如果你还不熟悉下面提到的情景，我想很快就会熟悉了。一个小孩独自在另一个房间做功课。你听到小孩问说：「特拉华州的首府是哪里？」于是家长开始思考：巴尔的摩……太明显了……威明顿……不是首府。还在思考的时候，一台叫Alexa的机器就说出正确答案：「特拉华州的首府是多佛。」Alexa是亚马逊（Amazon）的人工智能（artificial intelligence，简称AI）助理，可以翻译自然语言，并以闪电般的速度回答问题。结果Alexa取代家长，成为孩子眼中无所不知的信息来源。
AI无所不在。在我们的电话、汽车、购物体验、交友配对、医院、银行与所有媒体都看得到。难怪企业领导人、执行长、副总裁、经理人、团队领导人、企业家、投资人、教练等决策者都迫不及待要争相了解AI：他们知道AI会从根本改变他们的事业。
我们三个人在观察AI的进展上处于特别有利的位置。我们是经济学家，事业生涯都在研究最新、最伟大的科技革命：网络。多年的研究中，我们了解到如何看穿夸张的炒作，并聚焦在科技对决策者的意义。
我们还建立创造性破坏实验室（Creative Destruction Lab, CDL），这是为了让科技新创公司在种子阶段（seed-stage）增加成功机率的计划。最初，这个实验室对各类型的新创公司都抱持开放的态度，但到了2015年，最令人振奋的计划大多是AI应用的新创公司。截至2017年9月为止，创造性破坏实验室已经连续三年成为最专注全球AI新创公司的计划。
因此，这个领域的许多领导人会定期来到多伦多，加入创造性破坏实验室。举例来说，亚马逊Alexa AI引擎发展的主要投资人威廉．敦斯道尔佩多（William Tunstall-Pedoe）在参与计划期间，每隔八周就会从英国剑桥飞到多伦多加入我们；旧金山的巴尼．裴尔（Barney Pell）也是如此，裴尔曾在美国太空总署（NASA）领导一个85人的团队，率先将AI送上外层空间。
创造性破坏实验室在这个领域的优势，有部分是因为我们位于多伦多，许多近来引起AI关注的核心发明都在这里播种及孕育，这个领域被称为「机器学习」。从前任职多伦多大学资讯工程系的一些专家，如今正带领全球几个首屈一指的AI团队，包括脸书（Facebook）、苹果（Apple）与伊隆．马斯克（Elon Musk）的Open AI。
因为与这么多AI应用如此接近，迫使我们专注在这项科技对企业策略的影响。我们会解释，AI是一种预测的科技，而预测是决策的生产要素；经济学则提供完美的架构，理解所有决策的权衡取舍。因此，凭着运气和一些构想，我们发现正好有了天时地利人和，可以在科技专家与企业经营者之间架起桥梁，于是出现这本书。
预测科技将改变世界
我们的第一个领悟就是，新一波的人工智能并没有真正带来智慧，而是带来智慧中的一个关键成分：预测。小孩问问题时，Alexa做的就是接收听到的声音，预测小孩说的话，然后预测那些话要寻找什么样的信息。Alexa并不「知道」特拉华州的首府，但Alexa能在有人问起这个问题时，预测到他们要寻找的是一个具体答案：多佛。
我们实验室的每个新创公司都是因为能够利用更好的预测而成立。Deep Genomics借着预测当DNA改变时细胞会有的状况，来使医疗得到改善；Chisel藉由预测文件的哪些部分要编修，来改善法律实务；Validere靠着预测运送原油时的水含量，改进原油监管移转（custody transfer）的效率。这些应用可以说是大多数企业在不久的将来做事的缩影。
如果你在试着理解AI对自己有什么意义的时候陷入迷雾，我们可以帮助你了解AI的意涵，并指引你浏览这项科技的进展，即使你从没有实做过卷积神经网络（convolutional neural network）或研读过贝氏统计（Bayesian statistics）。
如果你是企业领导人，我们会帮助你了解AI对管理与决策的冲击；如果你是学生或刚出校门的毕业生，我们会提供一个架构，让你思考工作的演变及未来的生涯；如果你是金融分析师或创投业者，我们会提供一个结构，让你能够发展自己的投资方法；如果你是决策者，我们会提供准则，让你了解AI可能会怎么改变社会，以及政策如何塑造这些改变，让这些改变变得更好。
经济学提供成熟稳固的基础去了解AI的不确定性，以及AI对决策的意义。随着预测能力变得更好，降低不确定性，我们要利用经济学告诉你，AI对企业决策有什么意义。反过来说，这也会让你察觉在企业的工作流程中，哪些AI工具的投资报酬率最高。接着我们会引导出设计企业策略的框架，例如该怎么重新思考事业的规模与范围，以便利用这个以平价预测为基础的新经济现实。最后，我们列出工作、企业权力集中度、隐私与地缘政治等各方面与AI相关的主要权衡。
什么样的预测对你的事业来说很重要？AI更进一步的发展会如何改变你倚重的预测？你的产业要如何重新设计工作，来因应预测科技的进步，就像个人计算机与网络崛起时，产业如何重新配置工作？AI很新奇，但是我们的了解并不够，不过用来评估预测成本下降意涵的经济学工具非常可靠。虽然我们提到的例子肯定会过时，但这本书的架构并不会过时。随着科技进步，而且预测变得更加准确与复杂，书中的洞见仍会持续适用。
这本书并不是在谈在AI经济中成功的方法。我们强调的是权衡取舍。数据愈多，意味着隐私愈少；自动化愈多，意味着操控愈少。我们不会为你的企业开出最佳策略，那是你的职责。对你的公司、事业或国家最好的策略，取决于你在衡量各方面情况时所做出的取舍。这本书提供一个找出关键决策考虑、并对正反两方进行评估的架构，以便得出对你而言最好的决策。当然，就算掌握这个架构，你还是会发现事情瞬息万变，需要在没有充分信息的情况下做决策，但这样做通常也比什么都不做来得好。
本章重点
* 目前新一波的人工智能并没有真正带来智慧，而是带来智慧中的一个关键成分：预测。
* 预测是决策的生产要素。经济学有完善健全的架构可以用来理解决策。这种以全新但理解不足的方式看待预测科技发展可能的影响，可以结合旧有已经充分掌握决策理论逻辑的经济学，进而得出一连串精辟的洞见，协助组织找到应对AI的方法。
* 最好的AI策略或最好的AI工具是什么，这个问题并没有唯一的正确答案，因为AI牵涉到权衡取舍；速度愈快，准确度愈低；自动化愈高，操控愈少；数据愈多，隐私愈少。我们提供一个找出每个AI相关决策的取舍方法，这样就能根据组织的使命与目标，每次都从正反两方评估取舍的关键，进而做出最好的决定。
