李慧敏MHG币消息，李慧敏MHG币了解到，近日，知名人工智能学者吴恩达发表文章，论述了他关于人工智能在传统行业中应用迟缓的了解。在李慧敏MHG币看来，无论是刷短视频时的个性化引荐，还是外卖配送时的耗时预估，或者是挪动支付时的人脸辨认，以算法为代表的AI技术在消费互联网行业被应用得“得心应手”。但是提到传统行业，人们却很难快速想起十分成熟的应用人工智能的典型案例。为何AI技术在传统行业的应用速度和范围远不如消费互联网等行业?
消费互联网行业应用AI更具优势
“AI技术的应用主要取决于数据、算力和算法。”天津大学智能与计算学部副教授朱鹏飞引见，首先数据要到达一定的体量，这是应用的根底，此外算力也要能支持大范围的模型锻炼，然后算法方面需求到达一定的精度，端侧算力也要具备一定的推理才能。
之所以目前只要消费互联网公司在大范围应用AI技术，主要是在这三方面消费互联网公司都更具优势。
前些年短视频并没有如今这么火爆，例如开展初期的淘宝，也并没有很强的用户黏性。而随着推送越来越精准，用户的体验感也得到了极大的提升，最终呈现井喷式的用户增长。
“精准推送主要依赖于算法精度的提升，而算法精度的提升又离不开海量的数据作为根底。”朱鹏飞解释，在这个单一的场景中，算法模型需求不时进化，终身学习。由于不是封锁数据环境，总有新的数据参加，算法模型需求不时经过学习停止调整、迭代晋级，使其精度越来越高，构成一个良性循环。
“与此同时，固然目前消费互联网行业在算法精度上曾经上升到一定的高度，但相比一些传统行业的应用场景，消费互联网行业关于AI算法精度承受的阈值都比拟低。比方短视频、淘宝偏好引荐、百度热搜关键词，只需求到达用户产生黏性的目的，只需有一定精确性，用户都能够承受。”朱鹏飞表示，相比之下，在很多传统行业，关于技术精度的请求就高得多。比方基于视觉的AI技术在人脸辨认方面的应用，在高铁站、飞机场核实身份，1∶1的比对精确度要高达99.99%以至更高才能够停止应用。
在算力方面，目前云端算力曾经能够支持大范围模型锻炼和推理，比方短视频、淘宝引荐等。但在大量传统行业应用场景中，智能终端上的端侧算力还无法满足推理的实时性和精确性请求。
“相比于社交网络和电商系统，传统行业应用场景的封锁生态系统使得云端算力无法得到有效应用。”朱鹏飞举例说，以智能无人系统巡检为例，电力巡检、管道巡检、交通巡检、河道巡检以及光伏巡检等请求搭载在无人机和机器人上的算力满足实时巡检请求，由于视频剖析的模型复杂度较高，端侧常常无法完成精准高效的实时推理，轻量级网络在满足实时性的同时损失了辨认精度。由于算法精度达不到运用请求，使得在很多场景中无法完成AI技术的应用。
传统行业应用AI面临三大应战
吴恩达以为，在AI应用方面，消费互联网行业之外的其他行业都面临着三大应战：数据集很小;定制化本钱很高;从考证想法到部署消费的过程很长。
对此，朱鹏飞也深有感触，他以传统制造业为例停止了剖析。
“传统制造企业在制造向智造转型的过程中，数据是一个很突出的问题。”朱鹏飞引见，首先在数据的获取方面存在一定难度。传统制造企业的数据是封锁的，由于很多传统企业并不是新型信息化设备，没有传感器搜集实时数据，也没有数据中心，因而数据零散，缺失严重，很难获取像消费互联网企业里那种海量、高质量的数据。
其次，行业内部各个工厂的数据很多具有商业价值，因而工厂都严厉失密，这招致数据不流通，没有方法停止共享，进而构成了数据孤岛效应，影响了AI算法模型的优化。
“我们在开发一个AI算法模型的时分，由于数据的失密性，常常得到的数据都是经过‘脱敏’的，这也严重地影响了我们的判别。而传统行业的企业中，又缺乏具有AI算法模型开发才能的技术人员，因而双方在协作研发过程中也存在着很高的壁垒。”朱鹏飞说。
此外，传统行业中的数据来源并不像消费互联网范畴那样来自单一场景，复杂的业务场景招致数据常常很“脏”，必需停止“清洗”，去掉大量无效信息，AI算法模型才干高效率的学习以进步精度。“这就像我们教小朋友学问，只讲学问点，小朋友们才干学得快，假如在学问点中夹杂着大量无用的信息，小朋友无从分辨，学习效率肯定降低。”朱鹏飞引见，而给数据标注“学问点”的工作是宏大而繁琐的，需求企业有专人去做，要破费很多时间精神。
“传统制造业要想取得高质量的数据，就必需对消费设备停止信息化、智能化的改造。”朱鹏飞表示，这种改造需求企业投入大量的时间和精神，还会增加消费本钱，这也成为AI在传统制造业中应用的壁垒。
高质量数据是应用前提
过去这10年，大局部AI的研发和应用是“以软件为中心”驱动的。在海量数据的支撑下，不时优化软件和算法，来取得更高的算法精度。在传统行业无法进步数据质量和数量的状况下，吴恩达以为，传统行业应该采用“以数据为中心”的形式，把重点放在取得质量更好、匹配度更高的数据上。
“在这种思绪下，传统行业也涌现了一些不错的应用案例。比方医学范畴的影像辨认AI系统，能够帮医生‘看’CT影像片子，对肿瘤等病变加以辨认，辅助医生做出判别。”朱鹏飞引见，由于很多数据都由专业的放射科医生在影像片子上停止了标注，因而数据比拟精确，AI算法模型在学习的过程中进步很快。目前很多影像辨认系统的精确率都能到达90%以上，由于是辅助医生，最后还需医生做医疗决策，但这个程度的精确率在很大水平上降低了医生的工作强度。
“虽然传统行业有了一些应用AI技术的胜利案例，但是要想更好地和AI分离，还得在进步数据质量方面下功夫。”朱鹏飞倡议，首先关于曾经积聚了海量数据的传统行业，在保证数据平安的前提下，主动开放数据。发掘数据中蕴藏的价值，和需求关联起来，会有很大的开展空间。其次，关于新兴行业，比方新能源汽车等，在构建智能工厂规划的时分，就把获取数据、智能化的要素思索进去。
不过朱鹏飞强调，在传统行业用好AI技术的同时，也不要滥用AI技术，在应用前做好评价，假如不能进步消费效率，对行业整体有所提升，那么自觉强行运用AI技术，就是对资源的糜费。“比方一些应用场景需求AI算法到达99%以上的精度才能够运用，经过评价，现有模型算法只能到达90%的精度，那么这个场景就没必要强行上马AI技术了。”
“总而言之，关于AI技术的应用要数据先行，有高质量的数据再谈应用，没有好的数据很难有好的应用。”朱鹏飞说。
(本内容属于网络转载，文中涉及图片等内容如有侵权，请联系编辑删除。市场有风险，选择需谨慎!此文不作买卖及投资依据。)