Industry News
Artificial intelligence too slow? Is Developing New Adaptive Technologies the Key
Date：2018-12-21
Source：Samsun Technology
当前，中国的AI市场发展阶段和市场特性，与美国是完全不同的。美国的AI技术应用最广的还是语音、IOT、智能客服等方面，但其图像识别等才刚刚起步。而中国的图像识别技术应用更加广泛，中国的人口规模庞大，因此人口规模到了一定程度之后，做应用的时候会有不同的优先级。目前，网上一直对国内的AI发展并不看好，而这究竟为何？
认为所谓的AI落地只是试点
云计算和网络工业都花了大约5年的时间才开始对人们的生活产生重大影响，而这些行业影响市场的重大转变也花了近10年时间。而AI的落地也需要一个类似的时间表。正如AI技术方面经验丰富的Karen Bennet解释的那样：“为了让每个人都能采用，一款产品需要方便可用，需要是能够扩展至被所有人使用，而不仅仅是服务于数据科学家。该产品将需要考虑数据生命周期中数据捕获、准备、培训模型和预测等环节。随着数据被存储在云端，数据管道可以不断地提取，并准备用它们来训练模型，从而做出预测。模型需要借助新的训练数据不断改进，从而保持模型的相关性和透明性。这就是目标和希望。”
数据的完整性问题
如今的AI需要大量的数据才能产生有意义的结果，但目前依然无法熟练利用其他应用程序。数据的不完整，导致人们对于AI的信任和信心都在下降。例如，在土耳其语属于中性的语言，谷歌翻译中的AI模型在将其翻译成英语时却错误地预测了性别。虽然克服这些局限性的工作已经取得进展，但是在模型扩展的方式应用之前，学习是有必要的。然而，在某些情况下，AI可以在今天已经得到有效的应用，比如在图像识别、声音、视频和翻译语言方面的洞察力。
初创AI企业还在向头部聚拢中
当前，AI还在迅速发展，但并没有像人们想象中发展的那么迅速。根据互联网数据统计机构Statista发布的调查结果来看，截止2017年，全球只有5%的企业在生产流程和产品中广泛采用了AI，32%的企业尚未采用AI，22%的企业甚至没有采用AI的计划。AI在不断的进步，走过了很长的路，也需要越来越多的时间来成熟。
目前AI具备的“智能感知”、“智能交互”和“智能决策”三大能力对传统企业帮助特别大。过去三年里，AI行业涌入大量资金，创业公司林立，独角兽此消彼长。自2013年到2016年AI企业发生融资数量由21家增长到335家，融资规模高速增长，由15亿到236亿。从2017年开始，企业融资数量开始增长放缓，但融资规模依然高速增长到338亿，向头部聚齐。
AI围绕上半场（消费互联网）的算法相对比较成熟，尤其是一些应用场景。但在下半场（产业互联网）还处于一个非常不成熟的阶段。传统企业在面临新技术的时候，无法快速的找到适合的场景，甚至一些AI公司很多时候是不计成本的在开发模型，不计成本的在获取客户。以深度学习为代表的AI到了期望值非常高的高度，但是技术成熟度曲线一直存在。
结语：
未来，我们或许将看到开发新的自适应技术，以便将知识从模拟无缝转移到现实世界。这将有助于我们克服数据稀缺并加快新领域和问题的学习。使AI从模拟到实际数据将对机器人技术、图像识别、自动驾驶、医学成像、地震预报等产生重大影响。模拟是解决自动驾驶等安全关键应用中所有可能情况的好方法，内置于复杂模拟器中的知识将以新颖的方式被使用，以使AI更具物理意识，更强大，并能够推广到新的未知场景。
AI在不断的进步，走过了很长的路，但需要越来越多的时间来成熟。计算机技术水平的不断提高，也决定了AI如何更好地融入企业，如何用AI解决现在的问题。AI的无处不在将引起我们生活的重大变化，越来越多的AI领军人物加入AI的发展中，AI的发展前景不会因为面临的问题减弱，而是会越来越好，到那时人们对AI的期望也会不断提高。
认为所谓的AI落地只是试点
云计算和网络工业都花了大约5年的时间才开始对人们的生活产生重大影响，而这些行业影响市场的重大转变也花了近10年时间。而AI的落地也需要一个类似的时间表。正如AI技术方面经验丰富的Karen Bennet解释的那样：“为了让每个人都能采用，一款产品需要方便可用，需要是能够扩展至被所有人使用，而不仅仅是服务于数据科学家。该产品将需要考虑数据生命周期中数据捕获、准备、培训模型和预测等环节。随着数据被存储在云端，数据管道可以不断地提取，并准备用它们来训练模型，从而做出预测。模型需要借助新的训练数据不断改进，从而保持模型的相关性和透明性。这就是目标和希望。”
数据的完整性问题
如今的AI需要大量的数据才能产生有意义的结果，但目前依然无法熟练利用其他应用程序。数据的不完整，导致人们对于AI的信任和信心都在下降。例如，在土耳其语属于中性的语言，谷歌翻译中的AI模型在将其翻译成英语时却错误地预测了性别。虽然克服这些局限性的工作已经取得进展，但是在模型扩展的方式应用之前，学习是有必要的。然而，在某些情况下，AI可以在今天已经得到有效的应用，比如在图像识别、声音、视频和翻译语言方面的洞察力。
初创AI企业还在向头部聚拢中
当前，AI还在迅速发展，但并没有像人们想象中发展的那么迅速。根据互联网数据统计机构Statista发布的调查结果来看，截止2017年，全球只有5%的企业在生产流程和产品中广泛采用了AI，32%的企业尚未采用AI，22%的企业甚至没有采用AI的计划。AI在不断的进步，走过了很长的路，也需要越来越多的时间来成熟。
AI围绕上半场（消费互联网）的算法相对比较成熟，尤其是一些应用场景。但在下半场（产业互联网）还处于一个非常不成熟的阶段。传统企业在面临新技术的时候，无法快速的找到适合的场景，甚至一些AI公司很多时候是不计成本的在开发模型，不计成本的在获取客户。以深度学习为代表的AI到了期望值非常高的高度，但是技术成熟度曲线一直存在。
结语：
未来，我们或许将看到开发新的自适应技术，以便将知识从模拟无缝转移到现实世界。这将有助于我们克服数据稀缺并加快新领域和问题的学习。使AI从模拟到实际数据将对机器人技术、图像识别、自动驾驶、医学成像、地震预报等产生重大影响。模拟是解决自动驾驶等安全关键应用中所有可能情况的好方法，内置于复杂模拟器中的知识将以新颖的方式被使用，以使AI更具物理意识，更强大，并能够推广到新的未知场景。
AI在不断的进步，走过了很长的路，但需要越来越多的时间来成熟。计算机技术水平的不断提高，也决定了AI如何更好地融入企业，如何用AI解决现在的问题。AI的无处不在将引起我们生活的重大变化，越来越多的AI领军人物加入AI的发展中，AI的发展前景不会因为面临的问题减弱，而是会越来越好，到那时人们对AI的期望也会不断提高。
