AI 前线(2018 年 12 月)

本期主要内容:打脸!2018年深度学习发展速度被严重高估;阿里重磅开源Blink:为什么我们等了这么久?舍弃Python,为何知乎选用Go重构推荐系统?Jeff Dean的传奇人生:超级工程师们拯救谷歌
用户头像
作者: InfoQ 中文站
下载此书
AI 前线(2018 年 12 月)

卷首语

作者 | 云从科技联合创始人 中国科学院重庆研究院人工智能中心主任 姚志强博士

众所周知,人工智能发展了 60 多年,这一次大潮缘于深度学习的突破。在很多人眼里,人工智能技术只是又一个风口,但在我们眼里,人工智能显然是未来的一个长期趋势。至少在现在,人工智能目前已经有足够的能力改造商业重塑那些流程化、数据化的确定性的场景,而这也仅仅是开始。

基于过往经验,我分享一下从一个拥有核心技术的人工智能初创企业,成为一个规模化成熟企业的五个步骤:

L1,学术研究,解决学术成果领先性的问题,也就是保障技术领先。

L2,行业验证,验证成果在行业里是不是能实战,解决在使用环境中的问题。

L3,商业落地,得到验证的核心技术要形成产品和解决方案,真正提升行业。

L4,行业平台,提升整体行业水平不是单个问题,应该对整个行业的多个场景进行聚集。

L5,智能生态,人工智能是中枢,要能带动整个产业上下游,带动整个生态。

L1 和 L2 这两层,基本上是技术研究落地问题,L3、L4 是行业研究落地的问题,L5 是生态的问题。

L1 和 L2 关键点是,整个核心技术可以研究的范围非常广泛,人工智能是一个浩瀚的研究海洋,我们应该寻找一条核心技术的发展路径,到底应该研究什么东西?研究的宽度是怎么展开的?

真正研究产业问题得到产业中去,从产业中来,而不是一味追求宽度。以人脸识别为例,人脸识别是人工智能的眼睛,有了眼睛下一步我们就要做五官,就是智能感知。再往后做大脑,就是认知和决策,就是脑科学。

接下来我们在产业中应用的是 L3、L4。L3 就是我们怎么样能够真正帮行业解决问题,L4 就是怎么全面助推产业升级。

L3 的解决思路是什么呢?首先就是我们一定要深入行业,解决行业关注的问题。第二是提供的核心技术能真正解决行业问题。

L4 是结合上下游产业能力形成完整解决方案,助推整体行业的产业升级,就要更进一步把多种解决方案抽象出来,形成公共部分,定义好一个行业平台。同时在下层提供基础技术能力,连接各个应用场景里的应用。

这里就需要我们具备跨行业和聚集上下游产业链的能力。

最后一个,也是最难的 L5,难点主要在于所有人工智能企业,尤其中小企业面临三大难题:

  1. 技术难题。人工智能是从核心技术开始研究的,它研究的周期长、投入大。

  2. 产品难题。因为从核心技术做的产品,离最终市场距离很远,链条很长,技术要实用,不仅实用还要能销售出去。

  3. 市场落地难。人工智能主要的 B2B 市场有准入的难题,有核心资源能不能获得的问题以及能不能跟原有系统对接等等。

实现 L5,首先要保证技术的宽度是能够形成闭环的。

其次从产品上来说,我们需要打通产业上下游。从芯片开始,到供应链、算法、集成,形成了一套生态体系,反向把能力提供给其他人工智能企业,帮助它们快速缩短产品的实现周期。

最后就是市场,由于 L4 的实现,我们可以通过行业平台解决其他人工智能企业难以准入的问题。

目录

生态评论

打脸!2018 年深度学习发展速度被严重高估

重磅访谈

阿里重磅开源 Blink:为什么我们等了这么久?

落地实践
日均亿次广告投放的 FreeWheel 如何实践机器学习?

舍弃 Python,为何知乎选用 Go 重构推荐系统?

推荐阅读
Jeff Dean 的传奇人生:超级工程师们拯救谷歌

精选论文导读
Facebook 何恺明团队提出 SlowFast 网络,视频识别无需预训练

免费下载此书(PDF)
免费下载此书(ePub)
免费下载此书(MOBI)

收藏

评论

微博

用户头像
发表评论

注册/登录 InfoQ 发表评论