"我們對於未來，除了未來不可知、和未來既不是今天的樣子也不是今天的我們所預測的樣子這兩點之外，幾乎一無所知。"
── 彼得•德魯克 ※1
而不可預測的事物該如何應對，則是留我們的一大課題，並且其難度還在不斷增大。
一直以來，我們都是透過將各種情況分類，通過事前考慮每個類別的可能性來處理不可預測的事物。
但是，需求和價格的變動、個人喜好的多樣化在加速，商業發展跨越國界，面對的是，國家和地區固有文化和習慣的差異。
若要對此分類分析，其數量之龐大只怕讓人望而卻步。並且，事前將所有可能性都列舉，本身也是一件不可能的事。
對於分類處理法的更新十分必要，但為此需要花費的人力物力絕不是個小數目。
要改變現狀，必然需要人工智慧。
目前雖然已有被應用的人工智慧，但卻都侷限於某一領域的“單一人工智慧”。
例如，向流通領域的客戶提供建議、從照片圖像識別人臉的技術、定時應答系統等等。
這些都是根據記錄的資料，加上人的假設和設計後組裝成為程式，並需要就實際問題逐一進行開發。
並且，基於人的假設所開發的程式，很難給出超出人的設想範圍的結果。
將其變為現實的是2015年日立發佈的日立人工智慧技術。
它是最先※2被應用的“通用人工智慧”。可自動產生超過100萬個假設，從中篩選重要因素、從人為給予的選項中挑選最適合的選項。
它與單一人工智慧最大的不同，就是作為判斷根據的假設，是由AI本身根據實際資料來決定的。
曾經有過這樣一個實驗。
讓搭載了日立人工智慧技術的機器人坐在用玩具積木做的秋千上，以秋千達到最大擺幅為目的，以膝蓋的彎曲和伸展為條件，進行試驗。
日立人工智慧技術以機器人膝蓋彎曲的時間和幅度等自身收集到的資訊為基礎建立假設，實行並開始探尋最適值（而單一人工智慧此時則需要人為給予資訊）。
不到1分鐘後，秋下開始擺動，5分鐘便得到了人無法想到的晃動方式。
通用人工智慧通過學習大量的資料，可以自行給出判斷，不需人工干預給出假設。因此可以找到人無法想到的解決方法。日立人工智慧技術，是真的在意義上可以被稱為“人工智慧”的存在。
日立人工智慧技術，不需就現有領域和問題進行再次開發便可直接應用。
將其搭載後便可進行自主學習並將現有系統變為可成長的系統。
由此也可見，日立人工智慧是可以被稱為“通用人工智慧”的。
例如，某物流倉庫在其管理系統WMS（Warehouse Management System）上搭載了日立人工智慧技術後，生產性能提高了8%。除此之外，還有像店鋪銷售量增加15%、呼叫中心訂單量提高27%等諸多案例。在金融、鐵路、工廠、水等成套設備的14個領域中，已共計有57個項目案例。
接下來，就請你和日立人工智慧一起，預測不可預知的現代商業吧。
搜索
Taiwan
