Ứng dụng ai trong kinh doanh (tài liệu lưu hành nội bộ)

MỤC LỤC LỜI NÓI ĐẦU PHẦN NHỮNG ĐIỀU DOANH NGHIỆP CẦN BIẾT VỀ TRÍ TUỆ NHÂN TẠO CHƯƠNG THUẬT NGỮ CƠ BẢN VỀ TRÍ TUỆ NHÂN TẠO 1.1 AI AGI 1.2 Kỹ thuật AI đại CHƯƠNG PHỔ THÔNG MINH CỦA MÁY MÓC 11 2.1 Hệ thống hành động 11 2.2 Hệ thống dự đoán 12 2.3 Hệ thống học hỏi 12 2.4 Hệ thống sáng tạo 13 2.5 Hệ thống liên nhân 13 2.6 Hệ thống làm chủ 14 2.7 Hệ thống tiến hóa 15 CHƯƠNG TIỀM NĂNG CỦA TRÍ TUỆ NHÂN TẠO 16 3.1 Tài vi mơ 16 3.2 Công xã hội 17 3.3 Chẩn đoán y khoa 18 CHƯƠNG THÁCH THỨC ĐỐI VỚI SỰ PHÁT TRIỂN CỦA TRÍ TUỆ NHÂN TẠO 20 4.1 Tác hại việc phân biệt đối xử 21 4.2 AI độc hại 22 CHƯƠNG THIẾT KẾ AI AN TOÀN VÀ ĐẠO ĐỨC 23 5.1 Đạo đức Quản trị 23 5.2 Vai trò giáo dục 24 5.3 Hợp tác thiết kế 26 PHẦN II PHÁT TRIỂN CHIẾN LƯỢC AI CHO DOANH NGHIỆP 29 CHƯƠNG XÂY DỰNG VĂN HÓA DOANH NGHIỆP SẴN SÀNG CHO AI 30 6.1 Sự sẵn sàng doanh nghiệp cho AI 30 6.2 Chọn người phù hợp 32 6.3 Xây dựng môi trường thân thiện với AI toàn doanh nghiệp 38 6.4 Nhóm AI SWAT đa ngành 39 6.5 Sự tham gia toàn đội ngũ 41 6.6 Nâng cao nhận thức bên liên quan 43 CHƯƠNG ĐẦU TƯ VÀO TÀI NĂNG KỸ THUẬT 44 7.1 Hiểu chức danh công việc khác 44 7.2 Tìm kiếm phẩm chất phù hợp 46 7.3 Tối ưu hóa chiến lược tuyển dụng 48 7.4 Nhấn mạnh ưu điểm độc đáo doanh nghiệp 51 CHƯƠNG LẬP KẾ HOẠCH THỰC HIỆN 53 8.1 Xếp hạng mục tiêu kinh doanh 53 8.2 Thực phân tích hội 53 8.3 Khung chiến lược AI 55 8.4 Hiểu rõ liệu phân tích dữa liệu 56 8.5 Điều kiện kỹ thuật tiên 58 8.6 Xây dựng hay Mua 59 8.7 Tính toán ROI phân bổ ngân sách 67 8.8 Chọn số liệu "Hướng bắc thực" 71 CHƯƠNG THU THẬP VÀ CHUẨN BỊ DỮ LIỆU 74 9.1 Dữ liệu thực tế 74 9.2 Những lỗi thường gặp với liệu 75 CHƯƠNG 10 XÂY DỰNG CÁC MÔ HÌNH HỌC MÁY 79 10.1 AI viên đạn bạc 79 10.2 Đánh giá hiệu suất mơ hình 80 10.3 Những lỗi thường gặp với mơ hình học máy 81 10.4 Dịng cơng việc học máy 83 10.5 Duy trì tư thử nghiệm 86 CHƯƠNG 11 THỬ NGHIỆM VÀ LẶP LẠI 87 11.1 Phát triển linh hoạt 87 11.2 Nợ kỹ thuật 87 11.3 Triển khai nhân rộng 89 11.4 Lặp lại cải tiến 91 PHẦN III ỨNG DỤNG TRÍ TUỆ NHÂN TẠO CHO CÁC CHỨC NĂNG TRONG DOANH NGHIỆP 92 CHƯƠNG 12 CHƯỚNG NGẠI VÀ CƠ HỘI 93 12.1 Trở ngại 94 12.2 AI làm cho chức doanh nghiệp 96 CHƯƠNG 13 TỔNG HỢP VÀ HÀNH CHÍNH 97 13.1 Tài - Kế toán 97 13.2 Pháp lý tuân thủ 98 13.3 Hồ sơ bảo dưỡng 99 13.4 Hoạt động chung 100 CHƯƠNG 14 NHÂN SỰ VÀ TÀI NĂNG 101 14.1 Chọn ứng viên cho vị trí 101 14.2 Quản lý trình vấn 102 14.3 Lập kế hoạch thông minh 102 14.4 Lập kế hoạch nghề nghiệp giữ chân nhân tài 102 14.5 Chức quản trị 103 CHƯƠNG 15 PHÂN TÍCH THƠNG TIN KINH DOANH 104 15.1 Sắp xếp liệu 104 15.2 Cấu trúc liệu 105 15.3 Phân tích 106 CHƯƠNG 16 PHÁT TRIỂN PHẦN MỀM 108 CHƯƠNG 17 TIẾP THỊ 111 17.1 Tối ưu hóa quảng cáo kỹ thuật số 112 17.2 Đề xuất Cá nhân hóa 113 CHƯƠNG 18 BÁN HÀNG 115 18.1 Phân khúc khách hàng 115 18.2 Đánh giá chấm điểm khách hàng tiềm 115 18.3 Phát triển kinh doanh 116 18.4 Phân tích bán hàng 117 CHƯƠNG 19 HỖ TRỢ KHÁCH HÀNG 118 19.1 Đại lý đàm thoại 118 19.2 Lắng nghe xã hội 119 19.3 Khách hàng rời bỏ 120 19.4 Giá trị trọn đời 120 CHƯƠNG 20 ĐẠO ĐỨC TRONG ỨNG DỤNG AI CHO DOANH NGHIỆP 121 TÀI LIỆU THAM KHẢO 124 LỜI NÓI ĐẦU “Ứng dụng trí tuệ nhân tạo kinh doanh” tài liệu thiết kế để cung cấp cho sinh viên chuyên ngành Tài – Ngân hàng, Trường Đại học Mở Hà Nội kiến thức trí tuệ nhân tạo (AI - Artificial Intelligence) khả ứng dụng AI thực tiễn kinh doanh Phần tài liệu trang bị cho người học kiến thức tình hình phát triển AI giới Việt Nam Chương giới thiệu AI, kỹ thuật sử dụng để cung cấp lượng cho hệ thống AI đại khác biệt chức mức độ khác trí thông minh nhân tạo Chương 3, mô tả ứng dụng AI xã hội thách thức nảy sinh từ thuật toán sai lệch phi đạo đức Trong phần thứ hai tài liệu giới thiệu chiến lược phương pháp cần thiết để triển khai thành công dự án AI Chương hướng dẫn người học cách chuẩn bị cho doanh nghiệp thành công dự án AI Chương hướng dẫn người học xác định hội ứng dụng AI doanh nghiệp phát triển kế hoạch kinh doanh để thực hóa hội Chương 9, 10 11 giải thích thách thức kỹ thuật phổ biến việc phát triển AI cách thức để vượt qua thách thức Phần cuối tài liệu nêu bật ứng dụng AI phổ biến cho chức kinh doanh phổ biến Chương 12 tóm tắt số thách thức áp dụng giải pháp AI cho doanh nghiệp Chương 13 14 giới thiệu ứng dụng phổ biến AI chức quản trị thiết yếu tài chính, pháp lý nhân Chương 15 16 mô tả cách học máy Chương 17, 18 19 tập trung vào chức tạo doanh thu từ bán hàng, tiếp thị dịch vụ khách hàng Chương 20 nhấn mạnh trách nhiệm đạo đức doanh nghiệp việc phát triển ứng dụng AI Trong bối cảnh AI lĩnh vực mẻ Việt Nam, tài liệu tham khảo chưa có nhiều, nhóm tác giả cịn kinh nghiệm AI, tài liệu khơng tránh khỏi thiếu sót Nhóm tác giả mong nhận đóng góp từ người học đồng nghiệp để tiếp tục hoàn thiện tài liệu cho phiên sau Nhóm tác giả PHẦN I NHỮNG ĐIỀU DOANH NGHIỆP CẦN BIẾT VỀ TRÍ TUỆ NHÂN TẠO CHƯƠNG THUẬT NGỮ CƠ BẢN VỀ TRÍ TUỆ NHÂN TẠO Trí thơng minh người có nhiều thể loại Cho dù thiên tài toán học nhân viên bán hàng bình thường, ngày phải sử dụng khả nhận thức để tồn thành công sống Mặc dù máy tính đánh bại người nhiệm vụ tính tốn quy mơ lớn, chun mơn máy móc cịn hạn hẹp trí thơng minh máy móc cịn xa trí thơng minh người lĩnh vực khác 1.1 AI AGI Trí tuệ nhân tạo bị lạm dụng văn hóa đại chúng để mơ tả hầu hết thể loại phân tích tự động hóa máy tính Để tránh nhầm lẫn, chuyên gia kỹ thuật lĩnh vực AI thích sử dụng thuật ngữ Trí tuệ nhân tạo phổ quát (AGI – Artificial General Intelligence) để cỗ máy có trí thơng minh cấp độ người trở lên, có khả trừu tượng hóa khái niệm từ kinh nghiệm hạn chế chuyển hóa kiến thức lĩnh vực khác AGI gọi “AI mạnh” (strong AI) để phân biệt với “AI yếu” (weak AI) “AI hẹp” (narrow AI), dùng để hệ thống thiết kế cho nhiệm vụ cụ thể không dễ dàng chép khả chúng sang hệ thống khác Sự khác biệt AI AGI trình bày chi tiết Chương Mặc dù Deep Blue (đã đánh bại nhà vô địch cờ vua giới vào năm 1997) AlphaGo (đã đánh bại nhà vô địch cờ vây giới vào năm 2016) đạt kết ấn tượng, tất hệ thống AI mà có ngày “AI yếu” Các chương trình AI hẹp đánh bại người nhiệm vụ cụ thể, chúng áp dụng kiến thức chun mơn vào nhiệm vụ khác, chẳng hạn lái xe ô tô sáng tạo nghệ thuật Việc giải nhiệm vụ nằm tham số ban đầu chương trình địi hỏi phải xây dựng chương trình bổ sung có phạm vi hẹp tương tự Cịn lâu có cỗ máy học hỏi điều giới theo cách mà người động vật làm Ngồi ra, đường hướng tới AGI không rõ ràng Những phương pháp hoạt động tốt việc giải vấn đề hẹp lại áp dụng để giải nhiệm vụ lý luận trừu tượng, xây dựng khái niệm lập kế hoạch chiến lược—những khả mà trẻ biết sở hữu máy tính khơng 1.2 Kỹ thuật AI đại Nhìn chung, cơng nghệ quy mơ doanh nghiệp sử dụng nhiều phương pháp tự động hóa, khơng phải tất cơng nghệ coi AI Việc phân biệt phương pháp AI phương pháp khác vấn đề khó khăn thường có chồng chéo Mặc dù AI đề cập đến phạm vi rộng lớn kỹ thuật tính tốn, giải pháp AI thành cơng hỗ trợ thuật tốn học máy Để đơn giản, trí tuệ nhân tạo học máy (ML – Machine Learning) sử dụng thuật ngữ hốn đổi cho tài liệu 1.2.1 Thống kê khai thác liệu Thống kê ngành học liên quan đến việc thu thập, phân tích, mơ tả, trực quan hóa rút kết luận từ liệu Trọng tâm mơ tả thuộc tính tập liệu mối quan hệ nội dung liệu Thống kê thường không coi phần AI, nhiều kỹ thuật thống kê tạo tảng cho kỹ thuật học máy tiên tiến sử dụng với kỹ thuật học máy Thống kê mô tả mô tả trực quan hóa đặc tính liệu Một ứng dụng đơn giản tìm mặt hàng bán lẻ bán chạy cửa hàng khoảng thời gian cụ thể Thống kê suy luận sử dụng để rút kết luận áp dụng phạm vi liệu liên quan Điều cần thiết việc phân tích phải tiến hành tập liệu mẫu, liệu thực tế lớn khó nghiên cứu Bởi việc phân tích thực tập liệu tổng nên kết luận rút từ thống kê suy luận không xác 100 phần trăm Khai thác liệu việc tự động hóa phân tích thống kê sơ sở liệu quy mô lớn Tuy nhiên, thuật ngữ thường sử dụng để mơ tả thể loại phân tích liệu thuật tốn xử lý thơng tin nào, bao gồm kỹ thuật học máy học sâu (deep learning) Mục tiêu khai thác liệu trích xuất mẫu kiến thức từ liệu quy mơ lớn để chúng định hình lại thành cấu trúc dễ hiểu để phân tích sau 1.2.2 Hệ thống kỹ hiệu hệ thống chuyên gia Các hệ thống ký hiệu chương trình sử dụng ký hiệu mà người hiểu để trình bày vấn đề lập luận Hình thức thành cơng hệ thống ký hiệu hệ thống chun gia, mơ q trình định chuyên gia người Các hệ thống chuyên gia bao gồm loạt quy tắc tạo sinh, tương tự câu lệnh if-then, chi phối cách mà chương trình truy cập sở tri thức đưa suy luận Các hệ thống chuyên gia hoạt động có hiệu áp dụng cho tình tính tốn tự động quy trình lơ-gíc, quy tắc kết tương đối rõ ràng Khi việc định trở nên phức tạp nhiều sắc thái hơn, việc thể thức hóa cách rõ ràng tồn phạm vi kiến thức cần thiết sơ đồ suy luận cần thiết để đưa định cấp độ người trở nên bất khả thi Quy tắc sở tri thức cho hệ thống chuyên gia phải thiết kế thủ công chuyên gia miền Đây nhược điểm lớn số lượng chuyên gia thực nhiệm vụ cịn hạn chế cần nhiều thời gian để lập trình hệ thống phức tạp “Tính đầy đủ” sở tri thức vấn đề đáng lo ngại cần phải trì liên tục (địi hỏi chi phí lớn); độ xác hệ thống phụ thuộc nhiều vào ý kiến chuyên gia, vốn sai Mặc dù trước hệ thống biểu tượng thường mở rộng khơng thể thích ứng, gần có nghiên cứu xem xét việc kết hợp chúng với phương pháp học máy học sâu để cải thiện hiệu suất 1.2.3 Học máy Điều xảy muốn dạy máy tính thực tác vụ, lại khơng hồn tồn chắn cách mà tự thực hiện? Điều xảy vấn đề phức tạp đến mức mã hóa trước tất quy tắc kiến thức? Học máy cho phép máy tính học mà khơng cần phải lập trình rõ ràng Đây lĩnh vực thuộc khoa học máy tính xây dựng dựa thống kê tính tốn khai thác liệu Tài liệu tập trung thảo luận cách học máy áp dụng ngành khác với chức khác nhau, cần hiểu rõ phạm trù rộng lĩnh vực cách áp dụng phạm trù cho vấn đề kinh doanh Học tập có giám sát xảy máy tính cung cấp liệu đào tạo có gắn nhãn, bao gồm đầu vào đầu ghép nối (ví dụ: hình ảnh mèo gắn nhãn xác “mèo”) học quy tắc chung ánh xạ đầu vào tới đầu xác Học có giám sát thường sử dụng để phân loại, đầu vào chia thành loại đầu rời rạc khơng có thứ tự, cho hồi quy, đầu vào sử dụng để dự đoán ước tính đầu giá trị số Nếu cố gắng dự đốn xem liệu hình ảnh hình ảnh mèo hay chó, vấn đề phân loại với lớp rời rạc Nếu cố gắng dự đoán giá thể số cổ phiếu tài sản khác, coi toán hồi quy với đầu liên tục Học tập khơng giám sát xảy máy tính cung cấp liệu khơng có cấu trúc thay dán nhãn (tức khơng có cặp đầu vào-đầu ra) yêu cầu khám phá cấu trúc mẫu có liệu Một ứng dụng phổ biến học tập không giám sát phân cụm, liệu đầu vào chia thành nhóm khác dựa thước đo “sự tương đồng” Ví dụ, muốn chia nhóm bạn bè LinkedIn Facebook thành nhóm xã hội dựa mức độ kết nối họ với Khơng giống học có giám sát, nhóm khơng biết trước biện pháp tương đồng khác tạo kết khác Học bán giám sát nằm học có giám sát học khơng giám sát Nhiều liệu giới thực có nhãn nhiễu, khơng xác hồn tồn khơng có nhãn, nghĩa đầu vào đầu ghép nối không xác với hồn tồn khơng ghép nối Học tích cực, trường hợp đặc biệt học bán giám sát, xảy thuật toán truy vấn người dùng để khám phá đầu nhãn phù hợp cho đầu vào Học tích cực sử dụng để tối ưu hóa hệ thống đề xuất, chẳng hạn hệ thống sử dụng để đề xuất phim Hiện tại, cơng ty chủ yếu dựa vào hai mơ hình để kết hợp tác nhân đàm thoại vào dịch vụ khách hàng: mơ hình “chỉ bot” mơ hình “tác nhân hỗ trợ bot” (hoặc “người máy”) Trong mô hình trước, chương trình máy tính đàm thoại tương tác trực tiếp với khách hàng mà không cần can thiệp người, mơ hình sau, bot tư vấn cho nhân viên cách hành động tốt tự động hóa chức nhân viên tìm kiếm kiến thức Hiện tại, tổng đài viên hội thoại xử lý yêu cầu dịch vụ nhất, tổng đài viên người cần thiết cho trường hợp phức tạp khó khăn Các thuật tốn học máy sử dụng để đánh giá yêu cầu khách hàng chúng đến, định tuyến yêu cầu dễ dàng cho tác nhân AI ưu tiên yêu cầu có giá trị cao cho nhân viên Các giải pháp AI giúp tác nhân người tăng số lượng yêu cầu giải Ví dụ: AI tự động hồn thành tác nhân đưa đề xuất cho tác nhân người giải yêu cầu, dựa hội thoại trước để tạo phản hồi tự động, thông minh cho truy vấn phổ biến Trong đó, cơng ty khởi nghiệp cạnh tranh để cung cấp hệ thống phản hồi tự động, tác nhân AI xử lý phần lớn yêu cầu với can thiệp tối thiểu người Với cải tiến phần mềm lập trình AI, lĩnh vực dự kiến phát triển đại diện cho điểm cuối cuối việc giới thiệu tự động hóa dịch vụ khách hàng 19.2 Lắng nghe xã hội Khách hàng bạn nói sản phẩm thương hiệu bạn? Phân tích tình cảm, sử dụng phương pháp thống kê túy (kém xác hơn) phương pháp học máy học sâu (chính xác đáng kể), đánh giá tâm trạng chung xung quanh trị chuyện mà cơng ty bạn quan tâm Xử lý ngôn ngữ tự nhiên (NLP) dự đốn chủ đề trị chuyện, bối cảnh, khuynh hướng cảm xúc đặc điểm tính cách người sáng tạo nội dung Sự gia tăng tác nhân hội thoại, thảo luận trên, cung cấp kho liệu văn đánh giá, nhận xét, chia sẻ mạng xã hội vé hỗ trợ khách hàng để cơng ty Conversocial Lexalytics phân tích Sinh trắc học 119 bổ sung giọng điệu, nét mặt ngơn ngữ thể phân tích bạn có liệu âm vid 19.3 Khách hàng rời bỏ Sự rời bỏ xảy khách hàng khơng hồn thành nhiệm vụ quan trọng mơ hình kinh doanh bạn, chẳng hạn gia hạn đăng ký, nhấn nút toán giỏ hàng họ chia sẻ nội dung với bạn bè Các phương pháp học có giám sát, chẳng hạn phân tích khác biệt người dùng miễn phí khách hàng trả phí, giúp bạn xác định phân tích yếu tố góp phần gây rời bỏ, để bạn chủ động tương tác lại với khách hàng rời bỏ Ví dụ: gọi giận định tuyến cho đại lý cảnh báo khách hàng có rủi ro rời bỏ cao hỗ trợ trước 19.4 Giá trị trọn đời Mọi doanh nghiệp muốn tối đa hóa giá trị trọn đời (LTV – lifetime value) khách hàng, gọi lợi nhuận ròng mà khách hàng mang lại cho bạn toàn tương tác dự kiến họ với công ty bạn Để chuyển khách hàng tiềm tốt cho nhóm bán hàng mình, bạn cần có khả xác định sớm đặc điểm hành vi khách hàng sinh lợi Với liệu từ chiến dịch quảng cáo, kênh chuyển đổi lịch sử tương tác khách hàng, bạn sử dụng phương pháp học có giám sát để dự đoán mục tiêu tốt 120 CHƯƠNG 20 ĐẠO ĐỨC TRONG ỨNG DỤNG AI CHO DOANH NGHIỆP Trong AI chuyển đổi kinh tế quy mô lớn, tất người hưởng lợi từ hội phổ biến có sẵn Các cơng việc kinh tế đòi hỏi lực kỹ thuật cao so với lực lượng lao động có Chúng ta tin nhà lãnh đạo doanh nghiệp có trách nhiệm đạo đức người lao động để giảm thiểu cải thiện gián đoạn tiềm ẩn mà AI mang đến nơi làm việc Các khoản đầu tư thông minh vào lực lượng lao động bạn tăng khả tự động hóa tiên tiến giúp tăng suất đồng thời đảm bảo mức độ việc làm cao thịnh vượng chung Trong Kai-Fu Lee, Giám đốc điều hành Sinovation Ventures, cảnh báo giả vờ AI không phá hủy công việc tại, việc tích hợp rộng rãi AI vào nơi làm việc tạo nhu cầu công việc đòi hỏi kỹ Khi AI người máy ngày đảm nhận nhiệm vụ lặp lặp lại thường xuyên ngành công nghiệp cổ trắng cổ xanh, công việc cần nhân cơng chuyển từ vị trí u cầu lao động thường xun, khơng có kỹ sang cơng việc địi hỏi kỹ chun mơn định thích ứng khả Ngồi ra, AI đẩy nhanh tốc độ tự động hóa, q trình địi hỏi người lao động phải học kỹ nhanh để dẫn đầu Người lao động cần tiếp cận liên tục với chương trình đào tạo chất lượng cao để trì khả cạnh tranh kinh tế Một báo cáo Nhà Trắng năm 2016 tác động AI kinh tế khuyến nghị việc đào tạo chất lượng cao, giá phải nên thời thơ ấu để chuẩn bị cho học sinh tiếp tục học lên cao Người lao động trải qua trình chuyển đổi công việc cần nhiều tiếp cận đào tạo theo định hướng cơng việc hình thức học tập suốt đời khác Thật không may, Hoa Kỳ tụt hậu so với nước cơng nghiệp hóa khác đầu tư vào chương trình thị trường lao động, chẳng hạn chương 121 trình đào tạo hỗ trợ tìm kiếm việc làm cho người lao động Nhà Trắng báo cáo quốc gia OECD khác chi trung bình khoảng 0,6% GDP họ cho sách thị trường lao động tích cực năm 2014; ngược lại, Hoa Kỳ chi tiêu 0,1% GDP mình, chưa nửa so với chi tiêu cách 30 năm Con số đặc biệt rõ ràng xem xét khảo sát gần giám đốc điều hành khắp giới Trong 74% số người hỏi nói họ tự động hóa nơi làm việc, có 3% nói họ tăng cường đầu tư vào đào tạo công nhân! Có dấu hiệu cho thấy thiếu ý bắt đầu thay đổi Accenture cung cấp chương trình đào tạo lại hiệu cho lực lượng lao động cách tận dụng công nghệ học máy nội dung sơ yếu lý lịch Các thuật toán đánh giá xem liệu kỹ liệt kê trở nên lỗi thời hay khơng cung cấp cho phận nhân đề xuất kỹ phù hợp với lực mà người lao động nên đạt Sáng kiến học tập thông minh GE đầu tư tỷ la vào khóa học trực tuyến mở (MOOC) quy mơ lớn nhập vai chương trình giúp cơng nhân họ có kỹ kỹ thuật số cần thiết để làm việc với phần mềm sản xuất Hãng xe Đức BMW tạo Chương trình Học giả BMW, sáng kiến vừa học vừa làm cho phép công nhân cổ xanh công ty có trụ sở Hoa Kỳ xây dựng kỹ trì cơng việc họ Loại công việc mở kinh tế hỗ trợ AI? Mặc dù khó dự đốn chất xác công việc yêu cầu doanh nghiệp AI hỗ trợ, Paul Daugherty, CTIO Accenture, tin biết loại kỹ cần thiết Khi công nghệ AI ngày phát triển tinh vi, cần đến công nhân người để đào tạo hệ thống AI mới, giải thích chức thuật tốn ngày phức tạp khơng rõ ràng để nhà lãnh đạo doanh nghiệp hiểu cách đạt đề xuất kết cụ thể thực bảo trì liên tục để trì hoạt động đắn hệ thống có Nói chung, trình độ chun mơn sâu, tính sáng tạo khả học hỏi đánh giá cao cho công việc Lao động người tiếp tục cần thiết để bổ sung chức 122 tự động hóa Ví dụ, phương tiện tự lái gặp phải trường hợp khẩn cấp phải giải người điều khiển từ xa Trong giới doanh nghiệp, chatbot AI dịch vụ khách hàng cần người xây dựng, đào tạo lập trình trước với hộp thoại.102 Hơn nữa, cơng việc ngành đòi hỏi tương tác phức tạp người mức độ trí tuệ cảm xúc cao, chẳng hạn công việc lĩnh vực chăm sóc sức khỏe giáo dục, có nguy bị tự động hóa Mặc dù công việc AI tạo khác tùy theo ngành chức năng, nhà lãnh đạo doanh nghiệp phải đầu tư vào sáng kiến giáo dục để giảm thiểu gián đoạn lực lượng lao động tương lai Tận dụng nhóm AI SWAT đa chức năng, liên ngành bạn để phát điểm mù cạm bẫy tiềm ẩn thiết kế tổ chức bạn Kết nối thường xuyên với nhân viên tuyến đầu để hiểu quy trình cơng việc mối quan tâm họ tự động hóa Như nêu Chương 14, nhân viên bạn tài sản quan trọng bạn Đầu tư vào chúng nhiều bạn đầu tư vào cơng nghệ để đảm bảo người hưởng lợi thành công giới AI Chúng ta muốn nhấn mạnh tự động hóa doanh nghiệp khơng ảnh hưởng đến nhân viên bạn Trong Chương 4, “Những thách thức trí tuệ nhân tạo”, thảo luận cách AI gây hại cho cá nhân thông qua phân biệt đối xử vô thức gián đoạn ác ý Điều có khả gây hại cho quy mô lớn, vô tình cố ý, cho thấy giám đốc điều hành cần phải tận tâm đảm bảo AI họ thiết kế triển khai cách nhân từ Phát triển AI có đạo đức an tồn chủ đề phức tạp không ngừng phát triển Mặc dù viết thêm số sách để mang đến cho chủ đề ý mức độ phù hợp mà thực cần, nhà lãnh đạo kinh doanh cơng nghệ bạn bắt đầu cách đơn giản đưa cam kết chắn kiên định để trì giá trị người không gây hại cho phát minh bạn thực hành Do công nghệ phát triển nhanh, bạn cần phải cảnh giác thường xuyên đánh giá xem hệ thống AI mà bạn xây dựng ảnh hưởng đến khách hàng, nhân viên xã hội bạn Khơng có tỷ suất lợi nhuận xứng đáng với chi phí gây hại cho nhân loại 123 TÀI LIỆU THAM KHẢO Vincent, J (2017, October 26) Facebook’s head of AI wants us to stop using the Terminator to talk about AI The Verge Retrieved from https://goo.gl/RtDL54 http://fivethirtyeight.com/features/the-real-story-of-2016/ Symbolic Artificial Intelligence (n.d.) In Wikipedia Retrieved November 16, 2017, from http://en.wikipedia.org/wiki/Symbolic_artificial_intelligence Le, Q.V., & Schuster, M (2016, September 27) A Neural Network for Machine Translation, at Production Scale [blog post] Retrieved from: https://research.googleblog.com/2016/09/a-neural-network-for-machine.html Huang, X.D (2017, August 20) Microsoft researchers achieve new conversational speech recognition milestone [blog post] Retrieved from http://www.microsoft.com/enus/research/blog/microsoft-researchers-achieve-newconversational-speech-recognitionmilestone/ Customer Case Studies (n.d.) Retrieved from http://blog.clarifai.com/customercasestudies/ http://probcomp.csail.mit.edu/ Reading List (n.d.) MIT Probabilistic Computing Project Retrieved November 16, 2017, from http://probcomp.org/reading-list/ Optical computing (n.d.) In Wikipedia Retrieved November 16, 2017, from http://en.wikipedia.org/wiki/Optical_computing 10 Quantum computing (n.d.) In Wikipedia Retrieved November 16, 2017, from http://en.wikipedia.org/wiki/Quantum_computing 11 Duhigg, C (2012, February 16) How Companies Learn Your Secrets The New York Times Magazine Retrieved from http://www.nytimes.com/2012/02/19/magazine/shoppinghabits.html 12 Simonite, T (2017, January 18) Google’s AI software is learning to make AI software MIT Technology Review Retrieved from http://www.technologyreview.com/s/603381/aisoftware-learns-to-make-ai-software/ 13 Samim (2015, November 5) Generating Stories about Images Retrieved from http://medium.com/@samim/generating-stories-about-images-d163ba41e4ed 14 Muoio, D (2016, March 01) These 29 gorgeous images created by Google’s AI raised almost $100,000 at auction Business Insider Retrieved from http://www.businessinsider.com/google-ai-images-raise-100000-at-auction-2016-2 15 Goleman, D (2008, March 24) When Emotional Intelligence Does Not Matter More Than IQ Retrieved from http://www.danielgoleman.info/when-emotional124 16 17 18 19 20 21 22 23 24 25 26 27 intelligencedoes-not-matter-more-than-iq Sentiment analysis (n.d.) In Wikipedia Retrieved on November 17, 2017, from http://en.wikipedia.org/wiki/Sentiment_analysis Knight, W (2016, June 13) Emotional intelligence might be a virtual assistant’s secret weapon MIT Technology Review Retrieved from http://www.technologyreview.com/s/601654/amazon-working-on-making-alexarecognizeyour-emotions/ Talbot, D (2014, September 19) Apps for Autism MIT Technology Review Retrieved from http://www.technologyreview.com/s/528191/digital-summit-first-emotionreadingapps-for-kids-with-autism/ Technological singularity (n.d.) In Wikipedia Retrieved November 17, 2017, from http://en.wikipedia.org/wiki/Technological_singularity Associated Press (2012, February 24) Hundreds Of Suicides In India Linked To Microfinance Organizations Business Insider Retrieved from http://www.businessinsider.com/hundreds-of-suicides-in-india-linked-tomicrofinanceorganizations-2012-2 You, J.X., Li, X.C., Low, M., Lobell, D.B., & Ermon, S (n.d.) Combining Remote Sensing Data and Machine Learning to Predict Crop Yield Retrieved from http://sustain.stanford.edu/crop-yield-analysis Zebede, M & Shahid, S (2016) Liberia’s ‘Sex4Grades’ Epidemic Is Ruining Children’s Lives Time Retrieved from http://time.com/4282516/liberiassex4grades-epidemic/ Yao, M (2017, July 11) Ways Humanitarian Bots Can Save The World TopBots Retrieved from http://www.topbots.com/social-good-humanitarian-bots-can-saveworld/ Sotomayor, J (2016, January 8) Success Story: U-Report Liberia exposes Sex Grades in school Retrieved from http://ureport.in/story/194/ Study Finds Computers Surpass Pathologists in Predicting Lung Cancer Type, Severity (2016) The ASCO Post Retrieved from http://www.ascopost.com/News/43849 Patel, T A., Puppala, M., Ogunti, R O., Ensor, J E., He, T., Shewale, J B., & Chang, J.C (2016) Correlating mammographic and pathologic findings in clinical decision support using natural language processing and data mining methods Cancer, 123(1), 114-121 doi:10.1002/cncr.30245 As validated against a gold standard review conducted on a sample of records by the 125 28 29 30 31 32 33 34 35 36 37 38 39 study’s co-authors, which required 50 to 70 hours Csail, A C (2017, October 16) Using artificial intelligence to improve early breast cancer detection MIT News Retrieved from http://news.mit.edu/2017/artificialintelligence-early-breast-cancer-detection-1017 Yao, M (2017, November 2) Fighting Algorithmic BIAS & Homogenous Thinking in AI TopBots Retrieved from http://www.topbots.com/fighting-homogenousthinkingalgorithmic-bias-ai/ Westervelt, E (Contributor) (2017, August 18) Did A Bail Reform Algorithm Contribute To This San Francisco Man’s Murder? [Radio Broadcast Episode] In Carline Watson (Executive Producer), All Things Considered Washington, D.C.: NPR Retrieved from http://www.npr.org/2017/08/18/543976003/did-a-bail-reformalgorithm-contribute-tothis-san-francisco-man-s-murder Crawford, K (2016, June 25) Artificial Intelligence’s White Guy Problem [Editorial] The New York Times Retrieved from http://www.nytimes.com/2016/06/26/opinion/sunday/artificial-intelligences-whiteguyproblem.html Sweeney, L (2013, May) Discrimination in online ad delivery Communications of the ACM, 56(5), 44-54 doi:10.1145/2447976.2447990 Vafa, K., Haigh, C., Leung, A., & Yonack, N (2015, September 1) Price Discrimination in The Princeton Review’s Online SAT Tutoring Service Technology Science Retrieved from https://techscience.org/a/2015090102/ Hart, R (2017, July 10) If you’re not a white male, artificial intelligence’s use in healthcare could be dangerous Quartz Retrieved from http://qz.com/1023448/ Brundage, M., et al (2018, February), The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation Retrieved from https://maliciousaireport.com/ Do we need Asimov’s Laws? (2014, May 16) MIT Technology Review Retrieved from https://www.technologyreview.com/s/527336/do-we-need-asimovs-laws/ Gershgorn, D (2016, June 3) Google Considers Making A “Big Red Button” To Stop Dangerous A.I In An Emergency Popular Science Retrieved from http://www.popsci.com/google-researches-big-red-button-to-stop-dangerous-ai IEEE Global Initiative on Ethics of Autonomous and Intelligent Systems (2016, December) Ethically Aligned Design: A Vision for Prioritizing Human Wellbeing with Artificial Intelligence and Autonomous Systems Retrieved from http://standards.ieee.org/develop/indconn/ec/autonomous_systems.html El Kaliouby, R Media lunch commentary at the O’Reilly AI Conference on 126 40 41 42 43 44 45 46 47 48 49 50 51 September 18, 2017, in San Francisco, CA Hebron, P (2017, April 26) Rethinking Design Tools in the Age of Machine Learning Retrieved from http://medium.com/artists-and-machineintelligence/rethinking-designtools-in-the-age-of-machine-learning-369f3f07ab6c Andreessen, M (2011, August 20) Why Software Is Eating the World Wall Street Journal Retrieved from https://goo.gl/woxq8c Lardinois, F (2016, September 26) Microsoft CEO Satya Nadella on how AI will transform his company Tech Crunch Retrieved from http://techcrunch.com/2016/09/26/microsoft-ceo-satya-nadella-on-how-ai-willtransformhis-company/ D’Onfro, J (2016, April 28) Google’s vision of the future is a smart assistant that follows you everywhere Business Insider Australia Retrieved from http://www.businessinsider.com.au/google-sundar-pichai-outlines-focus-infounders-letter-2016-4 Galeon, D (2017, May 09) Amazon’s CEO Says We’re Living in the Golden Age of AI Futurism Retrieved from http://futurism.com/amazons-ceo-says-were-livingin-the-goldenage-of-ai/ Zilis, S & Cham, J (2016, November 7) The Current State of Machine Intelligence 3.0 O’Reilly Retrieved from https://www.oreilly.com/ideas/the-current-state-ofmachineintelligence-3-0 Leaper, B (2014, July) The Rise of the Chief Data Officer Wired Retrieved from https://www.wired.com/insights/2014/07/rise-chief-data-officer/ Purdy, M., & Daugherty, P (2016) Artificial intelligence is the future of growth (2016) Retrieved from https://www.accenture.com/ca-en/insight-artificialintelligence-futuregrowth Ng, A (2017, April 21) Hiring Your First Chief AI Officer Harvard Business Review Retrieved from http://hbr.org/2016/11/hiring-your-first-chief-ai-officer Interview with Marina Kalika, Director of Solutions Marketing at Nuance Conducted by Adelyn Zhou on April 25, 2017 Manyika, J., Chui, M., Miremadi, M., Bughin, J., George, K., Willmott, P., & Dewhurst, M (2017) Harnessing automation for a future that works Retrieved from http://www.mckinsey.com/global-themes/digital-disruption/harnessing-automationfor-afuture-that-works Lohr, S (2017, January 12) Robots Will Take Jobs, but Not as Fast as Some Fear, New Report Says The New York Times Retrieved from http://www.nytimes.com/2017/01/12/technology/robots-will-take-jobs-but-not-as127 52 53 54 55 56 57 58 59 60 61 62 fast-assome-fear-new-report-says.html Zhou, A (2017, October 5) Accenture Augments Human Capital With Artificial Intelligence To Stay Competitive Forbes Retrieved from http://www.forbes.com/sites/adelynzhou/2017/10/04/accenture-augments-humancapitalwith-artificial-intelligence-to-stay-competitive/ Metz, C (2017, October 22) Tech Giants Are Paying Huge Salaries for Scarce A.I Talent The New York Times Retrieved from http://www.nytimes.com/2017/10/22/technology/artificial-intelligence-expertssalaries.html The Race For AI: Google, Baidu, Intel, Apple In A Rush To Grab Artificial Intelligence Startups (2017, October 25) CB Insights Retrieved from http://www.cbinsights.com/research/top-acquirers-ai-startups-ma-timeline/ Tilley, A (2017, April 24) The Great AI Recruitment War: Amazon Is On Top, And Apple Is Almost Nowhere To Be Seen Forbes Retrieved from http://www.forbes.com/sites/aarontilley/2017/04/18/the-great-ai-recruitment-waramazonis-on-top-and-apple-is-almost-nowhere-to-be-seen/ Zhou, A (2017, November 21) Key Qualities To Look For In AI And Machine Learning Experts Forbes Retrieved from https://www.forbes.com/sites/adelynzhou/2017/11/21/keyqualities-to-look-for-in-aiand-machine-learning-experts/#2b0d76b565e8 Interview with Abhi Jha, Director of Advanced Analytics at McKesson Interview conducted by Mariya Yao on September 28, 2017 Jia, M (2017, November 01) Enterprise AI Companies | Business Intelligence Solutions TopBots Retrieved from http://www.topbots.com/essential-landscapeoverview-enterpriseartificial-intelligence/ Press, G (2016, May 01) Data Scientists Spend Most of Their Time Cleaning Data Retrieved from: http://whatsthebigdata.com/2016/05/01/data-scientists-spend-mostof-theirtime-cleaning-data/ Baran, B., Di, W., Li, M., & Yuan, C.-Y (2018, March 6) Big data analytics and machine learning techniques to drive and grow business Symposium conducted at the Strata Data Conference, San Jose Andreessen, M (2011, August 20) Why Software Is Eating the World [Editorial] Wall Street Journal Retrieved from https://www.wsj.com/articles/SB10001424053111903480904576512250915629460 Gold, R., & Chaudhuri, S (2017, September 28) ‘Amazon Effect’ Leads Investors to Sour on Global Retail The Wall Street Journal Retrieved from 128 63 64 65 66 67 69 70 71 72 73 http://www.wsj.com/articles/amazon-effect-leads-investors-to-sour-on-retail1506591003 Perez, S (2016, November 3) Amazon’s private label brands are taking over market share Tech Crunch Retrieved from http://techcrunch.com/2016/11/03/amazonsprivate-label-brands-are-killing-it-saysnew-report/ Herrman, J (2016, April 17) Media Websites Battle Faltering Ad Revenue and Traffic The New York Times Retrieved from http://www.nytimes.com/2016/04/18/business/mediawebsites-battle-falteringadrevenue-and-traffic.html Ibid Target to Build and Manage New Target.com Platform [Press Release] (2009, August 7) Business Wire Retrieved from http://www.businesswire.com/news/home/20090807005049/en Hiner, J (2010, May 11) IT’s new holy grail: Break out of the 70% maintenance loop Retrieved from: http://www.techrepublic.com/blog/tech-sanity-check/its-newholy-grailbreak-out-of-the-70-maintenance-loop/ 68 Metz, C (2017, October 17) Artificial Intelligence Is Setting Up the Internet for a Huge Clash With Europe Wired Retrieved from http://www.wired.com/2016/07/artificialintelligence-setting-internet-huge-clasheurope/ Metz, C (2017, October 17) Artificial Intelligence Is Setting Up the Internet for a Huge Clash With Europe Wired Retrieved from http://www.wired.com/2016/07/artificialintelligence-setting-internet-huge-clasheurope/ Jain, A (2016, June 29) How Netflix Saves $1 Billion A Year Using AI Value Walk Retrieved from http://www.valuewalk.com/2016/06/netflix-how-saves-1-billionyear-ai/ Peloton Boosts its Service with 25% SelfService Resolution (2017, September) Solvvy Retrieved from http://solvvy.com/wp-content/uploads/2017/09/peleton-casestudy.pdf Power, B (2017, May 30) How Harley-Davidson Used Artificial Intelligence to Increase New York Sales Leads by 2,930% Harvard Business Review Retrieved from http://hbr.org/2017/05/how-harley-davidson-used-predictive-analytics-toincrease-newyork-sales-leads-by-2930 Interview with Craig Muraskin, Managing Director of Innovation at Deloitte, and 129 74 75 76 77 78 79 80 81 82 83 84 Rajeev Ronanki, Principal of Life Sciences and Healthcare at Deloitte Conducted by Adelyn Zhou on September 20, 2017 Iterview with Jonathan Crane, Chief Commercial Officer at IPSoft Conducted by Adelyn Zhou on April 20, 2017 Interview with Craig Muraskin, Deloitte Managing Director at U.S Innovation Group Deloitte Conducted by Adelyn Zhou on September 20 2017 Laskowski, N (2017, June 15) Measuring ROI for AI investments? Put on your venture capitalist hat Tech Target Retrieved from http://searchcio.techtarget.com/news/450420866/Measuring-ROI-for-AIinvestments-Puton-your-venture-capitalist-hat [Gagan Biyani] (2013, January 09) Chamath Palihapitiya - how we put Facebook on the path to billion users [Video file] Retrieved from https://www.youtube.com/watch? v=raIUQP71SBU From to $1B - Slack’s Founder Shares Their Epic Launch Strategy (n.d.) First Round Review Retrieved from http://firstround.com/review/From-0-to-1B-SlacksFounder-SharesTheir-Epic-Launch-Strategy/ Fiscal year (n.d.) In Wikipedia Retrieved November 16, 2017, from http://en.wikipedia.org/wiki/Fiscal_year Koehrsen, W (2018, March 03) Beyond Accuracy: Precision and Recall Toward Data Science Retrieved at https://towardsdatascience.com/beyond-accuracyprecision-andrecall-3da06bea9f6c Johnson, L (2017, May 18) Saatchi LA Trained IBM Watson to Write Thousands of Ads for Toyota Ad Week Retrieved from http://www.adweek.com/digital/saatchilatrained-ibm-watson-to-write-thousands-of-ads-for-toyota/ Interview with Anand Rao, Innovation Lead for US Analytics at PwC Conducted by Adelyn Zhou in 2017 Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., …Dennison, D (2015) Hidden Technical Debt in Machine Learning Systems In C Cortes, D D Lee, M.Sugiyama, and R Garnett (Eds.), Proceedings of the 28th International Conference on Neural Information Processing Systems - Volume MIT Press, Cambridge, MA, USA, 2503-2511 Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., …Young, M (2014) Machine Learning: The High Interest Credit Card of Technical Debt Presented at SE4ML: Software Engineering for Machine Learning (NIPS 2014 Workshop), Montréal, Canada, December 8-13 Retrieved from http://research.google.com/pubs/pub43146.html 130 85 Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., …Dennison, D.(2015) Hidden Technical Debt in Machine Learning Systems In C Cortes, D D Lee, M.Sugiyama, and R Garnett (Eds.), Proceedings of the 28th International Conference on Neural Information Processing Systems - Volume MIT Press, Cambridge, MA, USA, 2503-2511Retrieved from http://papers.nips.cc/paper/5656hidden-technical-debt-in-machinelearning-systems.pdf 86 Kirk, M (2017, June 8) What is machine learning debt? O’Reilly Retrieved from http://www.oreilly.com/ideas/what-is-machine-learning-debt 87 Tepper, F (2016, July 18) Uber has completed billion rides Tech Crunch Retrieved from http://techcrunch.com/2016/07/18/uber-has-completed-2-billionrides/ 88 Herrman, J & Del Balso, M (2017, October 16) Meet Michelangelo: Uber’s Machine Learning Platform Retrieved from http://eng.uber.com/michelangelo/ 89 Dunn, J (2016, May 6) Introducing FBLearner Flow: Facebook’s AI backbone Retrieved from http://code.facebook.com/posts/1072626246134461/introducingfblearnerflow-facebook-s-ai-backbone/ 90 Legal Executive Institute (2016, January 11) The Size of the US Legal Market: Shrinking Piece of a Bigger Pie — an LEI Graphic Thompson Reuters Retrieved from http://www.legalexecutiveinstitute.com/the-size-of-the-us-legal-marketshrinking-piece-ofa-bigger-pie-an-lei-graphic/ 91 Gartner (n.d.) Advance Your Contract Management Process Retrieved from https://www.cebglobal.com/compliance-legal/smb-legal/contractmanagementmidsized.html 92 Marciano, J (2017, June 10) Automating the Law: A Landscape of Legal AI Solutions TopBots Retrieved from https://www.topbots.com/automating-the-law-alandscape-oflegal-a-i-solutions/ 93 Ambrogi, R (2017, January 17) ROSS AI Plus Wexis Outperforms Either Westlaw or LexisNexis Alone, Study Finds [blog post] Law Sites Retrieved from https://www.lawsitesblog.com/2017/01/ross-artificial-intelligence-outperformswestlawlexisnexis-study-finds 94 Sorenson, C (2017, January 16) Big Law Is Having Its Uber Moment MacLean’s Retrieved from http://www.macleans.ca/economy/business/big-law-is-having-itsubermoment/ 95 Marciano, J (2017, June 10) Automating the Law: A Landscape of Legal AI Solutions TopBots Retrieved from https://www.topbots.com/automating-the-law-alandscape-oflegal-a-i-solutions/ 131 96 Warden, P (2017, November 13) Deep Learning Is Eating Software [blog post] Retrieved from https://petewarden.com/2017/11/13/deep-learning-is-eating-software 97 Karpathy, A (2017, November 11) Software 2.0 Medium Retrieved from https://medium.com/@karpathy/software-2-0-a64152b37c35 98 Lo Giudice, D., Mines, C., LeClair, A., Curran, R., & Homan, A (2016, October 13) How AI Will Change Software Development and Applications Forrester Retrieved from https://reprints.forrester.com/#/assets/2/108/’RES121339’/reports 99 Captain, S (2017, July 06) West Elm’s New AI Tool Scans Pinterest to Recommend Furnishings Fast Company Retrieved from https://goo.gl/K5etC7 Cotrupe, J (2016, April 22) Conversational A.I.: It’s A Bot Time for a New Conversation on Customer Engagement (Report # D564-00-EA Frost & Sullivan 2016 Retrieved from https://goo.gl/dKv 100 Salesforce Research (2017, January 05) Second Annual State of Service: Insights and trends from over 2,600 global service trailblazers Retrieved from https://goo.gl/o4J9YG 101 Witcher, B., Wigder, Z D., Leggett, K., & Katz, R (2014, October 29) Good Alone, Better Together: Integrating Chat And Virtual Agents Forrester Retrieved from https://goo.gl/bqnbn3 102 Lee, K.-F (2018, February 21) Tech companies should stop pretending AI won’t destroy jobs MIT Technology Review Retrieved from https://www.technologyreview.com/s/610298/tech-companies-should-stoppretending-aiwont-destroy-jobs/ 103 Executive Office of the President (2016, December) Artificial Intelligence, Automation, and the Economy Retrieved from https://goo.gl/LJQZP2 104 Executive Office of the President (2016, December) Artificial Intelligence, Automation, and the Economy Retrieved from https://goo.gl/oNCBrp 105 Shook, E., & Knickrehm, M (2018) Reworking the Revolution Accenture Strategy Retrieved from https://www.accenture.com/us-en/company-reworking-therevolutionfuture-workforce 106 Interview with Paul Daugherty, CTIO at Accenture Conducted by Mariya Yao on March 22, 2018 107 Interview with Paul Daugherty, CTIO at Accenture Conducted by Mariya Yao on March 22, 2018 108 Yao, M (2018, April 05) Responsible AI: Should Smart Machines Be Intrinsically Pro Human? TopBots Retrieved from https://www.topbots.com/responsible-ai-pauldaughertyjames-wilson-accenture-interview/ 132 109 Knowledge@Wharton & Mphasis (2018, March 01) The Future of Jobs in the World of AI and Robotics Knowledge@Wharton Retrieved from http://knowledge.wharton.upenn.edu/article/future-jobs-world-ai-robotics/ 110 Automation and anxiety (2016, June 25).The Economist Retrieved from https://www.economist.com/news/special-report/21700758-will-smarter-machinescausemass-unemployment-automation-and-anxiety 111 AI Will Put 10 Million Jobs at High Risk—More Than Were Eliminated by the Great Recession (2017, October 06) CBInsights Retrieved from https://www.cbinsights.com/research/jobs-automation-artificial-intelligence-risk 133