算法、算力、大数据是人工智能发展离不开的三大要素
人工智能发展到现如今还是一个被大数据喂养起来的一个小怪兽,而且在深度学习算法没有明显突破的情况下,人工智能实现自我学习能力看起来还是遥遥无期,因此对于A.I.对人类的替代性以及威胁,还远没有达到让人类担忧的地步,
算法、算力、大数据三者相辅相成的逻辑关系相信大家都有所了解:06年辛顿教授提出了深度学习算法,开创了A.I.理论界的创新突破,后续在移动互联网的到来,促进了A.I.发展的最基础条件“大数据”的产生。大数据和深度学习算法的双剑合璧,再配合摩尔定律下的算力快速提升,从而输出不同场景以及行业下的A.I.解决方案,如现在大家经常看到的人脸识别、物体识别、语音识别、语音合成等多方面的应用和成果。
当前大家探讨最多的就是人工智能在各个领域的应用。当人工智能这个性感的时髦词语和工业这一厚重沉闷的词语碰撞在一起的时候。问题来了:人工智能三大要素在这一发展趋势之下,是否还会适用?
如果我们多留心产业A.I.的动向,就会发现从去年下半年开始,相关项目的PPT里越来越多提到行业专家、Know-How这样的字眼。从算法问题,算力与数据问题,再到Know-How问题,本质上来说A.I.正在一步步向神秘的产业世界进发。
Know-How中文译名为:技术诀窍,最早指中世纪手工作坊师傅向徒弟传授的技艺的总称。现在多指从事某行业或者做某项工作,所需要的技术诀窍和专业知识。
理想情况下:人工智能如果要进入一个工业领域,需要一个专业的行业专家做指导,这个专家可以是一个人,也可以是一家公司,Know-How更多的类似这种中介机制的存在,确保A.I.在各个领域的应用和需求充分对接和满足。它的好处有以下几点:
1、控制行业差异化,从而保证工业应用效果。
2.关键训练数据的获取和应用。
A.I.离不开数据,现在人工智能发展应用集中在通用数据,随着物联网和信息网的物信融合趋势,导致现在数据价值密度大大增加,甚至引发了边缘计算的趋势现象,大数据的获取纬度和密度都出现前所未有的加大,挑战和机遇并存。首先工业领域里那些从未被公开的工业价值数据如何应用、如何防止泄露,其次工业应用在物信融合的趋势,还可能发现一些新的数据纬度和价值,如何挖掘、如何应用。上述两点都可以理解为,A.I.在工业应用的另外一个Know-How价值点。
1.尝试在供应链中理解和梳理成本与价值的关系。
2.在产业链赋能中加入复杂的商业博弈逻辑和关系。
其实总结下来,Know-How能力真的是有点像是A.I.与工业之间的中介。想明白这一点,智能+的应用和推进落地就需要更多理性在里面:
智能+,不能快刀斩乱麻,只能循序渐进
智能+,切入点要优先考虑某些重点工业领域,比如新千亿市场轨道交通领域
拥有Know-How能力,才是智能+落地的关键!
在技术与场景融合的过程中,核心技术和行业 Know-How将成为企业构筑竞争壁垒的关键;
让懂A.I.的人与懂行业的人在此时尽快相识相爱,形成亲密的合作关系,才是人工智能发展到现如今,在智能+新时代下,大家需要重点考虑的问题。
