丁香五月天婷婷久久婷婷色综合91|国产传媒自偷自拍|久久影院亚洲精品|国产欧美VA天堂国产美女自慰视屏|免费黄色av网站|婷婷丁香五月激情四射|日韩AV一区二区中文字幕在线观看|亚洲欧美日本性爱|日日噜噜噜夜夜噜噜噜|中文Av日韩一区二区

您正在使用IE低版瀏覽器,為了您的雷峰網(wǎng)賬號(hào)安全和更好的產(chǎn)品體驗(yàn),強(qiáng)烈建議使用更快更安全的瀏覽器
此為臨時(shí)鏈接,僅用于文章預(yù)覽,將在時(shí)失效
業(yè)界 正文
發(fā)私信給李秀琴
發(fā)送

0

IBM林詠華:AI技術(shù)基礎(chǔ)薄弱的企業(yè),應(yīng)該怎么做才能享受AI紅利?

本文作者: 李秀琴 2017-12-28 12:25
導(dǎo)語:2017年可謂AI元年,全球各行各業(yè)皆在此多有投入。然而,在這火熱背后,又有多少理性?甚或人云亦云?

IBM林詠華:AI技術(shù)基礎(chǔ)薄弱的企業(yè),應(yīng)該怎么做才能享受AI紅利?

雷鋒網(wǎng)注:IBM全球杰出工程師、IBM 研究院認(rèn)知系統(tǒng)全球研究負(fù)責(zé)人林詠華

雷鋒網(wǎng)按:2017年可謂AI元年,全球各行各業(yè)皆在此多有投入。然而,在這火熱背后,又有多少理性?甚或人云亦云?日前,IBM全球杰出工程師、IBM 研究院認(rèn)知系統(tǒng)全球研究負(fù)責(zé)人林詠華向外談?wù)摿怂龑?duì)AI領(lǐng)域的洞察和見解,并表達(dá)了她對(duì)“如何才能享受AI帶來的紅利”的看法(本文來自APICloud的投稿)。

林詠華認(rèn)為,人工智能目前的火爆與其可實(shí)驗(yàn)性密切相關(guān),任何一個(gè)開發(fā)者或大學(xué)生都可以借助開源社區(qū)的力量進(jìn)行AI實(shí)驗(yàn)性的嘗試。

對(duì)于那些AI技術(shù)基礎(chǔ)比較薄弱的企業(yè),若想享受AI帶來的紅利,林詠華認(rèn)為,首先應(yīng)解決目前的兩大難題:人才和數(shù)據(jù)。AI人才由于稀缺性而越來越貴;數(shù)據(jù)則因大多數(shù)都來自互聯(lián)網(wǎng),與其真正應(yīng)用的細(xì)分領(lǐng)域如醫(yī)療、教育等無直接關(guān)系,這也在某種程度上阻礙了AI的進(jìn)程。因此,這些企業(yè)更應(yīng)該找準(zhǔn)AI技術(shù)在自身業(yè)務(wù)領(lǐng)域的定位,想好未來產(chǎn)品的戰(zhàn)略,并抓好進(jìn)入市場(chǎng)的時(shí)機(jī)。

而對(duì)于未來幾年,AI將在哪些領(lǐng)域?qū)崿F(xiàn)大規(guī)模應(yīng)用的問題,林詠華認(rèn)為,一個(gè)新的 AI 技術(shù)是否可以大規(guī)模投入市場(chǎng),還應(yīng)該視這個(gè)市場(chǎng)對(duì)該技術(shù)的差錯(cuò)的容忍程度高低而定。

以下是林詠華接受   “AI時(shí)代的移動(dòng)技術(shù)革新”大會(huì)主辦方的采訪實(shí)錄,雷鋒網(wǎng)對(duì)其做了不改變?cè)獾木庉嫛?/em>

如何看待當(dāng)下的人工智能熱潮?有多少是理性驅(qū)使,又有多少是人云亦云?

人工智能目前無論在企業(yè)還是投資界都是被火爆地追逐著。說實(shí)在話,當(dāng)IBM在 2011年構(gòu)建出 Watson,并首次在智力競(jìng)賽中打敗最優(yōu)秀的人類選手時(shí),能預(yù)見人工智能對(duì)未來業(yè)界發(fā)展的重要性,但沒有想象到這種人人談人工智能的火爆局面。

縱觀整個(gè)信息技術(shù)在過去10年的發(fā)展,無論是10年前移動(dòng)通信的發(fā)展熱潮,還是5年前云計(jì)算的風(fēng)起云涌,都沒有今天人工智能被關(guān)注的廣泛性和火爆性。原因是什么呢?是今天人工智能的可實(shí)驗(yàn)性遠(yuǎn)遠(yuǎn)高于之前的信息科技。

這個(gè)“可實(shí)驗(yàn)性”是指一個(gè)開發(fā)者、一個(gè)大學(xué)生,甚至?xí)幊痰闹袑W(xué)生都可以進(jìn)行人工智能實(shí)驗(yàn)性的嘗試。它來源于整個(gè)開源社區(qū)在代碼和數(shù)據(jù)上的整體貢獻(xiàn), 得益于整個(gè)信息科技領(lǐng)域?qū)﹂_源文化的推動(dòng),也得益于幾個(gè)大的人工智能會(huì)議對(duì)被錄用文章的數(shù)據(jù)和代碼的公開性要求。

在過去幾年,圍繞深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等算法的代碼以及公開數(shù)據(jù)集層出不窮。一個(gè)開發(fā)者,只需要懂 Python,就可以在一天之內(nèi)構(gòu)建起一個(gè)開發(fā)環(huán)境,并把開源的代碼跑起來。利用開源的數(shù)據(jù)集,就可以重現(xiàn)別人的結(jié)果。

一個(gè)新的人工智能研究方向出現(xiàn),就伴隨著一些優(yōu)秀的數(shù)據(jù)集公開。例如,當(dāng)年李飛飛主導(dǎo)的 ImageNet 為今天的圖象識(shí)別奠定了最大的數(shù)據(jù)集基礎(chǔ),今年12月 MIT IBM Watson Lab 為了推動(dòng)視頻中的動(dòng)作識(shí)別,共同推出的百萬量級(jí)的視頻動(dòng)作數(shù)據(jù)集。所有的這些貢獻(xiàn),都是為了降低大家實(shí)驗(yàn)的難度,推動(dòng)業(yè)界更快速地解決人工智能中的難題。在這種人人都可以嘗試的氛圍下,既推高了大家對(duì)這個(gè)領(lǐng)域的關(guān)注和興趣,必然也帶來了人云亦云的火爆。

但是,這是否就代表了今天在學(xué)術(shù)界解決了的問題,相關(guān)的技術(shù)已經(jīng)可以大量地使用到工業(yè)界呢?我覺得大家需要看到工業(yè)界和學(xué)術(shù)界之間的差距。之前我也看到一些人工智能領(lǐng)域的專家進(jìn)行了許多分析,我這里就討論兩點(diǎn):

  •  第一是數(shù)據(jù)的差異。

數(shù)據(jù)是人工智能必不可少的用于訓(xùn)練機(jī)器的輸入。而今天能在公開途徑獲得的數(shù)據(jù)集絕大多數(shù)都是非商業(yè)用途數(shù)據(jù),是從互聯(lián)網(wǎng)上積累的數(shù)據(jù)。真正用于工業(yè)場(chǎng)景的高價(jià)值數(shù)據(jù)是難以放到公開數(shù)據(jù)集中,也難以讓千千萬萬研究者進(jìn)行算法研究的。

IBM 研究院在醫(yī)療、汽車駕駛、生產(chǎn)制造等重要行業(yè)領(lǐng)域與相關(guān)企業(yè)進(jìn)行人工智能合作研究。在這些行業(yè)和企業(yè)中,我們遇到了大量公開數(shù)據(jù)集所沒有的數(shù)據(jù)分布。在面對(duì)行業(yè)生產(chǎn)部署的嚴(yán)苛要求時(shí),我們一些已有的研究是不適用的,許多在頂級(jí)會(huì)議中號(hào)稱的最佳結(jié)果也是不適用的。因此,這里需要我們腳踏實(shí)地,深入工業(yè)行業(yè)進(jìn)行人工智能的研究和開發(fā)。

  • 第二是人工智能系統(tǒng)本身的成本。

把人工智能用到工業(yè)界,我們需要認(rèn)真審視它附加到現(xiàn)有產(chǎn)品上的成本開銷。以視頻監(jiān)控為例,在視頻監(jiān)控中使用人工智能是一個(gè)很熱的話題。今天,使用人臉識(shí)別、人或車輛的自動(dòng)捕捉進(jìn)行初步的視頻分析已經(jīng)開始廣泛使用在城市、公共安全等領(lǐng)域。

其實(shí)基于計(jì)算機(jī)視覺的人工智能可以做得更多,它可以檢測(cè)和識(shí)別各種物體(而不僅僅是人或車輛),檢測(cè)人的各種動(dòng)作等等。但基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法往往需要大量的GPU計(jì)算資源。基于今年最新的GPU硬件能力,一塊高性能的GPU也就只能支持3~4路視頻的復(fù)雜目標(biāo)檢測(cè)(單個(gè)模型)。平攤到每路視頻,就要大約1000~2000美金的硬件成本。相比起目前4K攝像頭的成本,將近是10倍的成本差異

如果我們進(jìn)一步考慮動(dòng)作檢測(cè),使用光流計(jì)算或3D深度學(xué)習(xí)或者更復(fù)雜的算法,這個(gè)成本的疊加更加難以接受。所以,在人工智能向前行進(jìn)時(shí),我們需要更多的研究和創(chuàng)新,去解決全系統(tǒng)的優(yōu)化問題,而絕對(duì)不能只停留在單一的功能或精準(zhǔn)度的層面。

對(duì)于在 AI 領(lǐng)域技術(shù)基礎(chǔ)比較薄弱的企業(yè),如何才能享受到 AI 帶來的紅利?

為什么今天的企業(yè)都爭(zhēng)先恐后的想要進(jìn)入 AI 領(lǐng)域?他們是希望成為像 IBM、Google 這樣的 AI 公司,每年到 AAAI 或 NIPS 發(fā)幾篇文章嗎?答案當(dāng)然不是。企業(yè)想進(jìn)入 AI 領(lǐng)域,還是希望在自己的業(yè)務(wù)領(lǐng)域能獲得新的增長(zhǎng)點(diǎn),希望借用 AI 的力量能打造出新的產(chǎn)品贏得更多市場(chǎng)份額,希望通過 AI 能把已有的產(chǎn)品提升一個(gè)水平從而更快地?fù)魯∈袌?chǎng)上的競(jìng)爭(zhēng)對(duì)手。

所以,對(duì)于這些希望利用 AI 技術(shù)的企業(yè)而言有兩點(diǎn)是重要的。

  • 第一,找準(zhǔn) AI 技術(shù)在自身業(yè)務(wù)領(lǐng)域的定位,也就是未來產(chǎn)品的戰(zhàn)略思考。這一點(diǎn)是無論如何不能由別的公司代替你去思考的,因?yàn)橹挥衅髽I(yè)自己最了解自身的業(yè)務(wù)領(lǐng)域、發(fā)展機(jī)遇和企業(yè)現(xiàn)狀。

  • 第二,Time-to Market,時(shí)間是十分寶貴的。在目前信息平坦的年代,市場(chǎng)機(jī)遇的賽跑就是時(shí)間的賽跑。

對(duì)于各個(gè)行業(yè)的企業(yè),如果希望享受到人工智能帶來的紅利,需要自身花更多時(shí)間去思考和策劃上面提到的第一點(diǎn)問題(產(chǎn)品戰(zhàn)略),而在第二點(diǎn)(Time-to Market)上,需要懂得借助外力。今天,在與時(shí)間賽跑的過程中,企業(yè)面臨的最大挑戰(zhàn)是人才和數(shù)據(jù)的問題。如何“借助外力”,往往也是企業(yè)猶豫的。

  • 人才

如果像傳統(tǒng)的購買企業(yè)服務(wù)模式來解決人才問題,對(duì)于一些行業(yè)會(huì)行不通。對(duì)于許多行業(yè),他們的數(shù)據(jù)是具有高度保密的性質(zhì),不能把這些數(shù)據(jù)都交由第三方公司進(jìn)行數(shù)據(jù)訓(xùn)練和分析。此外,企業(yè)的生產(chǎn)環(huán)境所針對(duì)的數(shù)據(jù)類型也會(huì)隨著時(shí)間有所改變,例如零售業(yè)中貨架的商品品類,生產(chǎn)線上產(chǎn)品的批次改變等。因此,哪怕企業(yè)交由第三方公司開發(fā)了一個(gè)機(jī)器學(xué)習(xí)的模型,是否之后所有在生產(chǎn)環(huán)境中的變化都要依賴第三方公司進(jìn)行調(diào)整呢?所以,在引入 AI 技術(shù)的過程中,企業(yè)往往會(huì)在“人才培養(yǎng)時(shí)間過長(zhǎng)”和“把控產(chǎn)品”之間猶豫。

  • 數(shù)據(jù)

在人才的問題之后,另一個(gè)困擾企業(yè)的問題是數(shù)據(jù)的問題。

過去幾年,深度學(xué)習(xí)的成功是基于海量的互聯(lián)網(wǎng)開源數(shù)據(jù)。但這些數(shù)據(jù)都是互聯(lián)網(wǎng)的數(shù)據(jù),和企業(yè)希望解決的問題(如特定病種的醫(yī)療影像、產(chǎn)品質(zhì)量的影像等等)沒有直接的關(guān)系。所以,當(dāng)需要使用 AI 技術(shù)來賦能自己的業(yè)務(wù)領(lǐng)域時(shí),企業(yè)需要自己準(zhǔn)備業(yè)務(wù)場(chǎng)景的數(shù)據(jù)集,也需要由具備專業(yè)領(lǐng)域知識(shí)的人員來標(biāo)注數(shù)據(jù)集。因此,準(zhǔn)備數(shù)據(jù)這個(gè)過程本身就極耗時(shí)間和人力。

另外,企業(yè)往往會(huì)面臨數(shù)據(jù)不足的問題,尤其是需要高度關(guān)注的數(shù)據(jù)類型。例如,在醫(yī)療影像中,往往有著各種癥狀的數(shù)據(jù)比健康人群的數(shù)據(jù)更為重要;在生產(chǎn)制造中,有著各種瑕疵問題的數(shù)據(jù)比質(zhì)量正常的產(chǎn)品數(shù)據(jù)更需要關(guān)注;在汽車駕駛中,在各種惡劣天氣路況下的數(shù)據(jù)比正常天氣和光照的時(shí)候獲得的數(shù)據(jù)更需要我們注意。但這些數(shù)據(jù)往往是小概率情況下的數(shù)據(jù)。

因此,如何針對(duì)這些數(shù)量稀少卻又十分重要的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)呢?不解決好這個(gè)問題,就難以把 AI 真正用到工業(yè)界場(chǎng)景。意識(shí)到這個(gè)問題的重要性,IBM 研究院確立了一系列針對(duì)小數(shù)據(jù)(Small Dataset)的研究,基于遷移學(xué)習(xí)、數(shù)據(jù)增強(qiáng)等課題進(jìn)行深入研發(fā)。這些技術(shù)也應(yīng)用到了 IBM 的 Watson 及企業(yè) AI 開發(fā)平臺(tái)(PowerAI)之上,直接幫助企業(yè)解決數(shù)據(jù)的問題。

未來幾年內(nèi),哪些 AI 應(yīng)用可以大規(guī)模投入市場(chǎng)?哪些還需要更長(zhǎng)時(shí)間的研究及驗(yàn)證?

由于業(yè)界的你追我趕,AI 儼然是在一個(gè)高速跑道上發(fā)展。大家對(duì)短期的定義是1~2年,中長(zhǎng)期是3~5年。一個(gè)新的 AI 技術(shù)是否可以大規(guī)模投入市場(chǎng),應(yīng)該看這個(gè)市場(chǎng)對(duì)該技術(shù)的差錯(cuò)容忍程度的高或低,例如,該技術(shù)能有 80% 的準(zhǔn)確度就可以被接受,還是需要有 95%,甚至 99% 的準(zhǔn)確度才可以?

記得在 2015 年,一個(gè)玩具廠商推出了 CogniToys(一個(gè)能跟孩子對(duì)話的綠色小恐龍),當(dāng)年還被評(píng)為“2015 年度最佳玩具”。其實(shí)當(dāng)年 CogniToys 的對(duì)話能力比今天國(guó)內(nèi)好些公司推出的智能音箱要差好些。但因?yàn)?CogniToys 只是一個(gè)玩具產(chǎn)品,它不需要有很高的準(zhǔn)確度。跟孩子的對(duì)話對(duì)一句錯(cuò)一句也沒有多大關(guān)系。所以在 2015 年,哪怕機(jī)器對(duì)話技術(shù)還不成熟,也不能阻擋 CogniToys 在亞馬遜上熱賣。但是,同樣的對(duì)話技術(shù),如果我們用于要求嚴(yán)謹(jǐn)?shù)尼t(yī)療行業(yè),或銀行理財(cái)行業(yè),就需要有更長(zhǎng)的技術(shù)成熟期。

又例如,有一些技術(shù)今天可能只做到 90% 的準(zhǔn)確率,如果我們希望在未來 1~2 年能廣泛使用,就需要從應(yīng)用場(chǎng)景上進(jìn)行折中。折中的手法可以是多樣的,例如加入人為判定。我們?cè)?top1 的準(zhǔn)確率不夠的情形下,可以提供給用戶 top5 的識(shí)別結(jié)果,讓用戶再從 top5 人為判斷。

通過這樣的手法,可以讓某些 AI 技術(shù)加快在一些領(lǐng)域的使用。當(dāng)然,可以使用這樣折中手法的應(yīng)用領(lǐng)域,必須不是工業(yè)控制領(lǐng)域的。對(duì)于需要實(shí)時(shí)控制的系統(tǒng)領(lǐng)域,包括無人駕駛、自動(dòng)化控制等,都必須有完全高準(zhǔn)確率的要求。而這種對(duì)高準(zhǔn)確率有完全硬性要求的應(yīng)用場(chǎng)景,必然需要更長(zhǎng)時(shí)間的研究和驗(yàn)證。

哪怕同一個(gè)技術(shù),同一個(gè)工業(yè)領(lǐng)域,放在不同的地區(qū)使用,也會(huì)有時(shí)間的先后問題。例如,使用 AI 技術(shù)進(jìn)行無人駕駛,目前多個(gè)廠商都先挑選諸如特定場(chǎng)區(qū)工程車輛、園區(qū)班車等,因?yàn)槁窙r相對(duì)單一和簡(jiǎn)單。我們最近到印度參展,看到印度的汽車行業(yè),就連輔助駕駛的研發(fā),也都才剛剛開始。重要原因就是該地區(qū)的路況復(fù)雜度遠(yuǎn)高于美國(guó)和中國(guó)。所以,無人駕駛?cè)绻谟《嚷涞?,或許需要 3~5 年的時(shí)間。

雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知

分享:
相關(guān)文章

記者

跟蹤Fintech和區(qū)塊鏈(微信:cqmm16,備注身份姓名來意,thx)
當(dāng)月熱門文章
最新文章
請(qǐng)?zhí)顚懮暾?qǐng)人資料
姓名
電話
郵箱
微信號(hào)
作品鏈接
個(gè)人簡(jiǎn)介
為了您的賬戶安全,請(qǐng)驗(yàn)證郵箱
您的郵箱還未驗(yàn)證,完成可獲20積分喲!
請(qǐng)驗(yàn)證您的郵箱
完善賬號(hào)信息
您的賬號(hào)已經(jīng)綁定,現(xiàn)在您可以設(shè)置密碼以方便用郵箱登錄