如今经常出现的情况是，你正在尽心尽力地工作，突然到处都出现了一个全新的流行语。你应该停下手头的工作，花时间和精力去理解。然后，你应该开始计划如何将这个流行语注入你的日常业务中，变得更有效率、更有利可图等等。
谁会有时间去做这些事呢？
现在卡车运输业的最新流行语是 “A.I.”，当然，这是 “人工智能 ”的缩写。如果你和大多数美国人一样，对人工智能的了解都是从《终结者》里学来的：
在不久的将来，电脑有了自我意识，意识到我们把一切都搞砸了，于是决定杀光我们所有人。公平地说，这个想法其实并不牵强。今年早些时候，当人工智能突然成为主流时，就有一些类似的疯狂故事。不过，让我们暂时抛开杀手机器人即将毁灭人类的话题，来看看这项新的计算技术在未来几年能为你的工作和整个卡车运输业做些什么。
郑重声明，我本人对人工智能了解不多。不过，我很幸运能与一位了解人工智能的人交谈。他就是克雷格-斯科特（Craig Scott），一位数字化转型方面的专家，同时也是 MFGx 的创始人。MFGx 是一家制造软件和软件解决方案集成公司，其云平台 Fuuz 可帮助卡车车队和其他客户管理维护、物流、库存、仓储和配送方面的远程信息处理数据。
在我们关于 Fuuz 的谈话中，我谈到了人工智能，并请斯科特帮助我理解为什么人工智能突然被吹捧为下一代车队管理系统的重要技术。
机器学习与人工智能
斯科特以 “机器学习 ”的概念开始了他的解释，“机器学习 ”本身在几年前还是一个行业流行词。
斯科特解释说，机器学习从计算机时代开始就已经存在了。他指出，事实上，这是计算机所做的最基本的任务之一：获取不同的数据集，对它们进行比较，然后就这些数据告诉你的东西得出一些非常基本的结论。他说，卡车运输业的一个典型例子是，维护管理系统收集和比较的数据显示，卡车风扇皮带的使用寿命约为 60,000 英里。随着越来越多的数据证实这一数据，系统会建议在风扇皮带达到 60,000 英里之前更换它们。
这当然是有用的信息。但是，请记住，机器学习计算系统并没有真正 “学会 ”任何东西，也没有自己得出任何结论。它只是查看原始数据，计算数字，然后就数据告诉你的东西得出一些相当基本但却非常有价值的结论。
另一方面，人工智能确实有能力查看内部数据以外的信息，并就应采取的行动计划得出结论。这是因为人工智能可以从互联网上获取与其任务相关的信息，并利用这些信息来改进这些任务，其方式与人类所做的非常相似。
有一天，人工智能引擎在搜索网页时发现了一则新闻报道，宣布商用车辆安全联盟的年度安全突击检查将在几个月后举行。今年，CVSA 将在这一周内针对商用车辆的照明系统进行检查。有了这些信息，人工智能维护系统就可以立即开始对整个车队的照明系统进行重点维护，而无需任何人工输入。同样，人工智能系统还可以获取 CVSA 将重点关注驾驶员安全的信息（就像今年所做的），并自动开始在驾驶员交流平台上发送安全视频，同时警告此类执法即将到来。
再举一个风扇皮带故障的例子。我们都知道，整个车队的风扇皮带仅仅在行驶 60,000 英里时出现故障是不现实的。事情远不止如此。一个品牌的风扇皮带可能在国内某个地区运行到 70,000 英里时才会出现故障。但是，如果该品牌的风扇皮带在另一个地区（例如山区）行驶 X 英里，也有可能在 53,000 英里时发生故障。
现在，随着时间的推移，机器学习维护系统可能也会得出同样的结论。不同的是，人工智能维护系统会更快地确定这些结果。但它随后也会提出必要的订购、库存和维护建议来解决问题，而不需要任何人工决策。此外，人工智能系统还可以调整卡车在特定路线上的分配方式，以最大限度地延长车辆部件的使用寿命。不仅仅是风扇皮带： 卡车上的每个部件都是如此。
而这仅仅是在维护方面。想象一下，在高效货运和物流管理方面，人工智能会有多么强大。它在自动驾驶汽车方面的优势也是显而易见的。事实上，人工智能很有可能成为技术拼图的最后一块，让自动驾驶卡车很快投入日常使用。
即使是最有天赋的人类车队经理，也无法做到对细节、理解和行动项目的深入了解。而且，当你看到计算机做出这些决定和运营决策时，你会觉得有点可怕。因此，我认为可以放心地假设，这些系统会有一个强制性的人类经理审查、确认和批准流程。人工智能会告诉你它学到了什么，从这些信息中得出了什么结论。然后根据这些数据推荐行动方案，并通过更多数据详细说明为什么这些行动将有利于你的运营。
这是令人兴奋的东西。但也不难理解为什么人工智能在未来会成为车队的强大工具。人工智能系统将为您提供服务，而不是获取原始数据并试图得出结论。而且是在比人类更深的层次上。而且很可能是以我们还无法理解的方式。
