廣州熱線

作為“新基建”七大版塊中的重要組成部分——人工智能將會成為推動經(jīng)濟高質量發(fā)展的一個重要引擎,智能駕駛、智能機器人、智能醫(yī)療、智慧金融等人工智能應用都在逐漸成熟,企業(yè)對于人工智能技術訴求不斷增加。據(jù)《2019-2020中國人工智能計算力發(fā)展評估報告》顯示,互聯(lián)網(wǎng)仍然保持第一并且占據(jù)中國62.4%的人工智能算力投資市場份額,典型應用場景包括電商的精準營銷、圖像識別和智能客服,視頻的內容審查、人臉識別和智能寫作等。政府應用緊隨其后,典型應用場景主要集中在平安城市、智慧城市、智慧交通等城市運營和管理平臺。金融行業(yè)典型應用場景主要包括金融行業(yè)的身份驗證、支付過程中的人臉識別、欺詐分析與調查等。制造業(yè)的質量管理(QC自動化)、智能工廠等發(fā)展迅猛。電信行業(yè)首次入圍前五,典型應用場景包括相對成熟的智能客服和精準營銷等。

那么,人工智能如何才能從概念真正落地到企業(yè)并給企業(yè)帶來確確實實的商業(yè)價值呢?對此,記者采訪了供職于人工智能及大數(shù)據(jù)重點實驗室的研究人員蔡軼佳。這是記者對他的第二次采訪,早在2017年,當時任職于國外研究機構的蔡軼佳曾就深度學習領域問題接受了記者的專訪。他畢業(yè)于悉尼大學,具有在澳洲人工智能及大數(shù)據(jù)科研機構多年的研究經(jīng)驗。

蔡軼佳表示,在過去行業(yè)的具體實踐中,他有一個非常深刻的體會,要推動人工智能的快速落地,會遭遇需求多元化且相互矛盾的壓力,產(chǎn)業(yè)人工智能的發(fā)展同時受到技術上和商業(yè)上雙重的挑戰(zhàn),只有不到10%的人工智能概念能夠順利投產(chǎn)。雖然不少企業(yè)都在部署人工智能解決方案,也取得了一定的成果,但是只有少數(shù)企業(yè)做到利用人工智能解決方案為企業(yè)帶來真正的商業(yè)價值?；谌斯ぶ悄苣壳罢w形勢,蔡軼佳建議可以采取以下的四步法探索這項技術在企業(yè)中的具體落地路徑:

第一步:概念驗證(Proof of Concept)

當涉及到?AI項目時,企業(yè)需要首先通過概念驗證(Proof of Concept)來證明即將采用的人工智能方案可以削減成本或者在某種程度上給企業(yè)帶來效益。概念驗證需要將企業(yè)結構、客戶、企業(yè)規(guī)模和內部工作流程等考慮在內,并且采用相對簡單的算法,訓練數(shù)據(jù)也是即時可用的或內部標記的,其最終目的是證明可以用少量的數(shù)據(jù)訓練算法以解決特定場景的問題。當然,企業(yè)必須意識到實際數(shù)據(jù)可能比概念驗證所用的訓練數(shù)據(jù)更容易出現(xiàn)建模問題。

第二步:試點階段(Pilot Program)

試點階段(Pilot Program)是概念驗證與項目最終產(chǎn)品化之間的一個步驟。在對算法進行調整和訓練的過程中,企業(yè)不可能關閉任何其他正在運行的現(xiàn)有系統(tǒng)或更改已有的人員配置,試點與現(xiàn)有系統(tǒng)一起運行。這是一個必要的步驟,因為在此過程中可以發(fā)現(xiàn)許多工作流程的問題。

第三步:最終產(chǎn)品(End Product)

最終產(chǎn)品(End Product)是我們在現(xiàn)實生活中使用的系統(tǒng),它必須是能夠用真實數(shù)據(jù)來解決現(xiàn)實問題的系統(tǒng)。在將小規(guī)模的算法轉移到生產(chǎn)過程并最終產(chǎn)品化時,必須考慮到擴展原有算法而需要的數(shù)據(jù)。由于目前基于深度學習的人工智能高度依賴大數(shù)據(jù),企業(yè)的數(shù)據(jù)基礎往往是決定AI項目是否能成功實施并且產(chǎn)品化,同時企業(yè)必須考慮以下因素:

-運營成本

-操作的復雜度

-數(shù)據(jù)是否充足

第四步:系統(tǒng)集成(System Integration)

在最后的集成階段,AI項目可能會跨多個業(yè)務線,面臨著來自企業(yè)級基礎架構、安全性和技術支持等多方面的挑戰(zhàn),甚至可能需要直接面對普通用戶或客戶。而當中最大的問題是如何將AI項目與現(xiàn)有流程和系統(tǒng)進行集成(System Integration)。如果無法最終使AI項目合理地集成于現(xiàn)有企業(yè)整體架構,那么即使是最有前景的AI項目也無法為企業(yè)帶來真正的商業(yè)價值。經(jīng)驗告訴我們,能夠將 AI與企業(yè)原有的信息系統(tǒng)和架構連接起來的最優(yōu)方法是提供算法模型的API,或將其作為現(xiàn)有系統(tǒng)中的程序代碼模塊進行嵌入。

以上四步是將人工智能進行商業(yè)落地的基本框架,在實際操作的過程中可能還會遇到許多現(xiàn)實問題,例如:企業(yè)能否采取務實推進AI的戰(zhàn)略、實施人工智能是否會打破企業(yè)內部已有的技術架構等等。蔡軼佳指出,在技術上由于人工智能還沒有完全成熟,所以在不同行業(yè)和場景中也會有各種局限性,這既是一個挑戰(zhàn),也是發(fā)展中的機遇。蔡軼佳舉了個例子,他曾經(jīng)為企業(yè)設計了基于深度學習的工藝品三維模型檢索原型系統(tǒng),實現(xiàn)了對CAD模型無監(jiān)督的分類,最終幫助企業(yè)的工藝品設計人員在設計過程中能夠正確檢索和重用已設計的三維 CAD模型,極大縮短了產(chǎn)品設計時間,提高設計效率。因此,他指出除了互聯(lián)網(wǎng)軟件行業(yè),所有的行業(yè)都很有潛力,誰能最先將AI發(fā)展成自身行業(yè)的一種“通用技術”并制定標準,就將會在自己的行業(yè)中取得巨大的優(yōu)勢。（作者:林偉斌）