浅谈人工智能商业化

2019-01-20  来自: 网络 浏览次数:152

以人工智能为首的新兴科技,正在逐渐成为国家政府发展扶持的对象。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,谷歌、苹果、微软、FacebookIBM、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。在国内,互联网三巨头BAT也纷纷加入到人工智能这一行业里面来,无论是硬件研发还是产品都投入了巨资。


   随着硬件算力的提升,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。技术壁垒的逐渐缩小,人工智能再次面临着另外一个难题——商业模式的探索。


一、人工智能的近忧——商业价值没有得到充分的验证

  

  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GPUTPU等硬件的不断更新,计算能力得到了大大地提升;后期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。

  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?

    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。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。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。

   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。

   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IBMGoogle、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,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。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。

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。

   找到合适的领域之后,非常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。

 

   商业模式是一个逐渐被探索的过程,之前的50年是技术在驱动产品,产品驱动商业模式,之后的50年是商业模式驱动产品,产品驱动技术的一个过程,时代在进步,相信以后还有更多的商业模式值得我们去探索。

关键词: 人工智能   商业        

以创新驱动为指导,以提升创新创业信息化综合实力水平为目标,为创新创业信息化发展做贡献。


CopyRight © 版权所有: 中关村众恒创新创业信息化发展研究院 技术支持:北京创新创业信息化技术服务联盟 网站地图 XML


扫一扫访问移动端