德国物流协会（BVL）在2017年的德国物流大会（DLK）上明确指出，人工智能（AI）将成为物流流程的动力源。近六年后的今天，我们又在何处呢？我们有这样的问题去询问博士克斯汀·赫夫勒（Kerstin Höfle）。她是坐落在汉堡的柯尔柏公司供应链业务部门的研发和产品管理副总裁。上一届 DLK 大会上，Höfle博士主持了一场名为“人工智能，去向何方？”的研讨会。

大约 60 年前，当 IT 技术开始进入办公室，人们担心自己可能很快就没有工作可做。然而现在，全球的 IT 专家还远远不足。人工智能（KI）也经历了 15 到 20 年的发展才获得了现在的认可。当然，成功应用人工智能的基础条件是拥有高质量、准确的数据。在这方面，相关的专业知识是不可或缺的。赫夫勒博士和她的物流团队主要关注流程自动化的扩展、知识的建构和基于机器人的新技术的实现。然而，她的核心话题仍然是“创新”，无论是在市场和新技术发展方面的观察，还是在内部推动和提倡新的想法。

Höfle博士指出，人工智能已经渗透到我们的日常生活中，智能手机就是一个关键词。那么，物流行业的情况又如何呢？AI 在这个领域究竟有多深入？

Höfle 博士表示：“的确如此！人工智能也应用在物流领域。在上次 BVL 大会上，我主持了一场关于'人工智能，去向何方？：愿景与现实 - 实际检验'的激动人心的讨论，在那里我们探讨了当前实际进展到了什么程度。提出的具体案例主要涉及优化和预测，无论是货物流动的优化，即“人工智能作为调度员”，或者到达预测（如铁路货运的情况），或者需求预测以便进行更可靠的预测，特别是在需求行为波动的情况下。当然，我们在许多其他流程中看到了基于人工智能的应用，例如在服务领域的机器和系统优化，例如通过预测性维护。我们必须记住：人工智能也正在渗透到我们的日常工作中。”

OpenAI的“ChatGPT”面临着来自其它科技巨头的激烈竞争。人工智能、数据分析和机器学习如何影响价值链上的流程呢？人工智能是否可以驾驶卡车？

事实上，司机目前尚未被人工智能取代。然而，人工智能已经进入了传统驾驶的领域，不论是卡车还是小轿车。没有人工智能，自动驾驶将无法实现，人工智能可以处理大量关于交通、道路路况、交通规则等的数据。我们现在知道的车辆辅助系统主要基于人工智能。基本上，我认为人工智能可以影响价值链上的所有流程。如今，几乎所有地方都在产生数据，而在缺少数据的地方，可以通过合适的传感器来收集数据。在我看来，问题在于在哪里使用人工智能来优化流程是有意义且经济的。

您如何评估物流负责人是否需要澄清人工智能作为 IT 的一个子学科？有恐惧吗？

我认为我们没有必要在物流负责人和其它领域的专家或管理人员之间做出区分。尤其是自从生成性人工智能（比如来自OpenAI的“ChatGPT”等模型）的发展以来，我认为澄清的必要性非常高。必须从多个角度去阐明并处理与人工智能相关的各种主题以及对这项技术持有不同态度的人。当然，恐惧和怀疑也是存在的——所有新技术的引入或进步，无论是过去还是现在，都会带来这些感觉。主要的工作是进行教育，明确人工智能可以做什么，在哪里使用它是有意义的，人工智能的限制在哪里？最近几个月来，这些限制已经大大扩展了。

进展迅速！ChatGPT在2022年上线，仅仅五天时间就吸引了超过100万用户，相比之下，Netflix在1999年进入市场花了三年半的时间，Spotify在2008年进入市场花了七个月的时间。两个月后，一亿用户被突破。我并不打算引用实际的用户数量，因为到我们谈话结束时，这个数字已经过时了。那么这意味着什么呢？人工智能已经深入社会，但其运作方式却越来越难以理解，即使对于专家来说也是如此。关于最新的发展，许多问题仍未得到解答，需要权衡风险。生成性人工智能的表述可信吗？生成的输出，无论是文本还是图像。 同样重要的是教育关于正确使用人工智能以及众多工具和应用的内容，这些工具和应用目前几乎每天都在市场上出现。一方面，必须考虑结果的有效性问题。另一方面，我们越来越多地看到敏感的公司或个人数据正在被共享。尤其是在企业中，无论是在物流还是其他领域，都应该提高对处理此类应用程序的意识。就我个人而言，我反对严格的禁令，我更支持通过教育来处理这个问题。特别是在欧洲，同样在德国，我们必须防止过度监管，从而阻碍创新。人工智能是我们不能忽视的发展。我们必须学习理解它。

具体来说，人工智能已经在哪些领域得到了成功应用？您的额外好处是什么？

物流行业的各个领域已经充分应用了人工智能技术，其中，预测和优化尤其突出。柯尔柏公司也在积极投身于这个领域，尤其是在优化仓库内机器的使用方面。他们的数字产品线中有一款应用程序名为“Operator Eye”，这款应用程序能够支持他们的层码垛机的机器操作员。通过拍摄自动卸垛过程的照片和视频，人工智能对其进行分析。过去，悬垂的塑料箔常常触发传感器，使得机器停止运作，机器操作员需要亲自进入工厂查看是什么问题导致了停机，然后手动重启。而现在，AI能够自动处理这一问题，将每个进程的故障排除时间从平均两分钟缩短到仅仅三秒。这只是其中一个实际的应用例子。通过基于摄像头的数据收集，我们可以进一步优化工艺步骤并创造更多的价值。他们还计划将此技术扩展应用到产品线中的其他机器上。

人工智能的预测功能对于与单个项目相关的顺势利润率交易来说非常重要。那么，在行业中的实际情况又如何呢？

尤其值得注意的是，需求预测适用于所有经济部门，比如优化生产计划。交通流和到达预测，以及机器操作，都可以用来优化交通，如上文提到的卸垛案例。正如我所说，我看到了整个价值链的潜力，不论是在工业还是贸易领域。

人工智能已经学会了听，看，翻译，甚至画画。那么，人工智能何时能学会思考呢？我们真的希望看到这样的一天吗？

为了准确回答这个问题，我们可能需要展开关于“思考”这个词真正含义的科学哲学讨论。尽管对人工智能的定义有所不同，但大多数都认为它具有“模仿人类逻辑思维等能力”。目前，关于人工智能是否在发展意识的讨论已经展开，这一问题甚至更加深入。我很难明确回答这些问题，这也是我对于是否真的希望看到人工智能能思考的问题的看法。不管怎样，我们都不能阻挡事物的发展。更为重要的是，我们需要明智地使用技术，并适度地进行监管，而不是过度监管。

人工智能的最终目标，至少在物流领域，应该是最大程度地满足客户的需求。在这个过程中，正确的需求规划和库存规划显得尤为重要。那么，经验丰富的采购员、调度员和仓库经理的“直觉”以及他们的日常决策是否很快就会被取代呢？

这无疑是许多在职人员可能会有的疑虑。过去，需求预测已经得到了统计模型的支持，而现在，基于人工智能的模型可以实现更高的规划精确性。这肯定会改变经验丰富的买家或调度员的工作，但并不会取代他们。一方面，人工智能支持的模型的结果基于历史数据。但是，面对近年来的特殊情况，比如新冠疫情或者全球供应链的中断，情况又将如何呢？基于人工智能的分析还需要得到验证，系统也需要建立和维护。简而言之，买家或调度员的工作工具将会发生变化，同样，许多其他的工作描述也会改变。

各个行业的供应链自然都有其特殊性。那么，人工智能模型能够在多大程度上进行训练呢？面对标准偏差，人工智能的反应如何？

您的问题直击要点。实际上，人工智能模型是可以训练的。只要用适当的数据映射出各个特征，我们就可以借此训练人工智能模型。在这里，数据的可用性和质量是衡量成功的关键标准。对于标准偏差的反应，如果偏差处于预期范围内，且模型已经通过足够的训练数据进行了训练，那么AI模型自然可以做出适当的响应或预期结果。然而，当出现较大的偏差或不可预见的事件时，人工智能的反应可能就会比较差，这时人类的专业知识和判断仍然是不可或缺的。

那么，员工对于人工智能的接纳度如何呢？在接触新技术的过程中，您是否有过任何恐惧（无论是对您的工作，还是处理相关软件）？

和任何新技术的引入一样，虽然对每个人来说都是全新的，但信息、透明度和教育仍然是必不可少的。即便是经过多年发展，已经成为市场标准的传统仓库自动化技术，我们如今依然可以看到人们的恐惧。因此，引入的过程中伴随着的变革管理至关重要。在人工智能和最新的发展领域，我们面临着特别大的挑战。其发展步伐极快，技术难以掌握。但是我们所有人，特别是管理者，都必须勇敢地面对这些挑战，并与员工共同寻找解决方案。我们需要进行哪些培训？需要创建哪些文化条件，使人和人工智能能和谐共事？我们如何确保员工依然认同他们的工作？在我看来，最重要的是保持透明、开放的沟通，并在早期就让每个人参与进来。我强烈反对任何形式的禁令，而倾向于合理的监管。

人工智能的解决方案和决策如何推动仓库自动化管理的发展？

价值链的所有环节以及自动化仓库管理都将从人工智能中受益。无论是优化单个机器的操作，还是管理整个仓库或控制内部物料流动。特别是在自动化仓库中，我们有大量的数据源。但是这里出现了一个问题：究竟应该从哪里开始。哪里的应用程序可以通过人工智能的支持进行使用或开发，从而带来真正的价值？在公司中建立适当的专业知识非常重要——工作内容正在发生改变。最终，我们需要确定哪些流程将使用人工智能。然后才真正开始我们的工作。

当消费者期待次日达时，中心仓库模式是否已经过时？

我并不这么认为。是否使用中心仓库在很大程度上取决于公司的整体物流理念。然而，通过使用人工智能模型，我们可以分析和优化大量的数据，从而得出分析结果和优化策略。以在线交易为例，我们大多数人在网络上留下的“足迹”如此之多，以至于可以预测接下来我们会购买什么。因此，商家可以提高库存水平，或者结合客流量数据，优化配送。这些只是在这类分析中可以使用的许多参数之一。

整个物流概念也可以在此基础上进行优化。当然，还有其他参数，例如位置因素、成本、劳动力可用性等等，都是为了确保及时向客户交货。在我看来，遵守约定的交货日期比次日达更为重要。作为消费者，我希望能对交货日期有所准备。我当然希望能立即得到我需要的东西，但是我也可以提前预定杂货或其他个人物品，只要它们能按时送达就可以。

目前是谁在推动物流创新——是最终消费者，还是公司？

这个问题实际上可以单独写一篇文章来讨论。基本上，就像你在问题中描述的那样，这是为了满足客户的需求。换句话说，许多新的解决方案是根据客户的需求和挑战来开发的。这些创新通常也是我们公司在与客户的互动中推动的，有时甚至是共同开发的。在多大程度上我们可以谈论创新，进一步开发或产品改进，各人看法可能会有所不同。我总是喜欢引用亨利·福特的名言：“如果我问人们他们想要什么，他们会说，我想要一匹跑得更快的马。”在我看来，真正的、颠覆性的创新往往能推动公司的发展。

创新仅仅发生在数据驱动的软件层面，还是也在硬件领域发生？

在我看来，大部分“真正”的创新都发生在软件层面。我们在很多领域都看到了这一点，无论是在个人领域（如智能家居这个关键词），还是在商业和物流领域。当然，我们也看到了硬件领域的进步和创新，但我认为其中大部分都是渐进式的。目前的显著增值主要是由数据驱动的创新产生的，但它与硬件密切相关。我们使用新的软件，特别是基于人工智能的应用程序，来改进我们的硬件或改进硬件的使用流程。我们在业务领域提到的例子，Operator Eye，简单来说，就是一种硬件产品的数字附加组件。

在这些发展中，可持续发展和节能起到了什么作用？

可持续发展在所有经济领域中都发挥着重要的作用，物流领域自然也不例外。而节能则是与基于软件的解决方案密切相关的一项关键内容。回头看看对机器甚至整个工厂的优化：在这里，基于软件的解决方案已经为工厂运营实现了能源优化。例如，根据当前的订单状况，系统并不总是需要全力运转。

最后但同样重要的问题，霍夫勒博士，您如何看待像埃隆·马斯克这样的人的言论？他最近呼吁人们暂时停止发展人工智能，但几个月后又撤回了他的警告，并在这个领域进行了大量的投资。

对此我并无太多评论。尤其是当他的言论背后可能存在经济利益时。我不认为这种暂停在短时间内能够在全球范围内得以实施。人工智能领域的发展将会持续下去。但是，和所有新技术一样，虽然机遇很多，但风险、挑战和恐惧也是同样存在的。这些问题必须在全球范围内得到解决，可能需要相应的监管措施。这样才能实现创新与安全之间的适当平衡。