人工智能系列之一：迎接人工智能時代的到來

      算法與框架

　　AI主要包括各種不同的算法與技術。其中機器學習是一種統(tǒng)計學習方法，旨在訓練具有大量數(shù)據(jù)的模型。該模型從已知數(shù)據(jù)“學習”“規(guī)則”并自動更新模型中的相關參數(shù)。經(jīng)過訓練的“規(guī)則”和“模型”可用于預測現(xiàn)實世界中的未知數(shù)據(jù)。

　　深度學習是機器學習的一個子領域。它廣泛用于圖像識別，語音識別等領域。深度學習可實現(xiàn)無監(jiān)督學習——無需人工提取規(guī)則或功能。卷積神經(jīng)網(wǎng)絡(CNN)是一種典型的深度學習算法，經(jīng)證明在圖像識別和分類等領域非常有效。CNN通過分層多個(通常為4～5層或更多層)非線性函數(shù)來模擬人類神經(jīng)系統(tǒng)的工作過程。

　　AI框架的核心競爭力在于計算能力和訓練效率。數(shù)據(jù)并行性和模型并行性是提升算力與效率的兩種方式。

　　在數(shù)據(jù)并行性中，數(shù)據(jù)被放置在并行計算環(huán)境中的多個處理器上，不同的機器具有完整的模型副本。每臺機器只需獲取不同部分的數(shù)據(jù)并訓練數(shù)據(jù)。其關鍵在于整合不同機器的結(jié)果，達到快速收斂。

　　在模型并行性中，分布式系統(tǒng)中的不同機器負責單個網(wǎng)絡的不同部分中的計算——例如，神經(jīng)網(wǎng)絡中的每個層可以被分配給不同的機器。模型并行的優(yōu)點是可以通過使用多臺機器同時更新多個參數(shù)來加速算法。

　　垂直應用

　　AI的商業(yè)價值最終仍需要在垂直領域的應用中體現(xiàn)。成功的應用需要結(jié)合AI和特定行業(yè)的專業(yè)知識，將AI產(chǎn)品轉(zhuǎn)化為最終用戶的定制解決方案/服務。 AI目前已應用于醫(yī)療保健，工業(yè)，安全，金融科技等眾多行業(yè)。

　　AI能實現(xiàn)什么?

　　通過監(jiān)督學習、無監(jiān)督學習和強化學習等手段，機器可以利用統(tǒng)計模型，達到一定的“思考”能力。

　　圖像識別和人類語音識別已成為目前AI最重要的兩大應用。AI的準確性已達到滿足日常生活與工作需求的水平。當數(shù)據(jù)在未來變得更加結(jié)構(gòu)化和準確時，其應用將會變得更加廣泛。

　　機器學習結(jié)合其他技術支持各種應用。像DoNotPay這樣的聊天機器人使用機器學習來解釋用戶響應并確定后續(xù)查詢。特定于某種服務的語音命令即將成熟。使用語音識別可以在法庭上檢測情緒和謊言。內(nèi)部數(shù)據(jù)分析，例如通過機器學習可以實現(xiàn)協(xié)助起草文件，如簡報和語言優(yōu)化動作。

　　對于企業(yè)來說，AI可以提升運營效率、推動創(chuàng)新，并降低員工的勞動強度。

　　AI的應用存在哪些挑戰(zhàn)?

　　數(shù)據(jù)可獲得性、實施的復雜性、業(yè)務價值的開發(fā)是AI應用推廣所面臨的挑戰(zhàn)。

　　數(shù)據(jù)可獲得性：訓練模型用的數(shù)據(jù)集的數(shù)量和質(zhì)量在許多案例中都成為了AI應用的瓶頸。AI模型訓練需要基于充分的歷史或參考數(shù)據(jù)。而在很多情況下，企業(yè)缺乏有效的數(shù)據(jù)跟蹤與訪問的系統(tǒng)，甚至可能沒有數(shù)據(jù)的訪問權(quán)限。在另一些情況下，可能面臨的問題包括可用的數(shù)據(jù)不足、現(xiàn)有數(shù)據(jù)格式無法進行模型訓練等。

　　實施的復雜性：在某些領域(例如語音識別，安防監(jiān)控，圖像閱讀)，AI可以當做平臺被使用(AI-as-a-platform)。但在大多數(shù)情況下，要開發(fā)一套行業(yè)統(tǒng)一的AI解決方案，更不用說跨行業(yè)的解決方案。AI的實施需要大量的定制化工作和行業(yè)專業(yè)知識的支持。

　　業(yè)務價值的開發(fā)：AI的應用必須以給行業(yè)帶來真正的價值為基礎，無論是為了創(chuàng)收還是節(jié)約成本，或是賦予公司切實的競爭優(yōu)勢。我們預測AI會首先應用于能產(chǎn)生直接利益的領域，如：

　　提升營收：基于客戶特定的定制化推薦

　　節(jié)省成本：提高工作效率，預測異常情況

　　有形競爭優(yōu)勢：如用AI賦予成像設備，金融投資決策等

　　企業(yè)應該為AI時代的到來做些什么準備?

　　首先，企業(yè)的管理層應明確發(fā)揮AI技術優(yōu)勢的方式與方法，他們應評估AI應用的會帶來的短期和長期的價值以及相應的財務影響。

　　其次，公司應有效評估其內(nèi)部IT能力和基礎設施。通常，不同行業(yè)企業(yè)的能力和資源會有非常大的差異，很多傳統(tǒng)行業(yè)企業(yè)或小規(guī)模企業(yè)通過依靠自身投入很難有效地達成技術升級。此時企業(yè)應該仔細評估是否需要引入外部合作伙伴，如云服務平臺，AI解決方案提供商和AI系統(tǒng)集成商。

　　最后，關鍵的利益相關者應共同制定明確的AI實施路線圖以及績效跟蹤機制。管理層應強調(diào)AI項目對企業(yè)的重要性，并分配足夠的資源以確保達成預期的結(jié)果和按時交付。

　　AI技術供應商的市場格局?

　　越來越多的玩家瞄準不同的業(yè)務環(huán)節(jié)切入了AI市場

　　一體化行業(yè)巨頭：AI生態(tài)系統(tǒng)包括以芯片為核心的基礎設施，算法與框架和行業(yè)垂直應用。谷歌，亞馬遜和百度等IT巨頭已經(jīng)滲透到價值鏈的各個組成部分，提供種類繁多產(chǎn)品和服務。他們是AI市場的領導者。

　　芯片供應商：一些企業(yè)專注于AI芯片的生產(chǎn)和銷售，芯片是AI基礎設施的核心部分。在這一細分市場中，英特爾，高通，nVIDIA等IC巨頭憑借他們豐富的設計、制造和廣泛的行業(yè)經(jīng)驗，占據(jù)行業(yè)領導者地位。另外一些初創(chuàng)公司如寒武紀(Cambricon)，深思創(chuàng)芯科技(DeepcreatIC)和中國科學院微電子研究所(IME)等亦進入AI芯片領域成為新興的競爭對手。他們通常獲得大學和研究機構(gòu)的支持，以扎實的學術背景切入市場。

　　算法與框架供應商：在AI的算法與框架產(chǎn)業(yè)中，有很多新興企業(yè)與IT巨頭展開了充分競爭。以商湯科技(SenseTime)為例，發(fā)揮自身在深度學習算法框架的優(yōu)勢，為公安行業(yè)提供視覺分析和面部識別服務，同時與其他行業(yè)如教育、零售和汽車等領域?qū)崿F(xiàn)廣泛的垂直行業(yè)覆蓋。

　　垂直應用提供商：很多AI公司專注于特定的細分行業(yè)或先進技術領域，專注垂直行業(yè)應用的開發(fā)，如科大訊飛(IFLYTek)及碳云智能(iCarbonX)等。