很多人會發現AI在某些場合應用得很好，但在某些場合應用得並不是很理想。例如IBM公司應用在醫療上；從30年前的AI，當時是屬於Rule-based模型，就做了AI的醫療專家系統，也沒有成功。最近IBM的Watson團隊也裁員70%。所以很多人都在想這到底是怎麼一回事呢?

登山者-雪巴人（嚮導）模式

茲以聖母峰登山者為例，首先提出一個思考的問題：為什麼登山者需要雪巴人（嚮導）呢? 如果沒有響導，又會怎麼樣呢?我們可以從登山者與雪巴人來看他們的特性及組合；雪巴人在山上已經住了好幾十年以上，所以他的閱歷很多，對整個場域、環境很熟悉。而登山者有他的夢想、勇氣，到了一個陌生的環境中探索。所以雪巴人扮演一個角色，就是：降低風險。他會告訴登山者那裡有坑、那裡有洞；而登山者就去探索和想像，追逐他的夢想；彼此就是這樣的組合。

因此，我們做AI醫療時，可以想一想AI在醫療領域裡，到底該扮演雪巴人角色?還是登山者角色呢?當我們想用AI來處理商業、生活等各方面時，如果該場域的不確定性很高時，若是偏向於雪巴人的角色，使用AI會很成功，反之如果偏向於登山者的角色，就可能會失敗。

圖一 : 當我們做AI醫療時，可以想一想AI在醫療領域裡，到底該扮演哪一種角色? （source：Open Access Government）

我們可以看到，在某些場域，這兩者的組合卻常常是最成功的。這就是不確定性高、變化度很大的場域，像政治、戰爭，而最典型的是戰爭，所以劉邦身旁需要張良，劉備身旁需要孔明等，都是這樣的搭配。至於現在的不確定性場域，就是股票、基金等金融交易，以及醫療手術等，其不確定性很高。所以我們常常可以發現，如果拿AI來選股，或拿AI來代替醫生，似乎都不太會成功。

茲舉一個例子（此為假設情境），有一位登山者，他準備（半年後）在冬季12月份登上最高峰，他就選擇聖母峰的南邊，經由南邊而爬上聖母峰的最頂端。這時，雪巴人（嚮導）很可能會告訴他說：那一條路不能走。登山者就問：為什麼不能走? 雪巴人反問登山者：請先說說看，您為什麼選擇那一條? 此時登山者回答說，因為到了十月份是秋天，南邊的陽光比較充足；而北邊黑暗，比較不好爬。

然後，雪巴人就說那一條路不能走的原因是：到十月份會刮東北風，所以南邊會有大規模的雪崩。這時候他就告訴登山者說：那裡有一個風險，非常高，不應該往那邊走。這是要降低風險，讓他不要失敗。所以像孫子兵法等都有講一句話：不打「沒有把握的仗」。就是由雪巴人來告訴他哪些部分是沒把握的仗。

AI精於<歸納性推理>

圖二 : AI基於大數據，從歸納性推理的能力特別強，已經遠遠超越人類的能力了。（source：Gresham Smith）

從認知學的角度來說，人類有三種邏輯推理，第一種是歸納性推理，第二種是演繹性推理，第三種推理則是溯因性推理。

以歸納性推理來說，例如我到深圳時，看到很多人做電子業都賺大錢，所以我得到一個結論：深圳的年輕人應該大多數人都在做電子業（但不一定正確），這叫做歸納性推理。

第二種是演繹性推理，其中數學是最典型的例子，例如兩條直線在同一平面上，又沒有交叉，則它們必然是平行線。這叫做演繹性推理。

第三種推理是溯因性推理，像醫生就是最典型的，當您去看醫生的時候，醫生看到您滿頭大汗、而且有一點發燒、流鼻水，他就看到這個「果」，然後倒過來追溯其「因」，他認為您可能是傷風感冒了，所以他就給藥。而下次再遇到您的時候，他馬上會問：身體有沒有比較好些了呢? 這叫做溯因性推理。其中，前兩者是從因推到果；而溯因推理是從果推到因。

這樣就很清楚了，雪巴人擔任的事情就是從過去的經驗，推論出來十月份南邊會有雪崩，因為是基於個人的經驗及事實，所以他的否證能力是超強的。於是現在就可以很瞭解了，AI因為基於大數據，所以它從歸納性推理（從因推到果）的能力特別強，而且已經遠遠超越人類的能力了。

這樣可以更瞭解到AI的本質，就是透過大數據的相關性，然後進一步作歸納性推理。這種歸納性推理的特質是，在愈窄的範圍，它的歸納精準度愈高。這樣就給了我們一個啟示，如果要以A I取代人類時，想要做得很棒、其窄度要夠，例如想下圍棋，就只做下圍棋的AI；想下象棋，就專做下象棋的AI。反之，如果做了一個會下圍棋又能下象棋的AI，其精準度會下降，同時效果也就下降了，這就是當今AI的特性。

AI神鷹與AI獵狗

剛才說明了，在一些不確定性高、變化度很大的場域，AI扮演雪巴人（響導）的角色，將會表現得很亮麗。同樣地，在商業上的高層決策方面，也一樣屬於不確定性高、變化度很大的場域。

茲舉一個例子來說明：成吉思汗與神鷹的故事。據說有一天成吉思汗一個人去打獵，卻迷路了，眼前一遍沙漠，又口乾舌燥，突然看到峭壁上滴落了水滴，成吉思汗就拿著水杯去裝水，正要拿來喝的時候，他常常攜帶的一隻神鷹在空中飛翔，突然飛下來，唰一下得把杯子踢翻了，還連續踢翻了四次。成吉思汗想要嚇牠，讓牠不要搗蛋，就拿起弓箭來嚇牠，而射出箭之後，神鷹慘叫一聲，掉落到峭壁上。當成吉思汗爬到峭壁上發現神鷹被他射死了。神鷹旁邊的水池（就是水滴的來源），裡面有一條毒蛇，而且是死的，因為蛇是死的，所以水是有毒的。成吉思汗發現是神鷹救了他的命。

於是我們可以思考一個問題：如果今天我們做出了兩個AI，一個叫AI神鷹，另一個叫AI獵狗。那麼我們就來想一想，成吉思汗會攜帶AI神鷹或是AI獵狗呢? 很容易推論，他會選擇AI神鷹。為什麼呢? 因為神鷹會看到危險，看到危機、看到風險。這意味著，決策性比較高的場域，AI很適合做神鷹這個角色。如果是這樣做，AI就會很成功。反之，如果AI做到成吉思汗的角色，效果可能不太好。

綜上所述，把 AI做在決策點與行動點之間最具價值性。從成吉思汗與神鷹的故事，可以領會到AI扮演神鷹的角色，既符合AI的特性，又非常具有價值。

圖三 : AI神?與決策者（source：百度）

當AI（神鷹）發現決策者思緒不夠完美時，可以給予畫龍點睛的效果。更具價值在於：當AI（神鷹）發現決策者的決定是錯的，而且行動是災難性的，AI立即提出嚴重的警告。

換句話說，AI必須在決策者的「決策時間點」與「行動時間點」之間的數秒鐘內，必須即時納入當下的決策，做出智慧的推論，採取保護主人的行動，而且刻不容緩。

結語

圖四 : 如果AI只是依據過去和現在的大數據，來作歸納性推理，只憑過去的經驗來作決策，一般都不會成功。（source：Forbes）

如果你做的AI只是依據過去和現在的大數據，來作歸納性推理，讓它只憑過去的經驗來作決策，一般都不會成功。所以微軟公司創始人Bill Gates說過一句話：過去的成功經驗常常是最糟糕的導師。

然而，讓這種AI來扮演雪巴人或是神鷹的角色，其在電光石火的瞬間洞察出哪些是「不打沒把握的仗」，就能有效降低高階商業決策的風險，立於不敗之地，並提高致勝率。