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。這對圍棋界意義很大，棋手們對AlphaGo-Ke能讓三子勝AlphaGo-Lee感到無比震驚，下棋的想象力完全打開。但是對外界而言，主要的觀念沖擊在2016年已經(jīng)完成。

2017年8月Deepmind公布了在星際爭霸項目上的進展，在這個“非完全信息”即時策略游戲上，AI用自主學(xué)習(xí)方法取得的成果意外的小，能力遠遠不如開發(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)展并不會一帆風(fēng)順，會面對艱巨的挑戰(zhàn)，目前火爆的人工智能可能迎來一定程度的降溫。

有所突破但不成熟

人工智能是IT業(yè)的子行業(yè)。就IT對各行業(yè)的改造來說，目前人工智能起的作用不能算大。如移動支付大發(fā)展，主要還是支付寶、微信的IT架構(gòu)作用大，二維碼識別環(huán)節(jié)只是一個小功能，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，如車牌識別。對車輛信息的管理，核心數(shù)據(jù)是車牌?；趫D像去識別車牌，識別率從2000年的90%進步到2010年前后的95%，目前已經(jīng)達到99%以上（相當(dāng)于錯誤率減少到之前的幾十分之一）。識別率的不斷進步終于突破瓶頸，產(chǎn)生了巨大的產(chǎn)業(yè)效應(yīng)。由于機器的識別率超過了人（一般人眼識別會犯錯），像停車場出入口這樣的應(yīng)用環(huán)境，用機器代替人，不僅更為經(jīng)濟，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，出入自動統(tǒng)計。即使攝像頭識別車牌不是100%完美，但是對產(chǎn)業(yè)來說已經(jīng)足夠了。在極少數(shù)機器識別不了或者識別錯誤的情況下，停車場可能會承受一定的損失，但它所帶來的效率提升與費用節(jié)省卻很大。

基于圖像的車牌識別率取得突破，另一個重大影響是，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，之前人們認為硬件讀取比圖像車牌識別可靠，更有前景，但卻在實際應(yīng)用中發(fā)現(xiàn)，RFID讀取會有信息干擾，也有角度問題，讀取設(shè)備成本也高，應(yīng)用起來比一體化機攝像頭識別要麻煩得多。這個意義并不小，說明物聯(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。指紋識別是另一個例子，成為手機應(yīng)用中的基礎(chǔ)技術(shù)之一。二維碼識別的應(yīng)用也日益廣泛，但它主要是在更多行業(yè)中應(yīng)用推廣，識別技術(shù)本身不需要太大突破。而以科大訊飛為代表的語音識別技術(shù)也在不斷進步，近幾年迎來爆發(fā)式成長，但其識別仍有很大的進步空間，因為還和自然語言理解有關(guān)。人臉識別技術(shù)同樣飛速發(fā)展，其在極多人臉照片中找到目標(biāo)的能力遠超人類，但是對抓拍角度存在一些限制?？梢钥闯觯坏┤斯ぶ悄苷_率突破瓶頸（如超過人類），就可能迎來應(yīng)用的爆發(fā)。

總體來說，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，如機器人、自然語言理解、專家系統(tǒng)、機器視覺、模式識別、博弈論等。目前主要是圖像識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，每個行業(yè)都會有不同的要求。有的行業(yè)發(fā)生錯誤可以接受，如認錯幾個車牌少收點錢問題不大，主要的作業(yè)流程跑通就可以了。但是有的行業(yè)流程就要求絕對正確，如集裝箱管理，如果自動處理發(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)時需要加上很多流程輔助。因此，像自動駕駛這樣的人工智能開發(fā)問題就很復(fù)雜，正常情況的開發(fā)容易做，但主要的困難是異常情況的處理，這會非常麻煩。自動駕駛的應(yīng)用可能會比預(yù)期的慢，甚至成為開發(fā)大坑。

人工智能與產(chǎn)業(yè)結(jié)合的另一個問題是成本，產(chǎn)業(yè)界對人工智能技術(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。這個低可能超過一般人的想象，人工智能軟件本身甚至不要錢，靠硬件賺錢。例如人臉識別應(yīng)用，創(chuàng)業(yè)公司很多，估值一般不低。但是人臉識別的基礎(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別研發(fā)成本平攤進機器生產(chǎn)里，軟件就可以白送了，這對人臉識別創(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。社會生產(chǎn)與經(jīng)濟運行各環(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，將會有不錯的發(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，可能會被其他主動進步的公司消滅。而人工智能創(chuàng)業(yè)公司不應(yīng)該閉門造車，不能忽視成本問題，應(yīng)該主動與行業(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)，還只能與社會生產(chǎn)緊密結(jié)合，不宜過分夸張能力?！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繼續(xù)進行，但離產(chǎn)業(yè)化還較為遙遠。目前的社會生產(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，而是要對細分行業(yè)的深入理解，對流程進行重整，正確使用人工智能技術(shù)幫助提升效率。

在這個過程中，人們可能會對人工智能的能力期望過高產(chǎn)生誤解，甚至認識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)過磨合之后，越來越多的行業(yè)會找到人工智能正確的應(yīng)用方法，未來值得期待。endprint