儲(chǔ)i3000-156x50（2）.jpg)
近幾年來(lái)，隨著存儲(chǔ)能力、運(yùn)算能力的爆發(fā)式增長(zhǎng)，人工智能的應(yīng)用也越來(lái)越火，我所從事的行業(yè)“智能制造”也需要用到AI技術(shù)，我一直也將智能制造中的“智能”解讀為“人工智能”，人工智能的發(fā)展經(jīng)過(guò)60年的時(shí)間，越來(lái)越多的企業(yè)也開(kāi)始擁抱人工智能。
關(guān)于人工智能的定義，阿里云研究中心最新報(bào)告《人工智能：未來(lái)制勝之道》也有明確指出："人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。自20世紀(jì)50年代以來(lái)，三次技術(shù)革新浪潮中，學(xué)界和業(yè)界對(duì)人工智能的理解眾說(shuō)紛紜，科技和商業(yè)的多元化發(fā)展導(dǎo)致對(duì)人工智能的定義、發(fā)展動(dòng)力以及表現(xiàn)形式的理解各異。讓我們從以下四個(gè)維度來(lái)總結(jié)和理解人工智能的多種內(nèi)涵：
人工智能的定義：根據(jù)人工智能的應(yīng)用，人工智能可以分為專(zhuān)有人工智能、通用人工智能、超級(jí)人工智能；根據(jù)人工智能的內(nèi)涵，人工智能可以分為類(lèi)人行為（模擬行為結(jié)果）、類(lèi)人思維（模擬大腦運(yùn)作）、泛（不再局限于模擬人）智能。
人工智能的驅(qū)動(dòng)因素：算法/技術(shù)驅(qū)動(dòng)、數(shù)據(jù)/計(jì)算、場(chǎng)景和顛覆性商業(yè)模式驅(qū)動(dòng)
人工智能的承載方式：技術(shù)承載方式：?jiǎn)螜C(jī)智能、平行運(yùn)算/多核智能、高度分散/群體智能；表現(xiàn)方式：云智能、端智能、云端融合。
人工智能與人的關(guān)系：機(jī)器主導(dǎo)、人主導(dǎo)、人機(jī)融合
現(xiàn)階段，人工智能正在從專(zhuān)有人工智能向通用人工智能發(fā)展過(guò)渡，由互聯(lián)網(wǎng)技術(shù)群（數(shù)據(jù)/算法/計(jì)算）和應(yīng)用場(chǎng)景互為推動(dòng)，協(xié)同發(fā)展，自我演進(jìn)。人工智能已不再局限于模擬人的行為結(jié)果，而拓展到'泛智能應(yīng)用'，即更好地解決問(wèn)題、有創(chuàng)意地解決問(wèn)題和解決更復(fù)雜的問(wèn)題。這些問(wèn)題既包含人在信息爆炸時(shí)代面臨的信息接受和處理困難，也包含企業(yè)面臨的運(yùn)營(yíng)成本逐步增加、消費(fèi)者訴求和行為模式轉(zhuǎn)變、商業(yè)模式被顛覆等問(wèn)題，同時(shí)還包含社會(huì)亟需解決的對(duì)自然／環(huán)境的治理、對(duì)社會(huì)資源優(yōu)化和維護(hù)社會(huì)穩(wěn)定等挑戰(zhàn)。"
在現(xiàn)在的階段，我們可以看到以下的人工智能技術(shù)：
基于AI技術(shù)的應(yīng)用場(chǎng)景舉例：
●語(yǔ)音搜索和輸入：擺脫拼音和生僻字造成的障礙，降低使用成本的同時(shí)也大大提高了用戶的輸入效率。
●語(yǔ)音任務(wù)播報(bào)：將應(yīng)用場(chǎng)景中的公告和任務(wù)通過(guò)語(yǔ)音進(jìn)行播報(bào)，讓操作者在執(zhí)行過(guò)程中，也可及時(shí)獲得任務(wù)等重要信息。
●有聲閱讀：運(yùn)用語(yǔ)音合成的技術(shù)，將文學(xué)作品、新聞、資訊類(lèi)、公告類(lèi)等文字內(nèi)容，有情感地閱讀出來(lái)，擺脫文學(xué)閱讀時(shí)對(duì)雙手雙眼的束縛。
●智能語(yǔ)音助理：擁有機(jī)器和人對(duì)話的能力，機(jī)器能聽(tīng)懂用戶的話，并給予相應(yīng)的反饋。
●遠(yuǎn)程身份認(rèn)證：結(jié)合OCR和人臉識(shí)別技術(shù)，實(shí)現(xiàn)用戶證件信息的自動(dòng)錄入；并通過(guò)活體檢測(cè)，判斷用戶為真人；通過(guò)對(duì)比真人照片與公安身份照片，判斷用戶是否為本人，從而完成用戶身份登記與核真檢驗(yàn)。
●刷臉門(mén)禁考勤：基于人臉識(shí)別，實(shí)現(xiàn)企業(yè)、商業(yè)樓宇、住宅、會(huì)場(chǎng)等多種場(chǎng)景的刷臉通行，支持大規(guī)模云端人臉查找及本地化部署；支持多人臉庫(kù)分組，結(jié)合身份信息確認(rèn)的高級(jí)人臉認(rèn)證等功能，提升用戶體驗(yàn)的同時(shí)保障通行安全性。
●紙質(zhì)文檔票據(jù)電子化：利用文字識(shí)別技術(shù)基于深度學(xué)習(xí)技術(shù)和海量?jī)?yōu)質(zhì)數(shù)據(jù)，實(shí)現(xiàn)高精度的圖像文字、表格票據(jù)的檢測(cè)和識(shí)別，極大的提升了錄入效率，降低了輸入成本。
●圖片與視頻審核：對(duì)圖片或視頻中的內(nèi)容進(jìn)行深度識(shí)別和檢測(cè)，快速準(zhǔn)確發(fā)現(xiàn)相關(guān)違規(guī)內(nèi)容，幫助應(yīng)用規(guī)避審查風(fēng)險(xiǎn)的同時(shí)極大的降低人工成本。
●視頻搜索和推薦：使用視頻內(nèi)容分析，通過(guò)視頻OCR、視頻公眾人物識(shí)別、視頻場(chǎng)景識(shí)別、視頻分類(lèi)、視頻語(yǔ)音識(shí)別多維識(shí)別視頻內(nèi)容，自動(dòng)抽取視頻內(nèi)容標(biāo)簽，實(shí)現(xiàn)視頻內(nèi)容的智能搜索和推薦。
●個(gè)性化內(nèi)容推薦：基于用戶畫(huà)像，融合推薦技術(shù)、內(nèi)容生成技術(shù)，為各類(lèi)網(wǎng)站、APP提供個(gè)性化內(nèi)容推薦服務(wù)。在深度了解訪客的基礎(chǔ)上，實(shí)現(xiàn)實(shí)時(shí)個(gè)性化推薦，幫助提高內(nèi)容點(diǎn)擊率，提升網(wǎng)站流量和用戶粘性。
●目標(biāo)客戶分析：目標(biāo)客戶分析是基于用戶畫(huà)像和用戶意圖識(shí)別能力，提供群體用戶描述的分析服務(wù)，幫助企業(yè)深度理解客戶群特征，涵蓋人口屬性、社會(huì)屬性、興趣偏好等維度。
●商業(yè)線索挖掘：基于企業(yè)知識(shí)圖譜、用戶畫(huà)像、機(jī)器學(xué)習(xí)等能力，幫助客戶在全國(guó)海量的企業(yè)中挖掘合適的潛在客戶、提供銷(xiāo)售轉(zhuǎn)化預(yù)測(cè)服務(wù)，助力企業(yè)挖掘市場(chǎng)商機(jī)、拓展市場(chǎng)空間、縮短成單周期。
●精細(xì)化運(yùn)營(yíng)：借助大數(shù)據(jù)能力，打通線上線下數(shù)據(jù)，幫助企業(yè)了解受眾人群、分析流量、洞察客戶屬性，輔助營(yíng)銷(xiāo)等精細(xì)化運(yùn)營(yíng)決策。
無(wú)論是語(yǔ)音還是圖像識(shí)別，均需要數(shù)據(jù)支持。用深度學(xué)習(xí)來(lái)說(shuō)，它需要一個(gè)Data sample，這個(gè)sample需要先進(jìn)行人工標(biāo)注，人工標(biāo)注以后丟到model里面，對(duì)這個(gè)sample進(jìn)行train，這需要一個(gè)過(guò)程來(lái)完成?？梢?jiàn)，數(shù)據(jù)（Data）是人工智能的血液。
說(shuō)到數(shù)據(jù)，毋庸置疑，是這個(gè)時(shí)代的重要資產(chǎn)。數(shù)據(jù)，反映了事物的原理和規(guī)律。當(dāng)你找到它的規(guī)律后，可以去預(yù)測(cè)未知。如果說(shuō)數(shù)據(jù)是原油的話，那么AI（Artificial Intelligence, 人工智能）就是從原油中提煉各種高價(jià)值產(chǎn)品的加工廠，它的重要性可見(jiàn)一斑。
從數(shù)據(jù)中發(fā)現(xiàn)知識(shí)、洞察和規(guī)律，這本身不是一個(gè)新概念。幾百年前，在開(kāi)普勒時(shí)代就有這樣的實(shí)踐。當(dāng)時(shí)，開(kāi)普勒從幾百頁(yè)的天體位置數(shù)據(jù)中，提煉并總結(jié)出了天體運(yùn)動(dòng)的三定律，至今仍在被使用，也就是我們熟知的開(kāi)普勒三定律?，F(xiàn)在，AI幫助我們實(shí)現(xiàn)了借助大規(guī)模云計(jì)算的方法，從海量的數(shù)據(jù)中自動(dòng)學(xué)習(xí)知識(shí)和規(guī)律。
那么，作為一個(gè)數(shù)據(jù)驅(qū)動(dòng)的AI框架，它可以給我們帶來(lái)哪些作用？
首先，數(shù)據(jù)驅(qū)動(dòng)的AI框架可以帶來(lái)個(gè)性化的體驗(yàn)。例如當(dāng)我們進(jìn)入一些網(wǎng)站，會(huì)得到許多個(gè)性化體驗(yàn)。這些體驗(yàn)讓網(wǎng)站不再是千人一面，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的AI框架可以為每一位訪客做出調(diào)整和優(yōu)化。有效的個(gè)性化服務(wù)源自對(duì)大量數(shù)據(jù)的深度分析，AI幫助我們精準(zhǔn)地將最恰當(dāng)?shù)捏w驗(yàn)匹配給每位用戶。
其次，數(shù)據(jù)驅(qū)動(dòng)的AI框架可以帶來(lái)細(xì)粒度的行業(yè)策略，這些策略可以幫助企業(yè)精細(xì)化地運(yùn)營(yíng)。例如，一個(gè)產(chǎn)品的目標(biāo)客戶群可以粗略地定義為一定年齡范圍的男性或女性。應(yīng)用了數(shù)據(jù)驅(qū)動(dòng)的AI框架以后，我們可以得到一個(gè)比較詳細(xì)的描述，我們不僅可以基于年齡、性別這樣的因素，還可以交叉考慮更多的維度，例如興趣愛(ài)好、行為習(xí)慣等，從而得到細(xì)粒度的營(yíng)銷(xiāo)策略。
最后，數(shù)據(jù)驅(qū)動(dòng)的AI框架可以帶來(lái)知識(shí)和洞察。我們從經(jīng)驗(yàn)中可以學(xué)習(xí)到新知識(shí)，而數(shù)據(jù)驅(qū)動(dòng)的AI框架帶給我們的核心價(jià)值是，持續(xù)地、運(yùn)營(yíng)化地從數(shù)據(jù)中挖掘知識(shí)、學(xué)習(xí)知識(shí)的能力。這個(gè)知識(shí)未必是寫(xiě)在教科書(shū)上的，而是從數(shù)據(jù)中實(shí)時(shí)地、最大體量地同時(shí)也是最有效地獲得知識(shí)，用于生產(chǎn)和業(yè)務(wù)實(shí)踐中。類(lèi)似地，通過(guò)AI可以從數(shù)據(jù)中獲得持續(xù)的洞察。
AI的核心之一是去平均化。例如，對(duì)一個(gè)公司來(lái)說(shuō)，客戶的平均價(jià)值可能是一百元，而去平均化告訴我們，不同客戶對(duì)應(yīng)的價(jià)值是不同的。這個(gè)可以通過(guò)AI，從過(guò)去客戶的行為數(shù)據(jù)等屬性中學(xué)習(xí)出來(lái)，建立自學(xué)習(xí)模型，預(yù)測(cè)每個(gè)客戶的價(jià)值是多少。客戶的實(shí)際價(jià)值，可能與平均值相差很遠(yuǎn)。不僅客戶的價(jià)值，客戶是否會(huì)購(gòu)買(mǎi)一件商品，喜歡什么樣的商品，以及如何促成一次購(gòu)買(mǎi)等這些問(wèn)題，都可以通過(guò)AI技術(shù)來(lái)幫助回答。去平均化的應(yīng)用不僅局限于營(yíng)銷(xiāo)領(lǐng)域，還可以應(yīng)用于醫(yī)療和其他商業(yè)領(lǐng)域。例如，在醫(yī)療領(lǐng)域，基于病例來(lái)預(yù)測(cè)得壞血病的概率和再入院的概率，能夠幫助醫(yī)院挽救病人和降低醫(yī)療成本，這些應(yīng)用已經(jīng)在一些大醫(yī)院里開(kāi)始實(shí)行。
著名的科技思想家凱文·凱利說(shuō)AI是認(rèn)知化。如果說(shuō)電力化帶來(lái)了人工的動(dòng)力，那么認(rèn)知化帶來(lái)了人工的智能。大量的實(shí)踐表明，在感知方面，包括AI的視覺(jué)、聽(tīng)覺(jué)、語(yǔ)言理解等方面，AI可以接近人腦；在支持專(zhuān)業(yè)決策方面，在海量數(shù)據(jù)的支持下，AI甚至可以超越人腦。
諸如此類(lèi)的應(yīng)用還有很多，數(shù)據(jù)+AI的核心能力為我們構(gòu)建了一個(gè)發(fā)展中的企業(yè)服務(wù)生態(tài)，其中包括行業(yè)應(yīng)用，例如金融、醫(yī)療、教育等；另外在每個(gè)行業(yè)都有交叉的維度，也就是職能應(yīng)用，例如營(yíng)銷(xiāo)、客戶關(guān)系管理、安全等相關(guān)職能。行業(yè)應(yīng)用和職能應(yīng)用構(gòu)成二維的矩陣，AI在其中有很多的應(yīng)用場(chǎng)景。
實(shí)踐告訴我們，AI大規(guī)模商業(yè)應(yīng)用場(chǎng)景應(yīng)具備兩個(gè)必要條件：
1、數(shù)據(jù)的質(zhì)量和數(shù)量必須達(dá)到一定要求，尤其是整個(gè)數(shù)據(jù)流程的打通和定期的數(shù)據(jù)更新，這決定了AI發(fā)展的基礎(chǔ)是否牢固；
2、所在領(lǐng)域存在針對(duì)問(wèn)題的清晰定義，如果領(lǐng)域本身沒(méi)有明晰的問(wèn)題定義，則很難通過(guò)AI來(lái)解決問(wèn)題。從行業(yè)角度來(lái)說(shuō)，金融已經(jīng)比較接近這兩點(diǎn)；從職能角度來(lái)說(shuō)，營(yíng)銷(xiāo)、客戶關(guān)系管理、安全等一些數(shù)字化高的行業(yè)比較接近。
作為一個(gè)成長(zhǎng)中的企業(yè)，擁抱AI會(huì)面臨一些挑戰(zhàn)。在過(guò)去十多年的實(shí)踐中，我們發(fā)現(xiàn)了一些具有共性的挑戰(zhàn)。
第一、企業(yè)必須充分理解數(shù)據(jù)的價(jià)值。許多企業(yè)都想利用大數(shù)據(jù)推進(jìn)業(yè)務(wù)發(fā)展，然而數(shù)據(jù)資源就像其他優(yōu)質(zhì)資源一樣，是稀缺的。從一開(kāi)始，企業(yè)就需要設(shè)計(jì)特定的業(yè)務(wù)、產(chǎn)品和技術(shù)架構(gòu)，確保持續(xù)的運(yùn)營(yíng)可以沉淀下來(lái)相關(guān)的數(shù)據(jù)。對(duì)于有一定客戶體量的企業(yè)來(lái)說(shuō)，有價(jià)值的數(shù)據(jù)可能已經(jīng)在你的數(shù)據(jù)庫(kù)里。沒(méi)有意識(shí)到這點(diǎn)或者不懂得去挖掘數(shù)據(jù)的價(jià)值的企業(yè)，會(huì)錯(cuò)失利用AI的機(jī)會(huì)。
第二、發(fā)現(xiàn)和培養(yǎng)AI相關(guān)的人才刻不容緩。眾所周知，數(shù)據(jù)科學(xué)家的稀缺對(duì)這個(gè)新興的領(lǐng)域有很大影響。在國(guó)外，諸如InsightData Science這樣的培訓(xùn)項(xiàng)目，對(duì)行業(yè)產(chǎn)生了積極的影響。隨著數(shù)據(jù)科學(xué)家的隊(duì)伍日益壯大，在企業(yè)里從事AI的數(shù)據(jù)科學(xué)家也越來(lái)越常見(jiàn)。相較之下，我覺(jué)得業(yè)界更缺的是AI產(chǎn)品經(jīng)理。在與國(guó)內(nèi)外很多公司交流過(guò)發(fā)現(xiàn)，AI問(wèn)題的復(fù)雜性之一在于結(jié)果的不確定性，而具備AI背景的產(chǎn)品經(jīng)理非常少，不能夠很好地判斷價(jià)值與方向，進(jìn)而導(dǎo)致相關(guān)產(chǎn)品或項(xiàng)目的擱置。當(dāng)然這里面也有人才培養(yǎng)的問(wèn)題，例如我們可以嘗試鼓勵(lì)優(yōu)秀的數(shù)據(jù)科學(xué)家和工程師去主導(dǎo)相關(guān)產(chǎn)品的開(kāi)發(fā)，在業(yè)務(wù)的指引下，充分發(fā)揮專(zhuān)業(yè)人才的積極性，探索可行的方向。
第三、跨領(lǐng)域團(tuán)隊(duì)的交融與整合是落地的關(guān)鍵。打通數(shù)據(jù)的閉環(huán)后，產(chǎn)品、工程、AI的緊密結(jié)合，往往需要較長(zhǎng)時(shí)間的磨合。好比在我們構(gòu)建AI平臺(tái)的經(jīng)歷中，涉及大量團(tuán)隊(duì)溝通、配合、相互支持的工作。AI能否有效實(shí)現(xiàn)，工程能力的建設(shè)尤為重要。因?yàn)锳I不僅是算法問(wèn)題，如果沒(méi)有強(qiáng)大的數(shù)據(jù)處理基礎(chǔ)設(shè)施，那么就很難在大數(shù)據(jù)中進(jìn)行持續(xù)、大規(guī)模的AI應(yīng)用。基于這樣的需要，純工程師的團(tuán)隊(duì)和純科學(xué)家的團(tuán)隊(duì)，往往都不能最有效地幫助AI落地。只有團(tuán)隊(duì)、業(yè)務(wù)的深度融合才能創(chuàng)造更大的價(jià)值。
第四、AI要想為行業(yè)用戶發(fā)揮價(jià)值，就必須解決信任問(wèn)題。AI作為新興的思維方式和技術(shù)體系，在解決行業(yè)實(shí)際問(wèn)題的過(guò)程中，一個(gè)常見(jiàn)的瓶頸來(lái)自于信任的缺乏。這其中的信任就包括了對(duì)數(shù)據(jù)和算法的信任。一定范圍內(nèi)的數(shù)據(jù)共享可以增加信任，由此可以帶來(lái)全新的知識(shí)和洞察。另外，在企業(yè)內(nèi)部的落地場(chǎng)景中，AI的構(gòu)建者和使用方建立信任也至關(guān)重要，這需要在團(tuán)隊(duì)間基于回測(cè)或?qū)崪y(cè)的效果，進(jìn)行經(jīng)常性而有效的溝通。
在不同的行業(yè)和職能落地AI，無(wú)論是企業(yè)決策者還是執(zhí)行者，都將面臨各種各樣的問(wèn)題，其中不乏一些具有共性的挑戰(zhàn)。如果解決了這些挑戰(zhàn)，我相信不僅大企業(yè)，中小企業(yè)也會(huì)有比較大的空間來(lái)利用AI升級(jí)——運(yùn)用AI領(lǐng)域的最佳實(shí)踐，進(jìn)行快速概念驗(yàn)證，在風(fēng)險(xiǎn)可控的前提下落地生產(chǎn)。
關(guān)注本刊微信訂閱號(hào)