IBM：傳統企業(yè)如何快速應用AI技術(shù)

隨著(zhù)人工智能（AI）相關(guān)技術(shù)不斷加強和深入，智能語(yǔ)音助手、智能音箱，甚至掃地機器人這類(lèi)簡(jiǎn)單的消費類(lèi)AI產(chǎn)品已經(jīng)逐漸融入到我們的生活。與以消費者為主導的市場(chǎng)不同，醫療、工業(yè)等以企業(yè)為主導的市場(chǎng)發(fā)展AI面臨著(zhù)更多難題。近日，《電子產(chǎn)品世界》編輯在“AI時(shí)代的移動(dòng)技術(shù)革新”大會(huì )上采訪(fǎng)了IBM全球技術(shù)研究院院士林詠華女士，就AI在醫療、工業(yè)等企業(yè)為主導的市場(chǎng)推廣及應用中存在的問(wèn)題及相關(guān)突破點(diǎn)作了深入的探討。

消費市場(chǎng)與企業(yè)市場(chǎng)需求決定者不同

我們現在接觸的大部分比較成熟的AI產(chǎn)品都是消費類(lèi)產(chǎn)品，而以消費者為主導的市場(chǎng)，需求實(shí)際上是由互聯(lián)網(wǎng)公司決定的，互聯(lián)網(wǎng)公司在A(yíng)I上考慮創(chuàng )新的時(shí)候，更多的是要考慮消費者需要有什么樣AI的能力，而在推出相關(guān)產(chǎn)品后，消費者則會(huì )去學(xué)習怎樣使用。相較而言，企業(yè)市場(chǎng)的需求是由企業(yè)來(lái)定的，因此，怎樣把AI技術(shù)應用到不同的企業(yè)中則是IBM等直接面對企業(yè)客戶(hù)的公司所面臨的挑戰。

企業(yè)市場(chǎng)AI創(chuàng )新面臨的三大問(wèn)題

當下想要用AI來(lái)提升企業(yè)業(yè)務(wù)價(jià)值主要面臨人才、數據和經(jīng)濟性三方面問(wèn)題。

人才問(wèn)題

像BAT等互聯(lián)網(wǎng)企業(yè)已有自己的AI團隊，相較而言，今天很多工業(yè)界在生產(chǎn)制造、能源、交通等領(lǐng)域的企業(yè)，他們有專(zhuān)注自己業(yè)務(wù)的人才，但是并沒(méi)有AI方面人才。

數據問(wèn)題

AI之所以在最近幾年發(fā)展得很火，深度學(xué)習在其中起到的作用是不可忽視的。2012年深度學(xué)習開(kāi)始進(jìn)入AI的算法領(lǐng)域，而深度學(xué)習的應用需要海量數據，像谷歌、Facebook、BAT等互聯(lián)網(wǎng)公司，正因為手中有大量的互聯(lián)網(wǎng)上的數據，因而得以在A(yíng)I方面有相對較快的發(fā)展。但是這些數據與企業(yè)今天要解決問(wèn)題的數據是完全不同的，包括醫療、生產(chǎn)制造等領(lǐng)域中的數據對于企業(yè)來(lái)說(shuō)都是小數據級，不是海量數據。

經(jīng)濟性問(wèn)題

對于企業(yè)而言，經(jīng)濟性問(wèn)題也是必須考慮的。如果要擁有AI的能力意味著(zhù)把成本提高十倍，企業(yè)自然是很難接受的。而這其中需要考慮的不僅是算法上的創(chuàng )新，而且要通盤(pán)考慮系統的優(yōu)化、系統的創(chuàng )新，如何使在加入AI能力的同時(shí)，成本可以沒(méi)有太大的浮動(dòng)。

IBM的破局之力

人才問(wèn)題

提供配備AI能力的硬件平臺需要有深度學(xué)習的開(kāi)發(fā)團隊，而提供公有云的模式又只能提供一些固定的模型，這些固定的模型提供的API內容與今天很多企業(yè)數據不相關(guān)，難以匹配企業(yè)實(shí)際需求。

針對此，IBM開(kāi)拓出第三種業(yè)務(wù)能力——構建一個(gè)“AI大腦”，這個(gè)大腦既可以部署在企業(yè)內部，也可以部署在云端，同時(shí)，它面對的開(kāi)發(fā)者并不是需要具備豐富深度學(xué)習開(kāi)發(fā)經(jīng)驗的開(kāi)發(fā)者，而是企業(yè)中大量的應用開(kāi)發(fā)者，以此來(lái)解決企業(yè)人才問(wèn)題。

應用開(kāi)發(fā)者可以利用“AI大腦”，不需要做任何深度學(xué)習的開(kāi)發(fā)，就可以在上面用機器針對企業(yè)的數據去訓練應用到企業(yè)里的數據模型，并且通過(guò)“AI大腦”可以自動(dòng)的提供很好的、很高的精度，這是我們希望能夠達到的，林詠華女士介紹道。

IBM推“AI大腦”其實(shí)是事后的人才培育，事前的方法是要加大深度學(xué)習的教育，尤其是在本科領(lǐng)域?，F在很多高校的電氣、能源等學(xué)科，應該將深度學(xué)習作為其必修的基礎學(xué)科來(lái)教學(xué)。從而使得這批人才在走上工作崗位時(shí)，至少懂得怎樣應用深度學(xué)習，從而可以更好地結合到產(chǎn)業(yè)中。

數據問(wèn)題

在企業(yè)市場(chǎng)中，很多時(shí)候相對較少的不正常的數據更有價(jià)值。以醫療圖片為例，針對某一疾病，一萬(wàn)個(gè)病人中有九千九百多個(gè)病人的數據是正常數據，相對于這些正常數據，那一小部分不正常的數據更為關(guān)鍵。無(wú)論是在醫療，還是智能制造，這樣的不正常的數據會(huì )更少。

針對此，IBM新推出計算機視覺(jué)領(lǐng)域的Power AI Vision平臺，該平臺在解決“小數據”問(wèn)題上有以下兩種不同的方法：

數據增強，即通過(guò)正常數據模擬故障數據來(lái)訓練數據集。某些特殊數據需要在特定條件下才能采集到，Power AI Vision平臺中有加噪、旋轉、對稱(chēng)等模擬選項，從而滿(mǎn)足未來(lái)遇到不同非正常場(chǎng)景。例如自動(dòng)駕駛做模擬測試時(shí)，無(wú)法測得惡劣天氣下的行駛數據，這就可以通過(guò)加噪來(lái)模擬惡劣環(huán)境測試拿到數據；醫療方面，很多時(shí)候會(huì )檢測細胞，其實(shí)細胞可以是多方位不同角度，因此數據增強可以做隨機旋轉；攝像頭在拍攝公路上汽車(chē)時(shí)可能無(wú)法看到各個(gè)方位，由于車(chē)是對稱(chēng)的，可以通過(guò)鏡像功能拿到完整汽車(chē)行駛數據。因而數據增強可以提供倍增的不同情況的數據。

遷移學(xué)習。遷移學(xué)習的前提是企業(yè)已經(jīng)有一個(gè)較好的基礎模型，將這個(gè)基礎模型放到遷移學(xué)習框架中，輸入的數據可以是少量的數據，輸出的會(huì )是很好的結構。而企業(yè)可以通過(guò)網(wǎng)上公開(kāi)數據集訓練的數據或是其他企業(yè)已經(jīng)訓練好的數據模型經(jīng)測試沒(méi)問(wèn)題后，拿來(lái)作為企業(yè)的基礎模型。

AI產(chǎn)業(yè)鏈上下游配合

AI整個(gè)產(chǎn)業(yè)鏈大致分成三部分：1.下游硬件廠(chǎng)商；2.中游的AI芯片軟件及平臺廠(chǎng)商，需要調用下面的硬件，然后賣(mài)給上游；3.上游是行業(yè)企業(yè)，需要為AI技術(shù)付費，也是用AI產(chǎn)品去賺錢(qián)的企業(yè)。

如果對產(chǎn)品的性能或復雜性要求不高，現在的整個(gè)產(chǎn)業(yè)鏈還是可以實(shí)現的，例如一些玩具類(lèi)AI產(chǎn)品。但是如果對性能和復雜性要求較高的話(huà)，就需要整個(gè)產(chǎn)業(yè)鏈的深度融合和各方面大規模的優(yōu)化。例如GPU是否是最好的硬件，我們用一個(gè)經(jīng)典的算法做一個(gè)模型的話(huà)，英偉達最新的V100 GPU也只能同時(shí)支持四路視頻的實(shí)時(shí)性，這導致分攤到每一個(gè)攝像頭上的成本達一兩千美元，而每個(gè)攝像頭的成本也就是一兩百美元，如果考慮大規模應用的話(huà)，這樣的方案則無(wú)法實(shí)施。

另外，如果上游市場(chǎng)不能達到足夠大，下游廠(chǎng)商是無(wú)法為這一領(lǐng)域進(jìn)行相關(guān)定制化配置的。例如，現在有很多為自動(dòng)駕駛提供的專(zhuān)用芯片，這是因為現在自動(dòng)駕駛領(lǐng)域已經(jīng)足夠大。國內很多中小企業(yè)很難出現單個(gè)中小企業(yè)就有下游公司幫助定制這樣的硬件，這時(shí)候就要去看是否有多個(gè)中小企業(yè)有這樣的需求，從而驅動(dòng)下游企業(yè)做集中定制化，這也同時(shí)要求下游廠(chǎng)商對市場(chǎng)有比較深入的了解。

初創(chuàng )公司如何進(jìn)入AI市場(chǎng)

AI要想大規模應用，就要求其有高可靠性，同時(shí)能力要比人強。大公司會(huì )兼顧不同的產(chǎn)品方向和領(lǐng)域，卻很難在每一個(gè)領(lǐng)域達到100%的精準，這就為初創(chuàng )公司留出了機遇，而這些機遇又可以分為技術(shù)創(chuàng )新和技術(shù)配套兩類(lèi)：

在技術(shù)創(chuàng )新方面，初創(chuàng )公司要進(jìn)入AI市場(chǎng)，需要考量?jì)煞矫嬉蛩兀阂坏┳隽藭?huì )有比較大的市場(chǎng)價(jià)值，而且這個(gè)領(lǐng)域不是已經(jīng)被做熟的市場(chǎng)。例如現在在Face++出來(lái)之后，仍然有人在進(jìn)入人臉識別的市場(chǎng)，初創(chuàng )公司選擇這樣的領(lǐng)域，好處是市場(chǎng)需求已經(jīng)被拉動(dòng)起來(lái)，但是也很難在其中取得一席之地。

在技術(shù)配套方面，AI在不同的行業(yè)相關(guān)配套算法及方案需要做很多配套的技術(shù)，初創(chuàng )公司也可以選準一個(gè)方向，成為這其中的專(zhuān)才。

AI領(lǐng)域難以實(shí)現數據共享

目前來(lái)看，企業(yè)做AI的話(huà)，數據本身就是區別于競爭對手的壁壘?，F在互聯(lián)網(wǎng)上有很多的公開(kāi)數據集，例如用來(lái)做圖片分類(lèi)、自然語(yǔ)言處理、計算機視覺(jué)，但是這些數據集并非來(lái)源于企業(yè)，而是來(lái)源于網(wǎng)絡(luò )。企業(yè)中的實(shí)際數據與這些數據集是完全不同的。如果你有高價(jià)值的數據，而別人沒(méi)有的話(huà)，這就意味著(zhù)你在A(yíng)I領(lǐng)域比競爭對手要走得更快。對于想要做AI的企業(yè)，實(shí)際上是不愿意將數據共享的，因為一旦共享，這樣的優(yōu)勢就不再存在，除非你能夠保證一定比同領(lǐng)域企業(yè)能夠在技術(shù)上領(lǐng)先一到兩年，否則就是在培育你的競爭對手。

以生產(chǎn)制造為例，有些企業(yè)希望用AI做質(zhì)檢，用AI提高產(chǎn)品的良品率，如果將瑕疵數據進(jìn)行分類(lèi)公開(kāi)，競爭對手也會(huì )利用這些數據，無(wú)形中就無(wú)法形成領(lǐng)先的市場(chǎng)地位。

深度學(xué)習并非萬(wàn)能

如今，很多人已經(jīng)意識到深度學(xué)習要學(xué)一個(gè)簡(jiǎn)單的東西仍然需要海量數據，效率太低。深度學(xué)習不是萬(wàn)能的，不是最好或最適合的，之后一定會(huì )有更好的技術(shù)，但是現在還遠未到新技術(shù)聚合出來(lái)的時(shí)間。