01
最近，百度文心一言和GPT-4模型的發布，徹底把人工智慧推上了一個新巔峰，真正超越了人類在各個專業99%水平，包括程式設計師、律師、教師、客服、心理諮詢師、文案、音樂人、編劇等等。
GPT-4參加美國BAR律師執照考試，超越了90%的律師；也參加生物學科的奧林匹克競賽，成績超越了99%的優秀中學生，並且是奧賽金牌水準。
這樣下去人類還能做什麼？難道我們以後就只能幹體力活了？
在一波波技術浪潮、人工智慧浪潮面前，我們該怎麼辦？
02
我的回答是：人工智慧時代，核心能力是調動資源的能力！
我們如何調用人工智慧的資源？
首先就要從這三個要素入手：算力、算法、大數據。
其中，算力是硬體，大數據是我們日常行為的留存和積累，這是我們無法超越AI的地方。
但是，我們可以通過算法去調用算力和大數據，就像我們考了駕照，就能開車一樣，算法思維就是我們調用人工智慧的駕照。
如果學習和掌握算法思維，我們才能調用人工智慧這個技術資源，
下面我以一個案例為例，看看我們如何用算法思維進行決策？
03
一家公司要選拔中層部門經理，分別是甲、乙、丙三位候選人。
甲候選人：業績特別好，團隊第一名，但是不太合群，沒有什麼夥伴，
乙候選人，成績一般，但人緣特別好，和誰都能聊到一起、玩到一塊。
丙候選人，人品好，善良正直，樂於幫助別人，但人緣不如乙候選人，業績也不如甲。
這三位候選人，你會選拔誰擔任中層幹部？
我把這個問題拋在企業家、投資群裡面，大家展開了激烈的討論：
有人說，業績好能給大家起到表率作用，激勵團隊，應該選甲。
有人說不對，中層管理要懂得帶團隊，人緣好，不合群怎麼當管理？
有人說，人品好，三觀正，這才是選人的重要標準。
大家討論來，討論去，誰都想要一個業績好、人緣好、人品又好的部門經理，但是這可能嗎？
這就是我們經常會遇到的複雜問題：【不可能三角】。
什麼是不可能三角？
就像你很難選到一個「業績好+人緣好+人品好」的經理，我做投資也是一樣，我也想選中「高收益+低風險+高流動性」的標的。
但這種完美的選項不僅稀少，核心還在於你是怎麼決策，做出選擇的？
很多人是決策的思維錯了，而不是結果錯了。
04
那麼，人工智慧如何解決【不可能三角】問題？
我先簡單介紹人工智慧的思考決策方式，你就能輕鬆解決這類「不可能三角」問題。
以人工智慧識別我們面部表情為例，我之前和大家分享過一家教育公司，他們通過人工智慧來識別孩子的上課狀態，打分後給家長反饋。
通過攝像頭掃一下每個學生在課堂的面部表情，就能判斷出來這個人的情緒是高興、認真、疑惑、驚訝、生氣，這是怎麼做到？
這個過程分為三個步驟：
1、數字化。計算機把圖片上的一個個像素點都轉換成數字。
2、識別關鍵點。經過人工標註和計算機學習之後，它就能夠分辨出來哪裡是眼睛、哪裡是鼻子、哪裡是嘴巴等幾十個關鍵位置。
3、量化分析關鍵點的變化。
AI會細化我們臉上每個微小的變化，來識別情緒。
比如說，你高興的時候，如果不刻意的控制，那嘴角肯定會上揚、眉毛中間也會上翹，AI就會做量化：你的眉毛上揚了2厘米，嘴角彎曲了10°。
對這些表情經過量化分析，AI就會對「高興、認真、疑惑、驚訝」有個分數，再通過對我們面部表情的變化打分，得出我們現在的心情和狀態。
當然，還會出現一種情況，高興和驚訝可能出現相同的分數，這個時候怎麼辦？
這個時候，就需要另外一個思維：【加權】。
簡單來說就是增加權重，增加誰的權重？
我們在情緒變化的時候，嘴巴總是會不自覺的往上翹，它的權重就要高於眼睛、鼻子。
那嘴巴的權重分是10，眼睛的權重分是6，鼻子的權重分是3。
這就能清晰的分辨孩子某個表情是屬於高興還是驚訝了。
這就是人工智慧面部識別的留存，能輕易識別到雙胞胎差別的原因。
這套面部識別和表情識別模型，已經用在我們手機面部解鎖、人臉支付上，在我孩子小學的編程課程中，就有這樣數據點的識別內容。
當然，把這套模型講清楚，不是讓我們成為人工智慧專家，而是把這套底層的決策思維模型，用到我們企業、投資和日常生活中的決策中來。
我總結了人工智慧決策思維模型的三個步驟：
1. 分析對象數字化；
2. 識別關鍵要素；
3. 量化（打分、加權）對比分析，做決策。
05
那麼，帶著這個思維回到我們選拔人才的問題。
我們把「人品、業績、人緣」三個要素髮給企業家，讓他們用數字化分別打分，然後三類分數【加權】。
業績權重分，6；人緣分比較重要，權重8；人品最重要，權重10。
再按照這三個緯度去給候選人打分，就能很容易選拔出你想要的部門經理人選。
同樣，我在投資決策中需要分析企業，也會用到這套【人工智慧·決策思維模型】。
第一步：企業經營數字化。把營收、利潤、凈資產收益率、資產負債率、固定資產、員工數量等，用數字化表達。
第二步：識別關鍵要素。分析盈利能力、營運能力、財務風險等，
第三步：量化分析關鍵要素，做出決策。
用這個模式，我們投資團隊在中國5000多家上市公司當中，篩選出不到50家公司作為投資對象，在過去獲得了不錯的收益。
同樣，我們也會運用到加權。
宏觀政策、行業趨勢、企業經營，對不同行業的影響程度是不一樣。
像銀行、地產行業，對宏觀政策和行業趨勢敏感，對企業經營敏感度低很多，那麼宏觀政策權重就是10，行業趨勢權重6，企業經營權重3。
但在食品消費行業，企業經營敏感度高，權重10，行業趨勢次之、權重6，宏觀政策更低、權重3。
大家看這套模型是不是就做到了標準化和量化，在決策中從「人治到法治」，心中有底而且可複製。
06
總結今天的分享，我和大家梳理了一套人工智慧的決策模型，分為三個步驟：
1. 分析對象數字化
2. 識別關鍵要素。
3. 量化（打分、加權）對比分析，做決策
像文心一言、GPT 4.0人工智慧屬於多模態輸入，可以通過文字、語音、圖像輸入，就是完成第一步的分析對象數字化。
在識別關鍵要素上，GPT 4.0達到非常恐怖的萬億級別，也就是分析的精準度更高，
像文心還需要學習，例如我們輸入「車水馬龍」畫一幅畫，就會出現比較搞笑的畫面，這就涉及權重分析了。
在人工智慧時代，我們的核心能力就是調動資源的能力！
今天這套決策思維模型，不只是使用人工智慧，同樣應用於我們企業經營和投資決策，希望在新一輪經濟周期和人工智慧時代，我們能把握住更好的發展機遇。
—
責任編輯 | 羅英凡
本文圖片均來源於網絡