AI 全面商業(yè)應用的痛點與前景
AI 熱潮風靡已久,不過目前 AI 在商業(yè)上的應用還比較初級,對于 AI 技術的進一步挖掘與商業(yè)應用還沒有深入核心,因此筆者結合這一現(xiàn)象進一步分析了 AI 還能作何商業(yè)用處。
我是一名從事AI賦能傳統(tǒng)行業(yè)的工作者,雖然我使用的人工智能算法解脫了傳統(tǒng)產線操作員的生產力,但我仍然認為AI從探索到賦能普及、應用還有一段漫長的過程。
如同200年前發(fā)明電一樣,對于整個時代而言,技術本身的出現(xiàn)和探索帶來的意義遠遠小于商業(yè)真正地應用。人類真正懂得用電的時間只有400年左右,而最初的200年其實只是實驗階段。所以AI真正賦能產生效能時,也許已經不是現(xiàn)在的我們認識的這個“AI”。
01?AI由來已久,卻在不久前驚艷
人工智能(Artificial Intelligence),簡稱AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。
其實早在1956年起,美國人發(fā)明電腦17年后,幾位有遠見的科學家就在研究如何用機器模擬人的智能。
當1997年,IBM的深藍計算機戰(zhàn)勝國際象棋冠軍時,其實那時候還沒引起足夠的轟動。
真正扭轉人類認知,甚至改變全球AI產業(yè)結構的轉折點是2016年阿爾法狗戰(zhàn)勝了圍棋九段李世石,從此人工智能一戰(zhàn)成名—— 阿爾法狗不光在下一步的算法中計算了m的n次方種可能,而且還對棋局整個的把控(欺騙技術)掌握得非常熟悉,這才是人類感到驚嘆的地方。
02?AI能做什么,怎么做的
那到底什么是AI呢,AI就是機器用一部分樣本數(shù)據進行學習, 按照模擬人思考的一些算法進行運算,最后經過另一部分實際樣本數(shù)據的驗證,得到最終的輸出模型。
- 沃爾瑪根據過去上億條的的小票交易數(shù)據來預測未來1個月的商品銷量;
- 輸入上萬份的醫(yī)生的藥方和診斷后,機器能根據來訪者的癥狀的描述,自動開出藥方;
- 輸入一定數(shù)量級的公路圖像后,無人駕駛汽車能自動進行右轉,靠邊等操作;
- 在給定語音和應答規(guī)則輸入后,產生的自動語音聊天的機器人。
以上AI的應用都是在數(shù)字,圖像,語音,文本等不同維度的應用,實際核心是對數(shù)據的學習、模仿和輸出的過程。
AI處理不同維度的數(shù)據
移動互聯(lián)網時代將全民的吃穿住行的點點滴滴都反應在數(shù)據上,而信息化和數(shù)字化將所有企業(yè)的運作歷史都留下了數(shù)據的痕跡。這些數(shù)據表現(xiàn)為多種多樣:數(shù)字,圖像,語音,文字。 數(shù)據化是AI發(fā)展的基礎,因為AI計算的本質是基于特征的學習和基于特征的工程 。
特征學習(feature learning),又叫表示學習(representation learning)或者表征學習 ,它是指學習的過程,是機器自動從數(shù)據中提取特征或者表征的方法。比如從6K條溫度數(shù)據中,提取出攝氏23-39度代表高溫區(qū);攝氏0-8度代表低溫區(qū)。
特征工程(feature engineering),主要指對于數(shù)據的人為處理提取,有時候也代指“洗數(shù)據” , 與特征學習相比,這是人為的工程 。是人為的對數(shù)據進行處理,得到我們認為的、適合后續(xù)模型使用的樣式。比如我們把6月-9月的溫度作為夏天的有效溫度,而12月偶爾的20度反常現(xiàn)象我們把它清洗掉,認為沒有意義。那這種經過人為處理的數(shù)據就具備了特征工程的意義。
03?算法和算力是AI的核心
從AI誕生到現(xiàn)在這幾十年,AI發(fā)展并不迅速的一個原因是因為機器的算力不夠,芯片和計算速度都跟不上,而隨著幾十年硬件領域經過摩爾定律的發(fā)展,算力已經成為了AI普及的前提條件。而在另一邊,人類開始在機器的另一邊,去逆向模擬人類自身是怎么工作的。
算法是AI的靈魂
人類的腦子里面不是存儲著大量的規(guī)則,也不是記錄著大量的統(tǒng)計數(shù)據,而是通過神經元的觸發(fā)實現(xiàn)的,每個神經元有從其它神經元的輸入,當接收到輸入時,會產生一個輸出來刺激其它神經元。于是大量的神經元相互反應,最終形成各種輸出的結果。
例如當人們看到美女瞳孔會放大,絕不是大腦根據身材比例進行規(guī)則判斷,也不是將人生中看過的所有的美女都統(tǒng)計一遍,而是神經元從視網膜觸發(fā)到大腦再回到瞳孔。 在這個過程中,其實很難總結出每個神經元對最終的結果起到了哪些作用,反正就是起作用了 。
于是人類試著把影響對“美女”判斷的所有因素作為輸入,比如身高、體重、五官、皮膚、笑容、身材比例、衣著打扮, 這些統(tǒng)統(tǒng)作為輸入條件,對于任何一個人來說,只要能讓他見過無限大樣本的“女生”,并且他都能對美女的判斷進行打分(可以是不同維度),只需把這些經過判斷后的無限大的樣本數(shù)據和判斷的分值輸入到機器中,機器自動可以看到美女的圖像打出分值來,并且還可以總結出各個輸入影響因子(身高,體重,五官,皮膚,笑容,身材比例)所占的打分權重是多少 。
這就是機器模擬人大腦進行了預測的功能。
04?AI在商業(yè)上能做什么
有了AI的工作原理,我們來看看AI在商業(yè)上能做些什么。
下圖是在百度AI研究院官網上搜集的他們對AI應用的定義。
目前AI的應用還在弱人工智能階段,應用的業(yè)務場景呈現(xiàn)短和淺兩個特點,只能在特定的業(yè)務場景中解決需要重復工作的“點”的問題,在解決宏觀業(yè)務場景或業(yè)務鏈條時,還需要結合其他的信息系統(tǒng)進行應用。
05?AI在商業(yè)應用中的痛點
因此AI雖然很熱,但是如何落地卻是大家都很頭疼的問題。正如AlphaGo在擊敗圍棋9段后,它不但不能做其他的事,甚至它學習過的棋譜也會“忘記”。AI在商業(yè)應用中主要呈現(xiàn)以下幾個方面的痛點:
1. 磨合期的各種不適
企業(yè)使用AI是想創(chuàng)造商業(yè)價值,但投入在AI具體應用上卻需要大量的人力成本,并且由于算法是黑盒,需要受到實際操作人員的質疑,在很長一段時間也無法完全代替人工工作。
2. 出錯概率暫不符合To B領域的需求
AI技術的先進性并不能作為企業(yè)擴大應用的理由,與先進性相比,產品的穩(wěn)定性,準確率,出錯概 率等其他因素才是大規(guī)模應用的有效依據。 而AI目前會呈現(xiàn)極好和極壞的兩個極端 ,哪怕只有1%的概率出現(xiàn)極壞,也會產生破壞性的效應:比如退款3000萬給某一位實際消費300元的消費者。
因此,對企業(yè)來說,因為產品出錯帶來的流程替換,遠遠難于更換一個產品。 如果因為要去適配AI的精度,要去協(xié)作多個部門更改制度或者更改后臺的數(shù)據系統(tǒng),那么企業(yè)寧愿選擇一個試錯成本低、穩(wěn)定性強,并且能滿足大規(guī)模用戶的產品 。
3. To B領域的低復用性限制其擴張發(fā)展
每個企業(yè)的業(yè)務流程都是不同,當應用AI技術在所在企業(yè)時,一定是AI+信息系統(tǒng)的形式在使用,而AI的形態(tài)取決于企業(yè)的業(yè)務形態(tài)。比如我現(xiàn)在做的是內衣服裝領域,一旦我想把內衣服裝領域重要的特征比如年齡,吊牌價遷移到白酒快消領域時, 我發(fā)現(xiàn)業(yè)務場景與業(yè)務場景很難形成快速復用,最終還是得重新建模。
06?未來AI賦能商業(yè)社會的前景
AI在商業(yè)應用上會遇到痛點,當然不代表它不屬于劃時代的技術。 人工智能領域最有影響力的人物吳恩達曾說:人工智能的影響力不亞于電。 而人工智能賦能到商業(yè)社會后,這必將是和互聯(lián)網改造社會一樣,成為劃時代的技術應用。而且AI的應用來得會更快,迭代周期會更短。
李彥宏在2016年曾提出,過去16年里,互聯(lián)網發(fā)生了巨大改變。我們大體上經歷了互聯(lián)網的三幕:
- 第一幕是PC互聯(lián)網時代,稱霸了大約15年;
- 第二幕是所謂的移動互聯(lián)網時代,增長周期只有四、五年;
- 而現(xiàn)在,我們迎來了第三幕,即人工智能時代。
每一幕都各具特色,因此,他們也有不同的迭代速度。PC互聯(lián)網時代高度依賴于軟件的快速反應,而移動互聯(lián)網基于用戶關注的一切創(chuàng)造了自己的生態(tài)系統(tǒng)。第三幕人工智能時代,機器將取代人的部分“器官”,比如大腦、眼睛、手和耳朵,去實現(xiàn)智能地觀察,讀寫,計算和說話。人與機器將會創(chuàng)造一個虛實結合的全新社會。
而智能化與虛實結合,將會體現(xiàn)在不同領域、行業(yè)、企業(yè)和業(yè)務場景的方方面面。
人和機器將注定會一起攜手譜寫未來社會的新篇章。
?
本文由 @explorer 原創(chuàng)發(fā)布于人人都是產品經理。未經許可,禁止轉載。
題圖來自Unsplash,基于CC0協(xié)議