过去10年，随着5G、大数据、云计算等新兴技术的赋能，人工智能(AI)发展加速。然而，AI技术“落地难”的问题也随之而来。日前，《深圳经济特区人工智能产业促进条例（草案）》首次披露，并提交审议。将探索建立适合人工智能产业发展的产品准入制度，支持低风险人工智能产品和服务先行先试。这也是我国人工智能领域的第一部地方性法规。
AI产品落地难并非个例。如何让AI产品顺利落地，打通创新的“最后一公里”，成为人工智能应用阶段亟待解决的问题。
要落地，首先要有好的数据。
人工智能不仅可以提高劳动效率，还可以解放劳动力。但在各行业的实际应用中，其进展相对缓慢。为什么？
“AI落地是一个说起来容易做起来难的过程。数据是制约AI成功落地的一大因素。因为AI是靠数据来训练基础算法的。获取有意义的高质量数据，对于AI落地的成功至关重要。如果缺乏统一、规范、高质量的数据，AI应用可能就是无米之水，无源之水。”Far智库人工智能事业部总监、图灵机器人首席战略官谭维洲在接受科技日报记者采访时表示。
有专家指出，数据有“罪”——“自由与缓慢”。“自由”是指当你通过一些服务器收集数据时，你会发现很多数据有问题，根本无法使用。例如，英国调查机构发现，80%的人出生于1911年11月11日。这是因为有些受访者不愿意回答一些隐私问题，需要输入出生日期的时候就想输入00。但是系统不允许00，所以大家都输入11，所以80%的人的生日都是随机填写的。“分散”是指数据分散在各处。“慢”是指数据的更新速度慢。
比如制造业，“行业产生了大量的数据，数据质量和数据管理问题非常重要。”谭明洲指出，然而，制造业的数据可能会有偏差、过时甚至错误百出。特别是在生产车间繁重的制造环境中，在极端恶劣的操作条件下采集的数据。
此外，数据的风险和合规因素也不容忽视。“AI让企业习惯于严重依赖机器来帮助他们做决策。这个过程会带来隐私保护、AI可信度、伦理和社会问题等。这些都是在AI的落地过程中需要解决的。”谭维洲强调，规模也是一个大问题。大多数企业的AI创新都是点状的、实验性的、地方性的，缺乏规模化、商业化、运营化的布局。
降低成本是商业化的关键。
业内普遍认为，任何新技术要想在行业内大规模应用，都需要降低成本，增加效益，为企业寻找创新机会。就目前的AI技术水平而言，很多时候“降本增效创新”只能在行业的某个环节和某个步骤上实现。只有在极少数情况下，AI技术才能完全取代人类。
“目前AI在行业中的应用场景主要分为三类，分别是智能感知、智能交互和智能决策。在这三种场景中，AI需要降低计算成本，提高算法和框架的性能，才能真正落地。只有这样，AI落地的时候，才不会因为成本高而失去商业价值，从而实现商业化和规模化。”谭玉舟说。
谭维洲指出，应用场景、资源和基础设施、算法和模型、智能设备和数据构成了AI技术的五大要素。如何在落地场景中协调这五个要素，是AI技术落地行业的另一个关键点。在实现智能感知、智能决策、智能交互时，往往任何一个要素的变化都会导致其他要素的变化。比如当算法模型发生变化时，设备资源调度也会随之变化。因此，算法专家、设备专家、资源专家和应用程序开发人员
如何快速将整个AI落地的成本降低到商业价值的水平？“这些要素需要并行发展，并非所有要素都需要考虑在内。也就是说，算法专家不需要关心应用情况，设备供应商也不需要关心算法问题。将这五个元素解耦，使得一个元素比其他元素更透明。从角度来看，这有点像PC操作系统，通过一个标准化的协议屏蔽掉鼠标键盘等所有设备的复杂性，让它们相互解耦，专注于自己擅长的方向，以降低各方面的成本。只有这样，AI才能真正规模化，取得商业上的成功。”谭玉舟说。
储备懂AI思维和语言的人才
什么样的应用才是真正的AI应用？“未来还是要重新设计场景和用户体验，用AI本身的方式去思考，才能产生真正的AI应用。”智胜董事长兼CTO梁嘉恩认为，未来五年将会有真正的AI应用，AI的能力将会得到充分发挥。到那时，AI已经作为一种“背技术”流行起来，消费者对它将没有任何感知，因为技术应用的最高境界是技术变得不敏感。
人工智能专家丁磊在新作《AI思维》中强调，AI不仅是一种技术和工具，更是一种思维方式。它可以帮助我们有效地分析大量数据，从中得出预测，甚至帮助我们做出决策。那么在AI落地的过程中，储备真正懂AI思维和AI语言的人才就显得尤为重要。
实际上，在大多数企业场景中，工程师和科学家说一套语言，而业务领导说另一套语言，因此他们之间没有良好的沟通渠道。这种状态进一步加大了AI落地的难度。
谭维洲表示，有经验的人工智能专业人才很难招到，这是所有行业的企业都面临的问题。AI项目的实施通常需要建立由数据科学家、ML工程师、软件架构师、BI分析师和中小企业相关人员组成的跨学科团队。并且在AI落地的过程中，关键需要加大对企业主或者企业领导，甚至是一些一线企业领导的AI思维的推广和教育。当这些人真正理解了AI数据思维的闭环逻辑，进行AI落地就会顺利很多。
建设高端人才队伍，开设人工智能专业的高校无疑是“冲锋军”。如今，一些高校开始注重培养学生跨学科意识，结合自身特色专业，制定有关“人工智能+”的培养计划。
谭茗洲表示，AI教育从本质上来说，不是知识层面的教育，而是思维能力、思维方式的教育。应该从小抓起，帮助广大青少年树立AI意识，不断提升他们的科学素养，并激发其对人工智能的兴趣与热爱。目前中小学开展的人工智能相关课程，偏向于基础性编程教育，通过模块化操作，实现一些智能功能，例如让机器人踢足球、行走等，这样可以帮助青少年培养机器学习的思维，让中小学生对人工智能建立初级认知。（记者 华 凌）
来源： 科技日报
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/254926.html
