如果你从2019年全美零售商联合会(NRF)大型展会上使用“人工智能”一词的次数来判断,你会认为这是一项成熟的能力,正在向每个零售企业推广。

现实情况略有不同。Gartner报告称,只有2%的企业(不仅仅是零售企业)部署了人工智能,只有24%的企业在短期内进行了“试验”。然而,在成为人工智能投资的前沿方面,零售显然只落后于金融服务——专注于零售的人工智能初创企业的市值是其他所有专注于零售的初创企业总和的两倍以上。

但是,“人工智能”对于初创企业、功能,甚至特别是零售应用程序来说,真正的意义是什么呢?当你观察不同类型的人工智能时,你会发现并非所有的人工智能都是平等的。

人工智能分类

麦肯锡(McKinsey)确定了三种类型的人工智能:分类类型、预测类型和生成类型。

分类一般侧重于自然语言处理(NLP)或计算机视觉。人工智能在此上下文中识别单词或图像并对它们进行分类。例如,可以根据消费者的情绪对tweet进行分类,或者可以使用产品图像来识别属性,有时简单到“短袖”,有时复杂到“印花”。人工智能的价值在于提供非结构化信息的细节。但要真正从中获得价值,必须使用这些细节来做出新的决策——这需要人或机器将这些细节转换成一个动作。

预测实际上就是预言——预测最有可能的下一步行动。预测驱动着从个性化到路线优化到两者之间的一切。它需要一套不同的人工智能工具——更多地关注数据的粒度,并以一种更“内部”的方式应用人工智能,即研究传统预测模型,并对其进行微调,使其变得更好。良好的人工智能驱动预测将杂质数据与实际产生更好结果的数据分离开来,并识别出即使在实际行为和结果随时间变化时也可以使用的最佳模型。

最后一种人工智能是生成。聊天机器人是人工智能时代最知名的应用。大多数聊天机器人都是作为一组广泛的固定响应构建的,人工智能被应用于一种分类模式,以识别用户在说什么,然后编组适当的固定响应。这就是你为何聊天机器人会陷入循环的“对不起,我不明白。”

更复杂的一代人工智能会做一些其他事情,比如在图片中识别狗的能力,并利用这些知识生成狗的图片。这种类型的人工智能最近增加了一个工具,它可以获取配方并生成成品的图像。开发人员指出,比起复杂的电镀餐,它更适合配汤(我想知道为什么),但它展示了一组特别复杂的人工智能功能:能够分析菜谱,将配料和烹饪说明的组合转换成预期的输出,并将多个输出组合生成图像。

对于零售业,我认为预测是目前为止应用于商业问题的最有价值的人工智能类型。然而,人工智能在零售领域的大部分活动都集中在NLP和计算机视觉上,而不是更困难(也更有价值)的预测问题。大多数的NLP和计算机视觉工作都集中在分类上,而不是生成上。

这并不是说NLP和计算机视觉没有价值,只是它们的价值有限。有了预测,你就有机会根据你的目标客户来决定买什么,买多少,把它放在哪里,以及如何定价。有了NLP和计算机视觉(我们今天可以应用它们的方式),您将尽最大努力充分利用您已经做出的决定——试图让消费者购买。

这只是人工智能炒作与现实不符的一个方面。它不是唯一的一个。这里还有五个。

不是真正的应用程序

当你分解人工智能解决方案时,它们最终会变成许多围绕着非常小的、特定的人工智能功能的“常规”软件。由Yoox公司设计的“人工智能设计”系列产品获得了很多好评。但当你深度挖掘的时候,Yoox正在从指定的来源收集图像——在高级时尚城市中有影响力的人——并将它们归类为趋势,然后把它们变成一个服装系列。尽管这令人印象深刻,但要实现这些趋势,确定合适的项目数量,然后用真正的设计填充这些项目占位,还需要很多步骤。

先解决简单的问题

这并不是对人工智能的批评,但值得注意的是,与零售领域的所有问题相比,人工智能的应用领域是相对“容易”解决的问题。在预测方面,所有人工智能方面的进展都是在食品杂货的补充上取得的——这是预测的一个角落,数据已经很丰富,而且库存普遍过剩(尤其是与时尚界的限量供应和短季相比)。因此,当预测用例交付价值时,它目前只占全部机会中的很小一部分。几乎所有的人工智能应用都是这样,至少在零售领域是这样。

AI的黑匣子问题

人工智能中的黑匣子问题有两个方面,但它们都是相关的。必须使用由人工智能驱动的分析得出的建议的员工需要能够信任此结果。如果他们不能看到或理解输入是如何转换成结果的,他们就不会对这些结果感到满意,尤其是如果他们与员工已经“知道”的事实(无论是否真的)相悖。我遇到过几个例子,来自人工智能项目的采用问题,员工已经完全拒绝了人工智能的建议,这将项目置于风险之中。告诉人们“按我说的去做”并不能解决这个问题。

黑盒问题的另一面则更为根本:你如何阻止人工智能学习它不应该学习的东西?显然,人工智能可以相当容易地学会串通和辨别,而且如果没有人监控人工智能得出的结论,一家依靠错误算法的零售商可能很快就会发现自己陷入监管机构的困境。一旦员工发现人工智能是“错误的”,那么你的人工智能项目就完蛋了。

零售人工智能面临的道德风险

人工智能开发人员和研究人员正在努力让人工智能变得合乎道德——如何揭示人类所拥有的这个世界的隐藏假设,这种假设是如此根深蒂固,以至于我们在为时已晚之前都不会考虑它们。你知道,像“不要吃人”这样简单的事情,或者基于收入水平或种族原因的价格歧视是错误的。

但是,正如我们在消费者隐私问题上一再看到的那样,在管理一项技术的道德规范方面,零售业有一个特殊的盲点。让我们以手机跟踪为例。作为零售商第一次尝试推出消费者店内跟踪使用手机嗅探器之类的东西时,有很多零售商和技术供应商之间相互指责,我们很容易再次与人工智能一起走上这条道路。

避免锤子和钉子的问题

并不是只有零售商才会为拥有一把闪亮的新锤子而苦恼,并因此将所有问题都视为需要钉子。一般来说,技术人员很容易成为这种心态的受害者。人工智能并不是解决所有问题的正确方法。虽然你可以使用人工智能的预测方式来“降低成本”,例如,你可以使用摄像头预测人类的移动,并将其嵌入无人驾驶汽车,但这并不意味着所有预测都是有价值的,或者可以以一种有用的方式加以应用。人们非常善于发现模式,但我们仍然没有搞清楚什么是直觉上的飞跃。在零售业中,有很多地方,艺术和科学的结合比任何一个单独的结合都要强大得多。

人工智能在现在或时不久的将来,都非常擅长在人类无法吸收的海量数据中转换,找到人类无法看到的模式。它还非常善于将这种分析应用于比人类多得多的问题上。但是它仍然需要被明智地应用并确保我们正在优先处理实际需要解决的问题。

底线

围绕人工智能的大肆宣传与零售行业的实际情况并不相符。这并不是说人工智能不值得追求,甚至也不是说它会失败。相反,为了让AI在零售领域取得成功,需要解决这些存在的问题。否则,我们将会看到很多都只会停留在口头的讨论中而不是具体的行动上,就像我们在NRF所做的那样。