2018年的人工智能趋势何去何从?

2018-01-13   来源:未知   点击:
当前的人工智能实际上是数据驱动的智能,也就是基于大数据的智能。没有大数据的支撑,当前的人工智能地位确实有些尴尬,2018年的人工
当前的人工智能实际上是数据驱动的智能,也就是基于大数据的智能。没有大数据的支撑,当前的人工智能地位确实有些尴尬,2018年的人工智能趋势何去何从?
传统网络设备商思科早已开始数字化转型,同时也期望能够通过技术帮助行业升级。全球很多流量都跑在思科的网络设备上,“如今大家都在关注AI,但其实最核心的是底层数据。”思科大中华区副总裁、大客户事业部经理海广跃告诉AI前线,而底层数据正是网络设备商思科的强项。
 
思科尝试将网络设备变成传感器,从底层基础设施开始引入AI、大数据,帮助各行各业进行技术升级和转型。据介绍,目前思科的数字化转型支持已经覆盖了11个行业,包括互联网公司、运营商、金融和娱乐行业,医疗和教育行业相对受AI影响慢一些,石油石化、电力系统最慢。
人工智能何去何从
 
不同行业AI落地速度快慢,有很大的因素与数据有关。由于这一波AI对数据的重度依赖,应用首先得有足够的数据,而这可能正是很多传统行业所缺失的。即使有了数据,数据是否正确、是否足够有代表性、如何准确标注又成了另一个老大难。“种瓜得瓜,种豆得豆”,机器学习的成果取决于数据的质量,错误的数据只会让训练结果出现严重偏差。
 
海广跃指出,AI最核心的价值在于数据和场景,而目前很多传统行业难以应用AI或者应用效果不佳一般也是数据或场景的问题。
 
数据方面的问题包括:
 
数据太少甚至没有,比如电力行业、工厂车间;
 
数据实时性,以自动驾驶为例,车本身是要和周围环境交互,包括公路情况、天气情况、行人聚集情况,需要实时判断并决策,网络存在时延,如果不能实时响应就可能会出现事故;
 
数据处理需要借助领域知识和经验。先找到特征值并进行标注,经过训练之后才能用来做决策或预测,不懂行业的数据科学家无法做到这一点,比如医院X光片、工厂设备故障检测等。而没有特征值就没办法应用AI,只有懂行业、懂场景的人与数据科学家配合才能真正将AI用起来。
AI技术不是单点技术,它需要形成一个体系,因此免不了需要巨大的投入,从底层硬件到数据再到专业人才,缺一不可。对于金融机构来说,硬件和系统花钱买不难,但AI人才培养比较难。
 
周春英认为这是专注技术的AI初创企业的机会。术业有专攻,技术的问题可以交给懂技术的人,但寻找业务场景离不开良好的合作。合作中可能遭遇的问题就是传统行业不够开放。虽然金融领域有其特殊性,包括对信息安全、数据安全都有特殊的需求,但是如果金融机构越来越封闭,对于新技术的应用只会有不好的影响。
 
“对于新技术、新方式,或者新的技术方向,传统行业要有一个更开放的态度,包括数据的使用,这样实践或者是落地可能会更快一些。”周春英说,这或许也是很多AI公司内心的呼喊。
有人说人工智能是未来已来,也有不少人认为人工智能的蜜月期会终结于2018年。
 
AI离我们是近还是远?淘宝搜索、银行人脸支付、小米智能音箱,无处不是人工智能,对于普通消费者来说,AI似乎很近。但对于企业和技术人来说,不是所有问题都像消费级产品一样容易解决。人工智能所有涵盖的技术纷繁复杂,怎么从中找到合适的方法来解决自己的问题?怎么得到数据?怎么清洗数据?甚至一开始怎么找到应该解决的问题?这些都是企业想接近AI却又觉得AI“遥不可及”的路障。但这些也是未来要让人工智能真正扎根于工业界、真正改变每个人的生活所必须解决的问题。
 
人工智能落地难,却是这项技术真正变成“新电力”般存在的必经之路。对于传统行业公司与AI技术初创公司来说,都是挑战与机遇并存。
 
原百度研究院院长林元庆从百度离职后,创办了自己的公司AIbee,他的目标是利用AI深度赋能传统行业,实现产业升级。而人工智能著名学者吴恩达也于今年12月宣布成立Landing.ai,立足于解决AI转型问题,第一站是制造业。
 
从国家政策来看,12月工信部发布了《促进新一代人工智能产业发展三年行动计划》,从培育智能产品、突破核心技术、深化发展智能制造、构建支撑体系和保障措施等方面详细规划了AI在未来三年的重点发展方向和目标,足以看出国家对AI产业化的重视。未来AI企业也将从拼技术逐步转移到拼行业、拼落地。
 
2018年,人工智能的泡沫是否真的会破灭,我们不得而知,但过度期望带来的泡沫被戳破未必是件坏事。
推荐阅读