大佬們如何看待ai?過去10年間，在5G、大數據、雲計算等新興技術的賦能下，人工智能（AI）加速發展但AI技術“落地難”的問題也随之而來日前《深圳經濟特區人工智能産業促進條例（草案）》首次披露并提請審議，将探索建立與人工智能産業發展相适應的産品準入制度，并支持低風險人工智能産品和服務先行先試這也是全國人工智能領域的首部地方性法規，現在小編就來說說關于大佬們如何看待ai?下面内容希望能幫助到你，我們來一起看看吧!

大佬們如何看待ai

過去10年間，在5G、大數據、雲計算等新興技術的賦能下，人工智能（AI）加速發展。但AI技術“落地難”的問題也随之而來。日前《深圳經濟特區人工智能産業促進條例（草案）》首次披露并提請審議，将探索建立與人工智能産業發展相适應的産品準入制度，并支持低風險人工智能産品和服務先行先試。這也是全國人工智能領域的首部地方性法規。

AI産品落地難并非個案。如何讓AI産品順利落地，打通創新“最後一公裡”，已成為人工智能應用階段急需解決的問題。

要落地首先要有好數據

AI既能提高勞動效率，又能解放勞動力，但在各行業的實際應用中，進展卻相對較緩慢，這是為什麼呢？

“AI落地是一個知易行難的過程。數據是制約AI成功落地的一大因素。因為AI依賴數據訓練基礎算法。獲得有意義的高質量數據，對于AI落地成功至關重要。如果缺少統一、标準化、高質量的數據，AI應用可能就是無米之炊、無源之水。”遠望智庫人工智能事業部部長、圖靈機器人首席戰略官譚茗洲在接受科技日報記者采訪時表示。

有專家指出，數據有“罪”——“自由散慢”。“自由”是指當你靠一些服務器收集數據時，會發現很多數據有問題，根本無法使用。比如英國調查機構發現，80%的人都出生于1911年11月11日，之所以有這種情況，是因為有些被調查者不願回答一些隐私問題，在需要輸入出生日期時他們想輸入00，但系統不允許輸入00，于是大家就都輸入11，所以80%的人生日都是随意填寫的。“散”是指數據散落在各處。“慢”則是指數據的更新速度慢。

再比如在制造行業，“該行業産生了大量的數據，數據質量和數據管理問題非常重要。”譚茗洲指出，但是制造業的數據可能是有偏差的、過時的，甚至是充滿錯誤的。尤其是在生産車間這種繁重的制造環境中，極端、惡劣的操作條件下收集的數據。

此外，數據的風險和合規因素也不容忽視。“AI讓企業開始習慣于大量依賴機器幫忙做決策。在這個過程中會帶來隐私保護、AI可信度、倫理和社會的問題等，這些都是AI在落地過程中需要解決的。”譚茗洲強調，規模化也是一大難題。大多數企業的AI創新都是點狀的、實驗性質的、局部的創新，缺少規模化、商業化、運行态的布局。

降低成本是實現商業化的關鍵

業内普遍認為，任何新技術想要在行業中實現規模應用，都需要為企業降低成本、增加效益，并能為企業尋找創新的機會。以目前的AI技術水平而言，很多時候還隻能在産業的某一個環節、某一個步驟實現“降本、增效、創新”，隻有在極少數的情況下，AI技術才可能完全替代人類。

“目前AI在産業中的應用場景主要分為三大類，即智能感知、智能交互和智能決策。在這三類場景中，AI要真正落地，就需要降低算力成本，提高算法和框架的性能。隻有這樣，AI落地時才不會因為成本過高而失去商業價值，進而實現商業化、規模化。”譚茗洲說。

譚茗洲指出，應用場景、資源與基礎設施、算法和模型、智能設備、數據構成了AI技術落地的五大要素。如何将這五大要素在落地場景中實現協調，是AI技術在産業界落地的另一個關鍵點。在實現智能感知、智能決策、智能交互的時候，往往任何一個要素的變化都會導緻其他要素的變化。比如算法模型發生變化，設備資源調度就要跟着改變。結果就是，真正落地實施的時候，算法專家、設備專家、資源專家，以及應用開發的合作夥伴都需要在場。這最終導緻AI落地的成本太高，無法真正在産業應用中大規模鋪開。

如何才可能讓整個AI落地的成本快速降到有商業價值的水平？“需要讓這些要素并行發展，不用在任何時候都要顧及所有要素。也就是說，算法專家不用關心應用是什麼情況，設備供應商也不用關心算法問題，把這五個要素進行解耦，讓一個要素相對其他幾個要素變得更加透明。從思路上看，這有點像PC操作系統，把鼠标、鍵盤等所有設備之間的複雜度都通過一個标準化的協議屏蔽掉，讓它們之間能夠互相解耦，各自專注自己擅長的方向，以降低各個方面的成本。隻有這樣AI才能真正規模化，實現商業上的成功。”譚茗洲說。

儲備懂AI思維及語言的人才

什麼樣的應用才是真正的AI應用？“未來還是要結合場景和用戶體驗去重新設計，用AI本身的方式思考，才會産生真正的AI應用。”雲知聲董事長兼CTO梁家恩認為，未來5年會有真正的AI應用出現，AI的能力也會發揮到極緻。到時候，AI作為一項“背後的技術”已經普及而且消費者将會對其毫無感知——因為技術應用的最高境界是技術變得無感。

人工智能專家丁磊在其新作《AI思維》中強調，AI不隻是一個技術、工具，更是一種思維方式，它能夠幫助我們有效分析大量的數據，并從中得出預測，甚至幫助我們做出決策。那麼，在AI落地過程中，儲備真正懂得AI思維、AI語言的人才，就顯得尤為重要。

實際上，在大部分的企業場景下，都是工程師、科學家講一套語言，而業務負責人講另外一套語言，相互之間沒有一個很好地交流通道。這種狀态進一步導緻了AI的落地難。

譚茗洲說，有經驗的人工智能專業人員很難聘請，這對于所有行業的企業來說都是個難題。實施AI項目通常需要建立一個由數據科學家、ML工程師、軟件架構師、BI分析師和中小企業相關人員組成的跨學科團隊。并且AI落地過程中關鍵需要加大對企業老闆或者業務負責人，甚至包括部分一線業務負責人在AI思維上的提升和教育。當這些人真正地理解AI數據思維的閉環邏輯時，再進行AI落地就會順利很多。

建設高端人才隊伍，開設人工智能專業的高校無疑是“沖鋒軍”。如今，一些高校開始注重培養學生跨學科意識，結合自身特色專業，制定有關“人工智能 ”的培養計劃。

譚茗洲表示，AI教育從本質上來說，不是知識層面的教育，而是思維能力、思維方式的教育。應該從小抓起，幫助廣大青少年樹立AI意識，不斷提升他們的科學素養，并激發其對人工智能的興趣與熱愛。目前中小學開展的人工智能相關課程，偏向于基礎性編程教育，通過模塊化操作，實現一些智能功能，例如讓機器人踢足球、行走等，這樣可以幫助青少年培養機器學習的思維，讓中小學生對人工智能建立初級認知。（記者 華 淩）

來源： 科技日報