01
最近，百度文心一言和GPT-4模型的发布，彻底把人工智能推上了一个新巅峰，真正超越了人类在各个专业99%水平，包括程序员、律师、教师、客服、心理咨询师、文案、音乐人、编剧等等。
GPT-4参加美国BAR律师执照考试，超越了90%的律师；也参加生物学科的奥林匹克竞赛，成绩超越了99%的优秀中学生，并且是奥赛金牌水准。
这样下去人类还能做什么？难道我们以后就只能干体力活了？
在一波波技术浪潮、人工智能浪潮面前，我们该怎么办？
02
我的回答是：人工智能时代，核心能力是调动资源的能力！
我们如何调用人工智能的资源？
首先就要从这三个要素入手：算力、算法、大数据。
其中，算力是硬件，大数据是我们日常行为的留存和积累，这是我们无法超越AI的地方。
但是，我们可以通过算法去调用算力和大数据，就像我们考了驾照，就能开车一样，算法思维就是我们调用人工智能的驾照。
如果学习和掌握算法思维，我们才能调用人工智能这个技术资源，
下面我以一个案例为例，看看我们如何用算法思维进行决策？
03
一家公司要选拔中层部门经理，分别是甲、乙、丙三位候选人。
甲候选人：业绩特别好，团队第一名，但是不太合群，没有什么伙伴，
乙候选人，成绩一般，但人缘特别好，和谁都能聊到一起、玩到一块。
丙候选人，人品好，善良正直，乐于帮助别人，但人缘不如乙候选人，业绩也不如甲。
这三位候选人，你会选拔谁担任中层干部？
我把这个问题抛在企业家、投资群里面，大家展开了激烈的讨论：
有人说，业绩好能给大家起到表率作用，激励团队，应该选甲。
有人说不对，中层管理要懂得带团队，人缘好，不合群怎么当管理？
有人说，人品好，三观正，这才是选人的重要标准。
大家讨论来，讨论去，谁都想要一个业绩好、人缘好、人品又好的部门经理，但是这可能吗？
这就是我们经常会遇到的复杂问题：【不可能三角】。
什么是不可能三角？
就像你很难选到一个“业绩好+人缘好+人品好”的经理，我做投资也是一样，我也想选中“高收益+低风险+高流动性”的标的。
但这种完美的选项不仅稀少，核心还在于你是怎么决策，做出选择的？
很多人是决策的思维错了，而不是结果错了。
04
那么，人工智能如何解决【不可能三角】问题？
我先简单介绍人工智能的思考决策方式，你就能轻松解决这类“不可能三角”问题。
以人工智能识别我们面部表情为例，我之前和大家分享过一家教育公司，他们通过人工智能来识别孩子的上课状态，打分后给家长反馈。
通过摄像头扫一下每个学生在课堂的面部表情，就能判断出来这个人的情绪是高兴、认真、疑惑、惊讶、生气，这是怎么做到？
这个过程分为三个步骤：
1、数字化。计算机把图片上的一个个像素点都转换成数字。
2、识别关键点。经过人工标注和计算机学习之后，它就能够分辨出来哪里是眼睛、哪里是鼻子、哪里是嘴巴等几十个关键位置。
3、量化分析关键点的变化。
AI会细化我们脸上每个微小的变化，来识别情绪。
比如说，你高兴的时候，如果不刻意的控制，那嘴角肯定会上扬、眉毛中间也会上翘，AI就会做量化：你的眉毛上扬了2厘米，嘴角弯曲了10°。
对这些表情经过量化分析，AI就会对“高兴、认真、疑惑、惊讶”有个分数，再通过对我们面部表情的变化打分，得出我们现在的心情和状态。
当然，还会出现一种情况，高兴和惊讶可能出现相同的分数，这个时候怎么办？
这个时候，就需要另外一个思维：【加权】。
简单来说就是增加权重，增加谁的权重？
我们在情绪变化的时候，嘴巴总是会不自觉的往上翘，它的权重就要高于眼睛、鼻子。
那嘴巴的权重分是10，眼睛的权重分是6，鼻子的权重分是3。
这就能清晰的分辨孩子某个表情是属于高兴还是惊讶了。
这就是人工智能面部识别的留存，能轻易识别到双胞胎差别的原因。
这套面部识别和表情识别模型，已经用在我们手机面部解锁、人脸支付上，在我孩子小学的编程课程中，就有这样数据点的识别内容。
当然，把这套模型讲清楚，不是让我们成为人工智能专家，而是把这套底层的决策思维模型，用到我们企业、投资和日常生活中的决策中来。
我总结了人工智能决策思维模型的三个步骤：
1. 分析对象数字化；
2. 识别关键要素；
3. 量化（打分、加权）对比分析，做决策。
05
那么，带着这个思维回到我们选拔人才的问题。
我们把“人品、业绩、人缘”三个要素发给企业家，让他们用数字化分别打分，然后三类分数【加权】。
业绩权重分，6；人缘分比较重要，权重8；人品最重要，权重10。
再按照这三个纬度去给候选人打分，就能很容易选拔出你想要的部门经理人选。
同样，我在投资决策中需要分析企业，也会用到这套【人工智能·决策思维模型】。
第一步：企业经营数字化。把营收、利润、净资产收益率、资产负债率、固定资产、员工数量等，用数字化表达。
第二步：识别关键要素。分析盈利能力、营运能力、财务风险等，
第三步：量化分析关键要素，做出决策。
用这个模式，我们投资团队在中国5000多家上市公司当中，筛选出不到50家公司作为投资对象，在过去获得了不错的收益。
同样，我们也会运用到加权。
宏观政策、行业趋势、企业经营，对不同行业的影响程度是不一样。
像银行、地产行业，对宏观政策和行业趋势敏感，对企业经营敏感度低很多，那么宏观政策权重就是10，行业趋势权重6，企业经营权重3。
但在食品消费行业，企业经营敏感度高，权重10，行业趋势次之、权重6，宏观政策更低、权重3。
大家看这套模型是不是就做到了标准化和量化，在决策中从“人治到法治”，心中有底而且可复制。
06
总结今天的分享，我和大家梳理了一套人工智能的决策模型，分为三个步骤：
1. 分析对象数字化
2. 识别关键要素。
3. 量化（打分、加权）对比分析，做决策
像文心一言、GPT 4.0人工智能属于多模态输入，可以通过文字、语音、图像输入，就是完成第一步的分析对象数字化。
在识别关键要素上，GPT 4.0达到非常恐怖的万亿级别，也就是分析的精准度更高，
像文心还需要学习，例如我们输入“车水马龙”画一幅画，就会出现比较搞笑的画面，这就涉及权重分析了。
在人工智能时代，我们的核心能力就是调动资源的能力！
今天这套决策思维模型，不只是使用人工智能，同样应用于我们企业经营和投资决策，希望在新一轮经济周期和人工智能时代，我们能把握住更好的发展机遇。
—
责任编辑 | 罗英凡
本文图片均来源于网络