为什么AI很火,落地却很难

标签:AI
分享到:

过去10年间,在5G、大数据、云计算等新兴技术的赋能下,人工智能(AI)加速发展。但AI技术“落地难”的问题也随之而来。日前《深圳经济特区人工智能产业促进条例(草案)》首次披露并提请审议,将探索建立与人工智能产业发展相适应的产品准入制度,并支持低风险人工智能产品和服务先行先试。这也是全国人工智能领域的首部地方性法规。

 

 

AI产品落地难并非个案。如何让AI产品顺利落地,打通创新“最后一公里”,已成为人工智能应用阶段急需解决的问题。

要落地首先要有好数据

AI既能提高劳动效率,又能解放劳动力,但在各行业的实际应用中,进展却相对较缓慢,这是为什么呢?

“AI落地是一个知易行难的过程。数据是制约AI成功落地的一大因素。因为AI依赖数据训练基础算法。获得有意义的高质量数据,对于AI落地成功至关重要。如果缺少统一、标准化、高质量的数据,AI应用可能就是无米之炊、无源之水。”远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲在接受科技日报记者采访时表示。

有专家指出,数据有“罪”——“自由散慢”。“自由”是指当你靠一些服务器收集数据时,会发现很多数据有问题,根本无法使用。比如英国调查机构发现,80%的人都出生于1911年11月11日,之所以有这种情况,是因为有些被调查者不愿回答一些隐私问题,在需要输入出生日期时他们想输入00,但系统不允许输入00,于是大家就都输入11,所以80%的人生日都是随意填写的。“散”是指数据散落在各处。“慢”则是指数据的更新速度慢。

再比如在制造行业,“该行业产生了大量的数据,数据质量和数据管理问题非常重要。”谭茗洲指出,但是制造业的数据可能是有偏差的、过时的,甚至是充满错误的。尤其是在生产车间这种繁重的制造环境中,极端、恶劣的操作条件下收集的数据。

此外,数据的风险和合规因素也不容忽视。“AI让企业开始习惯于大量依赖机器帮忙做决策。在这个过程中会带来隐私保护、AI可信度、伦理和社会的问题等,这些都是AI在落地过程中需要解决的。”谭茗洲强调,规模化也是一大难题。大多数企业的AI创新都是点状的、实验性质的、局部的创新,缺少规模化、商业化、运行态的布局。

降低成本是实现商业化的关键

业内普遍认为,任何新技术想要在行业中实现规模应用,都需要为企业降低成本、增加效益,并能为企业寻找创新的机会。以目前的AI技术水平而言,很多时候还只能在产业的某一个环节、某一个步骤实现“降本、增效、创新”,只有在极少数的情况下,AI技术才可能完全替代人类。

“目前AI在产业中的应用场景主要分为三大类,即智能感知、智能交互和智能决策。在这三类场景中,AI要真正落地,就需要降低算力成本,提高算法和框架的性能。只有这样,AI落地时才不会因为成本过高而失去商业价值,进而实现商业化、规模化。”谭茗洲说。

谭茗洲指出,应用场景、资源与基础设施、算法和模型、智能设备、数据构成了AI技术落地的五大要素。如何将这五大要素在落地场景中实现协调,是AI技术在产业界落地的另一个关键点。在实现智能感知、智能决策、智能交互的时候,往往任何一个要素的变化都会导致其他要素的变化。比如算法模型发生变化,设备资源调度就要跟着改变。结果就是,真正落地实施的时候,算法专家、设备专家、资源专家,以及应用开发的合作伙伴都需要在场。这最终导致AI落地的成本太高,无法真正在产业应用中大规模铺开。

如何才可能让整个AI落地的成本快速降到有商业价值的水平?“需要让这些要素并行发展,不用在任何时候都要顾及所有要素。也就是说,算法专家不用关心应用是什么情况,设备供应商也不用关心算法问题,把这五个要素进行解耦,让一个要素相对其他几个要素变得更加透明。从思路上看,这有点像PC操作系统,把鼠标、键盘等所有设备之间的复杂度都通过一个标准化的协议屏蔽掉,让它们之间能够互相解耦,各自专注自己擅长的方向,以降低各个方面的成本。只有这样AI才能真正规模化,实现商业上的成功。”谭茗洲说。

储备懂AI思维及语言的人才

什么样的应用才是真正的AI应用?“未来还是要结合场景和用户体验去重新设计,用AI本身的方式思考,才会产生真正的AI应用。”云知声董事长兼CTO梁家恩认为,未来5年会有真正的AI应用出现,AI的能力也会发挥到极致。到时候,AI作为一项“背后的技术”已经普及而且消费者将会对其毫无感知——因为技术应用的最高境界是技术变得无感。

人工智能专家丁磊在其新作《AI思维》中强调,AI不只是一个技术、工具,更是一种思维方式,它能够帮助我们有效分析大量的数据,并从中得出预测,甚至帮助我们做出决策。那么,在AI落地过程中,储备真正懂得AI思维、AI语言的人才,就显得尤为重要。

实际上,在大部分的企业场景下,都是工程师、科学家讲一套语言,而业务负责人讲另外一套语言,相互之间没有一个很好地交流通道。这种状态进一步导致了AI的落地难。

谭茗洲说,有经验的人工智能专业人员很难聘请,这对于所有行业的企业来说都是个难题。实施AI项目通常需要建立一个由数据科学家、ML工程师、软件架构师、BI分析师和中小企业相关人员组成的跨学科团队。并且AI落地过程中关键需要加大对企业老板或者业务负责人,甚至包括部分一线业务负责人在AI思维上的提升和教育。当这些人真正地理解AI数据思维的闭环逻辑时,再进行AI落地就会顺利很多。

建设高端人才队伍,开设人工智能专业的高校无疑是“冲锋军”。如今,一些高校开始注重培养学生跨学科意识,结合自身特色专业,制定有关“人工智能+”的培养计划。

谭茗洲表示,AI教育从本质上来说,不是知识层面的教育,而是思维能力、思维方式的教育。应该从小抓起,帮助广大青少年树立AI意识,不断提升他们的科学素养,并激发其对人工智能的兴趣与热爱。目前中小学开展的人工智能相关课程,偏向于基础性编程教育,通过模块化操作,实现一些智能功能,例如让机器人踢足球、行走等,这样可以帮助青少年培养机器学习的思维,让中小学生对人工智能建立初级认知。

 
继续阅读
AI在日常生活中的“无形之手”

通过在后台使用机器学习和其他技术,人工智能在日常生活中有很多很棒的应用。人工智能在我们的生活中无处不在,从阅读电子邮件到接收驾驶导航,再到获得音乐或电影建议。

玩手游为什么需要AI芯片?谈谈AI超分技术在手机上的落地

遥想2012年,有手机厂商拿自家手机的性能去和Xbox 360游戏主机做比较。虽说10年前的这番对比是噱头大于实际,而且以手机的形态和体积可承载的功耗与发热,无论如何也难与游戏主机相提并论。但从那个时候开始,手游的画质也成为核心竞争力。

用高质量AI数据驱动人工智能全面发展

近年来,随着新技术模型出现、各行业应用场景价值打磨与海量数据积累下的产品效果提升,人工智能应用已从消费、互联网等泛C端领域,向制造、能源、电力等传统行业辐射。麦肯锡全球研究所(McKinsey Global Institute)的一项预测显示,随着人工智能技术越来越成熟,能力越来越强,预计它将极大地推动世界经济,到2030年将创造约13万亿美元的附加价值。

研究人员通过使用AI代理的解谜方法对已知和未知进行博弈

几十年来,解决游戏的努力一直局限于解决双人游戏,即棋盘游戏如跳棋、类似国际象棋的游戏等,其通过应用一些人工智能(AI)搜索技术和收集大量的游戏统计数据来正确并有效地预测游戏结果。然而这样的方法和技术并不能直接应用于解谜领域,因为解谜一般都是单独玩的单人游戏且有独特的特点如随机或隐藏信息。

当AI卷入俄乌战争,窃听读取情报影响战局

4月15日消息,据外媒Wired报道,在俄乌战争中,一种人工智能(AI)工具正在被用于窃听俄罗斯士兵在战场上的通信内容。该工具是由美国人工智能企业Primer开发,Primer主要是为情报分析师提供人工智能服务。

精彩活动