人工智能產(chǎn)業(yè)快速發(fā)展背后的四大浪費

　　2019年春節(jié)之后的第一個工作日，美國國家科技政策辦公室發(fā)布了由總統(tǒng)特朗普親自簽署的《美國人工智能倡議》(American AI Initiative)，該倡議開篇第一句話就寫到：人工智能(AI)有望推動美國經(jīng)濟增長，增強我們的經(jīng)濟和國家安全，并改善我們的生活質(zhì)量。

　　很顯然，將其中的“美國”兩字換成任何一個國家的名字，這句話都是適用的，作為全新的生產(chǎn)力，人工智能已經(jīng)成為社會發(fā)展、經(jīng)濟增長和產(chǎn)業(yè)升級的關(guān)鍵驅(qū)動因素之一。

　　據(jù)國內(nèi)媒體報道，人工智能產(chǎn)業(yè)已進入全球價值鏈高端，新一代人工智能在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)、國防建設(shè)等領(lǐng)域得到廣泛應用，我國人工智能核心產(chǎn)業(yè)規(guī)模將超過4000億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過5萬億元。

　　但在人工智能產(chǎn)業(yè)的高速發(fā)展中，卻在不經(jīng)意間產(chǎn)生一些本可以避免的浪費：

　　1、算力浪費，計算(算力)是發(fā)展人工智能(以下簡稱AI)的核心基礎(chǔ)，AI的研發(fā)、訓練需要大量的算力，但大部分AI企業(yè)往往選擇自建計算平臺，而非使用AI就緒的云計算平臺，由于工作負載不飽和、調(diào)優(yōu)水平有限等原因，企業(yè)無法發(fā)揮出全部算力，這導致了相當程度上的算力浪費;

　　2、數(shù)據(jù)浪費，擁有深度的、細致的、海量的數(shù)據(jù)是訓練出“智能”的前提，但由于數(shù)據(jù)共享機制、數(shù)據(jù)服務平臺/市場的建設(shè)仍然不成熟，導致許多AI學習/訓練無法達到預期的水平;

　　3、AI能力浪費，當前許多AI技術(shù)(如計算機視覺)已經(jīng)進入比較成熟的發(fā)展階段，但AI技術(shù)通過云計算平臺向外賦能的水平還不夠，更多的AI技術(shù)應用還是“點對點”(即開發(fā)者面向最終客戶，而非開發(fā)者-云平臺-最終客戶的平臺思維)，這造成了AI技術(shù)未能充分發(fā)揮其應有的作用，打破“成見”，擁抱平臺思維，既能夠避免AI能力的浪費，也能夠為開發(fā)者提供更豐厚的收入;

　　4、AI人才浪費，由于在AI人才培養(yǎng)中，計算機學科、人工智能技術(shù)的教學未能與生物醫(yī)療、交通運輸、工程建筑、腦科學等學科實現(xiàn)融合與交叉，造成“AI人才不懂行業(yè)，行業(yè)人才不熟AI”的局面，AI人才往往變成了“計算機學科人才”而非AI產(chǎn)業(yè)人才。

　　當然，存在浪費就需要有針對性的解決方案，在此針對性的提出相關(guān)的建議以拋磚引玉。

　　首先，針對AI算力浪費來說，使用公共計算平臺(公共云)所提供的算力，尤其是AI算力，是一個避免重復建設(shè)AI計算平臺(硬件基礎(chǔ)設(shè)施)的重要方式。公共云因其按需付費、資源共享的特性，可以實現(xiàn)公共服務所帶來的天然的邊際成本效應降低，而能夠以更低的成本獲得人工智能算力，不僅降低企業(yè)獲得AI算力的成本，更能避免AI算力的浪費;

　　其次，就AI能力的浪費來說，公共云平臺也是一個很好的選擇，一方面，云平臺天然解決了企業(yè)數(shù)據(jù)和技術(shù)的統(tǒng)一，這也構(gòu)成了企業(yè)獲取人工智能能力的最重要路徑;另一方面，云服務商將AI能力作為“公共服務”提供，對其易用性、適用性、功能性都有所優(yōu)化或強化，對于企業(yè)來說，可以更加快速和便捷的應用到實際業(yè)務中去。

　　第三，數(shù)據(jù)共享平臺的建立至關(guān)重要。雖然近年來AI研究者們持續(xù)試圖在小數(shù)據(jù)集上實現(xiàn)AI技術(shù)突破，但總體來說收效并不明顯，數(shù)據(jù)仍然是AI產(chǎn)業(yè)發(fā)展的重要基礎(chǔ)資源，完整、全面、準確、實時的數(shù)據(jù)非常關(guān)鍵。因此，建立可信、可靠、可用的服務于AI產(chǎn)業(yè)發(fā)展的數(shù)據(jù)共享平臺至關(guān)重要，當然，這種共享平臺必須要保證數(shù)據(jù)安全、信息脫敏和隱私數(shù)據(jù)保護。

　　最后是AI人才浪費的問題，正如前文所說：由于在AI人才培養(yǎng)中，計算機學科、人工智能技術(shù)的教學未能與生物醫(yī)療、交通運輸、工程建筑、腦科學等學科實現(xiàn)融合與交叉，造成“AI人才不懂行業(yè)，行業(yè)人才不熟AI”的局面，AI人才往往變成了“計算機學科人才”而非AI產(chǎn)業(yè)人才。

　　針對這一問題，借助跨學科教育培養(yǎng)新一代信息技術(shù)人才已經(jīng)成為共識：2018年11月，MIT宣布在計算和AI領(lǐng)域投資10億美元，成立面向全球計算和人工智能領(lǐng)域的教育與研究的“蘇世民計算學院”，該學院以培養(yǎng)“雙學科學者”為目標，通過讓各個學科的專家對計算和AI知識的掌握程度與他們在自己的專業(yè)領(lǐng)域一樣熟練，從而培養(yǎng)“AI+專業(yè)學科人才”，從而保證AI人才在產(chǎn)業(yè)中可以學以致用。