AI技术产业化的关键在于“场景”

镁客网 中字

走过一个甲子的时间,人工智能经历了“三起两落”。如今,人工智能已经迎来了第三次浪潮。而在其中,我们看见了深度学习算法、语音识别、计算机视觉、自动驾驶等技术的和行业应用在落地上的循序渐进,也看见了政府对于人工智能产业的大力支持。比如不久前我国国务院发布的首个针对人工智能的“国”字号文件——《新一代人工智能发展规划》,为人工智能行业下一步的发展规划提出了方向性的意见,包括“三步走”战略、市场规模的预期等等。

AI技术产业化的关键在于“场景”

人工智能浪潮已至,李开复指出玩家的四种玩法

“从创新工厂的角度来看,人工智能将经历四波浪潮:第一波是互联网人工智能,他们得天独厚的得到大量的、已标注的场景内数据,美国的谷歌、Facebook和中国的BAT就是一个例子,得天独厚;第二波是根据商业场景渠道数据,用这个数据根据商业流程来产生价值的公司;第三波就是做传统企业的AI+工作,把真实物理世界过去不上线的数据捕捉并运用起来,来创造新的应用,像智能商店等等;第四波是AI整个动起来了,像机器人、无人驾驶等等。”在昨日于南京国际博览会议中心举办的2017 中国人工智能峰会”(CAIS 2017)上,创新工场创始人李开复如此说到。

AI技术产业化的关键在于“场景”

在这段话中,李开复给我们描述了人工智能发展中的四类浪潮。但是我们从另一个角度来看,这又何尝不是人工智能领域中,玩家的四种不同的玩法?与此同时,不仅仅是告诉我们人工智能玩家的玩法,从投资者的角度来看,李开复还为这四种方式,或者说四种不同的领域做出了评价。

他表示,第一波已经发生了,并且已经有了许多的2C的应用,像Facebook、微信、今日头条等等,对于玩家而言已经没有了创业的空间;第二波AI+的巨大机会在于与传统行业的结合,比如创新工场所参与投资的旷视、追一科技等等;第三波是传统公司的机会;第四波是相当困难的,比如无人驾驶等,它们还需要继续在技术上进行突破,不过,一些场景化应用还是可行的。

人工智能技术产业化,首先要做的是寻找一个应用场景

深度学习算法、语音识别、语义分析、计算机视觉……这些都是人工智能领域中我们耳熟能详的技术。而基于这些技术,我们也看见了自动驾驶、机器人、“刷脸”支付等人工智能产品和应用。其中,计算机视觉、语音识别等细分产业已经具备了相当的规模,可以说是实现了产业化。

相比之下,自动驾驶技术等等在产业化上就弱的许多,我们不禁疑惑了,在技术的产业化应用上,玩家应该怎么做?相比于语音识别等人工智能技术,自动驾驶或许在识别准确率上还需继续努力,但当前的产业化真的不可行吗?

事实上,这个答案是否定的。至于如何实现产业化,在技术、性能这一硬性要求之前,寻找一个合适的应用场景是非常重要的。

AI技术产业化的关键在于“场景”

“AI最重要的是场景。中国人工智能产业缺的不是技术和人才,而是一个好的场景来落地。场景的定义和细分会推动技术的提升,相反的,技术的提升也会催化场景的出现。”在讨论人工智能双重驱动力的时候,旷视科技创始人、CEO印奇表示。

以人脸识别为例,在B端市场,安防、身份验证等多个领域就是它实现价值和提供服务的场景。又比如无人驾驶,虽然技术上还需突破,在法律上也有着桎梏,但这并不妨碍无人驾驶汽车在封闭性或固定性场景中的低速行驶的这一落地和产业化,正如驭势科技创始人、CEO吴甘沙所列举的园区接泊车、仓库中的叉车等特殊车种。

AI技术产业化的关键在于“场景”

关于这一点,地平线机器人技术副总裁、首席云架构师吴强以及图灵机器人创始人、CEO俞志晨也有着自己的看法。吴强表示,地平线机器人致力于嵌入式处理器,但这只是基础技术,只有围绕应用场景来定制解决方案才能精准的满足需求,才能形成规模化落地,继而再达到产业化。至于俞志晨,依据自己在行业、应用场景中的摸索的经验,他总结称,只有深挖场景化,才能实现人工智能技术在实际场景中的价值和服务。

我们可以看见,现如今的语音识别、计算机视觉等技术在性能上已经是相当的成熟了,但是从产业来看,这些技术的应用场景也只是被局限在那么几个领域之内。如此,从某一程度来讲,或许那几个领域已经发展的很成熟,但是这些技术的产业化还需继续开拓更多的应用场景。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存