楊洋博士,iPIN創(chuàng)始人,大數(shù)據(jù)及人工智能領(lǐng)域?qū)<?。曾任歡聚時(shí)代(YY語音)全球化項(xiàng)目負(fù)責(zé)人。iPIN(愛拼網(wǎng))是一家基于人才大數(shù)據(jù)的個(gè)性化職場資訊網(wǎng)站。iPIN得以為用戶提供真實(shí)、中立和精準(zhǔn)的獨(dú)有職場資訊及各類量身定制的信息服務(wù)。
活動(dòng):2016年4月17日,楊洋受香港城市大學(xué)EMBA(中文)課程邀請(qǐng),進(jìn)行“人工智能的未來,招聘智能化創(chuàng)新展望”主題分享,筆記俠作為戰(zhàn)略媒體合作方,經(jīng)活動(dòng)方與嘉賓授權(quán)發(fā)布完整筆記。
筆記:筆記俠 深度好文:8116字|9分鐘
全網(wǎng)首發(fā) · 筆記導(dǎo)讀
一、人對(duì)于信息的感知:我們要想做出一個(gè)正確的決策,必須在每一點(diǎn)上都要感知正確、認(rèn)知正確、分析正確,然后才能作出比較理性的決策,所以人對(duì)信息使用的這個(gè)過程,其實(shí)是非常復(fù)雜的。
二、人工智能的浪潮:第一波浪潮主要引領(lǐng)的是計(jì)算智能;第二波浪潮是遞歸神經(jīng)網(wǎng)絡(luò)的誕生;第三波浪潮就是深度學(xué)習(xí)的誕生。深度學(xué)習(xí)迎來天時(shí)、地利、人和。
三、是不是所有的機(jī)器人都可以代替人類?并不是,因?yàn)椋?/span>人工智能的解釋性差,理解人類的能力差,邏輯能力不強(qiáng),缺乏意識(shí)。
四、目前世界上人工智能技能四個(gè)階段:第一計(jì)算智能,第二感知智能,第三認(rèn)知智能,第四類人智能。
五、人工智能在2016年爆發(fā)可以說是天時(shí)地利人和。因?yàn)樵朴?jì)算的大規(guī)模普及,讓應(yīng)用成本大幅度降低,感謝計(jì)算能力的突破以及互聯(lián)網(wǎng)計(jì)算能力的催生。
六、公司的招聘、人力資源環(huán)節(jié)可以利用人工智能得到更高效的提升;
七、人工智能的三大障礙:
1、積累海量的行業(yè)數(shù)據(jù)
2、擁有掌握人工智能核心技術(shù)的人才
3、管理層擁有數(shù)據(jù)意識(shí)
全網(wǎng)首發(fā) · 完整筆記
人工智能的概念電影傳得很神乎,但真正的原因是一些天時(shí)、地利、人和相結(jié)合,導(dǎo)致它的突然爆發(fā)。
人是怎樣理解信息的?
首先,跟大家分享一下,人到底是怎么樣理解信息的?比如讓我?guī)讉€(gè)月大的兒子在這里的話,他根本不知道我們在說話還是唱歌,但我5歲的女兒就能聽懂我說的一些字詞,盡管她不知道是什么意思。
所以人對(duì)于信息的理解,其實(shí)不是一個(gè)那么簡單的過程。
我屬于連續(xù)創(chuàng)業(yè)者,經(jīng)歷過三次創(chuàng)業(yè),可以說每結(jié)束一次創(chuàng)業(yè),自己看待創(chuàng)業(yè)的問題,那種成熟度和知識(shí)度是完全不一樣的。
可能不同的人看同一份簡歷分析出來的結(jié)果是不一樣的,但基本上我們最常用的分析的那些點(diǎn)其實(shí)都是差不多的,當(dāng)然也有些東西分析出來是對(duì)的,有些分析出來是不對(duì)的。
我們是怎么樣去理解信息的?分了幾個(gè)步驟去理解這個(gè)信息?這個(gè)過程是怎么發(fā)生的?
人對(duì)于信息的感知
什么叫感知?
比如我?guī)讉€(gè)月大的兒子,在座的是不是人,他其實(shí)分不清楚。那對(duì)于我5歲的女兒呢?她可能在想:這到底是一個(gè)“士”還是個(gè)“土”?是“博士”還是“博土”?這對(duì)她來講真的是一個(gè)很難的問題,因?yàn)樗谔幱谡J(rèn)字的一個(gè)初期。
對(duì)于機(jī)器來講,感知智能就是機(jī)器對(duì)于信息的認(rèn)識(shí),現(xiàn)在全世界人工智能的工作大部分都停留在這個(gè)層面。那人呢?比如看到博士之后,領(lǐng)導(dǎo)會(huì)說這是一個(gè)學(xué)歷信號(hào),會(huì)想到博士、碩士,然后再往下想,博士是一個(gè)比碩士更高的學(xué)歷,可能我們能思考到,但可能對(duì)于很多人來講,博士已經(jīng)是最高的學(xué)歷,有沒有人覺得博士后最高的?
我們要想做出一個(gè)正確的決策,必須在每一點(diǎn)上都要感知正確、認(rèn)知正確、分析正確,然后才能作出比較理性的決策,所以人對(duì)信息使用的這個(gè)過程,其實(shí)是非常復(fù)雜的。
現(xiàn)在的確是人在很多上面的認(rèn)知比機(jī)器(從廣義上來講)要厲害。但機(jī)器好處是:在它的認(rèn)知范圍內(nèi),它犯錯(cuò)的可能性比人要低,機(jī)器的最大特點(diǎn)是不知疲憊,比如給它一個(gè)詞典,它一下就全部學(xué)完了,取決于這個(gè)詞典、教材編得好不好,如果編得好的話,這個(gè)機(jī)器就會(huì)有很高水準(zhǔn),如果編不好的話,這個(gè)機(jī)器也就學(xué)不好了。
人工智能發(fā)展的浪潮
第一波浪潮
第一波浪潮主要引領(lǐng)的是計(jì)算智能。這波浪潮起來之后,沒過多久就消散了,因?yàn)楹芸炀陀龅狡款i了,雖然機(jī)器能做事情,能幫忙證明一些定律,但在實(shí)用性上并沒有太大的突破,比如機(jī)器無法跟人交流,無法識(shí)別圖像,它最大的作用就是計(jì)算智能。
第二波浪潮
接下來是90年代前后,就是遞歸神經(jīng)網(wǎng)絡(luò)的誕生,它研究如何將圖像識(shí)別出來,最大的特點(diǎn)就是能整個(gè)舒展,前后上下文連接在一起,然后用神經(jīng)網(wǎng)絡(luò)去識(shí)別,但效果并不是很好。
遞歸神經(jīng)網(wǎng)絡(luò)在90年代的中國掀起過一波浪潮,當(dāng)時(shí)整個(gè)中國研究人工智能的那一批人都把精力鋪在了上面,但受限于當(dāng)時(shí)計(jì)算機(jī)的水平,而且當(dāng)時(shí)遞歸神經(jīng)網(wǎng)絡(luò)還有一些數(shù)學(xué)問題解決得不夠好,所以這個(gè)問題看似是看到一個(gè)巨大的希望,一個(gè)突破口,但沒有真正在使用方面得到一個(gè)很大的應(yīng)用。
這是第二波浪潮,遞歸神經(jīng)網(wǎng)絡(luò)興起很快,但直到90年代后面慢慢沒有人再提這個(gè)概念了。
第三波浪潮
就是深度學(xué)習(xí)的誕生。
神經(jīng)網(wǎng)絡(luò)是RNN(循環(huán)神經(jīng)網(wǎng)絡(luò)),現(xiàn)在是CNN,CNN是卷積神經(jīng)網(wǎng)絡(luò)。
其實(shí)物理學(xué)也有一些類似的,如果在一個(gè)空間處理不掉一些東西,就把它轉(zhuǎn)換到另外一個(gè)空間。比如在信號(hào)學(xué)里面,經(jīng)常要取一些信號(hào)波段,它有點(diǎn)類似,就是把它分層,分成很多層之后,發(fā)現(xiàn)可以識(shí)別出不同的信息。
CNN(卷積神經(jīng)網(wǎng)絡(luò))
深度學(xué)習(xí)好在哪里呢?它是2006年提出來的,提出來之后做了圖像方面的簡單處理,直到2008年的時(shí)候都只是在學(xué)術(shù)界轟動(dòng),在業(yè)界里面沒有多大轟動(dòng);但是到了2009年,這個(gè)東西一下子爆發(fā)了,開始有工業(yè)界的人用它去做各種各樣的嘗試;直到2013年徹底爆發(fā)。
這是深度學(xué)習(xí)迎來的天時(shí)、地利、人和的一個(gè)大環(huán)節(jié)。
這是人工智能史上的三次浪潮以及三次浪潮的原因。
牢記RNN、CNN,為什么?有一個(gè)好處,就是當(dāng)你以后再跟人家去談神經(jīng)網(wǎng)絡(luò)的時(shí)候,你只要把這兩個(gè)概念甩出去,保證讓他們直接都說不出話來。
大量做統(tǒng)計(jì)的或者做數(shù)據(jù)挖掘的,都號(hào)稱現(xiàn)在所謂的人工智能的最大區(qū)別,在于這個(gè)公司是否掌握了深度學(xué)習(xí)技術(shù)。
深度學(xué)習(xí)為什么那么難呢?現(xiàn)在還是人工智能發(fā)展的早期,可能再往后兩年這個(gè)東西就沒有那么難,比較容易應(yīng)用到很多領(lǐng)域里,但目前在這個(gè)階段還很難。比如我們公司做的東西,也不可能一個(gè)場景一個(gè)場景去應(yīng)用,很難將文本理解應(yīng)用到很多領(lǐng)域去。
所有的機(jī)器人都可以代替人類?
很多人覺得人工智能好像很恐怕,是不是所有的機(jī)器人都可以代替人類?其實(shí)不是這樣的。
1、人工智能的解釋性差
解釋性差是什么意思?
舉個(gè)例子:
比如AlphaGo下一步棋下到這里了,國內(nèi)很多頂級(jí)的九段高手說:“我都想跟AlphaGo學(xué)這一步棋了,這一步棋下得真的是妙?!钡f實(shí)話,如果AlphaGo是個(gè)人的話,它就是一個(gè)傻子,因?yàn)樗静恢肋@步棋妙在哪里,對(duì)它來說只是下了一步棋,它的思維方式跟人的思維方式完全不一樣,人可以解釋這步棋妙在哪,但AlphaGo根本解釋不出來。
所以這是目前人工智能遇到很大的問題,為什么?它的問題在哪呢?它把很多信息轉(zhuǎn)化到人類根本無法理解的一些信息層去處理了,因此,機(jī)器人目前思考的方式是人類根本不可能理解的這種方式,它不具備這些。
再舉個(gè)例子:
商學(xué)院是面對(duì)社會(huì),跟人去打交道的,做法一定要具有可解讀性,所以目前但凡是要跟人聯(lián)手操作,需要去交互的情況下,人工智能都很難突破,因?yàn)橐绾巫寵C(jī)器人理解人類?這個(gè)被稱之為類人智能,類人智能是一種通識(shí)性的東西,它能夠懂很多東西,而且能夠快速自我學(xué)習(xí)。
目前對(duì)人工智能來講,可能還有很長的路要走,我覺得至少十年內(nèi)是很難的事情。
2、理解人類的能力差
我們隨便說一句話,或者聯(lián)系對(duì)話的上下文,它要如何理解這一塊是目前做得非常差的,甚至學(xué)術(shù)界都不知道該怎么去做這個(gè)事情。
3、邏輯能力不強(qiáng)
什么叫邏輯?
舉個(gè)例子:我為什么來這里?我為什么今天來這里跟大家分享?這是有很強(qiáng)的邏輯關(guān)系的。
但是,我們?nèi)粘9ぷ鞔蟛糠质虑檫壿嫴⒉皇悄敲磸?qiáng):比如我開車,那里有紅燈我就停車,這是簡單邏輯;但遇到復(fù)雜問題的時(shí)候,比如那里有個(gè)綠燈讓我開,然后有個(gè)警察打個(gè)手勢讓我停,這個(gè)時(shí)候機(jī)器怎么判斷?
這還不是復(fù)雜的事情,真正復(fù)雜體現(xiàn)在哪里呢?比如我們公司有個(gè)項(xiàng)目是跟法律公司合作的,是研究法院的判決書,原告遇到什么事告了被告,被告反訴又提供了證據(jù),法官又認(rèn)罪事實(shí)一二三,駁回事實(shí)一二三,最后來了一個(gè)判決,這是一個(gè)強(qiáng)邏輯。
這個(gè)場景下邏輯的應(yīng)用就非常重要了,到目前為止全世界范圍內(nèi)對(duì)于邏輯的應(yīng)用都非常不成功,即便是語言邏輯,就是主謂賓這些東西判斷,機(jī)器在英文里面識(shí)別準(zhǔn)確率是百分之七十六點(diǎn)幾,中文里面做得最好的是哈工大的計(jì)算機(jī)學(xué)院院長劉挺教授,他也只做到比英文落后兩個(gè)點(diǎn)。當(dāng)然,他也說他已經(jīng)很驕傲了,因?yàn)橹形膶?shí)在比英文難。
我剛才說感知智能到認(rèn)知智能,然后再到分析、決策,這中間每一步都是七十四點(diǎn)幾的話,那么結(jié)果的準(zhǔn)確就非常差了,只有百分之二十多,所以我們現(xiàn)在追求準(zhǔn)確率到百分之九十幾,這樣才比較好。
4、缺乏意識(shí)
媒體采訪會(huì)搞一些嘩眾取寵的東西,比如人工智能會(huì)毀滅人類嗎?然后這個(gè)問題就會(huì)被炒得很火,雖然人工智能的發(fā)展總是超出預(yù)期,但我有時(shí)候在想:意識(shí)到底是個(gè)什么鬼東西?怎么才能讓機(jī)器擁有意識(shí)呢?我覺得這是不可能的事情。
意識(shí)是一種物質(zhì),信息是什么?信息也是一種物質(zhì),它是有重量的,人死之后,信息到底以怎樣的形式存在?意識(shí)呢?我自己很不看好人工智能發(fā)展能夠讓人工智能有意識(shí)。
至于許多人的擔(dān)心,人工智能會(huì)不會(huì)毀滅人類。我認(rèn)為,在人工智能超級(jí)發(fā)達(dá)之后,如果有人人為地為這種“超級(jí)人工智能”植入一些意識(shí),甚至“毀掉人類一切”這樣的指令,是有可能的。
人工智能主動(dòng)發(fā)現(xiàn)電腦系統(tǒng)各種漏洞,這個(gè)很有可能。但要是毀滅人類,歸根到底它的意識(shí)是屬于人的意識(shí),不是機(jī)器的意識(shí),我看不到機(jī)器人產(chǎn)生意識(shí)的可能,除非像電影上似的一道閃電閃過。
目前世界上人工智能的產(chǎn)業(yè)和生態(tài)的問題
人工智能技能分四個(gè)階段:
1、計(jì)算智能
計(jì)算智能是最開始驅(qū)動(dòng)人工智能一個(gè)很重要的東西。
為什么叫計(jì)算智能而不叫別的?因?yàn)槟莻€(gè)時(shí)候所有的電腦軟件游戲,用的都是窮舉法,就是把所有可能性算出來,算到結(jié)果。所以基本上屬于算的都是計(jì)算智能和博弈論,博弈論出來很久了,那個(gè)時(shí)候等于屬于利用計(jì)算機(jī)的計(jì)算智能再加上博弈論作出博弈。
2、感知智能
能夠像人一樣感受到外面的信息,這個(gè)信息一共分為三類信息:圖像、聲音、文字。當(dāng)然還有一種信息,目前完全被人類忽略,比如腦電波、皮膚的感應(yīng)等嗅覺、味覺這一塊的信息。
3、認(rèn)知智能
人工智能不僅要能識(shí)別這個(gè)文字是什么,這個(gè)圖像是什么,這個(gè)聲音是什么,還要能夠去識(shí)別它背后的含義。AlphaGo之所以能夠引起那么大轟動(dòng),就是因?yàn)樗趪宓恼J(rèn)知能力上已經(jīng)超過了人類,還有谷歌的無人駕駛、訊飛的機(jī)器翻譯、今日頭條的新聞推薦等。
4、類人智能
這個(gè)屬于人工智能希望達(dá)到的最終的目,但目前只能在電影里面看到:里面的機(jī)器人產(chǎn)生了類人智能,甚至有點(diǎn)真的智能,它產(chǎn)生了愛情,開始理解什么是愛,什么是喜歡,那是比較理想化的,目前人工智能其實(shí)都是集中在這個(gè)階段。
目前所有做得大的公司,臉書、谷歌等都希望能夠達(dá)到類人智能,但是目前想達(dá)到這一步難度非常大,甚至我覺得一家公司不可能做到,所以后來有些公司就做了一些open AI,比如我們公司做的智能東西,通過結(jié)合的方式把它們?nèi)看谝黄?。還有谷歌、臉書、微軟都推出了開放接口,希望大家把技術(shù)全部傳到上面,用它們的技術(shù),讓它們能夠掌握更多理論智能。
這是人工智能的四個(gè)階段。
為什么人工智能在2016年爆發(fā)?
可以說是天時(shí)地利人和。
1、云計(jì)算的大規(guī)模普及,讓應(yīng)用成本大幅度降低
舉個(gè)例子:
做人工智能必然要有大量的數(shù)據(jù),大數(shù)據(jù)從哪里來?從外面獲取需要成本,我們的公司因?yàn)樵朴?jì)算普及,這塊成本降低了50倍,這是很實(shí)用的一個(gè)數(shù)據(jù),所以云計(jì)算對(duì)我們做人工智能有極大意義。
2、計(jì)算能力突破
電腦里面的芯片都是CPU,深度學(xué)習(xí)把計(jì)算機(jī)的計(jì)算速度提高到160-250倍,數(shù)據(jù)哪來?百度首席科學(xué)家吳恩達(dá)就提升到了160倍,我們公司其實(shí)已經(jīng)提升到255倍,而是也是用類似的技術(shù)。這意味著什么?意味著我們以前要花200多臺(tái)服務(wù)器的錢,現(xiàn)在只要一臺(tái)服務(wù)器搞定,一臺(tái)服務(wù)器12萬,這個(gè)成本讓我們有了跟大公司去抗衡的資本,沒有這個(gè)東西根本搞不定。
3、互聯(lián)網(wǎng)催生大數(shù)據(jù)
各種數(shù)據(jù)都有大量的人在整理。
比如做數(shù)據(jù)平臺(tái)化戰(zhàn)略,數(shù)據(jù)的積累比原來快得多,而且兇猛得多。2016年人工智能爆發(fā)都是因?yàn)檫@方面的技術(shù),還有文本的基本理解,文本轉(zhuǎn)化為矢量的計(jì)算,這些東西的關(guān)鍵技術(shù)都在2016年取得了突破,2015年比較成熟,然后爆發(fā)。
2016年人工智能的爆發(fā)確實(shí)有非常多天時(shí)地利人和的因素在里。我認(rèn)為“人工智能+”是比“互聯(lián)網(wǎng)+”要更加兇猛的一個(gè)東西,它未來會(huì)滲透到每一個(gè)行業(yè),未來我們做的很多事情都會(huì)有人工智能來去幫我們優(yōu)化。
企業(yè)如何實(shí)施人工智能
隨著人工智能、人機(jī)交互和高速計(jì)算技術(shù)的發(fā)展,很多人的工作正逐漸被電腦取代,甚至很多新聞?wù)f百分之四十六或者百分之七十幾的未來會(huì)被取代,現(xiàn)在看來真的不是危言聳聽。
因?yàn)闄C(jī)器人的效率和分析能力,尤其在垂直行業(yè)的發(fā)展越來越強(qiáng),甚至強(qiáng)到我們沒辦法跟機(jī)器人比,因?yàn)樗焕?,而且它的知識(shí)量、計(jì)算速度遠(yuǎn)超人類。
舉個(gè)例子:
有人覺得機(jī)器人沒有創(chuàng)意,其實(shí)我覺得機(jī)器人最不缺的恰恰就是創(chuàng)意,為什么?我研究谷歌如何優(yōu)化機(jī)器人的創(chuàng)新過程,研究了兩年多,創(chuàng)新這個(gè)模型,在數(shù)學(xué)里面就是隨機(jī)模型。什么叫創(chuàng)新?就是你有很跨界的背景,然后再加上非常發(fā)散的思維,就很容易產(chǎn)生新的有用的東西。創(chuàng)新就是新的、有用的。
所以,未來人工智能的革命確確實(shí)實(shí)在發(fā)生。
新興市場有一個(gè)名字叫作KWA,就是知識(shí)工作自動(dòng)化機(jī)器人。原來的工業(yè)革命是蒸汽機(jī)代替人做事,但它做的是體力勞動(dòng),人工智能是讓機(jī)器人代替人去做腦力勞動(dòng)的事,尤其是職業(yè)規(guī)劃、HR投資助理等,很多基礎(chǔ)性的知識(shí),一些重復(fù)、單調(diào)的。所有那些你覺得完全依靠經(jīng)驗(yàn),腦力勞動(dòng)、重復(fù)單調(diào)覺得很沒有價(jià)值,對(duì)自己沒有能力提升的,基本上都屬于會(huì)被KWA機(jī)器人所替代的。而且這個(gè)市場規(guī)模非常大,有報(bào)告預(yù)計(jì)在未來十年后這個(gè)市場將會(huì)達(dá)到5.2萬億到6.7萬億美金,相當(dāng)于中國一年的GDP。
人工智能三大障礙
1、積累海量的行業(yè)數(shù)據(jù)
什么叫海量的行業(yè)數(shù)據(jù)?這個(gè)數(shù)據(jù)不是存儲(chǔ)有多少的事。
電信運(yùn)營商的數(shù)據(jù)量非常大,絕對(duì)是PB(PB等于1024TB)級(jí)別的,但是他們的數(shù)據(jù)結(jié)構(gòu)并不是特別復(fù)雜。而iPIN的數(shù)據(jù)存儲(chǔ)量雖然并不特別大,但是關(guān)于人的數(shù)據(jù)是極為復(fù)雜的,僅可量化維度就有幾百維度,算上知識(shí)文本的維度就非常高維了。這么大的數(shù)據(jù)量積累起來是非常不容易的。
有了海量數(shù)據(jù)之后,還必須要有一個(gè)好的架構(gòu)來存儲(chǔ)數(shù)據(jù)。往往我們會(huì)發(fā)現(xiàn),一些公司的數(shù)據(jù)被存儲(chǔ)在不同的部門,而各個(gè)部門之間沒有相互打通,這樣的數(shù)據(jù)對(duì)于決策的參考和幫助價(jià)值其實(shí)是非常有限的。
2、擁有掌握人工智能核心技術(shù)的人才
人工智能的核心一定屬于數(shù)據(jù)。
這是最近這兩年我被問得最多的問題,尤其最近有一個(gè)房地產(chǎn)公司想成立一家合資子公司,想用我們這個(gè)技術(shù)去顛覆房地產(chǎn)技術(shù)匹配的問題,當(dāng)時(shí)提的要求是錢沒問題,但要求給他組建一個(gè)人工智能團(tuán)隊(duì),我一聽就直接拒絕了。
這不可能,我自己花這么長時(shí)間組建團(tuán)隊(duì),以我的能力也只能組建一個(gè),要我?guī)湍憬M建一個(gè),我覺得這是不可能的事情,如果你們是大公司,有足夠的資金實(shí)力,我覺得還是可以嘗試的。
以我對(duì)很多國內(nèi)大公司的了解,人工智能人才主要還是聚集在美國,中國國內(nèi)培養(yǎng)頂尖的人工智能人才,基本遇到了一個(gè)很苦逼的環(huán)境,中國整個(gè)數(shù)據(jù)環(huán)境的生產(chǎn)可以說落后美國很多年。
90年代,美國做了一件事情,很多大的公司都實(shí)現(xiàn)了數(shù)據(jù)戰(zhàn)略化。舉個(gè)例子:美國的沃爾瑪,93、94年還有一家很大的超市,其實(shí)根本不比沃爾瑪小,但是它卻輸給了沃爾瑪。因?yàn)槲譅柆斢昧?/span>ERP系統(tǒng),將所有公司資源全部數(shù)字化了,它能夠知道自己的資源使用率是多少,成本是多少,通過ERP降低公司整個(gè)企業(yè)程序,這對(duì)于這種超市物流管理非常重要,所以數(shù)字化對(duì)于商家有極大的幫助。
美國從90年代到2000年初有一批大的公司商業(yè)化,他們要求BI,就是Business Intelligence(商務(wù)智能)要做到第四層級(jí),要全部打通那個(gè)層級(jí),才能實(shí)現(xiàn)全公司能夠達(dá)到商業(yè)智能的水平。
但目前全中國真正達(dá)到BI第四層級(jí)的公司,我目前知道的只有兩家:阿里和騰訊,騰訊可能還處在三級(jí)吧,阿里則是一個(gè)實(shí)現(xiàn)了百分百第四級(jí)的公司。
阿里2009年引入了一個(gè)人,這個(gè)人后來給阿里巴巴建立了ODPS(大數(shù)據(jù)計(jì)算服務(wù))的數(shù)據(jù)通道,它能夠讓阿里將任何業(yè)務(wù)上實(shí)時(shí)產(chǎn)生的業(yè)務(wù),能夠?qū)崟r(shí)送到通道,而且送到全儲(chǔ)道和最需要的地方去。
這個(gè)事情是非常牛逼的事情,當(dāng)時(shí)我知道這個(gè)結(jié)果之后非常驚訝,阿里居然做成了,它做成這個(gè)之后,就可以有和谷歌、亞馬遜叫板的資格,尤其它還建了阿里云。阿里云是我見過最像亞馬遜的真正的云計(jì)算的公司,阿里在建設(shè)數(shù)據(jù)人才可以說是不遺余力。
3、管理層擁有數(shù)據(jù)意識(shí)
這個(gè)不說了,如果老板想干嘛就干嘛,如果老板不想干嘛,你怎么說都沒有用。
很多公司不重視數(shù)據(jù),不是說老板認(rèn)識(shí)不到數(shù)據(jù)的作用,而是可能他自己也不清楚這個(gè)數(shù)據(jù)做成之后到底會(huì)給公司帶來多大收益,因?yàn)樽鋈魏问虑槎家紤]投入產(chǎn)出比,所以當(dāng)時(shí)在不是很了解收入產(chǎn)出比的情況下做這個(gè)事情是很痛苦的。
公司決定為任何一項(xiàng)事情引進(jìn)人才都涉及時(shí)間、金錢方面的投入,要想項(xiàng)目真正運(yùn)轉(zhuǎn)得好,還需要引進(jìn)的人才能夠推動(dòng)落實(shí)。這就導(dǎo)致另一個(gè)尷尬,因?yàn)閿?shù)據(jù)人才都是很貴的,市場的供需比嚴(yán)重不平衡,本身就是一個(gè)成本很大的事情,萬一別的部門不配合,事情就難以推動(dòng),公司的投入也就打了水漂。
招聘的環(huán)節(jié)以及人工智能的展望
1、招聘
招聘是非常長的鏈條,要從最開始做人力資源規(guī)劃到預(yù)測。
什么叫人力資源規(guī)劃?
大多數(shù)是公司現(xiàn)在要做什么?下一步要做什么?每個(gè)團(tuán)隊(duì)分配怎樣的人力資源?比如給你幾個(gè)人,報(bào)過來審批,大概是這樣一個(gè)流程。
在美國有一家公司,它專門幫公司做人力資源規(guī)劃,它是幫你分析你的競爭對(duì)手的人力資源規(guī)劃是怎么做的,通過那個(gè)來指導(dǎo)你怎么做。所以它是面向CEO層的,它真的把人力資源當(dāng)成戰(zhàn)略去做,而不是支撐業(yè)務(wù)去做。
我覺得未來人力資源方面有很大提升空間,要去規(guī)劃,去提高預(yù)測的準(zhǔn)確性。這是我們公司目前也在做的事情。
2、培訓(xùn)
為人工智能的老師量身定制一些課程,這塊或許跟教育有關(guān)。
比如E-Learning(在線學(xué)習(xí)系統(tǒng))本來就是很大的市場,但目前為止也沒有看到特別好的實(shí)例,雖然各個(gè)公司都在投入在線教育,E-Learning也非常深入地在研究人工智能,但目前為止并沒有看到特別好的效果。機(jī)器不能理解人,你要如何講得人能喜歡聽?比如新東方的老師真的很牛嗎?其實(shí)未必,但他們很會(huì)講課,能夠激發(fā)你學(xué)習(xí)的興趣,這是人工智能目前做不到的一點(diǎn)。
3、績效
可以實(shí)現(xiàn)高度自動(dòng)化學(xué)習(xí)化,包括美國在內(nèi)的很多學(xué)校教育都在做新的嘗試:不用再考試,通過平時(shí)做作業(yè)打績效分。
對(duì)人的績效能不能不要去定季度的Q1、Q2,而是采取平常的工作,根據(jù)平常很小的一些任務(wù)就給自動(dòng)化的評(píng)估,這樣更能調(diào)動(dòng)人工作的積極性。
4、薪酬報(bào)告
這塊不屬于人工智能,更多是屬于大數(shù)據(jù)。
比如我們現(xiàn)在掌握著全中國5000多萬的薪酬數(shù)據(jù),這些薪酬數(shù)據(jù)要怎樣更好以一種個(gè)性化的方式存在?我們目前在做一種嘗試,不是看什么薪酬報(bào)告,而是找到跟這個(gè)最像的人,他們在哪個(gè)公司,拿多少錢。通過這種方式去做一些動(dòng)態(tài)、實(shí)時(shí)、個(gè)性化的東西,這也許是未來一個(gè)大的機(jī)會(huì)。
5、員工關(guān)系的維護(hù)
國外有一家公司可能才成立三年不到,去年他們的高管來我們公司訪問,問我們:“你認(rèn)為它進(jìn)入中國可能性大嗎?”因?yàn)樗麄冊诿绹懦闪⑷瓴坏?,就已?jīng)發(fā)展到了3000多員工,一年盈利20億美金左右的規(guī)模,這非常快,非??鋸?。
他們將整個(gè)員工入職的這一塊全部包干了,員工入職流程有很多東西,比如各種社保、醫(yī)保,全部都做到系統(tǒng)化里,這樣公司省事,員工也有選擇,同時(shí)也有更多社保、醫(yī)保公司給它付費(fèi)。
中國社保、醫(yī)保這一塊是國家控制的,可能不會(huì)像美國有這么大的市場。不過國外確實(shí)有很多在做員工預(yù)測離職的分析。比如我原來聽說的:如果你發(fā)現(xiàn)一個(gè)員工老是周三、周四請(qǐng)假,那這個(gè)員工是要走了。
目前全球人力資源的生態(tài)
1、人才的獲取、招聘、入職
人才的獲取、招聘、入職,屬于公司內(nèi)的人才管理,HR的核心管理,這個(gè)是國外的市場。
我當(dāng)時(shí)在美國一直在研究這件事情,回國之后給我的感覺是:國內(nèi)的人力資源市場跟國外的人力資源市場感覺不在一個(gè)星球上。
為什么呢?
國外公司大量使用各種軟件系統(tǒng),國內(nèi)發(fā)工資還是人在發(fā),美國全部是電子化了,當(dāng)然他們沒有人敢欠稅務(wù)局的錢。每一塊領(lǐng)域都有很多公司在做一些智能化服務(wù)。每個(gè)領(lǐng)域我覺得都有很大的機(jī)會(huì)。我當(dāng)時(shí)的判斷是,我最近對(duì)美國市場不是那么熟了,我感覺那個(gè)時(shí)候兩國在人力資源系統(tǒng)的發(fā)展相差有七、八年之大。
2、面試評(píng)估
這一塊的智能化在中國做得特別低,你要對(duì)這個(gè)做背調(diào)(背景調(diào)查),這個(gè)人的教育經(jīng)歷和工作經(jīng)歷是不是真實(shí)的,其實(shí)在美國一下子就可以搞定,在中國就很難搞清楚了,其實(shí)成本并不高。
舉個(gè)例子:
騰訊最近跟哪家公司簽約了,需要委托別人去做背調(diào)。其實(shí)背調(diào)在美國已經(jīng)屬于高度自動(dòng)化了,直接把你的搜索ID給我,我就能查到你的經(jīng)歷是不是真的,在中國技術(shù)上是完全能夠?qū)崿F(xiàn)的。其實(shí)在征信行業(yè)已經(jīng)實(shí)現(xiàn)了,我們在想這塊能不能有個(gè)很大的優(yōu)化。
3、談薪錄用,背調(diào)
有些公司在這一塊會(huì)做,但中國一半屬于絕對(duì)OK了再去做背調(diào),薪資未來是可以信息化的,可以變得更強(qiáng)。
4、入職
這一塊在國內(nèi)有一家公司開始在嘗試,但做得也不大。
5、考核
我是不專業(yè)的,我經(jīng)常也跟別人交流考核到底應(yīng)該怎樣做,因?yàn)槲野l(fā)現(xiàn)隨著公司規(guī)模、業(yè)務(wù)性質(zhì)、公司文化的不同,考核也需要不斷去改變,我感覺這塊可能不是數(shù)據(jù)能夠簡單解決的問題。
謝謝大家!
更多人工智能相關(guān)文章點(diǎn)擊以下鏈接
聯(lián)系客服