2018年06月15日 星期五
规模化生产或为AI发展方向
本报记者 付丽丽

    当前,AI发展如火如荼。然而,对于AI的应用和普及,却是见仁见智。

    “AI民主化的核心是将科学家在传统实验室完成的工作让更多人使用,降低使用门槛,让更多的开发者、业务人员能够使用人工智能。”13日,在天云大数据主办的以“AI浪潮下,如何参与DT转型”为主题的论坛上,该公司CEO雷涛指出。

    人脸识别、聊天机器人,这是很多人理解的人工智能,认为人工智能就是人机交互。

    “其实这些都是应用场景而非AI的核心,AI的核心支撑技术是围绕机器学习构建的技术框架。”雷涛说。

    当前,人工智能在各个领域的发展呈不平衡态势,如无人驾驶、人脸识别及机器人等领域,因其算法与目的都很明确,又有媒体关注的推动,在资本与数据的聚焦之下容易找到最佳实践。但针对算法纷繁复杂、数据私有与云服务私有的商业智能领域,AI应用程度参差不齐。在雷涛看来,其实如打车软件、基因测序、互联网快递等才是AI实际帮助我们解决问题的日常场景。

    雷涛表示,手机、汽车从诞生到大规模量产的历史表明,新技术的发展历程往往经历数十年乃至上百年,AI的量产也同样面临重重困难。据2017年《纽约时报》报道,一个刚毕业的AI工程师年薪达到了惊人的300000美元/年,而美国人的平均工资是81000美元/年。据腾讯研究院预测,到2020年,市场对AI应用的需求将增长300%。旺盛的需求,偏少的人才供给,导致AI人才成本高昂。

    “这种情况下,只有通过升级大规模生产工具,才有望满足需求。”雷涛强调。举例来说,某股份制银行的APP背后,是该银行多达数千人的数据科学团队每年生产的600个机器学习模型。因此比起场景,应该更关注怎样高效率、低成本地批量化生产模型。“毕竟负担上千人的数据科学团队,对于大多数企业来说都非常有挑战。”雷涛表示。

    5月19日,在全球人工智能大会上,Google提出的解决路径是供给规模化的AI工具。天云大数据同样也提出了解决问题的规模化AI工具,通过构建支持机器学习特性的PaaS化(平台即服务)AI平台MaximAI,成功减少对数据科学家的依赖。

    “AI不是少数人的专利,AI模型的PaaS化、智能化成为突破AI产业化应用的关键。未来人工智能发展更应凸显规模化生产能力,让企业获取机器智能像读书一样简单。”雷涛说。

京ICP备06005116