人工智能何時真正落地？哪些行業(yè)首先獲利

目前人工智能在行業(yè)應(yīng)用落地方面有哪些挑戰(zhàn)?人工智能技術(shù)公司與傳統(tǒng)行業(yè)在發(fā)展人工智能方面應(yīng)該如何合作?面對人工智能技術(shù)浪潮的沖擊，傳統(tǒng)企業(yè)應(yīng)該怎樣把握這一波機遇?

我與微軟亞洲研究院副院長張益肇博士就這些問題進行了深入交流，希望張院長在人工智能產(chǎn)業(yè)多年的實踐經(jīng)驗和洞察能為轉(zhuǎn)型中的中國企業(yè)帶來一些思路。

目前的人工智能猶如90年代的互聯(lián)網(wǎng)

歷史上任何一次新技術(shù)的爆發(fā)，都帶來了超乎想象的新商業(yè)與新經(jīng)濟模式。從最近的一次看，90年代互聯(lián)網(wǎng)發(fā)展初期，我們沒有預(yù)料到商業(yè)社會將如此大規(guī)模的被影響和改變。

互聯(lián)網(wǎng)的影響開始于媒體，《紐約時報》、《華爾街日報》等媒體通過網(wǎng)站更新新聞，最終全媒體行業(yè)都面臨轉(zhuǎn)型壓力。后來消費者逐漸通過互聯(lián)網(wǎng)買書、租錄像帶。

互聯(lián)網(wǎng)對商業(yè)社會的影響有一個過程，人工智能時代也是一樣。

一位粗心大意經(jīng)常忘記按時歸還錄影帶而不得不繳納大筆罰金的電影愛好者，里德?哈斯廷斯，為了避免高額預(yù)期罰金的電影租賃模式而創(chuàng)辦了Netflix公司。

1999 年，成立不久的Netflix公司推出線上影片訂閱服務(wù)。當(dāng)時美國最大的影片出租連鎖企業(yè)Blockbuster公司并沒有預(yù)料到這個營業(yè)額不到自己千分之一的Netflix公司會成為日后的行業(yè)顛覆者，到 2007 年， Netflix注冊用戶數(shù)超過 750 萬，年復(fù)合增長率高于 50%。2010年曾經(jīng)的美國影碟租賃巨頭Blockbuster申請破產(chǎn)。2011年美國第二大連鎖書店Borders申請破產(chǎn)。

互聯(lián)網(wǎng)發(fā)展初期，線下商業(yè)巨頭沒預(yù)料到新技術(shù)和商業(yè)模式的沖擊將如此之大，沒有將新興互聯(lián)網(wǎng)上的新模式看成潛在對手并引起重視，十幾年后，這些曾經(jīng)的巨頭已經(jīng)消失。

張益肇認為,同樣的事情也將發(fā)生在人工智能時代，哪怕體量再大的公司，如果不能把握和了解新的趨勢，將在這一波浪潮中被顛覆掉，反之，像Amazon，Netflix，因為新的技術(shù)，有機會去顛覆不同的行業(yè)。

人工智能之花將在哪些行業(yè)綻放

目前，一些與計算機視覺相關(guān)的應(yīng)用，比如在安防領(lǐng)域，已經(jīng)產(chǎn)生了比較大的變化。

之前的安防行業(yè)采用的是事后追查責(zé)任的思路，通過查找監(jiān)控錄像，回溯歷史記錄。比如北京機場據(jù)說有超過兩萬個攝像頭，這是不可能靠人力實時監(jiān)控保障安全的。而目前通過人工智能，可以預(yù)防和實時阻止部分危險情況的發(fā)生。

未來，人工智能對金融、醫(yī)療、教育、制造、零售、運輸(自動駕駛)、物流等行業(yè)都會產(chǎn)生很大影響。

張益肇認為，在人工智能算法依賴大數(shù)據(jù)訓(xùn)練的階段，產(chǎn)生的價值大的行業(yè)會發(fā)展的好——如果一個行業(yè)應(yīng)用人工智能產(chǎn)生的價值夠大，會有人愿意出錢標(biāo)注數(shù)據(jù)。現(xiàn)在大部分人工智能是要靠大量數(shù)據(jù)來進行學(xué)習(xí)的，一個行業(yè)發(fā)展人工智能相關(guān)應(yīng)用的前提是獲得與行業(yè)、領(lǐng)域相關(guān)的，且標(biāo)注、整理過的數(shù)據(jù)。

微軟希望通過與金融、醫(yī)療、制造等行業(yè)少數(shù)的幾家領(lǐng)頭羊企業(yè)合作，把問題弄清楚，給出問題的有效解決方案，在此之后，才有可能將解決方案模塊化，讓更多的合作伙伴利用。目前微軟亞洲研究院成立了旨在通過開放創(chuàng)新推動行業(yè)應(yīng)用發(fā)展的組織“創(chuàng)新匯”，來加強與各行業(yè)的領(lǐng)先企業(yè)合作。

每一波技術(shù)浪潮都會大幅提高社會生產(chǎn)力。與20年前相比，互聯(lián)網(wǎng)使社會生產(chǎn)力大幅提高。人工智能同樣如此，但人工智能落地需要技術(shù)與行業(yè)公司深度合作。要實現(xiàn)全社會生產(chǎn)力提升，靠一兩家企業(yè)做不到，需要很多有遠見的領(lǐng)頭羊企業(yè)共同合作。

以金融領(lǐng)域的人工智能應(yīng)用為例，在基金管理和輔助股票分析方面，技術(shù)公司與金融公司各有所長。

一些基金公司也有數(shù)據(jù)科學(xué)家的團隊，有些做的是比較傳統(tǒng)的數(shù)據(jù)挖掘，還不是很了解深度學(xué)習(xí)等人工智能技術(shù)。基于數(shù)十年經(jīng)驗積累，基金公司更擅長判斷一只股票是否值得投資，哪些市場信息具有參考價值。而人工智能技術(shù)公司沒有這方面的知識積累，但擁有先進的人工智能技術(shù)儲備。

通過業(yè)務(wù)公司與技術(shù)公司的合作，基金經(jīng)理可以在人工智能的幫助下更好地分析市場。比如，有上市公司稱由于今年春節(jié)較晚而影響了這一季度的銷售額，分析師需要就春節(jié)對銷售額的影響做一個分析和歷史對比，分析這是公司的借口還是真實情況。

每個上市公司都會有季報，內(nèi)容幾頁到幾十頁的不等，要做很細的分析，除了看現(xiàn)在的，還要把去年、前年、甚至大前年的數(shù)據(jù)做對比，這么細的分析單靠人是不可能的，一個分析師要分析幾十家公司，不可能每一份季報都看的非常細，這方面可以由人工智能來輔助分析。

人工智能技術(shù)企業(yè)要進入某一個垂直領(lǐng)域缺乏的是相關(guān)領(lǐng)域的數(shù)據(jù)和知識。

假如與醫(yī)院合作，由于技術(shù)企業(yè)沒有經(jīng)驗豐富的醫(yī)生，無法判斷醫(yī)學(xué)影像的數(shù)據(jù)是否正確。由于缺乏相關(guān)專業(yè)知識和經(jīng)驗，在出錯的時候也無法判斷是由于標(biāo)注錯誤還是由于圖像不夠清晰造成。而技術(shù)企業(yè)與垂直行業(yè)互動的時候，需要讓行業(yè)理解，人工智能不是超人類智慧，無法做到提供給機器一個數(shù)據(jù)庫就可以得到想要的結(jié)果，這是目前雙方合作前面對的挑戰(zhàn)之一。

由于數(shù)據(jù)需要標(biāo)注整理，目前階段的人工智能實現(xiàn)的前提，是以大量人為標(biāo)注的數(shù)據(jù)為基礎(chǔ)的。比如斯坦福大學(xué)建立的目前全球最大的圖像識別數(shù)據(jù)庫ImageNet里面數(shù)百萬張照片也是很多人花費大量的時間標(biāo)注完成后，才能讓機器去學(xué)習(xí)。

中美人工智能應(yīng)用的不同發(fā)展路徑

人工智能在不同國家的發(fā)展，與當(dāng)?shù)氐漠a(chǎn)業(yè)發(fā)展特點相關(guān)，取決于技術(shù)與當(dāng)?shù)禺a(chǎn)業(yè)的結(jié)合。

以金融業(yè)為例，中美有兩個主要差異。

第一，在技術(shù)應(yīng)用方面，美國金融市場競爭比較激烈，很多銀行早就習(xí)慣通過技術(shù)手段競爭。一個金融公司里10%的員工是IT和技術(shù)員工，在中國，這個比例大概是3%-4%。在美國，人工智能在金融方面的應(yīng)用相對走的更往前，很多對沖基金是通過機器學(xué)習(xí)、數(shù)據(jù)挖掘，量化基金通過程序來管理基金。與美國比，中國處于相對早期。

另一方面，兩國在金融領(lǐng)域的監(jiān)管法規(guī)有一定差異。在美國，沒有太多監(jiān)管限制通過開發(fā)程序管理基金，只要敢冒險，自負盈虧，相比之下中國則整體相對謹慎。

在其他應(yīng)用領(lǐng)域，中美也呈現(xiàn)出各自的特點。對于中美兩國，人口紅利都在消失，但兩國人工智能應(yīng)用很有可能先在各自比較發(fā)達的產(chǎn)業(yè)中得到發(fā)展。

在美國，服務(wù)業(yè)比較發(fā)達，目前人工智能的應(yīng)用更多的是從服務(wù)業(yè)角度考慮機器人的應(yīng)用。比如在醫(yī)院、療養(yǎng)院里照顧老人。

在中國，制造業(yè)轉(zhuǎn)型已經(jīng)成為趨勢，制造業(yè)工人的重復(fù)性工作對于年輕人不再有吸引力，在深圳，很多制造業(yè)企業(yè)招不滿員工。不光是在中國，越南等一些發(fā)展中國家也會逐漸遇到類似的問題，在這種情況下，制造業(yè)將更多的依靠人工智能等技術(shù)手段，未來中國先把這些技術(shù)做成熟以后，也可能將技術(shù)應(yīng)用到其他國家去。

如何判斷人工智能領(lǐng)域的技術(shù)創(chuàng)新是否能落地?

如何判斷目前正在進行的人工智能技術(shù)開發(fā)是否有落地的可能?比如，是否能夠?qū)?a href="http://www.ttokpm.com/tags/語音識別/" target="_blank">語音識別技術(shù)應(yīng)用在會議在線翻譯的場景?張益肇稱微軟亞洲研究院在進行技術(shù)創(chuàng)新商業(yè)化的時候使用BTX(Business商業(yè)、Technology技術(shù)、Experience用戶體驗)的判斷原則。

第一步要判斷技術(shù)是否成熟，這個場景是不是能夠?qū)崿F(xiàn)?

開會的時候自動錄音、自動轉(zhuǎn)換成文字，要實現(xiàn)技術(shù)在真實場景中的應(yīng)用會涉及到很多因素，有可能講話內(nèi)容中文夾雜英文，有可能發(fā)言人離麥克風(fēng)比較遠，聲音聽不清楚。所以要判斷，技術(shù)本身是否成熟?如果要做成產(chǎn)品，技術(shù)本身能否達到?

第二，如果技術(shù)達到了，用戶體驗怎么樣?用戶會不會用?如果產(chǎn)品本身的技術(shù)和用戶體驗都不是問題，要考慮有沒有辦法產(chǎn)生一定的收入，使產(chǎn)品維持下去并持續(xù)改進?

比如會議實時翻譯的例子，如果這種服務(wù)定價每小時3000美元，很難賣出去。但如果定價是每小時3美元，就很有可能。

第一是技術(shù);第二是場景中的體驗，是否做出用戶能用的東西。

第三是可運營的商業(yè)模式，有沒有可能在用戶能接受的成本下啟用這個服務(wù)。

過去一年多，關(guān)于人工智能的諸多報道導(dǎo)致公眾的一些誤解。

人工智能在圍棋界能夠成為第一名是否意味著人工智能比任何人都聰明?很多人都能學(xué)會開車，但讓電腦安全的開車要比贏一盤圍棋困難得多。

圍棋是有限的變量，而開車涉及到更多的判斷。如果路邊有人對你招手，是因為有個警察還是因為發(fā)生了事故請你停下來?或者有人想搭便車?還是有人車壞了請你幫忙修?要了解這個場景，需要更多的變量，這個人穿制服嗎?有車子拋錨嗎?這些變量是千變?nèi)f化的，電腦還不能理解這個人的表情是什么樣的，表情有什么含義?人類所謂的“常識”對電腦來說是非常難的事情。

傳統(tǒng)行業(yè)尤其是企業(yè)的最高領(lǐng)導(dǎo)需要對人工智能有更客觀的認識，盡可能去接觸和理解人工智能能做什么，哪些還不能做，不應(yīng)有過高的期待。畢竟有些技術(shù)還沒到成熟的階段。目前有很多人工智能在線課程和書，也有很多免費的網(wǎng)上平臺鼓勵大家去嘗試，這個門檻正越來越低。

傳統(tǒng)企業(yè)的轉(zhuǎn)型，第一要了解技術(shù)，第二要了解自己的行業(yè)，思考通過人工智能解決什么問題對自己的企業(yè)最有價值。單純?yōu)榱宋矍虻捻椖?，不如做關(guān)鍵的、能對企業(yè)產(chǎn)生效用的項目，轉(zhuǎn)型的成功性就會大很多。

這一波人工智能浪潮類似互聯(lián)網(wǎng)初期，無論企業(yè)規(guī)模大小，任何時候擁抱AI都不嫌早。企業(yè)最終將由于人工智能的應(yīng)用而大幅提升生產(chǎn)效率。

大型企業(yè)內(nèi)部本身有IT部門，資源也多一些，有條件(人力和相關(guān)資源)去研究AI，可以選擇是自己做還是去尋求外部幫助，小企業(yè)則可能需要找人做。大小企業(yè)的思考模式和基本邏輯相同，只是具體的操作方式不同。

關(guān)于傳統(tǒng)企業(yè)是否需要自己的技術(shù)團隊，應(yīng)該結(jié)合企業(yè)的自身情況，目前想做的項目難度有多大，是否需要專家的幫助。

張益肇博士見過不少傳統(tǒng)企業(yè)高管，他們普遍對人工智能很感興趣，但是對人工智能的理解還有很多需要加強的地方。企業(yè)轉(zhuǎn)型AI就好像人的健康問題。每個人都應(yīng)該對自己的健康有基本常識，看難度判斷是自己就能解決還是找專家。

企業(yè)具備了這個前提，理解了自己的問題，理解了技術(shù)如何去應(yīng)用，進一步分析判斷事情的難度和風(fēng)險有多大。

比如，現(xiàn)在有很多關(guān)于聊天機器人的探討，微軟有小冰這樣的聊天機器人，所以不少企業(yè)興趣很高，也希望用聊天機器人來增強與客戶的互動，那需要考慮聊天的內(nèi)容是什么，如果出錯的話成本是什么?如果是醫(yī)院需要用來和病人互動，并且指導(dǎo)病人如何吃藥，這樣錯誤成本太高，就不建議通過內(nèi)部團隊開發(fā)。

處于人工智能技術(shù)應(yīng)用起飛的前夜，這樣探討的價值在于，傳統(tǒng)企業(yè)無論規(guī)模大小，都需要思考如何避免成為下一個Blockbuster或者Borders，并且是不是能夠抓住技術(shù)浪潮提供的機遇，實現(xiàn)業(yè)務(wù)模式轉(zhuǎn)型。畢竟等到人工智能技術(shù)帶來的用戶達到一定濃度、新業(yè)務(wù)規(guī)模起飛時，再進行這樣的投入已然是來不及了。