數據先行，迎難而“下”，這才是AI革命的正確打開(kāi)方式！

智能的第一步是什么？

在鎂客網(wǎng)主辦的“M-TECH主題論壇”蘇州站會(huì )議中，無(wú)論是專(zhuān)注于前端成像芯片的眼擎科技商務(wù)總監代勇，還是致力于人臉識別研發(fā)與服務(wù)的云從科技高級副總裁孫慶凱，都不約而同得談到了一個(gè)話(huà)題：怎樣讓AI技術(shù)真正落地，為整個(gè)產(chǎn)業(yè)賦能？

智能的開(kāi)始，源自應用場(chǎng)景的“數據”

提到“智能”，AI領(lǐng)域的標志性人物Michael I. Jordan就曾直言不諱地給出否定：“我不喜歡用‘智能’這個(gè)詞，我認為我們現在還沒(méi)造出‘智能’，也不知道‘智能’是什么。”

盡管“智能”一詞盛行，但要在真正意義上實(shí)現它，并不容易。以發(fā)展成熟的智能音箱為例，連美國官員都在吐槽其“智障”。顯然，用戶(hù)用實(shí)際態(tài)度告訴我們，現在的AI產(chǎn)品還沒(méi)有達到我們心中對“智能”的定義。這也導致了從去年就喊起的“AI賦能”口號遲遲未能落實(shí)。

“機器要想像人類(lèi)、動(dòng)物一樣智能，首先需要做的就是獲得大量知識。”Michael I. Jordan說(shuō)。

眾所周知，這里的“知識”指的是有價(jià)值的數據，而它也是當前AI企業(yè)在做任何研究和產(chǎn)品之前所必須的“養分”。

對此，孫慶凱就在會(huì )議中特意介紹了他們的數據庫--云從大腦：

“云從大腦就是基于智力資源構建的，這些資源來(lái)源于海內外的專(zhuān)家資源和重要的平臺資源。如我們在美國有兩個(gè)很重要的分支機構；在國內，我們也和公安部一起合作搭建了應用平臺，并與公安部、四大行和民航總局建立了聯(lián)合實(shí)驗室。這些數據可以打造真正的 云從大腦，以用于提高識別的精準度。”

迎難而“下”，深入行業(yè)

盡管都知道數據極其重要，但是卻沒(méi)有幾家公司真正投入到數據挖掘的事業(yè)中，這一點(diǎn)在現有AI產(chǎn)業(yè)發(fā)展上表現得尤為明顯。

談及AI產(chǎn)業(yè)鏈上下游的企業(yè)，人們喜歡將更多的目光投射在上中游的芯片、算法大公司，因為它們代表著(zhù)真正的技術(shù)和未來(lái)。甚至連AI獨角獸它們自己都常常忽視了最接近用戶(hù)、產(chǎn)品端的下游產(chǎn)業(yè)。

但隨著(zhù)AI產(chǎn)業(yè)退去熱潮，資本也逐漸趨于冷靜，此時(shí)，注重商業(yè)化落地、AI賦能被提上了日程。2017年7月，國務(wù)院也迅速做出了反應，發(fā)布了《新一代人工智能發(fā)展規劃》，并在十九大中強調將人工智能和實(shí)體經(jīng)濟深度融合。

值此之際，在行業(yè)發(fā)展上，孫慶凱結合自身企業(yè)的發(fā)展給出了建議：“只有深入行業(yè)，深入到各種應用場(chǎng)景中，我們才能夠真正了解行業(yè)的需求，做出真正的解決方案。對上游廠(chǎng)商來(lái)說(shuō)，這也是真正的解決辦法。”

在這一點(diǎn)上，眼擎科技與云從不謀而合，它也是通過(guò)打入下游的方式，探索行業(yè)的真正需求。其產(chǎn)品--前端成像芯片，就是上下游交集的產(chǎn)物。他們通過(guò)收集和處理前端數據，并用高質(zhì)的信息來(lái)優(yōu)化自己的芯片設計。

“我們自己開(kāi)車(chē)，有這樣的體驗：兩邊有路燈，汽車(chē)有大燈，前方的行人肯定能被駕駛員看見(jiàn)。但對于機器，情況就有所不同。只要機器本身的識別能力不夠，就做不到像人類(lèi)一樣輕松判斷。”

而這是只有貼近前端才會(huì )發(fā)現的問(wèn)題。

“這時(shí)如果不解決其在日常生活中弱光、逆光、反光燈環(huán)境的自適應成像能力問(wèn)題，AI視覺(jué)產(chǎn)品就無(wú)法大規模落地。”代勇表示。

產(chǎn)業(yè)化落地，現在的首要難點(diǎn)在哪里？

其實(shí)前端成像只是眾多行業(yè)里一個(gè)微小應用場(chǎng)景。盡管大家一致認為要通過(guò)場(chǎng)景的應用倒逼產(chǎn)業(yè)的發(fā)展，但要實(shí)現技術(shù)的產(chǎn)業(yè)化落地，AI巨頭們不僅需要耐下心來(lái)走入行業(yè)，更要根據行業(yè)的實(shí)際發(fā)展情況找準正確的切入點(diǎn)。

事實(shí)是，因為發(fā)展速度的不同，監管力度的差異，各個(gè)行業(yè)（如金融、醫療、電商、教育等）正在經(jīng)歷的智能化階段不盡相同，因而其數據可利用的程度也是參差不齊。

在眾多細分化場(chǎng)景下，金融、電商無(wú)疑是數據最為成熟的領(lǐng)域。無(wú)論是從監管層面，還是數據積累上，它們都足以支撐AI產(chǎn)品和技術(shù)的發(fā)展。以金融領(lǐng)域為例，中國的金融體制已經(jīng)改革，并建立了一個(gè)相對完善的征信和信用體系，所以現在金融科技企業(yè)可獲取的數據幾乎是透明且相同的，因而他們的重點(diǎn)自然就落在了AI應用產(chǎn)品的探索上了。

而與此同時(shí)，醫療領(lǐng)域卻正在經(jīng)歷一個(gè)“跑馬圈地”的階段。對此，專(zhuān)注于語(yǔ)音識別及語(yǔ)言處理技術(shù)的云知聲?創(chuàng )新事業(yè)部總經(jīng)理陳吉勝就毫不避諱的指出：醫療最重要的就是數據。

“我們?yōu)榱四玫较鄳臄祿?，做了很多努力，無(wú)論是跟協(xié)和醫院，還是和平安好醫生的合作，包括和平安好醫生成立合資公司，都是希望雙方在數據方面進(jìn)行更深入的共享。”

至于教育，因學(xué)生的行為極其復雜，目前甚至還沒(méi)有一家公司可以找到合適的方式去定義它們，真正“智能”的教育機器人就更加無(wú)從談起。

總結

數據統計顯示，與沒(méi)有使用大數據、云計算的同行們相比，采用這些技術(shù)和移動(dòng)戰略的企業(yè)發(fā)展速度要超過(guò)其53%。

當人人都想脫穎而出時(shí)，真正的AI企業(yè)們應該耐下心來(lái)投身到自己所在的行業(yè)中，去探索數據中不為人知的秘密，從而設計出真正適合人類(lèi)使用的產(chǎn)品。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！