此页面上的内容需要较新版本的 Adobe Flash Player。

获取 Adobe Flash Player

人工智能

人工智能产业快速发展背后的四大浪费
作者:   来源:亿欧网   日期:2019-03-04

    2019年春节之后的第一个工作日,美国国家科技政策办公室发布了由总统特朗普亲自签署的《美国人工智能倡议》(American AI Initiative),该倡议开篇第一句话就写到:人工智能(AI)有望推动美国经济增长,增强我们的经济和国家安全,并改善我们的生活质量。

    本文引用地址:http://www.eepw.com.cn/article/201903/398193.htm

    很显然,将其中的“美国”两字换成任何一个国家的名字,这句话都是适用的,作为全新的生产力,人工智能已经成为社会发展、经济增长和产业升级的关键驱动因素之一。

    据国内媒体报道,人工智能产业已进入全球价值链高端,新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用,我国人工智能核心产业规模将超过4000亿元,带动相关产业规模超过5万亿元。

    但在人工智能产业的高速发展中,却在不经意间产生一些本可以避免的浪费:

    1、算力浪费,计算(算力)是发展人工智能(以下简称AI)的核心基础,AI的研发、训练需要大量的算力,但大部分AI企业往往选择自建计算平台,而非使用AI就绪的云计算平台,由于工作负载不饱和、调优水平有限等原因,企业无法发挥出全部算力,这导致了相当程度上的算力浪费;

    2、数据浪费,拥有深度的、细致的、海量的数据是训练出“智能”的前提,但由于数据共享机制、数据服务平台/市场的建设仍然不成熟,导致许多AI学习/训练无法达到预期的水平;

    3、AI能力浪费,当前许多AI技术(如计算机视觉)已经进入比较成熟的发展阶段,但AI技术通过云计算平台向外赋能的水平还不够,更多的AI技术应用还是“点对点”(即开发者面向最终客户,而非开发者-云平台-最终客户的平台思维),这造成了AI技术未能充分发挥其应有的作用,打破“成见”,拥抱平台思维,既能够避免AI能力的浪费,也能够为开发者提供更丰厚的收入;

    4、AI人才浪费,由于在AI人才培养中,计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉,造成“AI人才不懂行业,行业人才不熟AI”的局面,AI人才往往变成了“计算机学科人才”而非AI产业人才。

    当然,存在浪费就需要有针对性的解决方案,在此针对性的提出相关的建议以抛砖引玉。

    首先,针对AI算力浪费来说,使用公共计算平台(公共云)所提供的算力,尤其是AI算力,是一个避免重复建设AI计算平台(硬件基础设施)的重要方式。公共云因其按需付费、资源共享的特性,可以实现公共服务所带来的天然的边际成本效应降低,而能够以更低的成本获得人工智能算力,不仅降低企业获得AI算力的成本,更能避免AI算力的浪费;

    其次,就AI能力的浪费来说,公共云平台也是一个很好的选择,一方面,云平台天然解决了企业数据和技术的统一,这也构成了企业获取人工智能能力的最重要路径;另一方面,云服务商将AI能力作为“公共服务”提供,对其易用性、适用性、功能性都有所优化或强化,对于企业来说,可以更加快速和便捷的应用到实际业务中去。

    第三,数据共享平台的建立至关重要。虽然近年来AI研究者们持续试图在小数据集上实现AI技术突破,但总体来说收效并不明显,数据仍然是AI产业发展的重要基础资源,完整、全面、准确、实时的数据非常关键。因此,建立可信、可靠、可用的服务于AI产业发展的数据共享平台至关重要,当然,这种共享平台必须要保证数据安全、信息脱敏和隐私数据保护。

    最后是AI人才浪费的问题,正如前文所说:由于在AI人才培养中,计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉,造成“AI人才不懂行业,行业人才不熟AI”的局面,AI人才往往变成了“计算机学科人才”而非AI产业人才。

    针对这一问题,借助跨学科教育培养新一代信息技术人才已经成为共识:2018年11月,MIT宣布在计算和AI领域投资10亿美元,成立面向全球计算和人工智能领域的教育与研究的“苏世民计算学院”,该学院以培养“双学科学者”为目标,通过让各个学科的专家对计算和AI知识的掌握程度与他们在自己的专业领域一样熟练,从而培养“AI+专业学科人才”,从而保证AI人才在产业中可以学以致用。


?