人工智能系列之一：迎接人工智能時(shí)代的到來(lái)

      算法與框架

　　AI主要包括各種不同的算法與技術(shù)。其中機器學(xué)習是一種統計學(xué)習方法，旨在訓練具有大量數據的模型。該模型從已知數據“學(xué)習”“規則”并自動(dòng)更新模型中的相關(guān)參數。經(jīng)過(guò)訓練的“規則”和“模型”可用于預測現實(shí)世界中的未知數據。

　　深度學(xué)習是機器學(xué)習的一個(gè)子領(lǐng)域。它廣泛用于圖像識別，語(yǔ)音識別等領(lǐng)域。深度學(xué)習可實(shí)現無(wú)監督學(xué)習——無(wú)需人工提取規則或功能。卷積神經(jīng)網(wǎng)絡(luò )(CNN)是一種典型的深度學(xué)習算法，經(jīng)證明在圖像識別和分類(lèi)等領(lǐng)域非常有效。CNN通過(guò)分層多個(gè)(通常為4～5層或更多層)非線(xiàn)性函數來(lái)模擬人類(lèi)神經(jīng)系統的工作過(guò)程。

　　AI框架的核心競爭力在于計算能力和訓練效率。數據并行性和模型并行性是提升算力與效率的兩種方式。

　　在數據并行性中，數據被放置在并行計算環(huán)境中的多個(gè)處理器上，不同的機器具有完整的模型副本。每臺機器只需獲取不同部分的數據并訓練數據。其關(guān)鍵在于整合不同機器的結果，達到快速收斂。

　　在模型并行性中，分布式系統中的不同機器負責單個(gè)網(wǎng)絡(luò )的不同部分中的計算——例如，神經(jīng)網(wǎng)絡(luò )中的每個(gè)層可以被分配給不同的機器。模型并行的優(yōu)點(diǎn)是可以通過(guò)使用多臺機器同時(shí)更新多個(gè)參數來(lái)加速算法。

　　垂直應用

　　AI的商業(yè)價(jià)值最終仍需要在垂直領(lǐng)域的應用中體現。成功的應用需要結合AI和特定行業(yè)的專(zhuān)業(yè)知識，將AI產(chǎn)品轉化為最終用戶(hù)的定制解決方案/服務(wù)。 AI目前已應用于醫療保健，工業(yè)，安全，金融科技等眾多行業(yè)。

　　AI能實(shí)現什么?

　　通過(guò)監督學(xué)習、無(wú)監督學(xué)習和強化學(xué)習等手段，機器可以利用統計模型，達到一定的“思考”能力。

　　圖像識別和人類(lèi)語(yǔ)音識別已成為目前AI最重要的兩大應用。AI的準確性已達到滿(mǎn)足日常生活與工作需求的水平。當數據在未來(lái)變得更加結構化和準確時(shí)，其應用將會(huì )變得更加廣泛。

　　機器學(xué)習結合其他技術(shù)支持各種應用。像DoNotPay這樣的聊天機器人使用機器學(xué)習來(lái)解釋用戶(hù)響應并確定后續查詢(xún)。特定于某種服務(wù)的語(yǔ)音命令即將成熟。使用語(yǔ)音識別可以在法庭上檢測情緒和謊言。內部數據分析，例如通過(guò)機器學(xué)習可以實(shí)現協(xié)助起草文件，如簡(jiǎn)報和語(yǔ)言?xún)?yōu)化動(dòng)作。

　　對于企業(yè)來(lái)說(shuō)，AI可以提升運營(yíng)效率、推動(dòng)創(chuàng )新，并降低員工的勞動(dòng)強度。

　　AI的應用存在哪些挑戰?

　　數據可獲得性、實(shí)施的復雜性、業(yè)務(wù)價(jià)值的開(kāi)發(fā)是AI應用推廣所面臨的挑戰。

　　數據可獲得性：訓練模型用的數據集的數量和質(zhì)量在許多案例中都成為了AI應用的瓶頸。AI模型訓練需要基于充分的歷史或參考數據。而在很多情況下，企業(yè)缺乏有效的數據跟蹤與訪(fǎng)問(wèn)的系統，甚至可能沒(méi)有數據的訪(fǎng)問(wèn)權限。在另一些情況下，可能面臨的問(wèn)題包括可用的數據不足、現有數據格式無(wú)法進(jìn)行模型訓練等。

　　實(shí)施的復雜性：在某些領(lǐng)域(例如語(yǔ)音識別，安防監控，圖像閱讀)，AI可以當做平臺被使用(AI-as-a-platform)。但在大多數情況下，要開(kāi)發(fā)一套行業(yè)統一的AI解決方案，更不用說(shuō)跨行業(yè)的解決方案。AI的實(shí)施需要大量的定制化工作和行業(yè)專(zhuān)業(yè)知識的支持。

　　業(yè)務(wù)價(jià)值的開(kāi)發(fā)：AI的應用必須以給行業(yè)帶來(lái)真正的價(jià)值為基礎，無(wú)論是為了創(chuàng )收還是節約成本，或是賦予公司切實(shí)的競爭優(yōu)勢。我們預測AI會(huì )首先應用于能產(chǎn)生直接利益的領(lǐng)域，如：

　　提升營(yíng)收：基于客戶(hù)特定的定制化推薦

　　節省成本：提高工作效率，預測異常情況

　　有形競爭優(yōu)勢：如用AI賦予成像設備，金融投資決策等

　　企業(yè)應該為AI時(shí)代的到來(lái)做些什么準備?

　　首先，企業(yè)的管理層應明確發(fā)揮AI技術(shù)優(yōu)勢的方式與方法，他們應評估AI應用的會(huì )帶來(lái)的短期和長(cháng)期的價(jià)值以及相應的財務(wù)影響。

　　其次，公司應有效評估其內部IT能力和基礎設施。通常，不同行業(yè)企業(yè)的能力和資源會(huì )有非常大的差異，很多傳統行業(yè)企業(yè)或小規模企業(yè)通過(guò)依靠自身投入很難有效地達成技術(shù)升級。此時(shí)企業(yè)應該仔細評估是否需要引入外部合作伙伴，如云服務(wù)平臺，AI解決方案提供商和AI系統集成商。

　　最后，關(guān)鍵的利益相關(guān)者應共同制定明確的AI實(shí)施路線(xiàn)圖以及績(jì)效跟蹤機制。管理層應強調AI項目對企業(yè)的重要性，并分配足夠的資源以確保達成預期的結果和按時(shí)交付。

　　AI技術(shù)供應商的市場(chǎng)格局?

　　越來(lái)越多的玩家瞄準不同的業(yè)務(wù)環(huán)節切入了AI市場(chǎng)

　　一體化行業(yè)巨頭：AI生態(tài)系統包括以芯片為核心的基礎設施，算法與框架和行業(yè)垂直應用。谷歌，亞馬遜和百度等IT巨頭已經(jīng)滲透到價(jià)值鏈的各個(gè)組成部分，提供種類(lèi)繁多產(chǎn)品和服務(wù)。他們是AI市場(chǎng)的領(lǐng)導者。

　　芯片供應商：一些企業(yè)專(zhuān)注于A(yíng)I芯片的生產(chǎn)和銷(xiāo)售，芯片是AI基礎設施的核心部分。在這一細分市場(chǎng)中，英特爾，高通，nVIDIA等IC巨頭憑借他們豐富的設計、制造和廣泛的行業(yè)經(jīng)驗，占據行業(yè)領(lǐng)導者地位。另外一些初創(chuàng )公司如寒武紀(Cambricon)，深思創(chuàng )芯科技(DeepcreatIC)和中國科學(xué)院微電子研究所(IME)等亦進(jìn)入AI芯片領(lǐng)域成為新興的競爭對手。他們通常獲得大學(xué)和研究機構的支持，以扎實(shí)的學(xué)術(shù)背景切入市場(chǎng)。

　　算法與框架供應商：在A(yíng)I的算法與框架產(chǎn)業(yè)中，有很多新興企業(yè)與IT巨頭展開(kāi)了充分競爭。以商湯科技(SenseTime)為例，發(fā)揮自身在深度學(xué)習算法框架的優(yōu)勢，為公安行業(yè)提供視覺(jué)分析和面部識別服務(wù)，同時(shí)與其他行業(yè)如教育、零售和汽車(chē)等領(lǐng)域實(shí)現廣泛的垂直行業(yè)覆蓋。

　　垂直應用提供商：很多AI公司專(zhuān)注于特定的細分行業(yè)或先進(jìn)技術(shù)領(lǐng)域，專(zhuān)注垂直行業(yè)應用的開(kāi)發(fā)，如科大訊飛(IFLYTek)及碳云智能(iCarbonX)等。