算法、算力、大數據是人工智能發展離不開的三大要素

人工智能發展到現如今還是一個被大數據喂養起來的一個小怪獸,而且在深度學習算法沒有明顯突破的情況下,人工智能實現自我學習能力看起來還是遙遙無期,因此對于A.I.對人類的替代性以及威脅,還遠沒有達到讓人類擔憂的地步,

算法、算力、大數據三者相輔相成的邏輯關系相信大家都有所了解:06年辛頓教授提出了深度學習算法,開創了A.I.理論界的創新突破,后續在移動互聯網的到來,促進了A.I.發展的最基礎條件“大數據”的產生。大數據和深度學習算法的雙劍合璧,再配合摩爾定律下的算力快速提升,從而輸出不同場景以及行業下的A.I.解決方案,如現在大家經常看到的人臉識別、物體識別、語音識別、語音合成等多方面的應用和成果。

當前大家探討最多的就是人工智能在各個領域的應用。當人工智能這個性感的時髦詞語和工業這一厚重沉悶的詞語碰撞在一起的時候。問題來了:人工智能三大要素在這一發展趨勢之下,是否還會適用?

如果我們多留心產業A.I.的動向,就會發現從去年下半年開始,相關項目的PPT里越來越多提到行業專家、Know-How這樣的字眼。從算法問題,算力與數據問題,再到Know-How問題,本質上來說A.I.正在一步步向神秘的產業世界進發。

Know-How中文譯名為:技術訣竅,最早指中世紀手工作坊師傅向徒弟傳授的技藝的總稱。現在多指從事某行業或者做某項工作,所需要的技術訣竅和專業知識。

理想情況下:人工智能如果要進入一個工業領域,需要一個專業的行業專家做指導,這個專家可以是一個人,也可以是一家公司,Know-How更多的類似這種中介機制的存在,確保A.I.在各個領域的應用和需求充分對接和滿足。它的好處有以下幾點:

1、控制行業差異化,從而保證工業應用效果。

2.關鍵訓練數據的獲取和應用。

A.I.離不開數據,現在人工智能發展應用集中在通用數據,隨著物聯網和信息網的物信融合趨勢,導致現在數據價值密度大大增加,甚至引發了邊緣計算的趨勢現象,大數據的獲取緯度和密度都出現前所未有的加大,挑戰和機遇并存。首先工業領域里那些從未被公開的工業價值數據如何應用、如何防止泄露,其次工業應用在物信融合的趨勢,還可能發現一些新的數據緯度和價值,如何挖掘、如何應用。上述兩點都可以理解為,A.I.在工業應用的另外一個Know-How價值點。

1.嘗試在供應鏈中理解和梳理成本與價值的關系。

2.在產業鏈賦能中加入復雜的商業博弈邏輯和關系。

其實總結下來,Know-How能力真的是有點像是A.I.與工業之間的中介。想明白這一點,智能+的應用和推進落地就需要更多理性在里面:

智能+,不能快刀斬亂麻,只能循序漸進

智能+,切入點要優先考慮某些重點工業領域,比如新千億市場軌道交通領域

擁有Know-How能力,才是智能+落地的關鍵!

在技術與場景融合的過程中,核心技術和行業 Know-How將成為企業構筑競爭壁壘的關鍵;

讓懂A.I.的人與懂行業的人在此時盡快相識相愛,形成親密的合作關系,才是人工智能發展到現如今,在智能+新時代下,大家需要重點考慮的問題。