"我们对于未来，除了未来不可知、和未来既不是今天的样子也不是今天的我们所预测的样子这两点之外，几乎一无所知。"
── 彼得•德鲁克 ※1
而不可预测的事物该如何应对，则是留我们的一大课题，并且其难度还在不断增大。
一直以来，我们都是通过将各种情况分类，通过事前考虑每个类别的可能性来处理不可预测的事物。
但是，需求和价格的变动、个人喜好的多样化在加速，商业发展跨越国界，直面的是国家和地区的固有文化和习惯的差异。
若要对此分类分析，其数量之庞大只怕让人望而却步。并且，事前将所有可能性都列举本身也是从原理上不可能的事。
对于分类处理法的更新十分必要，但为此需要花费的人力物力绝不是个小数目。
要改变现状，必然需要人工智能。
目前虽然已有被应用的人工智能，但却都是限于某一领域的“单一人工智能”。
例如，向流通领域的客户提供建议、从照片图像识别人脸的技术、定时应答系统等等。
这些都是根据记录的数据加上人的假设和设计后组装成为程序，并需要就实际问题逐一进行开发。
并且，基于人的假设所开发的程序，很难给出超出人的设想范围的结果。
将其变为现实的是2015年日立发布的日立人工智能技术。
它是最先※2被应用的“通用人工智能”。可自动生成超过100万个假设，从中筛选重要因素、从人为给予的选项中挑选最适合的选项。
它与单一人工智能最大的不同，就是作为判断根据的假设是由AI本身根据实际数据来决定的。
曾经有过这样一个实验。
让搭载了日立人工智能技术的机器人坐在用玩具积木做的秋千上，以秋千达到最大摆幅为目的，以膝盖的弯曲和伸展为条件，进行试验。
日立人工智能技术以机器人膝盖弯曲的时间和幅度等自身收集到的信息为基础建立假设，实行并开始探寻最适值（而单一人工智能此时则需要人为给予信息）。
不到1分钟后，秋下开始摆动，5分钟便得到了人无法想到的晃动方式。
通用人工智能通过学习大量的数据，可以自行给出判断，不需人工干预给出假设。因此可以找到人无法想到的问题解决方法。日立人工智能技术，是在真正意义上可以被称为“人工智能”的存在。
日立人工智能技术，不需就现有领域和问题进行再次开发便可直接应用。
将其搭载后便可进行自主学习并将现有系统变为可成长的系统。
由此也可见，日立人工智能是可以被称为“通用人工智能”的。
例如，某物流仓库在其管理系统WMS（Warehouse Management System）上搭载了日立人工智能技术后，生产性能提高了8%。除此之外，还有像店铺销售量增长15%、呼叫中心订单量提高27%等诸多案例。在金融、铁路、工厂、水成套设备等14个领域已有共计57个项目案例。
接下来，就请你和日立人工智能一起，预测不可预测的现代商业吧。
搜索
China
