人工智能产业快速发展背后的四大浪费

作者: 亿欧网 2019-03-01 14:40:00

人工智能产业快速发展背后的四大浪费

七年来,中国私募股权投资市场中,人工智能领域相关投资额约3658.6亿元,818家投资机构参与投资,获投的中国企业有580家。目前,各行各业都开始基于人工智能技术开始新一轮变革,向着智能时代迈进。

但是,火热背后依然存在着一些发展困境:一是企业发展人工智能的核心驱动因素是人才,但是现在一方面人才供不应求,另一方面缺少跨领域综合型人才;第二,人工智能应用的基础是数据,然而,数据共享和数据治理仍是现在各行业面临的重大难题。

本文总结了目前人工智能发展面临的四大浪费:算力浪费、数据浪费、AI能力浪费及AI人才浪费,并针对性的提出了相关的建议。

2019年春节之后的头一个工作日,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。

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,对功能性和适用性、易用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。

此外,还有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。

人工智能 AI
上一篇:在软件开发中实施AI与敏捷管理的九点建议 下一篇:电影业中的AI:未来奥斯卡奖项背后将有它们的身影
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

超过Google,微信AI在NLP领域又获一项世界第一

微信AI,NLP领域又获一项世界第一,这次是在机器阅读理解方面。

乾明 ·  2天前
AI如何改善采矿行业现状? 精选

人工智能的引入,有望将采矿业转化成一个更安全、利润空间更大且更为环保的行业。

佚名 ·  2天前
大小仅1MB!超轻量级的人脸识别模型火爆Github

近日,用户Linzaer在Github上开源了一款适用于边缘计算设备、移动端设备以及 PC 的超轻量级通用人脸检测模型,该模型文件大小仅1MB,一经开源就霸榜Github Trending榜单。

佚名 ·  2天前
大数据和人工智能如何协同工作

人工智能和机器学习如何帮助组织从大数据中获得更好的业务见解?需要了解人工智能和大数据分析的下一步发展。大数据技术并不像几年前那样广受关注,但这并不意味着大数据技术没有得到发展。如果说有什么不同的话,那就是大数据的规模正在变得越来越大。

Kevin Casey ·  4天前
麻省理工学院开发出组装机器人:未来可建造太空殖民地

麻省理工学院博士生本杰明·杰内特(Benjamin Jenett)和原子中心的尼尔·格申费尔德教授(Neil Gershenfeld)在《电气电子工程师学会机器人与自动化快报》科学期刊上发表报告称,开发出一种组装机器人原型,它可以用很小的零件制成大型结构。

技术力量 ·  4天前
刷脸取件被小学生“破解”!丰巢紧急下线 精选

近日,#小学生发现刷脸取件bug#的话题引发关注!这是真的吗?都市快报《好奇实验室》进行了验证。

好奇实验室 ·  4天前
深度学习/计算机视觉常见的8个错误总结及避坑指南

人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些 bug 是隐藏的,很难发现,这使它们更加危险。

skura ·  4天前
AI艺术日渐繁荣,未来何去何从? 精选

利用人工智能创作而成的画作近年来越来越受瞩目,有的作品甚至能在知名拍卖行拍得高价。但这类作品仍有不少问题需要解答,比如它的作者是开发出算法的程序员还是计算机呢?AI艺术的市场未来将走向何方呢?

网易智能 ·  4天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载