[大衛選讀] 當機器預測 (prediction) 變成幾乎免費，人類判斷力 (judgment) 的價值才正要彰顯。
隨著人工智慧技術的日益成熟，機器預測的成本正在快速下降，甚至有望在不久的將來變得幾乎免費。
這一趨勢將對商業決策和人才需求產生深遠影響，正如Ajay Agrawal, Joshua Gans 和 Avi Goldfarb 在他們的著作《AI 經濟的策略思維, Prediction Machines》中所預言的那樣。當預測變得唾手可得時，它將徹底改變企業運作的模式，並且重新定義工作的價值。
在傳統的商業決策中，預測和判斷往往交織在一起，難以區分。然而，人工智慧的崛起正在改變這一狀況。機器學習演算法藉著能處理海量數據的能力，可以生成高度精準的預測結果，而這一任務恰好是人類所不擅長的。
(本文為心得摘要，完整原文內容：https://hbr.org/2017/07/how-ai-will-change-the-way-we-make-decisions)
▎當預測成本趨近為零 (as the cost of machine prediction falls to almost zero)
當預測成本趨近為零時，企業將更多地依賴機器來完成這一流程，從而將人力資源釋放出來，專注於往上一層的判斷和決策。
然而，預測只是決策的一個環節，判斷力才是其中的關鍵。判斷力是一種根據特定情境，權衡行動利弊後，做出最佳決策的能力 (Judgment is the process of determining what the reward to a particular action is in a particular environment).
雖然人工智慧可以提供精準的預測，但它並不能自主地確定什麼樣的結果對組織最有利。這就需要人類運用判斷力，根據組織的目標和價值觀來設計適當的獎勵函數，指導人工智慧系統的運作方向。
▎結合對商業與人工智慧的深刻理解，設計巧妙的獎勵機制 (Setting the right rewards)
在這個過程中，一種新興的技能 – 獎勵函數工程 (Reward Function Engineering) 將應運而生。它要求從業人員要深入理解組織的需求和人工智慧的特性，並且透過設計巧妙的獎勵機制來引導人工智慧做出符合組織整體利益的決策。
以餅乾製造商如何使用 AI 來優化生產流程為例。 一開始，工程師為 AI 設計了一個簡單的獎勵函數：最大化每天生產的餅乾數量。這個函數很快就取得了效果，機器學會了更快地生產餅乾，每天的產量顯著提高。
然而，幾週後，餅乾的品質開始下降。原來是 AI 系統為了最大化產量，開始降低每塊餅乾的大小，因為小餅乾的烘焙時間更短。結果雖然產量上去了，但品質和客戶滿意度卻受到了影響。
這種設定獎勵函數的能力不僅需要商業洞察力和技術知識，更需要前瞻性思維和系統性思考，以預見和規避人工智慧可能帶來的風險。
隨著預測變得越來越普及和低成本，對高質量決策的需求也在不斷增長，這將會為擁有出色商業判斷力和獎勵函數工程技能的人才創造大量機會。
▎人類的判斷將更顯價值 (human judgment will become both more common and more valuable)
未來，當 AI 的預測越多越普遍，人類的判斷力將會是更不可或缺的，尤其是在涉及道德困境和複雜權衡的決策中。
這對人類智慧提出了更高要求，需要具備敏銳的洞察力、全面的知識儲備和紮實的邏輯思辨能力。
當機器的能力越大，人類的責任就越大。
至於機器預測會減少或增加人類在決策上的工作量嗎？ 現在說還為時過早。 一方面，機器預測將在決策過程中取代人類做出更多更好的預測。但另一方面，更便宜的預測將產生更多的決策需求，這將為人類的判斷力創造出更多施展的機會。
可見的未來，人類工作的內容和結構，將會有巨大改變。判斷力的發揮，將是關鍵。
