埃森哲全球技术负责人：应用AI的前提是数据过滤

AI系统为什么没有提升产品服务？

近日，埃森哲调研了全球500家制造企业，发现只有少数企业达到“应用智能”阶段，能将AI与行业特性结合，规模化应用于核心业务。调研显示，有98%受访企业已开始运用AI改进产品服务，但拥有完整AI愿景的仅为16%，将AI实际用于改造生产制造的企业为5%，全面应用AI解决方案仅2%。

数据质量是阻碍之一，在埃森哲对中国市场调研中，52%受访企业将数据质量列为突出挑战。“如果数据有偏见，决策也是偏颇的，”埃森哲全球技术负责人Bhaskar Ghosh对《21CBR》说，“所有部署AI的企业，必须制定流程，从源头避免问题。”

埃森哲全球技术负责人Bhaskar Ghosh（图片来源：受访者提供）

以下是访谈原文，内容有删节：

《21CBR》：数据偏见会引发什么问题，可否举例说明？

Bhaskar Ghosh：人工智能的基础是大数据，数据样本如果偏差，运算结论可能会与社会标准相悖。

我举两个例子，埃森哲的实验室曾做过一个实验，让AI引擎查看6万张图像之后输出结论，这些图片中有大量女性在厨房烹饪的场景，AI由此得出结论：在厨房出现的人物均为女性。这就是没有过滤的数据，导致性别偏见的结果。

另一个例子是，我们发现AI引擎在放贷时，常常会拒绝某特定社区的申请，这个社区恰好有很多非裔美国人居住。AI在前期数据中形成偏见决策，之后越走越远，之后甚至可能拒绝所有非裔美国人的贷款，这非常可怕，必须被修正。

所以我们培训测试的工具，首先是不让AI去学习这些带有偏见的元数据，根源上断绝偏见决策的可能性。不同场景下，数据标准有所区别，我们不能“一刀切”，要根据不同行业特色，制定相应的筛选标准。

《21CBR》：为了防止这些问题，埃森哲提供了一套提高企业应用AI能力的服务，都包括哪些内容？

Bhaskar Ghosh：首先是协助企业构建AI战略，理清希望AI实现的目标，在此基础上，收集数据、开发AI引擎。其次，帮助客户识别AI在公司业务中效果最显著的领域，并针对性地进行辅导。辅导分为两部分，其一是培训AI系统，建立决策行为，其二是测试该行为，以提高其结果的准确性。在我们的辅导下，一个金融机构客户缩短了对AI客服的培训时间，回复准确率也提高了80%。

总之，在AI引擎投入生产前，我们要确保它是真实可用的。

《21CBR》：使AI更易懂是指什么，必要性在哪里？

Bhaskar Ghosh：是让AI更透明，也就是人可以去理解AI的运作过程。

比如自动驾驶，一旦出现交通事故，警方、驾驶者和保险公司需要知道事故原因，是系统失控、人为失误？比如自动驾驶技术，系统非常复杂，当全程为“黑匣子”时，无法理解工作原理，难以判断责任。英伟达最近撬开黑匣子，显示AI系统的聚焦区域，“解读”运作原理，这是一个提高透明度的例子。

《21CBR》：在调研中，有哪些行业是AI发展最有潜力的？

Bhaskar Ghosh：有15个行业会受到重大影响，排名前三的分别是农林渔、生产制造和零售批发。调研中，有81%的高管认为，未来两年内将实现同工作。

比如农业领域，现在开始用无人机去采集基于地理位置的信息，从而产生大量数据，提供给AI，再帮助农户做决定，哪里施加肥料、哪里采用杀虫剂。整体发展趋势下，我们要让AI更易懂、更负责，这是我们的目标。

《21CBR》：埃森哲在AI上重点投入的领域有哪些？

Bhaskar Ghosh：应用方面，一是聊天机器人，比如电信、金融业的虚拟客服；另外一点是用AI辅助减少事故率，比如采矿行业。

行业上，集中在高科技、电信、金融、零售、生产制造，与行业发展程度、对AI采纳度相关。我们在澳洲有一家电信客户A，与另一家电信B合并前，希望了解整个澳大利亚的电信杆中，A、B各占多少比例。因为此前没有记录，所以只能人工现场去数，澳洲很大，这不太现实；我们提供一个方法，让客户提供500张照片，对其中不同公司电信杆做好标签，AI学习后，再通过谷歌地图识别全澳洲的电信杆。最终识别准确率达到95%。

《21CBR》：在中国业务上，有哪些方面的技术展望？

Bhaskar Ghosh：我们从几年前开始培养中国团队，现在已有几十人。和全球一样，中国的业务也集中在以上几个领域，金融、零售是最容易接受的；生产制造行业需要考虑其发展状况，选择合适的AI策略，不一定要全局纳入AI系统，可以局部应用，像图像分析可用于生产的监测环节，比如造纸行业的粉尘检查。

最关键的，AI需要用来解决实际问题，要对症下药。