Popular science work
目前AI在產業中的應用場景主要分為三大類，即智能感知、智能交互和智能決策。在這三類場景中，AI要真正落地，就需要降低算力成本，提高算法和框架的性能。只有這樣，AI落地時才不會因為成本過高而失去商業價值，進而實現商業化、規模化。
——譚茗洲 遠望智庫人工智能事業部部長、圖靈機器人首席戰略官
過去10年間，在5G、大數據、云計算等新興技術的賦能下，人工智能（AI）加速發展。但AI技術“落地難”的問題也隨之而來。日前《深圳經濟特區人工智能產業促進條例（草案）》首次披露并提請審議，將探索建立與人工智能產業發展相適應的產品準入制度，并支持低風險人工智能產品和服務先行先試。這也是全國人工智能領域的首部地方性法規。
AI產品落地難并非個案。如何讓AI產品順利落地，打通創新“最后一公里”，已成為人工智能應用階段急需解決的問題。
要落地首先要有好數據
AI既能提高勞動效率，又能解放勞動力，但在各行業的實際應用中，進展卻相對較緩慢，這是為什么呢？
“AI落地是一個知易行難的過程。數據是制約AI成功落地的一大因素。因為AI依賴數據訓練基礎算法。獲得有意義的高質量數據，對于AI落地成功至關重要。如果缺少統一、標準化、高質量的數據，AI應用可能就是無米之炊、無源之水。”遠望智庫人工智能事業部部長、圖靈機器人首席戰略官譚茗洲在接受科技日報記者采訪時表示。
有專家指出，數據有“罪”——“自由散慢”。“自由”是指當你靠一些服務器收集數據時，會發現很多數據有問題，根本無法使用。比如英國調查機構發現，80%的人都出生于1911年11月11日，之所以有這種情況，是因為有些被調查者不愿回答一些隱私問題，在需要輸入出生日期時他們想輸入00，但系統不允許輸入00，于是大家就都輸入11，所以80%的人生日都是隨意填寫的。“散”是指數據散落在各處。“慢”則是指數據的更新速度慢。
再比如在制造行業，“該行業產生了大量的數據，數據質量和數據管理問題非常重要。”譚茗洲指出，但是制造業的數據可能是有偏差的、過時的，甚至是充滿錯誤的。尤其是在生產車間這種繁重的制造環境中，極端、惡劣的操作條件下收集的數據。
此外，數據的風險和合規因素也不容忽視。“AI讓企業開始習慣于大量依賴機器幫忙做決策。在這個過程中會帶來隱私保護、AI可信度、倫理和社會的問題等，這些都是AI在落地過程中需要解決的。”譚茗洲強調，規模化也是一大難題。大多數企業的AI創新都是點狀的、實驗性質的、局部的創新，缺少規模化、商業化、運行態的布局。
降低成本是實現商業化的關鍵
業內普遍認為，任何新技術想要在行業中實現規模應用，都需要為企業降低成本、增加效益，并能為企業尋找創新的機會。以目前的AI技術水平而言，很多時候還只能在產業的某一個環節、某一個步驟實現“降本、增效、創新”，只有在極少數的情況下，AI技術才可能完全替代人類。
“目前AI在產業中的應用場景主要分為三大類，即智能感知、智能交互和智能決策。在這三類場景中，AI要真正落地，就需要降低算力成本，提高算法和框架的性能。只有這樣，AI落地時才不會因為成本過高而失去商業價值，進而實現商業化、規模化。”譚茗洲說。
譚茗洲指出，應用場景、資源與基礎設施、算法和模型、智能設備、數據構成了AI技術落地的五大要素。如何將這五大要素在落地場景中實現協調，是AI技術在產業界落地的另一個關鍵點。在實現智能感知、智能決策、智能交互的時候，往往任何一個要素的變化都會導致其他要素的變化。比如算法模型發生變化，設備資源調度就要跟著改變。結果就是，真正落地實施的時候，算法專家、設備專家、資源專家，以及應用開發的合作伙伴都需要在場。這最終導致AI落地的成本太高，無法真正在產業應用中大規模鋪開。
如何才可能讓整個AI落地的成本快速降到有商業價值的水平？“需要讓這些要素并行發展，不用在任何時候都要顧及所有要素。也就是說，算法專家不用關心應用是什么情況，設備供應商也不用關心算法問題，把這五個要素進行解耦，讓一個要素相對其他幾個要素變得更加透明。從思路上看，這有點像PC操作系統，把鼠標、鍵盤等所有設備之間的復雜度都通過一個標準化的協議屏蔽掉，讓它們之間能夠互相解耦，各自專注自己擅長的方向，以降低各個方面的成本。只有這樣AI才能真正規模化，實現商業上的成功。”譚茗洲說。
儲備懂AI思維及語言的人才
什么樣的應用才是真正的AI應用？“未來還是要結合場景和用戶體驗去重新設計，用AI本身的方式思考，才會產生真正的AI應用。”云知聲董事長兼CTO梁家恩認為，未來5年會有真正的AI應用出現，AI的能力也會發揮到極致。到時候，AI作為一項“背后的技術”已經普及而且消費者將會對其毫無感知——因為技術應用的最高境界是技術變得無感。
人工智能專家丁磊在其新作《AI思維》中強調，AI不只是一個技術、工具，更是一種思維方式，它能夠幫助我們有效分析大量的數據，并從中得出預測，甚至幫助我們做出決策。那么，在AI落地過程中，儲備真正懂得AI思維、AI語言的人才，就顯得尤為重要。
實際上，在大部分的企業場景下，都是工程師、科學家講一套語言，而業務負責人講另外一套語言，相互之間沒有一個很好地交流通道。這種狀態進一步導致了AI的落地難。
譚茗洲說，有經驗的人工智能專業人員很難聘請，這對于所有行業的企業來說都是個難題。實施AI項目通常需要建立一個由數據科學家、ML工程師、軟件架構師、BI分析師和中小企業相關人員組成的跨學科團隊。并且AI落地過程中關鍵需要加大對企業老板或者業務負責人，甚至包括部分一線業務負責人在AI思維上的提升和教育。當這些人真正地理解AI數據思維的閉環邏輯時，再進行AI落地就會順利很多。
建設高端人才隊伍，開設人工智能專業的高校無疑是“沖鋒軍”。如今，一些高校開始注重培養學生跨學科意識，結合自身特色專業，制定有關“人工智能+”的培養計劃。
譚茗洲表示，AI教育從本質上來說，不是知識層面的教育，而是思維能力、思維方式的教育。應該從小抓起，幫助廣大青少年樹立AI意識，不斷提升他們的科學素養，并激發其對人工智能的興趣與熱愛。目前中小學開展的人工智能相關課程，偏向于基礎性編程教育，通過模塊化操作，實現一些智能功能，例如讓機器人踢足球、行走等，這樣可以幫助青少年培養機器學習的思維，讓中小學生對人工智能建立初級認知。
來源：科技日報
