从经济学的角度来看人工智能，与很多新兴技术一样，人们经常会问：它如何降低成本？人工智能最大的意义就在于能够通过预测降低商业活动和人们生活中的成本，当人工智能技术与其他技术联系起来往往能发挥出最优效应。

　　半导体技术的进步降低了人们运算的成本，让运算能够拥有更多的应用场景。在60年代，只有政府和军事等场景需要大量的计算，但如今计算已经开始应用于更多场景，比如需求预测等，因为计算能力的获得更加便捷而且廉价。

　　因为运算成本的下降，人们开始把运算用于解决传统意义上并不属于计算范畴的问题，来进行预测，也带动了其他相关的价值链发生了变化。当预测成本进一步下降，预测将能够更多地用于解决传统问题，比如如何进行仓储管理，对一些容易变质的食物的需求做出预测，来决定商店进多少货。通过预测，我们可以更加快捷、更低成本、更好地去解决问题。

　　物联网技术方案提供商斑马技术首席技术官Tom Bianculli告诉记者：“按需经济时代之下快节奏的消费环境需要更多源于前端与用户直接发生交互的业务数据，越来越多的企业通过在其‘边缘’部署相关技术和设备，从而能够高效地采集一线数据，并在线进行实时分析和预测，制定高效的实时决策。”

　　与此同时，“机器预测”还能用来解决传统意义上并不属于预测范畴的问题，比如我们从来不会想到自动驾驶是一个预测的问题。因为过去，工程师将自动驾驶汽车编程，用于可控制的范围内，比如工厂或者仓库，并清楚地告诉它们在特定环境下应该做什么，比如人经过时要停下来，或者一个货架没货时就要去下一个货架等等。但是我们没法把这样的“自动驾驶”汽车直接放在马路上，因为那里有太多的“特定”环境，无法事先全都告诉它们，比如如果光线太暗，如果下雨，或者如果有车子突然变道等等，这些“如果”不胜枚举。

　　但今天我们已经可以把自动驾驶归类到“预测”的问题了。伴随着人工智能的出现，自动驾驶汽车只需要回答一个问题：一个好的人类司机是怎么做的？所以教会人工智能开车，我们只需要把一个人类司机放在驾驶位上，让人工智能坐在边上边看边学习。因为人工智能并没有眼睛或者耳朵，所以我们需要给它们加上摄像头、雷达和激光雷达（LIDAR），“眼睛”就是对人工智能的信息输入，以便让它们观察人类司机的做法，并且预测接下来应该做什么。

　　人工智能最初会犯下很多错误，但是它们会通过这些错误学习，并且在每次做出错误的预测时自动进行信息更新，就和人类一样，这样它们的预测就会越来越准确，甚至达到人类的水平，而不再需要人类告诉它们该怎么做，这样人工智能就拥有独立执行任务的能力。

　　如果把人工智能想象成收音机的声音旋钮，那么通过调节这个旋钮，就能增加人工智能预测的准确性。数据分析公司SAS首席技术官Oliver Schabenberger告诉记者：“人工智能在重复行为方面能够比人类系统更快，通过调节不同的参数，从而试出能够达到最佳商业效果的解决方案，这也就意味着，它们确实能够找出更好的规则。”

　　当然，当“机器预测”逐步能够开始替代人类，人们会质疑人类的预测是否不再那么重要。尽管人类的判断往往带有主观性，但判断是机器所不具有的能力，机器只会把预测的结果告诉人类，让人类来根据这些预测做决定，因此人类判断的价值就会上升。通常判断和预测是人类在做决定时所并用的。
 

（第一财经）