应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

人工智能商业化还要多久?

2017-08-28 16:55 中国IDC圈

导读:以人工智能为首的新兴科技,正在逐渐成为国家发展扶持的对象。而对于人工智能如何实现商业场景的应用?如何使人工智能成为我国经济发展的又一驱动力?日益成为越来越多工商企业界甚至是政府所关注的焦点。

  一直以来,人工智能都是人们关注的焦点。伴随AlphaGo先后两次战胜围棋界冠军李世石、柯洁二人,人工智能便进入到“暖春”阶段。现阶段,在人工智能领域,百度、谷歌、苹果、微软、Facebook、IBM、英特尔等国内外互联网巨头纷纷加注资金,对应用更为广泛的人工智能产品进行开发。

  伴随数据的增多以及硬件算力(大量高性能硬件组成的计算能力,如GPU)的提升,语音识别、自动驾驶、深度学习等人工智能技术正逐步从实验室走向应用化和产业化。然而,技术壁垒逐渐消除之后,人工智能再次面临着另外一个难题——商业模式的探索。

  近日,国务院印发了我国第一份人工智能发展规划——《新一代人工智能发展规划》。《规划》对人工智能的发展进行了战略性部署,确立了“三步走”的目标。《规划》指出,到2030年,我国人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心。

  此前,在第十六届中国互联网大会上,工业和信息化部部长苗圩曾表示,新兴科技产业应加强关键核心技术的攻关突破,加快人工智能、虚拟现实等技术的研发和商用。

  由此可见,以人工智能为首的新兴科技,正在逐渐成为国家发展扶持的对象。而对于人工智能如何实现商业场景的应用?如何使人工智能成为我国经济发展的又一驱动力?日益成为越来越多工商企业界甚至是政府所关注的焦点。

  一、人工智能的近忧——商业价值没有得到充分的验证

  日前,麦肯锡发布的一份报告显示,2016全年,全球企业在人工智能领域投资约300亿美元,与2013年相比,多出3倍。然而,投资的90%用于研发,10%用于收购,大部分人工智能投资者尚未拿到投资回报。足以见得,人工智能的商业价值并未充分体现。

  1、技术驱动人工智能热潮再袭

  无论是语音识别还是图像识别,亦或是AlphaGo的出现,现阶段的人工智能确实取得了飞速发展,实质上这是技术驱动的结果,并不是商业驱动,甚至谈不上人工智能商业化。为什么说是技术驱动?

  首先是大数据时代的到来。数据极大的增多,是人工智能再一次赚足人眼球的重要原因。究其根本,数据的增多得益于互联网的发展;再者就是整个硬件算力(大量高性能硬件组成的计算能力,如GPU)层面的提升。伴随GPU、TPU等硬件的不断更新,计算能力得到了大大地提升;最后就是深度学习广泛运用于人工智能。在80年代,人们就开始提及深度学习。然而,在当时的条件,没有充足的数据以及高效的算力支撑,深度学习根本无法开展,因此,深度学习并不能完全作用于人工智能。从目前来看,人工智能只是单纯地实现了技术的驱动。

  2、人工智能尚未充分满足客户需求

  从客户需求角度来讲,实际上,人工智能并没有完全的、充分的满足客户需求。现阶段,用户在感知和交互方面的需求极为强烈,但是目前人工智能在这两方面的发展并不能满足用户需求。例如:在语音交互方面,用户要想实现语音唤醒,操作起来还是比较困难的。而且,人工智能并没有解决在远距离上实现语音识别功能的问题。

  而且,从目前的几个典型应用场景来看,诸如:机器翻译、语音助手以及身份识别,并没有满足用户需求。实际的客户需求并没有得到完全的、充分的满足,这也就意味着人工智能技术本身没有得到商业认可。

  3、新的商业模式没有出现

  实际上,人工智能并没有带来新的商业模式,主要体现在两个方面:

  一方面是指现有的人工智能技术是一种优化,主要是在业务层面的优化。换句话讲,一旦失去人工智能这种技术,公司不会受到任何影响,公司的业务还能继续进行运作,企业的商业模式也不会遭受威胁。从目前整个商业层面来看,至今没有出现因为离开了人工智能,企业的商业模式受到极大挑战的案例。

  另外一个层面是说,人工智能团队在企业里面仅仅是起到技术支撑的作用,算得上是技术部门,而不是独立的业务部门。这一点也就说明了由于人工智能而单独存在的商业模式并没有出现。

  4、人工智能技术应用领域狭窄

  据统计,目前覆盖全球的62个国家的近千家人工智能公司,人工智能应用场景仅仅包含语音识别、手势控制、虚拟私人助手、语音翻译、智能机器人和智能汽车等十余个产业。由此可见,整个人工智能的应用领域还是比较狭窄、狭隘的。

  就目前应用领域来讲,人工智能广泛应用于机器翻译、智能控制、专家系统、机器人学、语言和图像理解、遗传编程机器人工厂、自动程序设计、航天应用、庞大的信息处理、储存与管理、执行化合生命体无法执行的或复杂或规模庞大的任务等方面。比如,人脸识别技术现在开始逐步应用,并且主要运用在安防领域。当然,我们也看到了人工智能在医疗、教育、娱乐等方面的做了一些尝试,但其开发的广度和深度还是有待拓展的。

  而在大量的线下实体行业中,人工智能技术并没有得到充分的应用。因为在这些行业里面,数据往往都是很少量的,没有大量的用户行为数据。没有大量数据的支撑,就很难实现人工智能技术层面的应用。然而,没有应用场景支持的人工智能终究还是空中楼阁。

  三角兽科技创始人兼COO马宇驰表示,人工智能技术只有真正落地,有商业场景应用才具有生命力。

  当然,人工智能的商业化不是一蹴而就的,它的实现是需要一个过程的,需要企业把人工智能真正地应用到商业环境里面去。人工智能可以通过技术支撑不断发展,拓展更多的应用场景,应用到更多的产业领域,而多样化的应用场景、广大的市场需求又反过来驱动支撑技术,从而带动整个人工智能行业的可持续发展。

  二、人工智能怎样才能真正落地?

  百分点集团董事长苏萌认为,目前人工智能领域的火爆,与3年前大数据火爆场景似乎同出一辙。他表示,尽管现在在人工智能领域的创业团队越来越多,但真正能找到并实现商业模式的团队并不多。目前应该深刻思考的一个问题是:人工智能如何能真正的落地。在苏萌看来,能真正实现人工智能落地的领域只有行业人工智能和商业人工智能。

  百分点集团技术副总裁兼首席架构师刘译璟认为,人工智能本身是一个非常综合的领域,它与哲学、数学、物理学、信息学、心理学和生命科学等学科都存在着密切关系。如果人工智能要实现自身发展,支撑其发展的底层理论同样也要得到更新。除了在理论层面进行更新外,刘译璟强调在技术层面要建立集中式建模+ 微建模的建模模型,实现云计算与边缘计算的紧密结合。

  在刘译璟看来,目前在计算能力方面,量子计算将给人工智能带来新的飞跃。一方面,量子算法可以极大的提高机器学习的效率,另一方面,量子物理理论阐述:人的意识与量子计算之间有很大的关联的。正是基于量子理论与意识之间微妙的关系,量子计算有可能会为人工智能带来“意识”。现阶段,像IBM、Google、微软这样的巨头公司早已经开始布局量子计算领域。

  针对大量的线下实体行业往往不具备海量数据,刘译璟给出自己的看法,通过建立实用的知识图谱解决机器学习面临的冷启动问题。解决冷启动这一问题是利用人们在该领域中已有的经验和知识,将这些知识“告知”计算机,并让它利用这些知识解决问题。刘译璟认为,建设一个实用的知识图谱,首先需要清晰准确地梳理已有的知识,然后用实体、属性、关系等方式对知识进行描述。一旦将知识图谱建立起来,将不仅为单个企业,还将为整个行业、乃至整个世界带来极大的价值。目前,像 Google、微软这样的巨头已经在纷纷建设自己的知识图谱。

  可以预料到,人工智能的进一步发展一定会依赖于各行各业知识图谱的建设,否则人工智能终将停留在实验室而无法深入到真实业务中。

  然而,IBM大中华区副总裁郭继军曾经表示,并不是每个领域都要实现人工智能商业化,首先要找到适合运用人工智能的领域。人工智能的商业应用势必会在传统的线下行业得到运用,甚至是更加聚焦的垂直行业里面。但是,在这些行业里面,数据往往都是很少量的,没有大量的LG数据以及用户行为数据。通过人工智能,在行业领域内,形成一套新的、完整的知识体系,从而帮助这些企业进行决策。

  在郭继军看来,找到合适的领域之后,最为重要一点便是解决如何提高数据挖掘能力的难题。大数据是企业能否实现人工智能的关键性因素。在深度学习之前,可能因为算力的原因,没有办法理解和洞察企业的非结构化数据,但是基于深度学习的人工智能现在具备这样的能力。所以对于现阶段的人工智能来讲,不是惧怕数据太多,而是怕没有数据可进行分析。

  三、究竟我国的人工智能商业化还要多久?

  在此前发布的《中美两国人工智能产业发展全面解读》报告中似乎能找到答案,报告指出,虽然目前中国AI企业增势并不明朗,但根据行业发展周期来计算,中国人工智能产业将会在2018年回暖,新增公司数量会上扬到30家以上,预期融资累计量将会达到900-1000亿人民币。

  日前,《新一代人工智能发展规划的通知》的颁发,确立了“三步走”目标:到2020年人工智能总体技术和应用与世界先进水平同步;到2025年人工智能基础理论实现重大突破、技术与应用部分达到世界领先水平;到2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心。《规划》从国家层面对人工智能进行系统布局,部署构筑我国人工智能发展的先发优势。

  这样看来,到2025年,人工智能的部分应用领域将实现商业化运作,到2030年,人工智能的总体应用将实现更为广泛的商用。由此看来,人工智能商业化已经处于阵痛期,人工智能的商业化运作,产业化运营已经离我们不远了。