陳經(jīng)

人工智能應(yīng)用到產(chǎn)業(yè)中，需要關(guān)鍵指標(biāo)突破瓶頸，很可能也需要將成本做到極低。

繼2016年AlphaGo戰(zhàn)勝李世石之后，2017年AlphaGo的棋力繼續(xù)提升，戰(zhàn)勝了排名世界第一的柯潔。這對(duì)圍棋界意義很大，棋手們對(duì)AlphaGo-Ke能讓三子勝AlphaGo-Lee感到無(wú)比震驚，下棋的想象力完全打開(kāi)。但是對(duì)外界而言，主要的觀念沖擊在2016年已經(jīng)完成。

2017年8月Deepmind公布了在星際爭(zhēng)霸項(xiàng)目上的進(jìn)展，在這個(gè)“非完全信息”即時(shí)策略游戲上，AI用自主學(xué)習(xí)方法取得的成果意外的小，能力遠(yuǎn)遠(yuǎn)不如開(kāi)發(fā)商暴雪最弱的內(nèi)置AI。某種程度上，這預(yù)示著人工智能產(chǎn)業(yè)的發(fā)展并不會(huì)一帆風(fēng)順，會(huì)面對(duì)艱巨的挑戰(zhàn)，目前火爆的人工智能可能迎來(lái)一定程度的降溫。

有所突破但不成熟

人工智能是IT業(yè)的子行業(yè)。就IT對(duì)各行業(yè)的改造來(lái)說(shuō)，目前人工智能起的作用不能算大。如移動(dòng)支付大發(fā)展，主要還是支付寶、微信的IT架構(gòu)作用大，二維碼識(shí)別環(huán)節(jié)只是一個(gè)小功能，相關(guān)技術(shù)很早就有了。

人工智能在產(chǎn)業(yè)發(fā)展中起主導(dǎo)作用的例子也有，如車牌識(shí)別。對(duì)車輛信息的管理，核心數(shù)據(jù)是車牌?；趫D像去識(shí)別車牌，識(shí)別率從2000年的90%進(jìn)步到2010年前后的95%，目前已經(jīng)達(dá)到99%以上（相當(dāng)于錯(cuò)誤率減少到之前的幾十分之一）。識(shí)別率的不斷進(jìn)步終于突破瓶頸，產(chǎn)生了巨大的產(chǎn)業(yè)效應(yīng)。由于機(jī)器的識(shí)別率超過(guò)了人（一般人眼識(shí)別會(huì)犯錯(cuò)），像停車場(chǎng)出入口這樣的應(yīng)用環(huán)境，用機(jī)器代替人，不僅更為經(jīng)濟(jì)，效率也更高。如將車牌與支付寶建立聯(lián)結(jié)，可以直接扣費(fèi)，出入自動(dòng)統(tǒng)計(jì)。即使攝像頭識(shí)別車牌不是100%完美，但是對(duì)產(chǎn)業(yè)來(lái)說(shuō)已經(jīng)足夠了。在極少數(shù)機(jī)器識(shí)別不了或者識(shí)別錯(cuò)誤的情況下，停車場(chǎng)可能會(huì)承受一定的損失，但它所帶來(lái)的效率提升與費(fèi)用節(jié)省卻很大。

基于圖像的車牌識(shí)別率取得突破，另一個(gè)重大影響是，以人工智能為基礎(chǔ)的軟件方案戰(zhàn)勝了以RFID（射頻芯片）為基礎(chǔ)的硬件方案。RFID可以記下車輛的信息，之前人們認(rèn)為硬件讀取比圖像車牌識(shí)別可靠，更有前景，但卻在實(shí)際應(yīng)用中發(fā)現(xiàn)，RFID讀取會(huì)有信息干擾，也有角度問(wèn)題，讀取設(shè)備成本也高，應(yīng)用起來(lái)比一體化機(jī)攝像頭識(shí)別要麻煩得多。這個(gè)意義并不小，說(shuō)明物聯(lián)網(wǎng)的發(fā)展方向應(yīng)該更多依靠人工智能技術(shù)。

像車牌識(shí)別這樣比較成熟、正確率已突破瓶頸的人工智能技術(shù)，目前還不太多。指紋識(shí)別是另一個(gè)例子，成為手機(jī)應(yīng)用中的基礎(chǔ)技術(shù)之一。二維碼識(shí)別的應(yīng)用也日益廣泛，但它主要是在更多行業(yè)中應(yīng)用推廣，識(shí)別技術(shù)本身不需要太大突破。而以科大訊飛為代表的語(yǔ)音識(shí)別技術(shù)也在不斷進(jìn)步，近幾年迎來(lái)爆發(fā)式成長(zhǎng)，但其識(shí)別仍有很大的進(jìn)步空間，因?yàn)檫€和自然語(yǔ)言理解有關(guān)。人臉識(shí)別技術(shù)同樣飛速發(fā)展，其在極多人臉照片中找到目標(biāo)的能力遠(yuǎn)超人類，但是對(duì)抓拍角度存在一些限制?？梢钥闯觯坏┤斯ぶ悄苷_率突破瓶頸（如超過(guò)人類），就可能迎來(lái)應(yīng)用的爆發(fā)。

總體來(lái)說(shuō)，能成為行業(yè)基礎(chǔ)的人工智能技術(shù)還不多。人工智能領(lǐng)域很多，如機(jī)器人、自然語(yǔ)言理解、專家系統(tǒng)、機(jī)器視覺(jué)、模式識(shí)別、博弈論等。目前主要是圖像識(shí)別取得的突破比較大，AlphaGo取得突破也主要靠將圍棋盤理解成圖像輸入。

高標(biāo)準(zhǔn)、低成本的產(chǎn)業(yè)要求

人工智能應(yīng)用到行業(yè)中，每個(gè)行業(yè)都會(huì)有不同的要求。有的行業(yè)發(fā)生錯(cuò)誤可以接受，如認(rèn)錯(cuò)幾個(gè)車牌少收點(diǎn)錢問(wèn)題不大，主要的作業(yè)流程跑通就可以了。但是有的行業(yè)流程就要求絕對(duì)正確，如集裝箱管理，如果自動(dòng)處理發(fā)生集裝箱丟失，損失巨大不可接受，在應(yīng)用人工智能技術(shù)時(shí)需要加上很多流程輔助。因此，像自動(dòng)駕駛這樣的人工智能開(kāi)發(fā)問(wèn)題就很復(fù)雜，正常情況的開(kāi)發(fā)容易做，但主要的困難是異常情況的處理，這會(huì)非常麻煩。自動(dòng)駕駛的應(yīng)用可能會(huì)比預(yù)期的慢，甚至成為開(kāi)發(fā)大坑。

人工智能與產(chǎn)業(yè)結(jié)合的另一個(gè)問(wèn)題是成本，產(chǎn)業(yè)界對(duì)人工智能技術(shù)的要求與預(yù)期是極低的成本。人工智能技術(shù)得到了空前的重視，投資很多，國(guó)家甚至將人工智能放入中小學(xué)課程。但要想在產(chǎn)業(yè)界成規(guī)模應(yīng)用，成本必須做到很低。這個(gè)低可能超過(guò)一般人的想象，人工智能軟件本身甚至不要錢，靠硬件賺錢。例如人臉識(shí)別應(yīng)用，創(chuàng)業(yè)公司很多，估值一般不低。但是人臉識(shí)別的基礎(chǔ)是攝像頭抓拍，如果不能生產(chǎn)攝像頭，在成本上就已經(jīng)落后很多了。攝像頭廠家將人臉識(shí)別研發(fā)成本平攤進(jìn)機(jī)器生產(chǎn)里，軟件就可以白送了，這對(duì)人臉識(shí)別創(chuàng)業(yè)公司壓力極大。

人工智能產(chǎn)業(yè)的發(fā)展并非破壞式創(chuàng)新，不太可能是新企業(yè)橫空出世掃平舊企業(yè)的模式。社會(huì)生產(chǎn)與經(jīng)濟(jì)運(yùn)行各環(huán)節(jié)已經(jīng)存在眾多行業(yè)公司，這些行業(yè)公司如果能主動(dòng)引入人工智能技術(shù)，結(jié)合自身的流程理解與成本優(yōu)勢(shì)，將會(huì)有不錯(cuò)的發(fā)展空間。行業(yè)公司如果忽視人工智能技術(shù)的發(fā)展固步自封，可能會(huì)被其他主動(dòng)進(jìn)步的公司消滅。而人工智能創(chuàng)業(yè)公司不應(yīng)該閉門造車，不能忽視成本問(wèn)題，應(yīng)該主動(dòng)與行業(yè)公司聯(lián)合，找到人工智能技術(shù)與生產(chǎn)成本結(jié)合的發(fā)展模式。

現(xiàn)階段的人工智能技術(shù)，還只能與社會(huì)生產(chǎn)緊密結(jié)合，不宜過(guò)分夸張能力?！胺峭耆畔⒉┺摹薄巴ㄓ萌斯ぶ悄堋钡容^為學(xué)術(shù)化的人工智能研究肯定會(huì)繼續(xù)進(jìn)行，但離產(chǎn)業(yè)化還較為遙遠(yuǎn)。目前的社會(huì)生產(chǎn)中，已經(jīng)有大量可以與現(xiàn)行人工智能技術(shù)結(jié)合的行業(yè)與領(lǐng)域。這些應(yīng)用型的研發(fā)需要的不一定是多高的人工智能研發(fā)能力，而是要對(duì)細(xì)分行業(yè)的深入理解，對(duì)流程進(jìn)行重整，正確使用人工智能技術(shù)幫助提升效率。

在這個(gè)過(guò)程中，人們可能會(huì)對(duì)人工智能的能力期望過(guò)高產(chǎn)生誤解，甚至認(rèn)識(shí)到人工智能的能力缺限后感到失望，人工智能熱潮降溫。但是經(jīng)過(guò)磨合之后，越來(lái)越多的行業(yè)會(huì)找到人工智能正確的應(yīng)用方法，未來(lái)值得期待。endprint