近年， 人工智能(Al ) 在日常商業決策及營運上的應用日漸普及。但如何運用其強大的分析運算及決策能力，為企業帶來實際的利益及效率提升呢？實需要考慮各行業的特性及實際需要，才可以合適地融合經驗與Al 科技。
我們現在談論Al ，不得不提被譽為電腦科學與人工智能之父—艾倫圖靈(Alan Turing) 。他是一位英國電腦科學家、數學家、邏輯學家、密碼分析學家和理論生物學家。在第二次世界大戰，圖靈曾在英國頂級機密情報機構從事密碼破譯工作，負責分析德國海軍密碼。期間，為破解一些加密的情報，他特別設計了一台機器來尋找各種密碼破譯的可能性，這可算是初期的電腦。因為密碼的組合非常複雜繁多，運算需時，故在這台機器找出破解方法之前，密碼已經被更新了。最後圖靈運用統計分析，洞悉了—些經驗法則(Rule of thumb)，從而優化了這台機器和密碼破解的過程， 因此贏了該戰爭。
我們現在稱這些透過經驗法則衍生出來的優化方式為啟發式(Heuristic) 。Heuristic 在Al 發展史上，一直扮演着一個非常重要的角色。它使電腦懂得從經驗中學習， 從而解決未曾發生過的問題。這樣， Al才能夠更聰明，更快速地進行運算，找出合適的方案。
各行各業的運作均有其獨特性，這些特性大多是由以往經驗累積所得來。當Al 融合了這些經驗， 加上其快速的運算能力和自我學習機制， AI就能協助企業在不同營運和決策的問題上，提升解難的效率。筆者從事研究及設計Al 方案多年，發現在不同行業上有很多潛在的問題，都可以用AI來有效地找出解決方案。當中，以行業經驗設計Heuristic及Al 運算的速度、深度和闊度更是達成目標的成功關鍵。
我們可以利用經驗法則，設計出Heuristic，使Al 更聰明。奈何太依賴這些傳統智慧， 反而適得其反。因為規範太多的時候，這個系統就只是把一些慣性行為， 以電腦系統模式呈現出來， 並不是Al 。
筆者曾做過一些為生產線進行排程自動化和優化的系統項目。過程中，生產線主管加入了很多他的習慣和想法．因此Al每次在處理問題時，都不需要思考，直接套用了主管的做法。大大限制了運用Al 的彈性。系統只是重複主管的做法，並沒有自我學習和發掘新可能性的能力，就像傳統的Rule-based 系統一樣。然而，如果Al 沒有考慮行業經驗，它只會透過理論提供一些不切合實際情況的答案，結果只會不貼地。
現在，有些公司提供的AI系統， 都只是套用「罐頭式」方案，當中並沒有透過數據科學、分析和使用過去的經驗數據來設計AI系統。沒有考慮行業的特性， AI系統實很難成功地應用於實際營運上。
有了行業的經驗，AI就能利用其運算的速度、深度和闊度的優勢，為企業營運提供最佳的決策建議。在速度上，AI會將決策上所有的可能性迅速地作出評估， 對比人類往往只考慮數個選擇做判斷，AI必定能提供更優化的建議。在深度上，AI會將每個可行的決策所引致的後果也一併深入考慮。在闊度上，AI的考慮比人類廣闊許多， AI會評估和計算不同決策所產生的組合及可能性。在這麼多因素須考慮的情況下， 實在需要AI來提供最優化的建議。
撰文：馮景龍
Optix Solutions Ltd. 創辦人、香港電腦學會人工智能專家小組執行委員會成員