人工智能与产业的结合趋势。
以下所写希望对大家有所帮助。
操作方法
- 01
2016年人工智能概念瞬间火热,直接原因是Deepmind开发的AlphaGo战胜李世石带来的新闻效应。其实围棋产业很小,但它是“完全信息博弈”问题中最难的一个,这让人工智能的产业想象力极大提升。
- 02
进入2017年,AlphaGo的棋力继续提升,战胜了排名世界第一的柯洁。这对围棋界意义很大,棋手们对AlphaGo-Ke能让三子胜AlphaGo-Lee感到无比震惊,下棋的想象力完全打开。但是对外界而言,主要的观念冲击在2016年已经完成。2017年8月Deepmind公布了在星际争霸项目上的进展,在这个“非完全信息”即时策略游戏上,AI用自学习方法取得的成果意外的小,能力远远不如开发商暴雪最弱的内置AI。某种程度上,这预示着人工智能产业的发展并不会一帆风顺,会面对艰巨的挑战,目前火爆的人工智能可能迎来一定程度的降温。
- 03
人工智能是IT业的子行业。IT业对各行各业的改造在持续发生,之前电脑办公与管理软件提升效率,近来商业流程也被IT改变了,对各行业的冲击越来越大,如网购对零售业务的影响。IT对各行业的改造,目前人工智能起的作用不能算大。如移动支付大发展,主要还是支付宝、微信的IT架构作用大,二维码识别环节只是一个小功能,相关技术很早就有了。
- 04
人工智能在产业发展中起主导作用的例子也有,如车牌识别。对车辆信息的管理,核心数据是车牌。基于图像去识别车牌,识别率从2000年代的90%进步到2010年前后的95%,目前已经达到了99%以上(相当于错误率减少到之前的几十分之一)。识别率的不断进步,终于突破了瓶颈,产生了巨大的产业效应。由于机器的识别率超过了人(一般员工人眼识别会犯错),象停车场出入口这样的应用环境,用机器代替人,不仅更为经济,效率也更高。如将车牌与支付宝建立联结,可以直接扣费,出入自动统计。即使摄像头识别车牌不是100%完美,但是对产业来说已经足够了。在极少数机器识别不了或者识别错误的情况下,停车场可以承受很少的一点损失,带来的效率提升与人工费用减少却很大。
- 05
基于图像的车牌识别率取得突破,另一个重大影响是,以人工智能为基础的软件方案战胜了以RFID(射频芯片)为基础的硬件方案。RFID可以记下车辆的信息,之前人们认为硬件读取比图像车牌识别可靠,更有前景。但实际应用中发现,RFID读取会有信息干扰,也有角度问题,读取设备成本也高,应用起来比一体化机摄像头识别要麻烦得多。这个意义并不小,说明物联网的发展方向可能应该更多依靠人工智能技术。
- 06
但像车牌识别这样比较成熟、正确率突破了瓶颈的人工智能技术,目前还不太多。指纹识别是另一个例子,成为了手机应用中的基础技术之一。二维码识别的应用也日益广泛,但它主要是在更多行业中应用推广,识别技术本身不需要太大突破。还有语音识别,以科大讯飞为代表的语音识别技术不断进步,近几年迎来了爆发式的成长。但是语音识别仍然有很大进步空间,因为还和自然语言理解有关。还有人脸识别,在极多人脸照片中找到目标的能力远超人类,但是对抓拍角度存在一些限制。可以看出,一旦人工智能正确率突破瓶颈(如超过人类),就可能迎来应用的爆发。
- 07
总体来说,能成为行业基础的人工智能技术还不多。人工智能领域很多,如机器人、自然语言理解、专家系统、机器视觉、模式识别、博弈论等。目前主要是图像识别取得的突破比较大,AlphaGo取得突破也主要靠将围棋盘理解成图像输入。
- 08
人工智能应用到行业中,每个行业都会有不同的要求。有的行业发生错误可以接受,如认错几个车牌少收点钱问题不大,主要的作业流程跑通就可以了。但是有的行业流程就要求绝对正确,如集装箱管理,如果自动处理发生集装箱丢失损失巨大不可接受,在应用人工智能技术时需要加上很多流程辅助。因此,象自动驾驶这样的人工智能开发问题就很复杂,正常情况的开发容易做,但主要的困难是异常情况的处理,这会非常麻烦。自动驾驶的应用可能会比预期的慢,甚至成为开发大坑。
- 09
人工智能与产业结合的另一个问题是成本。已经可以发现,产业界对人工智能技术的要求与预期是极低的成本。人工智能技术得到了空前的重视,投资很多,国家甚至将人工智能放入中小学课程。但要想在产业界成规模应用,成本必须做到很低。这个低可能超过一般人的想象,人工智能软件本身甚至不要钱,靠硬件赚钱。例如人脸识别应用,创业公司很多,估值一般不低。但是人脸识别的基础是摄像头抓拍,如果不能生产摄像头,在成本上就已经落后很多了。摄像头厂家将人脸识别研发成本平摊进机器生产里,软件就可以白送了,这对人脸识别创业公司压力极大。
- 10
人工智能产业的发展并非破坏式创新,不太可能是新企业横空出世扫平旧企业的模式。社会生产与经济运行各环节,已经存在众多行业公司。这些行业公司,如果能主动引入人工智能技术,结合自身的流程理解与成本优势,将会有不错的发展空间。行业公司如果忽视人工智能技术的发展固步自封,可能会被其它主动进步的公司消灭。 而人工智能创业公司,不应该闭门造车,不能忽视成本问题,应该主动与行业公司联合,找到人工智能技术与生产成本结合的发展模式。 现阶段的人工智能技术,还只能与社会生产紧密结合,不宜过分夸张能力。“非完全信息博弈”“通用人工智能”等较为学术化的人工智能研究肯定会继续进行,但离产业化还较为遥远。目前的社会生产中,已经有大量可以与现行人工智能技术结合的行业与领域。这些应用型的研发,需要的不一定是多高的人工智能研发能力,而是要对细分行业的深入理解,对流程进行重整,正确使用人工智能技术帮助提升效率。
- 11
在这个过程中,人们可能会对人工智能的能力期望过高产生误解,甚至认识到人工智能的能力缺限后感到失望,人工智能热潮降温。但是经过磨合之后,越来越多的行业会找到人工智能正确的应用方法,未来值得期待。