中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

讓AI能用，有用，普通人樂于去用，是這個技術不會變成另一個泡沫的根本保障。

在剛剛結束的2017云棲大會·北京峰會上，阿里云發布了堪稱迄今為止最全面的阿里AI版圖。但在阿里復雜的AI業務、產品和合作生態背后，也許我們能夠發現一個關鍵詞：產業AI。

產業AI到底和其他AI有什么不同？讓阿里舉重兵投入的道理何在？

什么才是產業AI？

雖然這個問題看起來像….廢話….但是沒辦法，真相往往跟我們的想象或多或少有點不同。

顧名思義，產業AI當然是在具體的一個個產業里發揮作用的AI技術和產品咯。也就是我們經常說的AI賦能傳統行業。但有點不同的是，我們在討論AI賦能行業，或者所謂“AI+”的時候，往往設想的是以AI為主體，來實現某個領域的固有功能。比如一些AI+教育平臺，就是用AI的語音交互和NLP能力，來實現遠程教育功能。

在這種情況下，一般思考的是用AI替代，而不是用AI結合。它能改善一些情況，卻無法真正提高這個產業本身的效率，降低原始成本，更不能融合在整個產業線之中。

所謂產業AI，必須是能夠與傳統產業無縫結合，推助產業核心部類向前發展的。這也是阿里云從ET大腦到產業AI布局的根本訴求。尤其需要注意的是，深度的產業AI必然指向復雜的行業限制和真實需求，往往比簡單的AI替代論復雜很多。

比如說想讓AI來計算機場的停機坪使用情況，提高停機坪的使用效率。聽起來蠻簡單的一件事，但是一名真正的機場調度員，卻需要考慮航班號、機型、國際國內分類、近機位優先原則、機上狀況、航空公司情況、機場建設狀況、流量狀況、延誤航班對下序航班的影響、天氣狀況等等十幾個因素才能決定飛機停泊的機位；假如AI系統只算了其中一兩個，漏算了某些因素，豈不是耽誤了大事？

所以說，產業的需求往往比我們一般想象中復雜太多，綜合來看，AI想解決產業問題，必須具備四個方面的基礎能力：

1. 多維感知能力：真實世界中，數據和信息常常是從幾個方向混雜過來。假如AI只能聽、只能看，或者只能連接數據庫，那么它就會變成盲人摸象型AI。只能用來炫耀某種能力，卻無法真正投入使用。
2. 全局洞察模式：能感知之外還要能分析和歸納，就像上面說的運算停機坪。AI必須綜合各方面信息和實時變化的數據流，隨時做出統領全局的最優解。這就是我們所說人類的大局觀。沒有大局觀的人不能勝任管理，沒有大局觀的AI也是一樣。
3. 人機協同體驗：想做產業AI，必須承認的一點是今天的AI絕不可能，也不希望徹底取代人類。必須是人機協同的工作模式，但是人機如何協同，如何在縮減人的工作時間，提高人的工作效率之外，不會浪費大量學習成本和適應成本，也是關鍵問題。
4. 持續進化能力：日新月異的工作，必須讓人不斷去適應和學習新的工作方式，對于AI也是一樣，如果產業AI不能進化，那么工作需求一旦變更AI就變成廢鐵一塊，那確實不要也罷。

為了解決這四個問題，阿里云的解決方案是做一個產業綜合體：ET大腦。

但是這可能還不夠，產業AI之路，絕不是單純的技術能力可以搞定的。

到底該如何打造產業AI？

如果你身處一個比較傳統的行業，不妨想想，假如為你安排一位超級智能的AI助手，你的第一反應是什么？

很興奮？那么第二反應呢？大概是感覺學起來很麻煩，不知道到底好用不好用，擔心成本和收益不相符，等等等等。

這是沒有辦法的，人在面對新事物時的先驗反射永遠都是排斥和懷疑。尤其是AI這種先天具有科幻色彩的技術與產品。所以說，實驗室和PPT上的AI是相對容易的，但產業AI卻要更復雜。其復雜程度很多時候不在于單純的技術挑戰，而在于需要復雜且長期的企業合作、談判溝通和對細節的苛求?？傊?，都是苦差事和累差事。

阿里的產業AI構想，至少要滿足三個條件：

1. 深入場景的需求

很多AI技術走進現實時，往往會太重AI太輕現實，這樣做的直接結果是完全低估了產業化進程的難度。

比如阿里云在打造ET工業大腦的時候，面對的都是已經二三十年的老機器。這些機器怎么AI？怎么能夠不給企業成本壓力，如何讓老工廠的工人懂得使用？可能都是科學家一般不會思考的問題，卻真實阻擋了工廠的AI化。而阿里云的解決方案蠻簡單粗暴的：直接派工程師在車間蹲守。

2. 與行業從業者相結合

我們時長忽視的一個問題是：AI技術有時候并不能討人喜歡?？此朴械览淼募夹g解決方案，在真實產業場景里其實是無效的。

比如AI語音解決方案與法院場景的合作。一般我們理解法院使用語音交互，無非就是對庭審進行記錄，代替書記員的工作。但事實上卻不是這么回事，直接將庭審對話轉換成文字，夾雜了大量的口語內容，根本是無效記錄，反而加大了書記員工作的難度。真正需要的是AI能夠理解文本、抽取邏輯將庭審記錄簡化，這才能真正幫到書記員。

所以說，真正的產業AI必須以從業者為核心去思考問題，這需要對產業深度的理解，以及關鍵領域的產業深度合作。

3. 跨技術解決方案

另一種AI產業化中必須面對的問題，是真實問題往往比實驗與測試中復雜很多。比如AI地鐵售票機，讓用戶用語音交互的方式買地鐵票。但在地鐵這么嘈雜的環境里，語音識別實在過于復雜。最終的解決方案，是加強收音陣列硬件的同時，用機器視覺技術識別人臉和嘴唇，讓售票機聽到兼看到買票者，才能最終解決問題。

這三條途徑，歸根結底是巨大的產業合作任務和工程化工作量。在具備技術基礎的同時，還要求執行企業有行業合作能力、工程化能力和個案攻堅能力。

這是一條不好走的路，但是誘惑巨大。

產業化路途中的AI新戰場

阿里的產業AI夢，可能給阿里本身帶來哪些好處呢？

目前阿里的方案，是通過ET大腦，陸續占領城市、工業、零售、金融、汽車、家庭等場景。將AI能力、產品和解決方案，以阿里云為出口進入各行各業。

用這種 “現實主義AI”思路，阿里可能希望獲得多方面的利益和戰略優勢。比如：

1. 從全面場景到良性AI產業循環。從工業、交通，到環境、航空，ET大腦的布局逐漸向全景化、垂直化雙向發展。未來的最優結果是能覆蓋經濟民生關鍵感知端口的AI系統，可以運用這些場景能力通向整體進化。而良好的產業合作步伐，則給升級能力帶來了進一步出口。場景、技術和合作，正在形成AI體系的遞增三角關系。
2. 可復制的AI解決方案。從航空大腦的案例中不難看出，ET大腦的解決方案和能力基礎是具備高度復制化的。當一個領域需要復雜的運算，多種感知數據的結合，并且人工效率始終很低，那么就可以自發引入ET大腦。這種領域在生活中相當多見。當ET大腦的產業AI解決方案復制到某個量級時，生態性、泛在化的產業AI自發衍生或許將會出現。
3. 關鍵領域的直接價值。工業、醫療到交通航空，都是可能帶來直接客戶和收入的領域，不用太考慮股價和估值的阿里，或許更期待用AI換來真金白銀。

無論阿里的產業AI夢是否成立。至少有一點是肯定的：讓AI能用，有用，普通人樂于去用，是這個技術不會變成另一個泡沫的根本保障。

作者：腦極體，微信公眾號：unity007

本文由 @腦極體 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Gatech