AI还能干什么？

1970年，第一代神经网络算法问世，证明了《数学原理》前52个中的38项。

此后，AI不断突破迭代，“折叠”生产力时空，将人类从重复劳作中解放出来。

近年来，随着各行各业高度发展，信息量和应用场景也呈指数级增加，算法模型逐渐步入深水区。而AI落地的场景，大多数仍然有限，并未能发挥最大效能。

怎样的AI技术，能够持续赋能行业，解决更为细碎但常见的长尾问题？乃至跑向机器“拓荒”思考的“最后一公里”？

AI现在需要“解放自己”，展开一场范式转变。

欲知未来，先看历史。因此，有必要从人工智能应用落地的第一阶段，看AI如何一步步构建和影响身边的世界。

AI走出实验室

在AI技术借由电子产品走入我们的视野后，我们不断探索着人工智能更多的可能性。尤其是探索将人工智能与传统行业结合，希望AI能够为传统行业的发展注入新的能量。

但人工智能在传统行业的落地似乎没有人们设想的那么容易。人工智能领域知名学者吴恩达去年就曾在一篇文章中提出了疑问：在互联网行业中被应用得“得心应手”的人工智能，为什么会在传统行业中“水土不服”？为何AI技术在传统行业的应用速度和范围远不如消费互联网等行业？

一方面，人们对人工智能的认识还有不足。在传统行业中合理地利用人工智能能力需要创新和不断探索。只有当某个合适的应用场景出现后，人工智能的相关应用才会应运而生。

随着疫情的爆发出现的无人配送机器人、消毒无人机、无接触体温检测设备就是很好的例子。疫情出现时，创造了传统行业新的应用场景，对应的人工智能应用也就应运而生。

人工智能作为新鲜事物在传统行业中的潜力还亟待在实践中挖掘。

另一方面，人工智能目前已经普遍应用的场景不同，传统行业具有规模化，产业化的特点。这就要求人工智能完成“工业化”，告别“小打小闹”，真正走向规模化。而目前这一过程还面临着人才储备、软硬件生态等多方面的挑战。

AI落地应用知易行难

AI既能创造东西，又能解放我们，但在各行业实际应用AI的过程中，进展是相对较缓慢的，这是为什么呢？

“AI落地阶段是个知易行难的阶段。首先是数据因素。因为AI和机器学习工具依赖于数据来训练基础算法，获得清洁、有意义的高质量数据投喂，对于AI计划的成功至关重要。而各行业落地需要扎实的数据基础，如果缺少比较统一、标准化、高质量的数据，AI应用可能会是无米之炊、无源之水。”远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲在接受科技日报记者采访时表示。

有专家指出，数据有“罪”——“自由散慢”。“自由”就是当你靠一些服务器收集数据，会发现很多数据有问题，无法使用，比如英国HealthCare普查发现，80%的人都出生于1911年11月11日，之所以有这种情况，是因为有些被调查者不想回答一些隐私问题，他们就想输入“00”，但系统不允许“00”，于是大家都输入“11”，所以80%的人生日都是随意填写的，这个数据是脏的。“散”是指散落在各处；“慢”是指速度慢。

很少有行业能比制造业更受益于人工智能。谭茗洲指出，“该行业产生了大量的数据，数据质量和数据管理问题非常重要。但是，制造业数据可能是有偏差的、过时的、甚至充满错误的。尤其是生产车间、繁重的制造环境中在极端、恶劣的操作条件下收集的数据。”

风险和合规因素也不容忽视。“AI让企业开始大量依赖机器帮忙做决策。在这个过程中会带来业务连续性、隐私保护、AI可信度、伦理和社会的问题等，这些在AI落地过程中都不能忽视。规模化也是一大难题。大多数企业的AI创新都是点状、实验性质、局部的创新，缺少规模化、商业化、运行态的布局。”谭茗洲强调。

教会机器“看脸”

当代生活对人工智能最直观的认知，来自人脸识别。

人脸识别，是AI众多技术中最早、最为成熟的技术。现如今，在各个场合“刷脸”已经成为一种常态，比如交通运输场景中，刷脸登机、入闸、安全检测等。

但人脸识别被广为人知的应用，当数智能美颜。经过智能美颜“点石成金”，照片变得精致动人。

虽然“一切看脸”难免失之狭隘，但人类70%-80%的信息获取来自视觉。人脸识别让人工智能具备了识人知物的能力。

简单来说，视觉AI就是研究如何让机器会“看”，即用摄影机和电脑代替人眼对图像进行特征提取和分析，并由此训练模型对新的图像数据进行检测、识别等任务，建立能够从图像或者多模态数据中获取信息的人工智能系统。

作为人脑之外的另一种智能，在认识世界之前，先要认识人类。模仿人脑学习过程的深度学习的内核，也是构建特征模型。人的面部信息，是社交及传播行为的重要载体，具有丰富的数据基础和重要的应用化需求。

因此，人脸识别成为人工智能诞生60年来的爆发“奇点”。深度学习从人脸识别开始，劈开一条道路。

此后，人脸识别技术在各行业领域，都得到了应用。在商业楼宇，可用来录入门禁考勤系统；互联网APP为面部设计出好玩的滤镜，创造新奇社交体验；银行系统用上了便捷且具有高安全性的刷脸支付；而智能手机厂商的人脸解锁和智能美颜，大概是日常最频繁的应用。

人脸识别在诸多领域的应用，打开了广阔的蓝海市场，也滋养了一批AI技术企业和应用企业，诞生了商汤（0020.HK）、旷视科技、云从科技等AI企业，同时百度（BIDU.O）、阿里（9988.HK）等互联网厂商也积极切入人工智能领域。

发展到现在，AI人脸识别技术已非常成熟，甚至被打上基础技术的符号。以精度、准确度为导向的技术驱动力量正在减弱，而用户对产品使用场景适配度的要求，却越来越高。

而人工智能技术的应用，远不止于此。

在长尾场景中，重识世界

随着人工智能技术的迅速发展，现如今AI的应用已经突破了识别人自身的第一阶段，进入了第二阶段——即对人周边已知领域的探索，体验人能感知到的现实世界。

在第二阶段，人工智能的使命，和第一阶段有所不同。

从人脸识别，过渡到识别万物、实现万物互联；从标注图像中的单一要素，到识别物体组合和场景，甚至是物体与场景的关系。

从数据化到结构化，乃至可交互化，是人工智能第二阶段的使命。

只有将时间、地点、人物关系有机串联，才能真正令AI“理解”和学习人类世界的真实状态，以解决在第二阶段大量出现的长尾问题。

所谓长尾问题，即AI应用中出现的差异化、碎片化和细节化的需求。现在的应用场景中，80%都是此类低频、长尾的需求。能否解决这些长尾需求，是AI大规模产业化落地的关键。

以城市管理为例，城市是一个复杂的系统，要想让城市真正实现有序地运转、高效的治理，仅仅依靠人的力量是不够的，借助人工智能的力量，可以让治理更高效。

如今，虽然“智慧城市”方案已在很多地区落地应用，但真的利用AI技术去解决细节问题，需要面临成千上万的治理元素，比如共享单车乱停乱放、消防通道被占、垃圾桶满溢、积水阻碍通行等。

商汤试图挑战这个问题，并取得了新进展。2020年，他们与上海市进行合作，基于商汤SenseFoundry方舟城市级开放视觉平台，构建了多场景、一站式的解决方案。长宁区的AI+一网统管试点，“智慧巡屏”等功能，就是AI研判处置全闭环管理的案例。

AI打通城市管理闭环后，有效地解决了城市暴露垃圾识别、共享单车乱停乱放的痛点，不仅能帮助城市管理者发现问题，还能在案件被处置后自动核查，甚至将管理模式转变为主动发现。

商汤SenseFoundry方舟企业开放平台，还将AI应用于上海徐汇滨江水岸的生态管理中。

上海徐汇滨江岸线长达11.4公里，沿线入驻近500家企业，有近20多万人员通勤，以及每天数以万计的游客。如此大面积、多人流、偶发事件频繁的环境，日常运维管理难度极高。

但现在的水岸区域，是具有“城市生命体征”的智慧水岸——针对各种“突发事件”，均可构建从自动发现、预案触发、任务分派和复查的一体化管理体系。

从区域内座椅、灯杆、井盖、绿植、草坪、建筑等16000+资产建档，到自动告警派发工单，甚至花花草草的养护需求，都能有条不紊一一照顾到，这种“能感知、主报告、有温度”的“智慧公共空间管理平台”，由SenseFoundry Enterprise商汤方舟企业开放平台的AI赋能而来。

见微知著。一个个AI长尾问题背后映射出的，是AI发展趋势。

根据Gartner发布的《2021年AI成熟度曲线》显示，AI发展主要面临4个趋势，具体包括：负责任的AI、小而广的数据方法、AI平台运营化、高效使用数据、模型和计算资源。也就是说，AI的发展最终要走向高效使用数据、模型和计算资源方向。

成熟曲线显示，目前很大比例的AI创新，依旧在上升型的技术萌芽期，AI工具还无法达到最终用户需求所具备的能力。这其实意味着，大部分AI的应用依旧处在研发环节。

当前AI还在以快速的步伐发展，“成熟度曲线”上大部分技术，有希望在2年至5年内得到业界采用。边缘AI、计算机视觉、决策智能和机器学习等在内的创新，都会在未来几年对市场产生革命性的影响。

与真实世界的拟合度越高，越需要构建高复杂度的识别算法模块。对下游行业来说，这无疑是巨大的难题。即使需要AI技术，也很难再投入重资产开发。

具有行业精深的专业知识、甚至掌握客户资源在手，但苦于缺乏开发能力和项目管理经验，而无法施展所长，这是诸多垂直类行业解决方案的中小企业的核心痛点之一。显然，他们需要能快速上手、能辅助项目尽快落地、提升项目研发效率的产品。

Gartner 高级首席分析师Shubhangi Vashisth认为，平均而言，将基于 AI 的模型集成到业务工作流程中，并交付，需要大约8个月的时间。”

因此，对下游企业来说，如果有了强大的深度学习通用模型和众多模型组件，并能与行业属性相结合，无疑是最为便捷、成本最优的AI解决方案。

另外，某些低频次但高“赔率”的场景，如火灾、危化品泄漏防范等，也是非常核心的需求。如能解决这样的问题，便能带来巨大的商业价值。

应对上述需求的深度学习模型，参数规模也相当可观。相应地，对算力这一基础设施的要求也越来越高——过去几年翻了100万倍，几乎是以平均每年十几倍的速度增长。

共生时代，AI普惠生活

8月9号，商汤正式发售由中国象棋协会权威认证的“元萝卜SenseRobot”AI下棋机器人。

可爱的外形、酷酷的机械臂看起来科技感十足。人机对弈、象棋教学、残局闯关等有趣的功能，让无论是初学者还是具备一定象棋水平的玩家，都能找到适合自己的对弈等级。与元萝卜一起学习，甚至能考取中国象棋协会认可的棋士等级证书。

这是商汤首款家庭消费级人工智能产品，也是AI的一步普及性探索。未来AI的发展，必将惠泽万家。

但探索真正未知宇宙的前提，仍然是算力和算法的“基建”设施，足够完满。

电力、汽车、医药、消费、城市管理……这些案例，几乎触摸到了各行业疑难杂症的边界，但仍然只是AI能做的冰山一角。

千行百业都能实现智能化升级的前提条件，即万物数字化、智能化。而AI行业发展到新阶段的必要条件，即是打通闭环、解决长尾问题。

谁能以更低的成本、更早的布局、更快的技术迭代解决好这个问题，谁就能成为人工智能跑向“最后一公里”的决赛冠军，打开巨大的商业空间。

8月19日，恒生指数公司宣布截至2022年6月30日的恒生指数系列季度检讨结果，所有变动将于2022年9月5日(星期一)起生效。其中，商汤-W被纳入恒生中国企业指数成份股。

恒生中国企业指数，反映的是在香港上市的大型中国企业的表现，涵盖50家市值最大、交易最活跃的港股中国企业。

在产业规模超过4000亿元、企业数量超过3000家的人工智能行业，不仅有小而美，还有大而强。

当虚拟世界真正映射到现实世界，人类对机器的“驱使”，也将转变为机器对人的照料。

AI在这一过程中，所赋能的功能意义，是使机器“接地气”，变得有温度，有人文情怀，也更有力量和智慧，参与到人类社会历史的进程当中。

从高深莫测的黑科技，变身为辅助工作、生活不可或缺的重要组成，持续提供创造力的灵感，是人类世界对人工智能最深切的愿景

来源：科技日报，雷峰网，阿尔法工场研究院