IBM:傳統(tǒng)企業(yè)如何快速應(yīng)用AI技術(shù)
隨著人工智能(AI)相關(guān)技術(shù)不斷加強(qiáng)和深入,智能語(yǔ)音助手、智能音箱,甚至掃地機(jī)器人這類簡(jiǎn)單的消費(fèi)類AI產(chǎn)品已經(jīng)逐漸融入到我們的生活。與以消費(fèi)者為主導(dǎo)的市場(chǎng)不同,醫(yī)療、工業(yè)等以企業(yè)為主導(dǎo)的市場(chǎng)發(fā)展AI面臨著更多難題。近日,《電子產(chǎn)品世界》編輯在“AI時(shí)代的移動(dòng)技術(shù)革新”大會(huì)上采訪了IBM全球技術(shù)研究院院士林詠華女士,就AI在醫(yī)療、工業(yè)等企業(yè)為主導(dǎo)的市場(chǎng)推廣及應(yīng)用中存在的問題及相關(guān)突破點(diǎn)作了深入的探討。
本文引用地址:http://www.ex-cimer.com/article/201801/374219.htm消費(fèi)市場(chǎng)與企業(yè)市場(chǎng)需求決定者不同
我們現(xiàn)在接觸的大部分比較成熟的AI產(chǎn)品都是消費(fèi)類產(chǎn)品,而以消費(fèi)者為主導(dǎo)的市場(chǎng),需求實(shí)際上是由互聯(lián)網(wǎng)公司決定的,互聯(lián)網(wǎng)公司在AI上考慮創(chuàng)新的時(shí)候,更多的是要考慮消費(fèi)者需要有什么樣AI的能力,而在推出相關(guān)產(chǎn)品后,消費(fèi)者則會(huì)去學(xué)習(xí)怎樣使用。相較而言,企業(yè)市場(chǎng)的需求是由企業(yè)來定的,因此,怎樣把AI技術(shù)應(yīng)用到不同的企業(yè)中則是IBM等直接面對(duì)企業(yè)客戶的公司所面臨的挑戰(zhàn)。
企業(yè)市場(chǎng)AI創(chuàng)新面臨的三大問題
當(dāng)下想要用AI來提升企業(yè)業(yè)務(wù)價(jià)值主要面臨人才、數(shù)據(jù)和經(jīng)濟(jì)性三方面問題。
人才問題
像BAT等互聯(lián)網(wǎng)企業(yè)已有自己的AI團(tuán)隊(duì),相較而言,今天很多工業(yè)界在生產(chǎn)制造、能源、交通等領(lǐng)域的企業(yè),他們有專注自己業(yè)務(wù)的人才,但是并沒有AI方面人才。
數(shù)據(jù)問題
AI之所以在最近幾年發(fā)展得很火,深度學(xué)習(xí)在其中起到的作用是不可忽視的。2012年深度學(xué)習(xí)開始進(jìn)入AI的算法領(lǐng)域,而深度學(xué)習(xí)的應(yīng)用需要海量數(shù)據(jù),像谷歌、Facebook、BAT等互聯(lián)網(wǎng)公司,正因?yàn)槭种杏写罅康幕ヂ?lián)網(wǎng)上的數(shù)據(jù),因而得以在AI方面有相對(duì)較快的發(fā)展。但是這些數(shù)據(jù)與企業(yè)今天要解決問題的數(shù)據(jù)是完全不同的,包括醫(yī)療、生產(chǎn)制造等領(lǐng)域中的數(shù)據(jù)對(duì)于企業(yè)來說都是小數(shù)據(jù)級(jí),不是海量數(shù)據(jù)。
經(jīng)濟(jì)性問題
對(duì)于企業(yè)而言,經(jīng)濟(jì)性問題也是必須考慮的。如果要擁有AI的能力意味著把成本提高十倍,企業(yè)自然是很難接受的。而這其中需要考慮的不僅是算法上的創(chuàng)新,而且要通盤考慮系統(tǒng)的優(yōu)化、系統(tǒng)的創(chuàng)新,如何使在加入AI能力的同時(shí),成本可以沒有太大的浮動(dòng)。
IBM的破局之力
人才問題
提供配備AI能力的硬件平臺(tái)需要有深度學(xué)習(xí)的開發(fā)團(tuán)隊(duì),而提供公有云的模式又只能提供一些固定的模型,這些固定的模型提供的API內(nèi)容與今天很多企業(yè)數(shù)據(jù)不相關(guān),難以匹配企業(yè)實(shí)際需求。
針對(duì)此,IBM開拓出第三種業(yè)務(wù)能力——構(gòu)建一個(gè)“AI大腦”,這個(gè)大腦既可以部署在企業(yè)內(nèi)部,也可以部署在云端,同時(shí),它面對(duì)的開發(fā)者并不是需要具備豐富深度學(xué)習(xí)開發(fā)經(jīng)驗(yàn)的開發(fā)者,而是企業(yè)中大量的應(yīng)用開發(fā)者,以此來解決企業(yè)人才問題。
應(yīng)用開發(fā)者可以利用“AI大腦”,不需要做任何深度學(xué)習(xí)的開發(fā),就可以在上面用機(jī)器針對(duì)企業(yè)的數(shù)據(jù)去訓(xùn)練應(yīng)用到企業(yè)里的數(shù)據(jù)模型,并且通過“AI大腦”可以自動(dòng)的提供很好的、很高的精度,這是我們希望能夠達(dá)到的,林詠華女士介紹道。
IBM推“AI大腦”其實(shí)是事后的人才培育,事前的方法是要加大深度學(xué)習(xí)的教育,尤其是在本科領(lǐng)域。現(xiàn)在很多高校的電氣、能源等學(xué)科,應(yīng)該將深度學(xué)習(xí)作為其必修的基礎(chǔ)學(xué)科來教學(xué)。從而使得這批人才在走上工作崗位時(shí),至少懂得怎樣應(yīng)用深度學(xué)習(xí),從而可以更好地結(jié)合到產(chǎn)業(yè)中。
數(shù)據(jù)問題
在企業(yè)市場(chǎng)中,很多時(shí)候相對(duì)較少的不正常的數(shù)據(jù)更有價(jià)值。以醫(yī)療圖片為例,針對(duì)某一疾病,一萬(wàn)個(gè)病人中有九千九百多個(gè)病人的數(shù)據(jù)是正常數(shù)據(jù),相對(duì)于這些正常數(shù)據(jù),那一小部分不正常的數(shù)據(jù)更為關(guān)鍵。無(wú)論是在醫(yī)療,還是智能制造,這樣的不正常的數(shù)據(jù)會(huì)更少。
針對(duì)此,IBM新推出計(jì)算機(jī)視覺領(lǐng)域的Power AI Vision平臺(tái),該平臺(tái)在解決“小數(shù)據(jù)”問題上有以下兩種不同的方法:
數(shù)據(jù)增強(qiáng),即通過正常數(shù)據(jù)模擬故障數(shù)據(jù)來訓(xùn)練數(shù)據(jù)集。某些特殊數(shù)據(jù)需要在特定條件下才能采集到,Power AI Vision平臺(tái)中有加噪、旋轉(zhuǎn)、對(duì)稱等模擬選項(xiàng),從而滿足未來遇到不同非正常場(chǎng)景。例如自動(dòng)駕駛做模擬測(cè)試時(shí),無(wú)法測(cè)得惡劣天氣下的行駛數(shù)據(jù),這就可以通過加噪來模擬惡劣環(huán)境測(cè)試拿到數(shù)據(jù);醫(yī)療方面,很多時(shí)候會(huì)檢測(cè)細(xì)胞,其實(shí)細(xì)胞可以是多方位不同角度,因此數(shù)據(jù)增強(qiáng)可以做隨機(jī)旋轉(zhuǎn);攝像頭在拍攝公路上汽車時(shí)可能無(wú)法看到各個(gè)方位,由于車是對(duì)稱的,可以通過鏡像功能拿到完整汽車行駛數(shù)據(jù)。因而數(shù)據(jù)增強(qiáng)可以提供倍增的不同情況的數(shù)據(jù)。
遷移學(xué)習(xí)。遷移學(xué)習(xí)的前提是企業(yè)已經(jīng)有一個(gè)較好的基礎(chǔ)模型,將這個(gè)基礎(chǔ)模型放到遷移學(xué)習(xí)框架中,輸入的數(shù)據(jù)可以是少量的數(shù)據(jù),輸出的會(huì)是很好的結(jié)構(gòu)。而企業(yè)可以通過網(wǎng)上公開數(shù)據(jù)集訓(xùn)練的數(shù)據(jù)或是其他企業(yè)已經(jīng)訓(xùn)練好的數(shù)據(jù)模型經(jīng)測(cè)試沒問題后,拿來作為企業(yè)的基礎(chǔ)模型。
AI產(chǎn)業(yè)鏈上下游配合
AI整個(gè)產(chǎn)業(yè)鏈大致分成三部分:1.下游硬件廠商;2.中游的AI芯片軟件及平臺(tái)廠商,需要調(diào)用下面的硬件,然后賣給上游;3.上游是行業(yè)企業(yè),需要為AI技術(shù)付費(fèi),也是用AI產(chǎn)品去賺錢的企業(yè)。
如果對(duì)產(chǎn)品的性能或復(fù)雜性要求不高,現(xiàn)在的整個(gè)產(chǎn)業(yè)鏈還是可以實(shí)現(xiàn)的,例如一些玩具類AI產(chǎn)品。但是如果對(duì)性能和復(fù)雜性要求較高的話,就需要整個(gè)產(chǎn)業(yè)鏈的深度融合和各方面大規(guī)模的優(yōu)化。例如GPU是否是最好的硬件,我們用一個(gè)經(jīng)典的算法做一個(gè)模型的話,英偉達(dá)最新的V100 GPU也只能同時(shí)支持四路視頻的實(shí)時(shí)性,這導(dǎo)致分?jǐn)偟矫恳粋€(gè)攝像頭上的成本達(dá)一兩千美元,而每個(gè)攝像頭的成本也就是一兩百美元,如果考慮大規(guī)模應(yīng)用的話,這樣的方案則無(wú)法實(shí)施。
另外,如果上游市場(chǎng)不能達(dá)到足夠大,下游廠商是無(wú)法為這一領(lǐng)域進(jìn)行相關(guān)定制化配置的。例如,現(xiàn)在有很多為自動(dòng)駕駛提供的專用芯片,這是因?yàn)楝F(xiàn)在自動(dòng)駕駛領(lǐng)域已經(jīng)足夠大。國(guó)內(nèi)很多中小企業(yè)很難出現(xiàn)單個(gè)中小企業(yè)就有下游公司幫助定制這樣的硬件,這時(shí)候就要去看是否有多個(gè)中小企業(yè)有這樣的需求,從而驅(qū)動(dòng)下游企業(yè)做集中定制化,這也同時(shí)要求下游廠商對(duì)市場(chǎng)有比較深入的了解。
初創(chuàng)公司如何進(jìn)入AI市場(chǎng)
AI要想大規(guī)模應(yīng)用,就要求其有高可靠性,同時(shí)能力要比人強(qiáng)。大公司會(huì)兼顧不同的產(chǎn)品方向和領(lǐng)域,卻很難在每一個(gè)領(lǐng)域達(dá)到100%的精準(zhǔn),這就為初創(chuàng)公司留出了機(jī)遇,而這些機(jī)遇又可以分為技術(shù)創(chuàng)新和技術(shù)配套兩類:
在技術(shù)創(chuàng)新方面,初創(chuàng)公司要進(jìn)入AI市場(chǎng),需要考量?jī)煞矫嬉蛩兀阂坏┳隽藭?huì)有比較大的市場(chǎng)價(jià)值,而且這個(gè)領(lǐng)域不是已經(jīng)被做熟的市場(chǎng)。例如現(xiàn)在在Face++出來之后,仍然有人在進(jìn)入人臉識(shí)別的市場(chǎng),初創(chuàng)公司選擇這樣的領(lǐng)域,好處是市場(chǎng)需求已經(jīng)被拉動(dòng)起來,但是也很難在其中取得一席之地。
在技術(shù)配套方面,AI在不同的行業(yè)相關(guān)配套算法及方案需要做很多配套的技術(shù),初創(chuàng)公司也可以選準(zhǔn)一個(gè)方向,成為這其中的專才。
AI領(lǐng)域難以實(shí)現(xiàn)數(shù)據(jù)共享
目前來看,企業(yè)做AI的話,數(shù)據(jù)本身就是區(qū)別于競(jìng)爭(zhēng)對(duì)手的壁壘。現(xiàn)在互聯(lián)網(wǎng)上有很多的公開數(shù)據(jù)集,例如用來做圖片分類、自然語(yǔ)言處理、計(jì)算機(jī)視覺,但是這些數(shù)據(jù)集并非來源于企業(yè),而是來源于網(wǎng)絡(luò)。企業(yè)中的實(shí)際數(shù)據(jù)與這些數(shù)據(jù)集是完全不同的。如果你有高價(jià)值的數(shù)據(jù),而別人沒有的話,這就意味著你在AI領(lǐng)域比競(jìng)爭(zhēng)對(duì)手要走得更快。對(duì)于想要做AI的企業(yè),實(shí)際上是不愿意將數(shù)據(jù)共享的,因?yàn)橐坏┕蚕恚@樣的優(yōu)勢(shì)就不再存在,除非你能夠保證一定比同領(lǐng)域企業(yè)能夠在技術(shù)上領(lǐng)先一到兩年,否則就是在培育你的競(jìng)爭(zhēng)對(duì)手。
以生產(chǎn)制造為例,有些企業(yè)希望用AI做質(zhì)檢,用AI提高產(chǎn)品的良品率,如果將瑕疵數(shù)據(jù)進(jìn)行分類公開,競(jìng)爭(zhēng)對(duì)手也會(huì)利用這些數(shù)據(jù),無(wú)形中就無(wú)法形成領(lǐng)先的市場(chǎng)地位。
深度學(xué)習(xí)并非萬(wàn)能
如今,很多人已經(jīng)意識(shí)到深度學(xué)習(xí)要學(xué)一個(gè)簡(jiǎn)單的東西仍然需要海量數(shù)據(jù),效率太低。深度學(xué)習(xí)不是萬(wàn)能的,不是最好或最適合的,之后一定會(huì)有更好的技術(shù),但是現(xiàn)在還遠(yuǎn)未到新技術(shù)聚合出來的時(shí)間。
評(píng)論