朱鹏飞|传统行业想获得AI加持,为何这么难

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|传统行业想获得AI加持,为何这么难】——朱鹏飞 天津大学智能与计算学部副教授
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 。

推荐阅读