浅谈 AI 在中国落地的“道”与“术”

阅读数:112 2020 年 3 月 5 日 16:08

浅谈 AI 在中国落地的“道”与“术”

才云科技大数据科学家,曾在估值 2000W 美金的硅谷公司 MailTime 创始团队担任技术骨干,YCombinator 2016 Winter,前治慧基因 - 基因健康大数据公司创始人和 CTO。
研究生毕业于全美计算机排名第一的 CMU,本科毕业于清华大学,曾完成清华姚班所有机器学习课的学习,并师从唐杰、Yan Liu 等老师进行 AI 研发和学习,精通计算机视觉,医疗 AI。
2017 年 12 月 8 日,Caicloud 大数据科学家李一帆受邀参加“第二届设计和人工智能研讨会”。本届会议以“设计与数据智能的探索”为主题。李一帆在会上以《才云科技的 AI 产业实践与设计师》为主题展开演讲。以下是现场精彩回顾。
浅谈 AI 在中国落地的“道”与“术”

AI 现状

浅谈 AI 在中国落地的“道”与“术”

大家好,很感谢今天收到论坛的邀请,我给在座的设计师同学解释一下我的职位的概念。大数据科学家是最早 Facebook 提出的一个职位,主要工作内容就是将 AI 算法应用到公司的数据和业务上去。我今天讲的内容和前面几位不太一样,我本人是做算法的,我从 AI 角度,从我们做 AI 行业落地角度来分享一下,我们怎么看 AI 这个事情,以及我们在设计圈做什么事情的。
浅谈 AI 在中国落地的“道”与“术”

首先提一个事情,我们认为现在有三大类公司在做 AI 落地,想用 AI 技术。

首先是 BAT 这样的大公司,在他们有一个 AI 应用的想法后,无论是人力资源还是数据资源都可以快速调动,他们可以很快迭代出可用的 AI 应用。在不同的领域,比如百度做自动驾驶;腾讯做医疗;阿里做设计。在这一块上我们基本上不碰,我们也很尊敬这几位先行者。

另外我们认为有一类公司,是在 AI 领域做 AI 基础技术,比如商汤科技做人脸识别算法;我们做 CloudAI 云平台;深鉴科技做 AI 芯片。我们是从 AI 技术角度往前看,推进这个事情。

还有一类公司比如海尔,欣和,中国农业银行等,他们和 AI 关系不大,他们甚至还在做大数据,做数据积累。但是因为 AlphaGo 出现,传统公司其实内心憋不住了,他们很想弯道超车,很想直接做 AI。我们才云除了做平台,也和传统行业公司合作,把 AI 特别是云端 AI 用进去。

传统行业:AI 落地地困难与挑战

浅谈 AI 在中国落地的“道”与“术”

做这个事情过程当中我们发现一个困难。在传统公司、传统行业进行 AI 落地的时候,经常问题是在没有人的情况下进行的。传统公司有的是工人、管理者,但是没有算法工程师,甚至连 UI 设计开发人员都没有,可能很多公司甚至没有数据。这都是因为传统公司通常模式是公司生产,产品给到分销商,分销商最终推向市场,客户买单等等一系列线下行为。对于数据积累来说,这并不是一个天然的过程,而是一个需要刻意去做的过程。而且他们也没有动力去积累更宽广维度的数据,这就造成了很多传统公司没有数据积累的现状。

请设想,你作为董事长,或者是分行行长,想把 AI 用到业务上,但是通常的问题就是没有清晰的业务前景,用了又能怎么样呢?我们在新闻上看到的 AI,是 AI 下棋了;阿里鲁班例子,AI 可以做海报。对于传统行业的人来说,没有这种规模效应,他们的业务并没有一万个棋手下棋,所以他们会直观认为下棋 AI 没有业务前景,这些东西不能直接用。

纯工程角度谈 AI

浅谈 AI 在中国落地的“道”与“术”

作为专业从事 AI 行业的人员来看,其实阿里鲁班 AI 可以做海报,但不仅仅是可以做海报,还可以做更多。它可以做产品设计;可以帮助创业公司规划销量;做线下门店行为识别等等。如果我们将现象级的产品分解到技术或者是一个可用小模块的层面,那么传统行业也是可以用的。

在产业实践当中,我遇见了两组人在解决这个问题。从我的角度,一种是专门从事 AI 的工程师;另一种是相应技术出身的人。

比如以前是(AI PHD),然后想创业,所以做了一个公司,像这样的人有很多,我也是这样的,我会从一个纯粹 AI 工程的角度,去帮助一个传统公司分析。我会从技术角度去观察一个传统公司能做什么样的 AI 落地。比如某零售公司积累了很多销量数据,那么我就会想着用销量预测算法来帮助他们。比如一个百货商城有很多人流量,我就会想着用深度学习算法来分析它的线下客流。甚至像百度这样的,去到汽车生产公司,他会说我会有一些算法,帮助你做自动驾驶等等。

这么做下来可以看到我们的思路,特别是工程师的思路是比较倾向于技术本身,但是技术和业务之间本身就有一个巨大的鸿沟。我们工程师看到这个东西可以做,所以我们提出来。其实这样的配置给大传统行业老板,给到业务负责人,是特别苍白和无效的。三五次无效的提议之后,可能这些人就再也不信任 AI 了。比如他们会问我为什么做这个预测,或者是为什么做商品识别,带来什么价值,可以赚钱吗?我们扪心自问的答案会是:其实不一定。

设计咨询角度谈 AI

浅谈 AI 在中国落地的“道”与“术”

在这个过程当中,有一些创业者,学会了从业务价值角度回答问题。比如说咱们看到鲁班现在开始从设计师、设计行业角度回答,我认为这样的 AI 工具才有生命力。

其实,我会发现还有一个行业的人很有意思。上海有许多设计咨询公司,过去很长一段时间,他们一直在服务这样的传统行业,去开发、去设计新产品、去设计新的服务体验、去设计新的商业 BU。

我和很多位相熟的设计咨询师聊下来,发现他们思考问题的角度特别不一样,他们会问您顾客是谁,他们体验好吗,还会问我们如何创造性地解决商业问题,以及怎么样做一个新业务。

这对于刚刚我列出来的 AI 工程师来说,是不会考虑的角度。但对于我做算法人来讲,这种角度就特别有意思。

我从来不会想说,比如新三板企业老板,他做 AI 不是为了做 AI,他不想要 AI 这个科学,他可能为了上 A 股。如果算法仅仅是为了识别商品,那这个事情他不会很感兴趣;但如果算法可以帮你识别人的身份,同时我们通过这样的能力设计一个服务,情况就会不一样。比如我是一个厂商,我有可以识别人身份的能力。那么我就可以马上通过客户数据匹配喜好,让厨师给他做食品送到家门口。上海有一万白领每个月付三千块购买这个服务,一年就是三个亿的生意。从生意角度,设计咨询师有一个特点,他不仅仅考虑生意,还考虑体验,这跟商业咨询师特别不一样。

AI:“道”与“术”

经过几轮沟通我发现,我特别喜欢和搞咨询的人聊天,而且我意识到这里面实际上是“道”和“术”的问题。做 AI 工程的人,最在意的是这个算法怎么样,够不够快,这是“术”的角度;做设计咨询人更考虑我要让你成,我用什么你别管,我有创意,最后成了就行,这是“道”的角度。

浅谈 AI 在中国落地的“道”与“术”

为什么我今天比较激动呢?因为我觉得这是一个特别好的场合。我们做 AI 的技术公司,特别想和广大设计行业、设计咨询行业同仁一起合作。

现在线上生意在中国的 GPD 占比也没有超过 20% 的量,我印象当中应该是只占 5%,还有另外 95% 是传统的线下生意,需要我们去改造,AI 是很大机会。咱们图像识别算法、人脸识别算法,可以把线上、线下打通,剩下 95% 肯定是 AI+。

今天我想发出一个呼吁,咱们做设计朋友可以更多地和你身边做算法的朋友聊聊,看能不能做一些新的、有创新力的事儿。如果各位有这个想法,也可以找我们才云科技。

Caicloud:TensorFlow 助力传统行业

我们才云在 AI 行业里面做一些事情。我们是一帮从谷歌过来的人,以前在硅谷做事情,五个创始人有四个是 CMU 毕业。我以前是在清华和 CMU 念书,后来上海做了一家医疗 AI 公司,做了一年多生意垮了,我现在在才云做 AI 解决方案。

我们才云做 2B 的方法是这样的:我们怎么服务占中国 95% GDP 的传统行业呢?我们围绕谷歌 TensoFlow 做平台,这个平台可以帮助你更好地管理计算资源和算力。今天这个场合放技术架构图比较抽象,但其实这是一个简单的概念。

我以前为了搭建一个做 AI 产品的团队,需要招 2 个算法、5 个系统工程师,还有很多运维人员;现在只需要 2 个系统工程师再加 1 个平台就行了。在今天的语境中,如果你想做 AI+ 设计产品,只需要在座某一位设计师加上我们的算法平台,这个事情就可以成。

基于现在最新的容器技术,可以达到更高加速比,还可以管理集群 CPU。我们想要规模化利用深度学习,也需要管理更多的资源,这是我们的特点。我们做 AI+ 的思路是:任何一个行业平台先搭建起来,这是我们的产品;另外有算法人员在算法库里面挑四类算法,再出行业解决方案。

本文转载自才云 Caicloud 公众号。

原文链接: https://mp.weixin.qq.com/s/aQnlhHhtnrMry11_KW9ldA

评论

发布