半導體技術的進步降低了人們運算的成本，讓運算能夠擁有更多的應用場景。在60年代，只有政府和軍事等場景需要大量的計算，但如今計算已經開始應用于更多場景，比如需求預測等，因為計算能力的獲得更加便捷而且廉價。
因為運算成本的下降，人們開始把運算用于解決傳統意義上并不屬于計算范疇的問題，來進行預測，也帶動了其他相關的價值鏈發生了變化。當預測成本進一步下降，預測將能夠更多地用于解決傳統問題，比如如何進行倉儲管理，對一些容易變質的食物的需求做出預測，來決定商店進多少貨。通過預測，我們可以更加快捷、更低成本、更好地去解決問題。
物聯網技術方案提供商斑馬技術首席技術官Tom Bianculli告訴第一財經記者：“按需經濟時代之下快節奏的消費環境需要更多源于前端與用戶直接發生交互的業務數據，越來越多的企業通過在其‘邊緣’部署相關技術和設備，從而能夠高效地采集一線數據，并在線進行實時分析和預測，制定高效的實時決策。”
與此同時，“機器預測”還能用來解決傳統意義上并不屬于預測范疇的問題，比如我們從來不會想到自動駕駛是一個預測的問題。因為過去，工程師將自動駕駛汽車編程，用于可控制的范圍內，比如工廠或者倉庫，并清楚地告訴它們在特定環境下應該做什么，比如人經過時要停下來，或者一個貨架沒貨時就要去下一個貨架等等。但是我們沒法把這樣的“自動駕駛”汽車直接放在馬路上，因為那里有太多的“特定”環境，無法事先全都告訴它們，比如如果光線太暗，如果下雨，或者如果有車子突然變道等等，這些“如果”不勝枚舉。
但今天我們已經可以把自動駕駛歸類到“預測”的問題了。伴隨著人工智能的出現，自動駕駛汽車只需要回答一個問題：一個好的人類司機是怎么做的?所以教會人工智能開車，我們只需要把一個人類司機放在駕駛位上，讓人工智能坐在邊上邊看邊學習。因為人工智能并沒有眼睛或者耳朵，所以我們需要給它們加上攝像頭、雷達和激光雷達(LIDAR)，“眼睛”就是對人工智能的信息輸入，以便讓它們觀察人類司機的做法，并且預測接下來應該做什么。
人工智能最初會犯下很多錯誤，但是它們會通過這些錯誤學習，并且在每次做出錯誤的預測時自動進行信息更新，就和人類一樣，這樣它們的預測就會越來越準確，甚至達到人類的水平，而不再需要人類告訴它們該怎么做，這樣人工智能就擁有獨立執行任務的能力。
如果把人工智能想象成收音機的聲音旋鈕，那么通過調節這個旋鈕，就能增加人工智能預測的準確性。數據分析公司SAS首席技術官Oliver Schabenberger告訴第一財經記者：“人工智能在重復行為方面能夠比人類系統更快，通過調節不同的參數，從而試出能夠達到最佳商業效果的解決方案，這也就意味著，它們確實能夠找出更好的規則。”
當然，當“機器預測”逐步能夠開始替代人類，人們會質疑人類的預測是否不再那么重要。盡管人類的判斷往往帶有主觀性，但判斷是機器所不具有的能力，機器只會把預測的結果告訴人類，讓人類來根據這些預測做決定，因此人類判斷的價值就會上升。通常判斷和預測是人類在做決定時所并用的。
京公網安備 11010502049343號