吴恩达|传统行业想获得AI加持，为何这么难中国联通|生态|浙江联通|数字

AI技术要实现应用，首先数据要达到一定的体量，此外算力也要能支持大规模的模型训练，而后算法方面需要达到一定的精度，端侧算力也要具备一定的推理能力。
之所以目前只有消费互联网公司在大规模应用AI算法技术，主要是在这三方面消费互联网公司都更具优势。
——朱鹏飞天津大学智能与计算学部副教授
◎采访人员陈曦
近日，知名人工智能学者吴恩达发表文章，阐述了他对于人工智能在传统行业中应用缓慢的理解。无论是刷短视频时的个性化推荐，还是外卖配送时的耗时预估，或者是移动支付时的人脸识别，以算法为代表的AI技术在消费互联网行业被应用得“得心应手”。然而提到传统行业，人们却很难快速想起非常成熟的应用人工智能的典型案例。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？
消费互联网行业应用AI更具优势
“AI技术的应用主要取决于数据、算力和算法。”天津大学智能与计算学部副教授朱鹏飞介绍，首先数据要达到一定的体量，这是应用的基础，此外算力也要能支持大规模的模型训练，而后算法方面需要达到一定的精度，端侧算力也要具备一定的推理能力。
之所以目前只有消费互联网公司在大规模应用AI技术，主要是在这三方面消费互联网公司都更具优势。
前些年短视频并没有现在这么火爆，例如发展初期的淘宝，也并没有很强的用户黏性。而随着推送越来越精准，用户的体验感也得到了极大的提升，最终呈现井喷式的用户增长。
“精准推送主要依赖于算法精度的提升，而算法精度的提升又离不开海量的数据作为基础。”朱鹏飞解释，在这个单一的场景中，算法模型需要不断进化，终身学习。由于不是封闭数据环境，总有新的数据加入，算法模型需要不断通过学习进行调整、迭代升级，使其精度越来越高，形成一个良性循环。
“与此同时，虽然目前消费互联网行业在算法精度上已经上升到一定的高度，但相比一些传统行业的应用场景，消费互联网行业对于AI算法精度接受的阈值都比较低。比如短视频、淘宝偏好推荐、百度热搜关键词，只需要达到用户产生黏性的目的，只要有一定准确性，用户都可以接受。”朱鹏飞表示，相比之下，在很多传统行业，对于技术精度的要求就高得多。比如基于视觉的AI技术在人脸识别方面的应用，在高铁站、飞机场核实身份，1∶1的比对准确度要高达99.99%甚至更高才可以进行应用。
在算力方面，目前云端算力已经可以支持大规模模型训练和推理，比如短视频、淘宝推荐等。但在大量传统行业应用场景中，智能终端上的端侧算力还无法满足推理的实时性和准确性要求。
“相比于社交网络和电商系统，传统行业应用场景的封闭生态系统使得云端算力无法得到有效应用。”朱鹏飞举例说，以智能无人系统巡检为例，电力巡检、管道巡检、交通巡检、河道巡检以及光伏巡检等要求搭载在无人机和机器人上的算力满足实时巡检要求，由于视频分析的模型复杂度较高，端侧往往无法实现精准高效的实时推理，轻量级网络在满足实时性的同时损失了识别精度。由于算法精度达不到使用要求，使得在很多场景中无法实现AI技术的应用。
传统行业应用AI面临三大挑战
吴恩达认为，在AI应用方面，消费互联网行业之外的其他行业都面临着三大挑战：数据集很小；定制化成本很高；从验证想法到部署生产的过程很长。
对此，朱鹏飞也深有感触，他以传统制造业为例进行了分析。
“传统制造企业在制造向智造转型的过程中，数据是一个很突出的问题。”朱鹏飞介绍，首先在数据的获取方面存在一定难度。传统制造企业的数据是封闭的，因为很多传统企业并不是新型信息化设备，没有传感器收集实时数据，也没有数据中心，因此数据零散，缺失严重，很难获取像消费互联网企业里那种海量、高质量的数据。