侵权投诉
技术:
GPU/CPU 传感器 基础元器件 网络通信 显示 交互技术 电源管理 材料 操作系统 APP 云技术 大数据 人工智能 制造 其它
应用:
可穿戴设备 智能家居 VR/AR 机器人 无人机 手机数码 汽车 平衡车/自行车 医疗健康 运动设备 美颜塑身 早教/玩具 安防监控 智能照明 其它
当前位置:

OFweek智能硬件网

人工智能

正文

关于人工智能的冷思考

导读: 人工智能已经毋庸置疑的成为热门投资领域,但是,致力于人工智能在垂直行业的深度应用的从业者,我们需要一直保持冷静,避免被外部环境过多的干扰。

人工智能已经毋庸置疑的成为热门投资领域,但是,致力于人工智能在垂直行业的深度应用的从业者,我们需要一直保持冷静,避免被外部环境过多的干扰。

人工智能是多种前沿科学的综合性学科,其复杂度可见一斑,纵观人工智能的发展历程,也是经过了多年的积累而来,直到云计算、大数据得到大规模应用以后,普及速度才得以提升。如果我们把人工智能分为科研与工程应用两条路,那么,我们看到的更多是科研上的进展,实际应用的速度是落后于科研的。为什么呢?我认为是系统性与复杂度。

回忆我们的大学时代,我们也是为科研做了贡献的,不仅改进了很多算法,还能够输出科研论文,然并卵,我们都知道那纸上谈兵不能解决现实生活中的实际问题。

面对一个现实中的问题域,我们可以有大量的解法选择,如何从中选出最优解,这本身就是复杂的。以Amazon go的无人商店为案例,很多人说那里没有什么新技术,要么电子标签,要么计算机视觉,要么扫码或NFC。其实,当我们再往前思考一步的时候,就知道其难点了。比如电子标签,在一个封闭的系统内,电子标签是能够解决物体识别的方案之一。不过,如果将电子标签应用于实际的店面商品就不是一个好的解决办法。给市面上的流通商品增加电子标签,要么是在商店进货的时候由店家做,要么是在商品出厂的时候由厂家做。由店家做,增加了人工,且只能贴在商品外包装上,无法应对商品上架后消费者的撕、换、拆,在无人商店内会增加损耗。由商品厂家做当然更好,但是厂家要针对商家专门来做,在一定程度上也增加了生产成本,而且一般商家很难推动供应链上游做这件事情。再拿计算机视觉来说,单纯的图片中的物体识别现在的技术还很难达到可商用的准确率,更何况是视频中的物体识别。面对商店中数量众多的商品和各个方向的摄像头,如何通过实时计算来交叉验证消费者手中拿的商品是哪一种,其对计算效率、识别准确度等方面的要求已经极为复杂了。再推演一步,即便每一个单一技术都可行,当把这些技术综合到一起形成一个无人商店系统的时候,岂止是简单的加和关系?

我们再来思考一下关于人工智能应用效果的评价问题。

当对一个领域实际采用了人工智能技术以后,如何评价其效能才可证明人工智能的有效性呢?这方面仍然存在大量的研究空间。仍以Amazon go的无人商店为例,如何评价采用了这些人工智能技术带来了哪些结果?是成本的降低吗?看上去没有店员了,但也增加了大量的传感器、设备、技术的成本。看上去消费者效率提高了,但哪些是人工智能带来的直接结果?当需要采用人工智能为解决方案的场景时,该场景本身就已经是足够复杂的,在这样的前提下,很难简单的把应用后的结果归因于是人工智能的成功。

所以说,对于人工智能的工程化应用而言,不能因为概念的火热就冲昏头脑,认为人工智能可以短平快的解决一切。长远去看,人工智能仍然是很多问题的解决方案,但是,这个效果的评价和证明决不是一朝一夕,更不能因为无法简单的给予量化评价就武断的否定人工智能的作用。反之,关注应用人工智能在发挥作用过程中的趋势效果可能更有说服力。在当前人工智能应用的初期阶段,只要在技术方案上能把人工智能的应用讲得通,符合逻辑,还是可以大胆的尝试,边摸索边提升。当然,这需要时间,要做长期的准备。

声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号