近日，著名人工智能學者吳恩達發布文章，闡述了他對于人工智能在傳統行業中應用遲鈍的懂得。無論是刷短視頻時的個性化推薦，還是外賣配送時的耗時預估，或者是挪動支付時的人臉辨別，以算法為典型的AI專業在消費互聯網行業被應用得得心應手。然而提到傳統行業，人們卻很難快速想起極度成熟的應用人工智能的代表案例。為何AI專業在傳統行業的應用速度和范圍遠不如消費互聯網等行業？
消費互聯網行業應用AI更具優勢
AI專業的應用重要取決于數據、算力和算法。天津大學智能與算計學部副教授朱鵬飛介紹，首要數據要到達一定的體量，這是應用的根基，此外算力也要能支援大規模的模子培訓，而后算法方面需要到達一定的精度，端側算力也要具備一定的推理才幹。
之所以現在只有消費互聯網公司在大規模應用AI專業，重要是在這三方面消費互聯網公司都更具優勢。
前些年短視頻并沒有目前這麼火爆，例如發展初期的淘寶，也并沒有很強的用戶黏性。而跟著推送越來越精準，用戶的體驗感也得到了極大的提拔，終極展示井噴式的用戶增長。
精準推送重要依賴于算法精度的提拔，而算法精度的提拔又離不開海量的數據作為根基。朱鵬飛辯白，在這個單一的場景中，算法模子需要連續不斷進化，終身吸取。由于不是封鎖數據環境，總有新的數據參加，算法模子需要連續不斷通過吸取進行調換、迭代升級，使其精度越來越高，形成一個良性輪迴。
與此同時，固然現在消費互聯網行業在算法精度上已經上升到一定的高度，但比擬一些傳統行業的應用場景，消費互聯網行業對于AI算法精度接納的閾值都對照低。比如短視頻、淘寶偏好推薦、百度熱搜關鍵詞，只需要到達用戶產生黏性的目的，只要有一定精確性，用戶都可以接納。朱鵬飛表示，比擬之下，在許多傳統行業，對于專業精度的要求就高得多。比如基于視覺的AI專業在人臉辨別方面的應用，在高鐵站、飛機場核實地位，1∶1的比瞄準確度要高達9999%甚至更高才可以進行應用。
在算力方面，現在云端算力已經可以支援大規模模子培訓和推理，比如短視頻、淘寶推薦等。但在大批傳統行業應用場景中，智能終端上的端側算力還無法知足推理的即時性和精確性要求。
比擬于社交網絡和電商系統，傳統行業應用場景的封鎖生態系統使得云端算力無法得到有效應用。朱鵬飛舉例說，以智能無人系統巡檢為例，電力巡檢、管道巡檢、交通巡檢、河道巡檢以及光伏巡檢等要求搭載在無人機和機械人上的算力知足即時巡檢要求，由于視頻解析的模子復雜度較高，端側往往無法實現精準高效的即時推理，輕量級網絡在知足即時性的同時損失了辨別精度。由于算法精度達不到採用要求，使得在許多場景中無法實現AI專業的應用。
傳統行業應用AI面對三大挑戰
吳恩達以為，在AI應用方面，消費互聯網行業之外的其他行業都面對著三大挑戰：數據集很小；定制化成本很高；從驗證方法到配置生產的過程很長。
對此，朱鵬飛也深有感慨，他以傳統制造業百家樂 大路 怎麼看為例進行了解析。
傳統制造企業在制造向智造轉型的過程中，數據是一個很突出的疑問。朱鵬飛介紹，首要在數據的獲取方面存在一定難度。傳統制造企業的數據是封鎖的，由於許多傳統企業并不是新型信息化設施，沒有傳感器蒐集即時數據，也沒有數據中央，因此數據零星，缺失嚴重，很難獲取像消費互聯網企業里那種海量、高質量的數據。
其次，行業內部各個工廠的數據許多具有商務價值，因此工廠都嚴格保密，這導致數據不流暢，沒有設法進行共享，進而形成了數據孤島效應，陰礙了AI算法模子的優化。
我們在開闢一個AI算法模子的時候，由於數據的保密性，往往得到的數據都是途經脫敏的，這也嚴重地陰礙了我們的判定。而傳統行業的企業中，又缺乏具有AI算法模子開闢才幹的專業人員，因此兩方在合作研發過程中也存在著很高的壁壘。朱鵬飛說。
此外，傳統行業中的數據來歷并不像消費互聯網領域那樣來自單一場景，復雜的業務場景導致數據往往很臟，必要進行清洗，去掉大批無效信息，AI算法模子才能高效率的吸取以提高精度。這就像我們教小朋友知識，只講知識點，小朋友們才能學得快，假如在知識點中混雜著大批無用的信息，小朋友無從區分，吸取效率肯定減低。朱鵬飛介紹，而給數據標注知識點的工作是巨大而繁瑣的，需要企業有專人去做，要破費許多時間精力。
傳統制造業要想獲得高質量的數據，就必要對生產設施進行信息化、智能化的改建。朱鵬飛表示，這種改建需要企業投入大批的時間和精力，還會增加生產成本，這也成為AI在傳統制造業中應用的壁壘。
高質量數據是應用條件
過去這10年，大部門AI的研發和應用是以軟件為中央驅動的。在海量數據的支撐下，連續不斷優化軟件和算法，來獲得更高的算法精度。在傳統行業無法提高數據質量和數目的場合下，吳恩達以為，傳統行業應該采用以數據為中央的模式，把重點放在獲得質量更好、匹配度更高的數據上。
在這種思路下，傳統行業也涌現了一些不錯的應用案例。比如醫學領域的記憶辨別AI系統，可以幫醫生看CT記憶片子，對腫瘤等病變加以辨別，輔導醫生做出判定。朱鵬飛介紹，由于許多數據都由技術的放射科醫生在記憶片子上進行了標注，因此數據對照精確，AI算法模子在吸取的過程中先進很快。現在許多記憶辨別系統的精確率都能到達90%以上，由于是輔導醫生，最后還需醫生做醫療決策，但這個程度的精確率在很大水平上減低了醫生的工作強度。
盡管傳統行業有了一些應用AI專業的勝利案例，可是要想更好地和AI結合，還得在提高數據質量方面下功夫。朱鵬飛發起，首要對于已經積累了海量數據的傳統行業，在保證數百家樂 莊問路據安全的條件下，主動ptt百家樂開放百家樂預測程式ptt數據。發掘數據中蘊藏的價值，和需求關聯起來，會有很大的發展空間。其次，對于新興行業，比如新能源汽車等，在構建智能工廠安排的時候，就把獲取數據、智能化的因素考慮進去。
不過朱鵬飛強調，在傳統行業用好AI專業的同時，也不要濫用AI專業，在應用前做好評估，假如不能提高生產效率，對行業整體有所提拔，那麼盲目強行採用AI專業，便是對資本的糟蹋。比如一些應用場景需要AI算法到達99%以上的精度才可以採用，通過評估，現有模子算法只能到達90%的精度，那麼這個場景就沒必須強行上馬AI專業了。
總而言之，對于AI專業的應用要數據先行，有高質量的數據再談應用，沒有好的數據很難有好的應用。朱鵬飛說。
