機器學習和Al演算法將改寫"二八定律"丨用意念實現"腦控武器」

麥克·施拉格(Michael Schrage)稱，機器學習和AI演算法的進展正在改變我們熟悉的80/20規則。

以下是編譯整理的文章概要：

義大利工程師和經濟學家 維爾弗雷多·帕累托

很多業績出色的公司，都對義大利工程師和經濟學家維爾弗雷多·帕托(Vilfredo Pareto)推崇備至，因為他提出的80/20規則產生了非常大的影響。

這個規則指出，80%的效果(銷售額、營收等)都來自於20%的貢獻者(產品、員工等)。

現在，機器學習和AI演算法創新正在改變帕累托分析的方式，我認為，下一代演算法將為帕累托範式提供巨大的推動力。

AI和機器學習將從以下三個重要方面來改變公司使用帕累托原則以提升利潤的方式。

智能帕累托

第一，更大的數據量、更高的數據多樣性可以保證演算法獲得足夠多的訓練，讓它們變得更加智能。

例如在新型工作場所分析中，更多的公司可以更加容易地確定是哪20%的員工為產品、流程或用戶體驗貢獻了80%的價值。業務流程、平台和客戶體驗的持續數字化也是如此：

哪20%的平台升級帶來了80%的效果?

哪20%的客戶體驗喚起了80%的喜悅或厭惡?

公司高管希望可以用演算法來解決這些和數據有關的問題。

超級帕累托

第二，傳統的分佈比例發生了顛覆性變化。大數據顯示，堅持80/20的比例可能會犯經驗主義錯誤。一些公司日益注意到，帕累托比例有10/90、5/50、2/30和1/25的可能。換一個方法劃分、切割和定義數據，你可能就會看到1/50、5/75以及10/150的帕累托比例。帕累托所說的「重要的少數」現在變成了「重要的極少數」。

這種極端的分佈出現在很多行業中。例如，一半以上的酒類都是被不到10%的飲酒者消費的。更極端的是，所有移動遊戲內購營收的一半，來自於不到0.25%的遊戲玩家。

然而，僅僅是清楚地識別並接受「超級帕累托」是不夠的;要想獲得市場份額，你就需要用這些描述性的統計數據來進行預測。換句話說，需要將這些數據集轉換為智能演算法的「訓練集」。

公司需要確定自己的帕累托特徵——也就是說，從演算法的角度而言，公司需要弄清楚怎樣哪些微小的調整，可以促進較大的業務影響。管理者和數據科學團隊必須圍繞著極端帕累托的潛力和可能性，而不僅僅圍繞著更多更好的數據來開展工作。

例如，一家工業設備公司擁有2000多個產品，規模達數十億歐元，不足4%的產品貢獻了銷售額的三分之一和大約一半的盈利能力。但把這種分析也運用到服務和維護上之後，發現大約100個產品貢獻了超過三分之二的盈利能力。這就促使了該公司對定價策略和捆綁策略進行重新思考。

圍繞產品屬性和功能進行的精細帕累托分析，而不僅僅是對產品本身進行的分析，可以提供了更加令人興奮的洞見。這家公司的工程團隊圍繞著用戶期望的功能和功能集，而不是產品本身，進行了以數據為驅動的重新設計，結果發現了一些更具價值的帕累托洞見。例如，一些目標功能被取消之後，不僅降低了產品成本，而且提供了更好的用戶體驗。

組合帕累托

第三，隨著數據進一步細化，以及演算法使用更聰明的方式來處理複雜的模式，對帕累托的管理方式也在發生變化。在整個企業中，若干不同的帕累托分析可以組團到一起來使用。下面用KPI這個簡稱來代表「關鍵帕累托信息」(key Pareto information)。如果公司的KPI設計得含糊不清，你就看不到未來如何進行優化和創造價值的機會。

如果單個流程的責任人、產品經理和銷售團隊之前很重視優化自己的核心帕累托，他們現在就需要探索和研究別人的帕累托。他們不再只專註於自己的部分，而是會認識到，本部門的帕累托可以在整個企業中進行交叉、重疊和重組。

要重新審視帕累托，最可靠的方法就是把它和另一個帕累托聯繫起來。擁有豐富的數據和強烈的演算法意識的公司，之前會分別管理十來個關鍵的帕累托指標，現在它們開始監督數百個甚至數千個KPI，發現新的帕累托集群，這將最大程度地為創新捕捉機會。

因此，連接在一起帕累托網路提供了一個非常強大的分析前景。 10%的KPI集群貢獻了90%的新客戶、增長或利潤率嗎?要把這個方法用好，就需要進行數據驅動的跨職能協作，需要企業內部的管理者發揮創新精神，把那些「重要的少數」因素融合在一起。

一些公司在嘗試帕累托集群的過程中，已經獲得了初步的成功。一個關鍵是：最佳結果不是來自於改善單個模型的表現，而是創造集群，讓最佳特徵獲得共同放大。怎樣找到最有價值的集群呢?仍然可以用帕累托分析。

一個經驗是，要想獲得增量結果(從而成為競爭中的贏家)，有很多模型都很用，但實際上使用少數幾個精選出來的模型就可以構建出優秀的系統。

更好地預測明天最「重要的少數」因素，在整個企業里找到關鍵帕累托組團的機會，這種能力不僅可以提高公司的效率，而且會是創造價值的決定性因素。

你的演算法越是聰明，你的公司就越需進行帕累托分析。

用意念實現"腦控武器」

作者： 張振仕 強天林

通過意念控制武器裝備，實現超視距遠程操作，大幅度提高武器精準度和可操控性……這樣的場景或許大家只在好萊塢大片裡面見過。

那麼在現實生活中，這樣的畫面能否真的出現呢？

「隨著對大腦認知的深入，在將來，這種構想是很有可能實現的！」國防科技大學認知科學基礎研究與創新團隊的研究人員給出了樂觀的答案。要成功研發腦控武器，實現人腦對武器裝備的獨立操作，其中運用到的關鍵技術之一是腦控技術。

「腦控」顧名思義，就是指使用與腦相關的生物信號實現對機器的控制。眾所周知，腦是生物活動的司令部，人的視覺、聽覺、嗅覺、味覺、觸覺等各種感覺信息，大多是以生物電刺激的形式通過神經系統傳輸到腦中加以處理並作出反饋。這種生物電信號的傳輸主要依託於神經纖維、樹突、突觸等結構。

因此，從一定意義上來說，只要識別和解析出不同位置生物電信號的運作時間和強度，就可以解讀出各種感官信息，實現對意圖的判讀。實際上，要順利實現腦控，正確採集腦電信號是關鍵步驟之一。利用腦電信號採集裝置和控制計算機等設備，偵測、採集和提取出有用的生物感知信號，進一步解碼成控制指令，從而實現大腦對外部設備的操控。

目前來看，隨著科學技術的發展，世界各國對「腦控」的研究也越來越深入，腦控輪椅、腦控汽車、腦控機器人、腦控護理床、腦控瀏覽器等新應用層出不窮，以前手動控制的設施設備，現在正在逐步實現大腦直接控制。

國防科技大學認知科學基礎研究與創新團隊通過腦電信號對一輛裝有計算機處理系統、車載電控單元等裝置的汽車「發號施令」，利用人腦進行汽車操控並低速行駛，實現了人腦驅車及腦電信號與汽車系統的「連接」。華南理工大學腦機介面與腦信息處理中心研究人員通過對輪椅進行了改造，讓輪椅器受計算機控制，人腦通過控制計算機實現控制輪椅。清華大學早在2003年就實現了腦控電話撥號這樣的功能。

國外對腦控技術的研究也如火如荼，其中不乏突破性進展。最近，美國麻省理工學院的計算機和科學和人工智慧實驗室和波士頓大學合作，打造出了一種反饋系統，可以使操作者僅利用腦信號迅速糾正機器人犯下的錯誤。明尼蘇達大學則實現了複雜三維空間內的無人機飛行和機械臂移動與抓取控制。

而賓厄姆頓大學等機構的研究人員用「刷腦電波」的方法來代替密碼，其準確率已達94%。英國廣播公司與倫敦的TP技術公司合作，開發測試出一種能讀取腦波的頭戴設備，讓人們能用意念調換電視節目，以代替手動遙控器。這還僅是在人腦表面採集信號取得的成果，如果將晶元植入腦中，獲得的生物感知信號將更為充分。

2016年，根據世界醫學頂級期刊《新英格蘭》的報道，荷蘭烏特勒支大學醫學院開發的腦控拼寫系統已成功地運用到了漸凍人患者身上。無獨有偶，《Nature》也發表了瑞士洛桑聯邦理工學院的研究成果，該研究組人員通過植入技術使脊柱受傷而癱瘓的猴子再次學會了行走，由於該系統的許多組件已被批准在人類身上使用，這對患者的康復無疑是一個重大的利好消息。

「如今，腦控技術發展勢頭正盛，將該技術應用於軍事領域，研發新型的腦控武器，其前景大為可觀。」據研究人員介紹，目前腦控技術還存在許多難題，但群雄逐鹿時正當未雨綢繆。比如可以利用現有的生物信號檢測技術，研製可載入到現有裝備上的攜帶型人體狀態檢測模塊，對士兵進行疲勞檢測、心理狀態判讀，進行科學組訓科學施訓，必要時執行應急自動處理，減少失誤操作，避免事故發生。

未來可以研發腦控機器人、腦控外骨骼，將高智能、強自適應性的人腦與快速、高威力的機器結合起來，在保障自身人員安全的前提下，一方面使裝備如臂使指，在人力所不能及或不願及的地方有效進行操作；一方面又如同身臨其境，使操作人員感受到比現有遠程設備能提供的更有用的外部信息以免誤判。腦-腦通訊等技術現在當然不能實現，但我們不能失去對「制腦權」的控制和警惕。

今年兩會上，中科院院士、軍委科技委主任劉國治在接受訪談時強調，人機混合智能將是未來智能的最高形式，腦控技術將人腦與設備有機結合，實現人類智能和人工智慧的有效融合，很有可能成為未來裝備的重要操作方式，生物狀態認知可穿戴設備或許會如同「黃臉盆」一樣成為軍事生活與訓練中必不可少的一部分。

在未來，地圖判讀技能認知評估、單兵戰鬥技能認知評估、戰鬥射擊技能認知評估和武器操作方式乃至武裝力量組成和編製體制都會迎來翻天覆地的變化，可以預測，軍事人員的認知訓練與腦控裝備的配發，很有可能會造就一支嶄新的武裝力量，去適應未知的戰爭形態。

我們的征程是星辰大海。儘管腦控技術現在仍處於初級階段，腦控武器的研製仍在崎嶇坎坷中踽踽而行，但值得相信，隨著對大腦研究的深入，在電影《阿凡達》中，受傷的退役軍人傑克靠意念遠程控制其替身在潘多拉星球作戰的場景，正在逐步走向現實。

藍海長青智庫