之所以说AI是未来的电，是因为AI和电力一样，将是改变工作和生活方方面面的一项通用技术。如果用简单的供求关系来分析：当一项技术变得够便宜，就会带来足够多的新应用；此外，当一项技术变得够便宜之后，跨界的应用也会不断兴起。电力作为工业经济时代的通用技术就是如此。

1800年，美国首任总统华盛顿退休后居住的别墅一年需花费10000多美元购买蜡烛照明。100年之后，同样一栋别墅一年的照明费用只有100年前的1/400。这是新技术变得日益便宜之后带来的普及效应。华盛顿时代，只有富人晚上才能点得起蜡烛夜读；电力普及时代，任何一个大都市的家庭都不会为电费而烦恼。

《预测机器》的三位作者都是来自多伦多大学管理学院的教授，他们认为AI就是下一个通用技术，而AI越来越便宜，带来的最直接效果就是“预测”的成本将越来越低，从而给商业流程和商业模式带来全新的变化，就好像100多年前电的普及一样。

如果说AI的最大特点是更好地解决预测问题，那么商业模式创新就需要把商业面临的各种实际问题转化成预测问题来思考。比如说，无人驾驶是不是可以看作预测问题？又比如说，翻译是不是预测问题？

回答都是肯定的。在AI看来，无人驾驶就是培养机器使其能够更好地去预测一个经验丰富的老司机如何应对各种复杂多变的道路情况。换言之，如果机器能够很好地学会老司机们适应各种不同环境、应对道路上各种突发情况的能力，那么就能很好地解决无人驾驶问题。这也是共享出行企业能在自动驾驶领域有所作为的原因—因为可以捕捉大量司机的驾驶行为，并以此培养无人驾驶AI。(www.daowen.com)

翻译也可以看作一种预测问题。AI出现之前的机器翻译，强调的是如何自上而下，从规则的角度让机器理解语法，也是逐词对应的翻译。AI处理翻译问题，同样可以转化成预测问题：预测一个资深的翻译会怎样翻译处理一个词、一段话、一篇文章。从词上升到句子，再上升到段落，还要处理语境，这样机器处理语言的方式就和以前完全不同了，机器翻译的准确度也会显著提升。

举两个更好的预测可能改变流程或者商业模式的例子。

在医学领域，X光和CT这样的检查，是帮助医生判断病人是否有肿瘤的重要依据。当医生无法确定肿瘤是良性还是恶性的时候，需要对病灶做生理切片检查的小手术。如果AI分析检查片子的能力增强，预测肿瘤的准确度提高，手术的必要性会越来越低。

更准确的预测可能颠覆整个电商领域的商业模式。如果电商可以准确预测消费者的需求，商业模式会有什么变化？目前，电商已经可以比较准确地预测一定区域内用户对一些大宗商品比如肥皂或洗衣粉的需求，并因此可以在靠近社区的仓库中提前布货。未来，如果预测的准确度进一步提升，像亚马逊这样的电商巨头很可能不再需要用户在线搜索下单，而是直接把用户需要的商品送到用户家里。因为预测准确度非常高，配送10件商品至少有9件满足用户的需求，亚马逊只要做好1件商品的退货服务即可。