更加可靠時，機器學習就會開始運轉，為人類提供額外的洞察力，但在那之前，我們希望讓人類掌握主動權。
人類有良知
我們希望人類推動人工智能的另一個原因是，利用我們的良知來管理人工智能的意外後果。麥肯錫稱人工智能是一把雙刃劍考慮到它的正麵和負麵影響，這些影響比大多數新創新更尖銳，也不太為人所理解。隻是幾個例子登上頭條的風險自動駕駛汽車造成的致命車禍、自動化導致的失業、操縱政治競選和國家監控。
當人工智能按我們希望的那樣工作時，它可能看起來像魔法，但當它失敗時，要求監管的呼聲就會增加，把精靈放回瓶子裏。我認為這種方法既不可行也不可取。畢竟，鋒利的刀刃也適用於積極的利益。除了推動矽穀發展的商業收益，還有大量的人工智能的好例子，從衛生保健來饑餓來人權和更多。
在她職業生涯的早期，李飛飛博士發明了上麵提到的ImageNet挑戰，但這位斯坦福大學教授現在領導著以人為中心的人工智能研究所。她說過“是時候把人工智能與社會科學、人文科學結合起來，真正研究人工智能對我們的社會、我們的法律體係、我們的組織、我們的社會、對民主、對教育、對道德的深刻影響了。”她的聲音是眾多確保我們在人工智能應用中帶著良知的聲音之一，這是一項隻適合人類的任務。
人類知道如何合作
最後，人類可以以機器無法做到的方式進行合作。事實上，有些人通過關係來定義供應鏈。學者道格·蘭伯特和馬蒂亞斯·恩茲寫道因此，供應鏈管理實際上是一種關係管理。供應鏈是一環接一環、一種關係接一種關係的管理，管理好這些關係的組織將是贏家。”當各個環節相互連接，並且基於相同數據的可見性，所有人都可以共享供應鏈中正在發生的情況的相同視圖時，這些關係才能發揮最佳效果。當業務不同部門的人可以基於對數據的共同理解來分享想法時，這種可見性允許實時協作的發生，利用群眾的智慧．
當中斷發生時，供應鏈的關聯性質意味著其影響不會孤立於一個領域，而是會對整個網絡產生影響。因此，當交貨期被延遲時，采購所感受到的痛苦也會影響到生產、分銷、銷售等。如果必須找到替代供應商，則應由供應鏈上的所有各方合作達成解決方案。在並行規劃的基礎上創建假設場景可以提供供應鏈規劃者她需要的信息能讓她立即看到這種影響。但這些決定是在關係的背景下存在的，這使最有效的合作成為可能。技術可以提供一個平台來減少這些關係中的摩擦，但歸根結底，是人類讓關係運轉起來的。
讓燈開著，讓人坐在中心
來自人工智能的智能自動化可以讓人們擺脫那些耗時但不能最大化利用我們大腦的世俗任務。提高我們的生產力可以讓我們專注於我們最擅長的事情。盡管我相信企業需要人工智能來實現這些功能，但我也知道人工智能需要人類。我們理解環境、提供良知和協作的能力是機器無法取代的。與其試圖為自主供應鏈的宏偉願景關燈，我們可以利用人工智能來照亮例外情況，這樣我們就增強了人類的智能，而不是取代它。事實上，打開燈，給計劃者一杯咖啡。人工智能需要她。
當你加入我們，你可以了解更多10月20日至21日的Kinexions 20，主題發言人納達·桑德斯博士將討論人類和機器智能的交叉。
討論
留言回複