
传统企业转型人工智能 只靠大数据可不行
“即使有大数据支撑,如果不和使用场景紧密结合,再高超的科技消费者也不会买账。用户并不关心是否有AI技术,他们更关心的是内容。”
刚过去的一年,人工智能仍是互联网界的首要关键词。就像AlphaGo升级成AlphaZero,无师自通地称霸各种棋类游戏,AI以人类无法预料的速度向未来狂奔,如脱缰野马。中国将在此中扮演何种角色?
2017年7月,国务院印发《新一代人工智能发展规划》;工信部2017年12月出台《人工智能产业发展三年行动计划》(以下称《计划》),提出力争到2020年,一系列人工智能标志性产品取得重要突破,在若干重点领域形成国际竞争优势。
中国在产业应用层面有优势
2017年,人工智能进步的一个标志是:美国举办8年的图像识别挑战赛ImageNet,正式退出历史舞台。8年前AI识别准确率只有70%多,现在差错仅2.7%,远低于人类的5.1%,竞赛已无意义。而最近的报道显示,中国研发的医疗AI,识别小肿瘤的能力也超过了资深大夫。
迟早将攻占更多人类领地的AI,会在哪个领域先开花散叶?
人工智能公司“第四范式”的创始人和CEO戴文渊告诉科技日报记者,AI应用爆发有5个先决条件:大数据(Big-data)、反馈数据(Response)、算法(Algorithm)、基础设施(Infrastructure)、业务需求(Needs),合称“BRAIN”,凡是满足这5个条件的领域,都有可能在2020年之前实现人工智能的爆发。
“我们也可以看到,《计划》中列举的商业化场景,集中在交通、医疗、图像、语音、家居等领域,也都是这五大先决条件相对比较完备的场景。”戴文渊说。
曾有判断说AI在消费端落地还要5—10年,红杉资本中国合伙人计越却不认为需要那么长时间。“比如今日头条,只要让用户看到想看的内容就好,用户并不关心是否有‘AI技术’。”计越说,“你用网易云音乐吗?你不知不觉中也在享受AI的便捷。到消费端的AI什么时候实现不是靠专家的判断,只要实实在在地解决用户需求,它就会实现。”
红杉资本投资了许多中国AI企业:今日头条、快手、秒拍、京东金融、美团、滴滴、摩拜、大疆……计越说,AI需要跟使用场景紧密结合,否则再高超的科技,消费者也不会买账。
大数据是训练AI的关键。“红杉投资看重的,一是应用场景,一是有自己的数据。”计越以滴滴举例说,滴滴在2015年就成为仅次于淘宝的全球第二大在线交易平台,数据规模是每日200亿次的路径规划请求,因此其AI预测用户目的地准确度超过90%。
对于《计划》中提出的中国将在若干重点领域形成优势,戴文渊极有信心。“在AI领域,基本上是中美竞争的格局,中国在AI产业应用层面还有一定的领先。”戴文渊说,“这是由于人工智能的算法和计算能力都可以通过平台实现,数据成为最大的门槛,巨大的用户数据正是中国的优势。中国是互联网人口大国,中国互联网的发展为我们研究AI准备了条件。”
人工智能与实体经济融合需深化
“中国的发展阶段浓缩了,呈现跳跃式和并行发展,可能给中国创业者带来更多机会。”计越说,在中国结合几个阶段为一体的创新公司多(包括AI),而在美国,IT巨头积累深厚,新兴公司需要找缝隙切入,从这个角度看,中国创业机会更大。
迁移学习被认为是AI领域中国可能赶超美国的一个突破点。戴文渊曾创造了中国最大的机器迁移学习系统“凤巢”,他在迁移学习领域单篇论文引用数世界第三,第四范式首席科学家杨强则是世界第一。
迁移学习是指将知识应用到不同领域的能力,以解决目标领域数据不足的问题。由于解决了小数据应用AI的难题,中国的研究受到Google和Facebook的关注。
《计划》提出人工智能和实体经济的融合需进一步深化。戴文渊说,这需要企业的组织架构调整,将AI嵌入经营管理。戴文渊表示,传统企业生产经营是由人工决策、机器执行;AI的意义正是在于机器决策、机器执行。想要成为未来智能企业,门槛也很高,包括机器学习算法,上亿维的系统架构,更包括认知的层面。
“很多传统企业会说自己有大数据,可以做AI了。其实未必,正确的大数据加正确的机器学习,产出是人工智能,错误的大数据加机器学习,产出的并不是。”戴文渊说,企业人工智能核心系统,将是继交易核心系统、互联网核心系统之后,企业的又一个核心。
《计划》特别强调“支持人工智能企业与金融机构加强对接合作”。戴文渊对此评论,金融领域因为拥有足够的数据和计算资源,使其成为AI目前最理想的落地产业之一。“机器已经在金融领域辅助人做大量商业分析与决策。”戴文渊说,“以我们与某银行解决交易欺诈问题的合作为例,机器写出的欺诈交易规则数达到25亿条,资深业务专家写出的规则数最多1000条。最终,机器在欺诈预判准确率较人提升了7倍。”
联想集团董事长杨元庆也表示看好中国AI发展。“未来商业比拼一定是业务模式的比拼,而业务模式的智能化程度决定企业竞争力。”杨元庆说,“如果能更多强调数字经济和智能化,那未来我国企业会比其他国家领先一步。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15