【儀表網(wǎng) 儀表下游】導(dǎo)讀：目前AI在產(chǎn)業(yè)中的應(yīng)用場景主要分為三大類，即智能感知、智能交互和智能決策。在這三類場景中，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。只有這樣，AI落地時才不會因為成本過高而失去商業(yè)價值，進(jìn)而實現(xiàn)商業(yè)化、規(guī)模化。
 

　　過去10年間，在5G、大數(shù)據(jù)、云計算等新興技術(shù)的賦能下，人工智能(AI)加速發(fā)展。但AI技術(shù)“落地難”的問題也隨之而來。日前《深圳經(jīng)濟(jì)特區(qū)人工智能產(chǎn)業(yè)促進(jìn)條例(草案)》披露并提請審議，將探索建立與人工智能產(chǎn)業(yè)發(fā)展相適應(yīng)的產(chǎn)品準(zhǔn)入制度，并支持低風(fēng)險人工智能產(chǎn)品和服務(wù)先行先試。這也是全國人工智能領(lǐng)域的首部地方性法規(guī)。
 

　　AI產(chǎn)品落地難并非個案。如何讓AI產(chǎn)品順利落地，打通創(chuàng)新“最后一公里”，已成為人工智能應(yīng)用階段急需解決的問題。
 

　　AI既能提高勞動效率，又能解放勞動力，但在各行業(yè)的實際應(yīng)用中，進(jìn)展卻相對較緩慢，這是為什么呢？AI落地是一個知易行難的過程。數(shù)據(jù)是制約AI成功落地的一大因素。因為AI依賴數(shù)據(jù)訓(xùn)練基礎(chǔ)算法。獲得有意義的高質(zhì)量數(shù)據(jù)，對于AI落地成功至關(guān)重要。如果缺少統(tǒng)一、標(biāo)準(zhǔn)化、高質(zhì)量的數(shù)據(jù)，AI應(yīng)用可能就是無米之炊、無源之水。
 

　　比如在制造行業(yè)，“該行業(yè)產(chǎn)生了大量的數(shù)據(jù)，數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理問題非常重要。但是制造業(yè)的數(shù)據(jù)可能是有偏差的、過時的，甚至是充滿錯誤的。尤其是在生產(chǎn)車間這種繁重的制造環(huán)境中，惡劣的操作條件下收集的數(shù)據(jù)。
 

　　此外，數(shù)據(jù)的風(fēng)險和合規(guī)因素也不容忽視。AI讓企業(yè)開始習(xí)慣于大量依賴機(jī)器幫忙做決策。在這個過程中會帶來隱私保護(hù)、AI可信度、倫理和社會的問題等，這些都是AI在落地過程中需要解決的。規(guī)模化也是一大難題。大多數(shù)企業(yè)的AI創(chuàng)新都是點狀的、實驗性質(zhì)的、局部的創(chuàng)新，缺少規(guī)模化、商業(yè)化、運行態(tài)的布局。
 

　　降低成本是實現(xiàn)商業(yè)化的關(guān)鍵
 

　　業(yè)內(nèi)普遍認(rèn)為，任何新技術(shù)想要在行業(yè)中實現(xiàn)規(guī)模應(yīng)用，都需要為企業(yè)降低成本、增加效益，并能為企業(yè)尋找創(chuàng)新的機(jī)會。以目前的AI技術(shù)水平而言，很多時候還只能在產(chǎn)業(yè)的某一個環(huán)節(jié)、某一個步驟實現(xiàn)“降本、增效、創(chuàng)新”，只有在極少數(shù)的情況下，AI技術(shù)才可能完全替代人類。
 

　　“目前AI在產(chǎn)業(yè)中的應(yīng)用場景主要分為三大類，即智能感知、智能交互和智能決策。在這三類場景中，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。只有這樣，AI落地時才不會因為成本過高而失去商業(yè)價值，進(jìn)而實現(xiàn)商業(yè)化、規(guī)模化。”譚茗洲說。
 

　　譚茗洲指出，應(yīng)用場景、資源與基礎(chǔ)設(shè)施、算法和模型、智能設(shè)備、數(shù)據(jù)構(gòu)成了AI技術(shù)落地的五大要素。如何將這五大要素在落地場景中實現(xiàn)協(xié)調(diào)，是AI技術(shù)在產(chǎn)業(yè)界落地的另一個關(guān)鍵點。在實現(xiàn)智能感知、智能決策、智能交互的時候，往往任何一個要素的變化都會導(dǎo)致其他要素的變化。比如算法模型發(fā)生變化，設(shè)備資源調(diào)度就要跟著改變。結(jié)果就是，真正落地實施的時候，算法專家、設(shè)備專家、資源專家，以及應(yīng)用開發(fā)的合作伙伴都需要在場。這最終導(dǎo)致AI落地的成本太高，無法真正在產(chǎn)業(yè)應(yīng)用中大規(guī)模鋪開。
 

　　如何才可能讓整個AI落地的成本快速降到有商業(yè)價值的水平？“需要讓這些要素并行發(fā)展，不用在任何時候都要顧及所有要素。也就是說，算法專家不用關(guān)心應(yīng)用是什么情況，設(shè)備供應(yīng)商也不用關(guān)心算法問題，把這五個要素進(jìn)行解耦，讓一個要素相對其他幾個要素變得更加透明。從思路上看，這有點像PC操作系統(tǒng)，把鼠標(biāo)、鍵盤等所有設(shè)備之間的復(fù)雜度都通過一個標(biāo)準(zhǔn)化的協(xié)議屏蔽掉，讓它們之間能夠互相解耦，各自專注自己擅長的方向，以降低各個方面的成本。只有這樣AI才能真正規(guī)模化，實現(xiàn)商業(yè)上的成功。”譚茗洲說。
 

　　儲備懂AI思維及語言的人才
 

　　什么樣的應(yīng)用才是真正的AI應(yīng)用？“未來還是要結(jié)合場景和用戶體驗去重新設(shè)計，用AI本身的方式思考，才會產(chǎn)生真正的AI應(yīng)用。”云知聲董事長兼CTO梁家恩認(rèn)為，未來5年會有真正的AI應(yīng)用出現(xiàn)，AI的能力也會發(fā)揮大。到時候，AI作為一項“背后的技術(shù)”已經(jīng)普及而且消費者將會對其毫無感知——因為技術(shù)應(yīng)用的最高境界是技術(shù)變得無感。
 

　　人工智能專家丁磊在其新作《AI思維》中強(qiáng)調(diào)，AI不只是一個技術(shù)、工具，更是一種思維方式，它能夠幫助我們有效分析大量的數(shù)據(jù)，并從中得出預(yù)測，甚至幫助我們做出決策。那么，在AI落地過程中，儲備真正懂得AI思維、AI語言的人才，就顯得尤為重要。
 

　　實際上，在大部分的企業(yè)場景下，都是工程師、科學(xué)家講一套語言，而業(yè)務(wù)負(fù)責(zé)人講另外一套語言，相互之間沒有一個很好地交流通道。這種狀態(tài)進(jìn)一步導(dǎo)致了AI的落地難。
 

　　譚茗洲說，有經(jīng)驗的人工智能專業(yè)人員很難聘請，這對于所有行業(yè)的企業(yè)來說都是個難題。實施AI項目通常需要建立一個由數(shù)據(jù)科學(xué)家、ML工程師、軟件架構(gòu)師、BI分析師和中小企業(yè)相關(guān)人員組成的跨學(xué)科團(tuán)隊。并且AI落地過程中關(guān)鍵需要加大對企業(yè)老板或者業(yè)務(wù)負(fù)責(zé)人，甚至包括部分一線業(yè)務(wù)負(fù)責(zé)人在AI思維上的提升和教育。當(dāng)這些人真正地理解AI數(shù)據(jù)思維的閉環(huán)邏輯時，再進(jìn)行AI落地就會順利很多。
 

　　建設(shè)人才隊伍，開設(shè)人工智能專業(yè)的高校無疑是“沖鋒軍”。如今，一些高校開始注重培養(yǎng)學(xué)生跨學(xué)科意識，結(jié)合自身特色專業(yè)，制定有關(guān)“人工智能+”的培養(yǎng)計劃。
 

　　AI教育從本質(zhì)上來說，不是知識層面的教育，而是思維能力、思維方式的教育。應(yīng)該從小抓起，幫助廣大青少年樹立AI意識，不斷提升他們的科學(xué)素養(yǎng)，并激發(fā)其對人工智能的興趣與熱愛。目前中小學(xué)開展的人工智能相關(guān)課程，偏向于基礎(chǔ)性編程教育，通過模塊化操作，實現(xiàn)一些智能功能，例如讓機(jī)器人踢足球、行走等，這樣可以幫助青少年培養(yǎng)機(jī)器學(xué)習(xí)的思維，讓中小學(xué)生對人工智能建立初級認(rèn)知。
 

　　資料來源：科技日報