云基智能机器人实验室
数据先行迎难而“下” 这才是AI革命的正确打开方式
9
发表时间:2018-05-02 14:20来源:OFweek机器人网网址:http://robot.ofweek.com/2018-05/ART-8321206-8470-30227064.html

  在“M-TECH主题论坛”苏州站会议中,无论是专注于前端成像芯片的眼擎科技商务总监代勇,还是致力于人脸识别研发与服务的云从科技高级副总裁孙庆凯,都不约而同得谈到了一个话题:怎样让AI技术真正落地,为整个产业赋能?

1525221677813022435.jpg


  智能的开始,源自应用场景的“数据”


  提到“智能”,AI领域的标志性人物Michael I. Jordan就曾直言不讳地给出否定:“我不喜欢用‘智能’这个词,我认为我们现在还没造出‘智能’,也不知道‘智能’是什么。”


  尽管“智能”一词盛行,但要在真正意义上实现它,并不容易。以发展成熟的智能音箱为例,连美国官员都在吐槽其“智障”。显然,用户用实际态度告诉我们,现在的AI产品还没有达到我们心中对“智能”的定义。这也导致了从去年就喊起的“AI赋能”口号迟迟未能落实。


  “机器要想像人类、动物一样智能,首先需要做的就是获得大量知识。”Michael I. Jordan说。


  众所周知,这里的“知识”指的是有价值的数据,而它也是当前AI企业在做任何研究和产品之前所必须的“养分”。


  对此,孙庆凯就在会议中特意介绍了他们的数据库--云从大脑:

  

  “云从大脑就是基于智力资源构建的,这些资源来源于海内外的专家资源和重要的平台资源。如我们在美国有两个很重要的分支机构;在国内,我们也和公安部一起合作搭建了应用平台,并与公安部、四大行和民航总局建立了联合实验室。这些数据可以打造真正的 云从大脑,以用于提高识别的精准度。”


  迎难而“下”,深入行业


  尽管都知道数据极其重要,但是却没有几家公司真正投入到数据挖掘的事业中,这一点在现有AI产业发展上表现得尤为明显。

1525221691423014155.jpg


  谈及AI产业链上下游的企业,人们喜欢将更多的目光投射在上中游的芯片、算法大公司,因为它们代表着真正的技术和未来。甚至连AI独角兽它们自己都常常忽视了最接近用户、产品端的下游产业。


  但随着AI产业退去热潮,资本也逐渐趋于冷静,此时,注重商业化落地、AI赋能被提上了日程。2017年7月,国务院也迅速做出了反应,发布了《新一代人工智能发展规划》,并在十九大中强调将人工智能和实体经济深度融合。


  值此之际,在行业发展上,孙庆凯结合自身企业的发展给出了建议:“只有深入行业,深入到各种应用场景中,我们才能够真正了解行业的需求,做出真正的解决方案。对上游厂商来说,这也是真正的解决办法。”


  在这一点上,眼擎科技与云从不谋而合,它也是通过打入下游的方式,探索行业的真正需求。其产品--前端成像芯片,就是上下游交集的产物。他们通过收集和处理前端数据,并用高质的信息来优化自己的芯片设计。


  “我们自己开车,有这样的体验:两边有路灯,汽车有大灯,前方的行人肯定能被驾驶员看见。但对于机器,情况就有所不同。只要机器本身的识别能力不够,就做不到像人类一样轻松判断。”


  而这是只有贴近前端才会发现的问题。


  “这时如果不解决其在日常生活中弱光、逆光、反光灯环境的自适应成像能力问题,AI视觉产品就无法大规模落地。”代勇表示。


  产业化落地,现在的首要难点在哪里?


  其实前端成像只是众多行业里一个微小应用场景。尽管大家一致认为要通过场景的应用倒逼产业的发展,但要实现技术的产业化落地,AI巨头们不仅需要耐下心来走入行业,更要根据行业的实际发展情况找准正确的切入点。


  事实是,因为发展速度的不同,监管力度的差异,各个行业(如金融、医疗、电商、教育等)正在经历的智能化阶段不尽相同,因而其数据可利用的程度也是参差不齐。


  在众多细分化场景下,金融、电商无疑是数据最为成熟的领域。无论是从监管层面,还是数据积累上,它们都足以支撑AI产品和技术的发展。以金融领域为例,中国的金融体制已经改革,并建立了一个相对完善的征信和信用体系,所以现在金融科技企业可获取的数据几乎是透明且相同的,因而他们的重点自然就落在了AI应用产品的探索上了。

1525221716656059428.jpg


  而与此同时,医疗领域却正在经历一个“跑马圈地”的阶段。对此,专注于语音识别及语言处理技术的云知声?创新事业部总经理陈吉胜就毫不避讳的指出:医疗最重要的就是数据。


  “我们为了拿到相应的数据,做了很多努力,无论是跟协和医院,还是和平安好医生的合作,包括和平安好医生成立合资公司,都是希望双方在数据方面进行更深入的共享。”


  至于教育,因学生的行为极其复杂,目前甚至还没有一家公司可以找到合适的方式去定义它们,真正“智能”的教育机器人就更加无从谈起。


  总结


  数据统计显示,与没有使用大数据、云计算的同行们相比,采用这些技术和移动战略的企业发展速度要超过其53%。


  当人人都想脱颖而出时,真正的AI企业们应该耐下心来投身到自己所在的行业中,去探索数据中不为人知的秘密,从而设计出真正适合人类使用的产品。

会员登录
登录
我的资料
留言
回到顶部