產業AI:和其他AI有什么不同?讓阿里舉重兵投入的道理何在?

1 評論 4395 瀏覽 13 收藏 11 分鐘

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:

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

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!