中国IT公司还在倡导996 微软如何走向“做四休三”？

赵质忠：中国市场最重要的就是说整个应用面上的创新，如果以AI来讲的话，基础研究可能中国和美国还有一段距离，但是中国最厉害的就是应用面的创新，透过这一些技术来产生各个不同的应用，例如微信、滴滴打车、移动支付等。

另一个是很多中国企业一开始是客户最后变成和又是客户又系合作伙伴，我们和他们合作，利用微软全球平台，让企业出海，到欧洲、东南亚、非洲去。

经济观察报：在云时代，数据安全受到越来越多企业的重视，数字化转型过程中，很多企业会不放心把数据放在公有云上，反而更愿意放在私有云上。微软是否遇到这样的情况，怎么解决？

赵质忠：首先，微软只是平台和工具的提供者，不做零售店、不做汽车、不开银行，我们不会拿你的数据到零售业里来做分析。其次，上云这件事跟很多客户讨论过许多次，我通常就会反问客户，如果今天公司给了你一千万人民币，但是是现金，你是拿回家里面锁在自家的保险箱里还是去银行放在银行的保险库？公有云就是我们的核心业务，我们绝对不可能去让我们的信用和名誉受到任何的损害，所以我们当然会把这一些东西去做最完善的保护。

经济观察报：企业在数字化转型过程中有哪些盲点？

赵质忠：很多企业有一个盲点，数字化转型上太过于注重于技术面。当企业是以技术面主导的时候，就会碰到一个问题。市场是不是真的接受，而且有的时候最新的技术未必是市场最接受的。AI绝对不等于数字转型。数字化转型的关键是说要转什么，为什么要转。

我之前去过几个工厂，有一类工厂，希望通过计算机视觉去做所谓的瑕疵检测。如果是从事芯片制造的企业，晶圆单价高，这个时候做计算机视觉，是值得投资和探讨的。

但是我们也去过一些传统工厂，例如做布的工厂，就会发现人工智能在真正工程化上出现问题。老板认为我一尺布才五块钱，但做计算机视觉检测时，因为像素要足够高，摄像头甚至要几十万甚至几百万人民币，老板就认为，既然这样，不如多请两个人用肉眼去看就好了。

如果之前没有对这一些生意上的痛点和文化有一定的了解，光是技术做得到，未必是最适合客户，其实像传统做布的工厂这样的客户，反而不需要用计算机视觉去做瑕疵检测，用我们最传统的大数据分析其实就可以做到差不多的功能。

还有一个问题，在于足够的数据能力。研究员很懂AI，很懂技术学习的模型，深度学习的模型，可以把模型解决得非常好，但是模型并不是客户要的，客户要的是你帮我减少我做布的瑕疵，你帮我减少出货的问题。

如果没有准备好，有足够的数据的质量和数量，以及足够的数据能力，直接和做数字化转型的企业谈合作，最后反而会让老板觉得AI没有用，那就算了，就停这一边了，这就很可惜。

很多时候不是AI没有用，更多是有没有周围的配套能够让AI用得好。

另一个是上下层级的沟通，因为其实最懂问题的是前线的员工，但很少有企业能够给前线员工足够的空间把能说的说出来。我们的一个合作伙伴，花了半年解决了一个问题，很兴奋要去生产线上落地，生产线的师傅就说，这一个问题我们已经解决了，就是凭借工程化的经验，但是老板不知道，或者是他的主管不知道。

还有另外一个很重要的是数据会变，微软之前有一个非常痛苦的经验，我们和西雅图高中用大数据分析，希望找到哪些学生需要额外的补习或者加强，一开始非常好，整个学校的成绩提升非常高。结果一年之后，学校把整个项目停掉了。为什么？因为学生的数据在变，去年看起来很不错的数据模型，可能在第二年甚至第三年就会碰到问题。

很多外企现在都说中国市场是拿来练兵最好的地方，因为中国的客户和竞争对手实在变的太快了。但为中国市场开发一些数据模型出来的时候，要强调一点，模型要不断优化。

责任AI

“我坚信，我们不但需要一个新的科技浪潮，还需要一个新的关于个人信息保护的浪潮，一个新的安全保护的浪潮，以及一个防止人工智能带来的伦理和个人权利问题发生的新浪潮。”布拉德·史密斯（BradSmith），微软总裁，在11月6日，里斯本举行WebSummit峰会上说。“政策”和“科技”这两个词，在这个欧洲最大科技峰会上被多次提及。

经济观察报：在面对新技术带来的后果和影响上，企业应该承担什么样的责任？

赵质忠：当AI开始帮助我们做决定的时候，我们设计这些AI软件时，其实责任很大。责任AI在人机互动里是一个很重要的元素，你需要给用户一个反馈的机制，要不然你原来希望拉拢更多客户，结果反而透过这个让客户更加反感。

在整个用户的体验来讲，你一定要让客户清楚知道你的用AI来做什么，甚至要把AI的准确度作为数据放在上面。

除了这个之外还有非常重要的一块，是数据上的偏见。举个例子人脸识别是AI技术里相对最成熟的，原因是因为我们数据非常多，任何好莱坞的电影，任何影视影片、照片统统都是人脸识别其中一个数据，号称准确度可以达到99%甚至更高。

但这99%等于什么？去年《纽约时报》记者做了一个分析，如果你是一个白人男性的话，你的准确度是99%。如果你皮肤比较深，晒的很黑又是女性的话，你的准确度其实只有70%左右。

不是说程序员有种族歧视，而是数据上本身就有偏见，但在开发的时候并不知道这个事。但是中间所产生的影响非常巨大。微软建立了一个机制能够让用户清楚，哪一个做法是错的。

本文素材来自互联网

（编辑：江门站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!