江苏龙网

  1. 首页 > 资讯 > 科技 > >

|订单少落地难：被误解的人工智能 | 超级观点( 三 )


其次 ， 了解目前人工智能技术发展和产业应用 。
目前人工智能技术还处在非常初级的阶段 ， 比较成熟的技术还停留在窄人工智能层面 。 只能较好地服务专项功能 ， 如AlphaGoZero可以在围棋专项功能上击败人类 。
人们将人工智能技术无法落地归咎于技术不成熟 ， 这个想法是不准确的 ， 任何新型技术的出现都是从不成熟到成熟的发展 ， 技术不成熟不代表无法落地 。 此外 ， 深度学习非常类似于人脑的神经网络 ， 人脑大概有1000亿个神经元 。 但并非这1000亿个神经元共同创建了一个功能包罗万象的神经网络 ， 而是各个部分负责各个功能 。 最新研究表明 ， 大脑中的神经网络在不同功能中会有复用的部分 。 所以人工智能的产业落地 ， 应该是研究如何更好地组织和协同多个专项功能神经网络 ， 而非研究一个包罗万象的模型算法 。 合理有效的组织目前的机器学习模型是可以为企业提供完整的解决方案的 。 子长科技正在通过自主研发的人工智能中台框架对腾讯、苹果、欧莱雅、华润等企业提供完整的人工智能解决方案 。
第三 ， 在各个垂直领域深度定制、各个击破 。 业务的差异化和现阶段对人工智能的理解限制了人工智能统一平台的出现 。 目前比较流行的人工智能平台实际上是模型支持层面的 。 统一的人工智能平台无法满足各行各业的业务需求 。 饿了么和滴滴出行可以使用统一的云平台开发 ， 但是云平台提供的只是技术层面的支撑 ， 对于业务层面是无能为力的 。 所以人工智能领域的公司应该深耕各行各业的业务 ， 由各行各业的业务精英引领落地方案 。 在业务基础上构建人工智能的应用 。
第四 ， 降低成本 。 市场对人工智能的认知需要很长时间 ， 在人们对人工智能不了解的时候 ， 必然不愿意使用大量成本 。 短时间内 ， 市场很难为高额的人工智能项目买单 。 人工智能项目的成本大概分为几部分 。 一 ， 业务定制的成本；二 ， 模型构建的成本；三 ， 项目沟通的成本；四 ， 本地化部署及维护的成本 。
首先人工智能项目和业务绑定越深 ， 业务定制部分的成本就越高 。 如果我们标榜人工智能技术 ， 而实现了一整套CRM系统 ， 其成本大部分都是构建该系统上 ， 而非人工智能部分 。 人工智能技术公司需要想清楚自己是系统服务公司使用人工智能技术 ， 还是人工智能的公司应用到了某个领域 。 目前人工智能公司的产品最好是低成本、业务绑定较少的产品 。 例如人脸识别就是这样的技术方向 。
其次 ， 对于模型的构建 ， 其成本主要是数据的收集、整理和标注；模型训练所需要的硬件成本 。 首先对于数据 ， 要降低成本 ， 其根本还是降低数据的处理工作量 。 首先可以通过创建训练数据而非标注数据的方法降低标注的成本 。 其次可以通过小样本训练模型降低模型训练对于训练数据的依赖 。
不同于其他软件或服务系统项目 ， 甲方对人工智能的不了解 ， 使人工智能项目的沟通成本非常高 。 人工智能公司需要细化沟通过程 ， 从技术和业务两个方向围绕人工智能进行沟通 。
由于甲方开发或者IT部门不一定都对人工智能技术比较了解 。 而对于数据的保密 ， 中大型企业都会选择本地部署的方式 。 以上两点加大了人工智能系统的维护成本 。 系统部署和维护需要尽量做到系统化 ， 减少人工操作 。 我们考虑到这个问题 ， 人工智能中台包括了完整的部署、监控和维护的全过程 。
人工智能的落地应当本着务实、深耕的心态 ， 加强各个产业布局 ， 以各个产业现状的经验出发 ， 学习和讨论新的业务实现形式 ， 从而挖掘创新的机遇 。 同时人工智能需要解决成本问题 ， 降低自身研发成本 ， 并降低指导客户对人工智能的理解成本 。
“超级观点”栏目现发起“特约观察员入驻”计划 ， 邀请各赛道的创业者、大公司业务线带头人等一线的商业践行者 ， 在这里分享你的创业体悟、干货、方法论 ， 你的行业洞察、趋势判断 ， 期待能听到来自最前沿的你的声音 。


推荐阅读


上一篇：CSDN|万亿美元软件浪潮来临，开发者是核心！

下一篇：DIGITIMES|【IoT早报】美对华为员工实施签证限制；腾讯公布快充安全漏洞等