关于因果AI在商业赋能方面的探讨

在商业社会中，用户的大量行为和决定都是基于一定因果关系的。

比如：

为什么你的客户会购买这一款产品？

如果提高商品售价，你的客户会有怎样的反应？

改进商品的哪个方面，才能更受客户欢迎？

诸如此类的问题，都是关于因果的探索。

在商业领域，我们有各种专家；但是作为人类，我们无可避免地会有精力上的不足以及判断上的盲点等缺陷。

因此我们一直尝试找到一种可解释的、被验证过、行之有效的AI对商业进行赋能：把商业专家和AI的优势结合起来，进而产生巨大的价值。

因果分析AI正是提供了这种可能性。

因果AI，把世间万物视作一个基于因果关系运转的系统。使用因果AI，人类可以把关于现实世界运作的丰富知识及数据灌输给AI，同时AI可以给出可解释的决策建议和数据发现，大幅提高人类决策准确率和速度。

对比目前主流的AI和机器学习算法，因果AI具备三个优势：

商业专家基于经验做出的判断，与AI基于数据给出的判断具有同样重要的价值，因此我们需要将两者结合，去做出最终的决策。

但目前主流的AI和机器学习算法，都无法对自身的判断作出解释，我们难以理解其分析得出的结论。因果AI不同，与它沟通最简单的方式，就是直接告诉它一个因果关系，这个过程可以由因果图来实现。

因果图上通过线段展示了AI能看懂的、基于各种可被观测数据背后的因果关系。更为重要的是，人类可以轻易地看懂因果图，更方便地与AI进行沟通协作。

传统的机器学习算法需要海量的数据支持，但现实大多数场景下我们恰好缺乏大量的数据支持，或者数据质量无法达到要求，这让其运作存在巨大阻碍。

因果AI运作所需要的因果图，是基于人类的经验知识而非海量数据，因此在数据量不足或数据质量欠缺的场景下具有巨大优势。

在商业事件预测、决策中，现实变化总是难以预料。此时专家们可以根据自身经验和知识，找出正确的因果关系模型。一旦因果AI具备了正确的因果模型，将会进一步加速因果AI的自主调整，这将使得商业机构在复杂多变的竞争环境中总能做出快人一步的调整和决策。

例子分析：空运货物需求量

以下是一个简单的因果图例子，描述从台湾到英国的空运货物需求量，主要包括了一些衡量经济稳健度的因素：如台湾的GDP、两地贸易关系的蓬勃程度、英国在台湾的投资情况等等。

       

△因果模型 - 台湾到英国的航空货物需求

（箭头表示因果关系）

除图中四个成因之外，还有一些我们无法及时掌握数据的间接影响因素：比如欧洲的药物供应减少，会使得英国对聚丙乙烯的需求量激增，进而造成航空货运需求大幅提高。

在这种场景下使用因果AI，专家们可以直接告诉AI，欧洲的药物供应变化是如何影响英国聚丙乙烯的需求，从而影响英国的空运货物需求量变化。

因果AI了解事件之间的因果关系后，如果现实情况发生剧烈变化，因果AI就可以自动做出调整，无需等到这些变化导致相关数据产生之后再进行学习。

通过结合AI与专家判断，企业可以持续对商业预测、业务流程及决策等方面进行优化。

传统机器学习系统不善于在数据量不足的环境工作，因此使用它的公司无法把自身的经验知识很好地应用起来，也无法采纳及应用人类业务专家的行业经验。

虽说传统机器学习系统可以在算法训练前，通过特征选择去增强数据特征之间的关系，但对于想要结合人类经验这一目的而言，特征选择还是过于粗糙了。并且，特征选择无法让人类专家直接指出众多特征与变量之间的因果关系，对于想要利用AI赋能业务优化而言，并无太大帮助。

但因果AI得益于专家提供的经验，可以动态更新预测模型和调整决策，很好地解决需要决策优化的问题，在充满变化和挑战的现实商业世界中保持领先。

因果AI快速指导业务

比如运输业的业务专家可以直接告诉因果AI一些业务经验，易碎品和一些高精密的货品可能需要保护好再运输，容易腐烂的物品需要冷链运输等等，因果AI可以在运输包装上快速地指导业务。

因果AI应对复杂业务问题

人类专家为因果AI配备复杂业务问题的上下文内容，通过人机协作可以应对复杂的业务问题。

比如一个国际快递公司，需要精确、准时地把大量的货物在不同国家和城市之间运输，因此在战略上做好运输车队的调度优化极其重要，需要对需求进行智能地预测，而非只是快速地去响应。

这同样可以通过因果AI解决。快递公司可以搭建一个灵活的、可被解释的供需模型，通过如上因果图的形式告知因果AI，进行人机协作并获得预测结果。

在科幻小说《银河系漫游指南》中，超级电脑“沉思”被问道：“生命的意义是什么？”。经过亿万年的计算之后，它给出的答案是“42”，但没有做任何解释。

与超级电脑一样，传统机器学习所依赖的只是一堆数字，它无法解释为什么，也无法吸取人类专家的知识以及现实世界的因果关系。

在人机协作方面，因果AI发挥到了极致。

一方面，因果AI系统“取长补短”，它增强了人类的优势，它们不带偏见地运作，善于处理我们不善长的工作；另一方面，因果AI“懂人话”，是人类极富效率的助手。它不但完善了人类的思维逻辑，还懂得人类思考的逻辑及其背后的因果关系。

在因果AI与人类专家协作的闭环中，即便数据并未被数字化，因果AI也能提高整个企业的业务能力，并帮助其应对复杂的商业挑战。

参考文献：

https://www.causalens.com/. Empower Experts with Causal AI