TMT观察网_独特视角观察TMT行业

人工智能從根本上改變了企業(yè)在所有領(lǐng)域的運(yùn)營(yíng)方式，包括制造業(yè)、醫(yī)療、IT和運(yùn)輸。在過去十年中，人工智能的發(fā)展為企業(yè)提供了自動(dòng)化業(yè)務(wù)流程，改變了客戶體驗(yàn)及差異化產(chǎn)品的服務(wù)。

像谷歌和亞馬遜這樣的人工智能先驅(qū)，已經(jīng)利用這些新技術(shù)贏得競(jìng)爭(zhēng)優(yōu)勢(shì)，并且從其AI戰(zhàn)略中獲得了利益。

雖然企業(yè)對(duì)AI的利用程度還處于早期階段，但就目前的AI發(fā)展而言，任何企業(yè)的高管都會(huì)對(duì)此進(jìn)行戰(zhàn)略商討。但重要的是，要對(duì)AI及其生態(tài)系統(tǒng)有一個(gè)具體的了解，以及行業(yè)領(lǐng)袖采取何種措施，來增加其競(jìng)爭(zhēng)優(yōu)勢(shì)。

了解人工智能

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，旨在創(chuàng)建能夠?qū)崿F(xiàn)智能行為的機(jī)器。在AI內(nèi)部有多種技術(shù)和分支，其中機(jī)器學(xué)習(xí)成為發(fā)展最快的一項(xiàng)技術(shù)。

機(jī)器學(xué)習(xí)算法借鑒的是實(shí)例和經(jīng)驗(yàn)，而不是依賴預(yù)定義的規(guī)則和算法。機(jī)器學(xué)習(xí)也有許多分支，比如專注于深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的深度學(xué)習(xí)。

人工智能受益于技術(shù)創(chuàng)新和更廣泛的專業(yè)知識(shí)的融合，特別是可負(fù)擔(dān)的云計(jì)算基礎(chǔ)設(shè)施，大型數(shù)據(jù)集的可用性，以及算法優(yōu)化的飛躍。

得益于人工智能研究的大量投資，這些技術(shù)進(jìn)步為人工智能創(chuàng)造了一個(gè)可持續(xù)發(fā)展的環(huán)境，并繼續(xù)影響企業(yè)和社會(huì)的未來。

機(jī)器學(xué)習(xí)有什么特別之處？

最近人工智能的興起在很大程度上得益于機(jī)器學(xué)習(xí)的進(jìn)步。這些進(jìn)步促進(jìn)了自然語言處理（蘋果的Siri和谷歌翻譯）、推薦系統(tǒng)（亞馬遜的推薦引擎）以及圖像識(shí)別技術(shù)（診斷工具和自主駕駛汽車）的發(fā)展。

機(jī)器學(xué)習(xí)大致分為兩種學(xué)習(xí)方法：

監(jiān)督式學(xué)習(xí)：使用已知的數(shù)據(jù)集，根據(jù)標(biāo)記的輸入和輸出數(shù)據(jù)進(jìn)行推斷。

非監(jiān)督式學(xué)習(xí)：在已知的數(shù)據(jù)集中，根據(jù)未標(biāo)記的輸出數(shù)據(jù)進(jìn)行推斷。

目前，在工作中最普遍的方法是監(jiān)督式學(xué)習(xí)，而無監(jiān)督式學(xué)習(xí)適用于更廣泛的應(yīng)用。在每個(gè)學(xué)習(xí)方法中，有多個(gè)算法類別可供選擇，其決策取決于問題的類型和預(yù)期的結(jié)果。

在機(jī)器學(xué)習(xí)工作流中，流程的每個(gè)部分都需要特定的專業(yè)知識(shí)和不同級(jí)別的資源。雖然領(lǐng)域?qū)I(yè)知識(shí)對(duì)于工作流的預(yù)處理和特征工程部分（是機(jī)器學(xué)習(xí)中另一個(gè)需要大量專業(yè)人力的環(huán)節(jié)）很重要，但是訓(xùn)練階段需要不同的AI專業(yè)知識(shí)和較少的領(lǐng)域知識(shí)。

從基礎(chǔ)設(shè)施的角度來看，在處理數(shù)據(jù)時(shí)，資源最密集的階段是模型訓(xùn)練階段。同樣，了解每種方法的利弊以及在構(gòu)建ML模型時(shí)所需解決問題的類型都很重要。

AI堆棧

人工智能堆棧是運(yùn)行人工智能模型所需的基礎(chǔ)設(shè)施，包括優(yōu)化組件、存儲(chǔ)、數(shù)據(jù)處理和分析工具。

組件：CPU、GPU、FPGA和專用ASIC是AI堆棧的基本組件。雖然CPU無處不在，但在機(jī)器學(xué)習(xí)的資源密集型訓(xùn)練階段中，使用的GPU和FPGA促進(jìn)了深度學(xué)習(xí)的巨大進(jìn)步。對(duì)于需要較少資源的推理部分來說，傳統(tǒng)CPU或超低功耗FPGA或ASIC是最常見的工具。

計(jì)算：公共云供應(yīng)商為人工智能量身定制解決方案。云計(jì)算選項(xiàng)的可用性使任何企業(yè)、SMB或小團(tuán)隊(duì)能夠在一個(gè)可承受的價(jià)格點(diǎn)運(yùn)行AI模型。

存儲(chǔ)：在機(jī)器學(xué)習(xí)中需要大量的數(shù)據(jù)，特別是在特征工程階段，且數(shù)據(jù)存儲(chǔ)至關(guān)重要。Hadoop集群（偽分布式運(yùn)行模式）和云對(duì)象存儲(chǔ)的出現(xiàn)，大大提高了支持人工智能用例的數(shù)據(jù)存儲(chǔ)能力。

AI堆棧依賴于公共云供應(yīng)商和開放源碼項(xiàng)目提供的服務(wù)。云巨頭——如谷歌、亞馬遜、Facebook、微軟和百度——的投資，推動(dòng)了從擁有堆棧的專有廠商轉(zhuǎn)變?yōu)樘峁〢I服務(wù)。

開放源代碼作為公認(rèn)的標(biāo)準(zhǔn)，在整個(gè)人工智能生態(tài)系統(tǒng)中促進(jìn)了更快速的發(fā)展。谷歌的開放源碼的TensorFlow庫(kù)對(duì)其進(jìn)行了驗(yàn)證，它可以讓任何一個(gè)對(duì)機(jī)器學(xué)習(xí)有興趣的人來開發(fā)模型，而不必從頭開始構(gòu)建庫(kù)和算法。

AI生態(tài)系統(tǒng)

在過去的十年，AI走出了研究機(jī)構(gòu)，成為世界上一些先進(jìn)科技公司的前沿技術(shù)。這些公司將AI嵌入其核心產(chǎn)品和服務(wù)，加速技術(shù)進(jìn)步和人才發(fā)展，以及擴(kuò)大在AI生態(tài)系統(tǒng)中的投資。

亞馬遜正在利用AI改進(jìn)個(gè)性化推薦和優(yōu)化庫(kù)存管理。在亞馬遜致股東的年度信件中，首席執(zhí)行官杰夫?貝佐斯（Jeff Bezos）討論了采用AI的重要性，從而更快地交付產(chǎn)品、提升現(xiàn)有產(chǎn)品、并通過云計(jì)算部門創(chuàng)建新工具。

谷歌使用自己的DeepMind技術(shù)來管理數(shù)據(jù)中心，并將冷卻成本降低40%。該公司的AI-First專注于利用AI進(jìn)行搜索優(yōu)化、自動(dòng)駕駛汽車及眾多其他投資組合解決方案。

Facebook致力于打造AI的基礎(chǔ)技術(shù)。其研究小組FAIR是神經(jīng)網(wǎng)絡(luò)突破的頂級(jí)研發(fā)者之一。

微軟已經(jīng)創(chuàng)建了一個(gè)AI業(yè)務(wù)部門，擁有超過5000名計(jì)算機(jī)科學(xué)家和工程師，專注于將AI應(yīng)用到其產(chǎn)品中。

英特爾正在更新其服務(wù)器，以應(yīng)對(duì)處理和訓(xùn)練AI系統(tǒng)所需的額外計(jì)算要求。為了做到這一點(diǎn)，該公司已經(jīng)將其AI業(yè)務(wù)交由Nervana前CEO Naveen Rao所領(lǐng)導(dǎo)（Nervana是一家深度學(xué)習(xí)創(chuàng)業(yè)公司，于2016年被英特爾收購(gòu)）。

百度在人工智能領(lǐng)域投入巨資，開發(fā)圖像識(shí)別技術(shù)，推進(jìn)自主駕駛和數(shù)字助理，并開發(fā)增強(qiáng)現(xiàn)實(shí)工具。

AI人才短缺仍然是一個(gè)問題。據(jù)麥肯錫數(shù)據(jù)顯示，70%的AI投資來自大型科技公司的內(nèi)部研發(fā)投入。我們可以看到很多云巨頭從學(xué)術(shù)界聘請(qǐng)AI人才來領(lǐng)導(dǎo)其AI研發(fā)工作。約有80%-90%的AI人才被世界上的科技巨頭納入麾下。

對(duì)人才的激烈競(jìng)爭(zhēng)也掀起了對(duì)AI公司收購(gòu)的熱潮。據(jù)CB Insights整理，僅在2017年就有55家不同領(lǐng)域的AI私人公司被收購(gòu)。谷歌、蘋果、Facebook、英特爾、微軟和亞馬遜在AI并購(gòu)方面表現(xiàn)得十分活躍，其大部分并購(gòu)針對(duì)其核心的AI技術(shù)，比如圖像識(shí)別和自然語言處理。

在這些技術(shù)供應(yīng)商的帶領(lǐng)下，AI已經(jīng)迎來了其早期的贏家，并在這一過程中創(chuàng)造了一個(gè)基于AI技術(shù)和工具的生態(tài)系統(tǒng)。2017年，650多起交易活動(dòng)創(chuàng)下了65億美元的交易記錄，遠(yuǎn)超2016年近1000筆交易的57億美元的交易記錄。

AI公司專注的領(lǐng)域不斷擴(kuò)展，從最初的AI核心技術(shù)到為特定行業(yè)提供AI解決方案。在投資方面，AI最大的細(xì)分領(lǐng)域一直是網(wǎng)絡(luò)安全和橫向解決方案，其次是商業(yè)智能和IoT創(chuàng)業(yè)公司。

企業(yè)如何打開AI大門

在評(píng)估如何部署或建立AI工具時(shí)，企業(yè)應(yīng)同時(shí)分析其最高價(jià)值用例，并建立強(qiáng)有力的支撐體系和人才基礎(chǔ)。

任何AI工作都會(huì)依賴于三個(gè)主要的構(gòu)建區(qū)塊：數(shù)據(jù)、基礎(chǔ)設(shè)施和人才。

數(shù)據(jù)驅(qū)動(dòng)觀察，但需要訪問大型數(shù)據(jù)集。機(jī)器學(xué)習(xí)的有效性往往與現(xiàn)有數(shù)據(jù)的數(shù)量密切相關(guān)。在這個(gè)階段，獲取大量的數(shù)據(jù)需要從ML工具中獲取價(jià)值。

基礎(chǔ)設(shè)施，無論是軟件還是硬件，都必須到位，才能有效地運(yùn)行機(jī)器學(xué)習(xí)模型。云服務(wù)提供商都做已經(jīng)好準(zhǔn)備將其產(chǎn)品擴(kuò)展到AI基礎(chǔ)設(shè)施，并提供可以與開源軟件結(jié)合使用的解決方案。對(duì)一些公司而言，將訓(xùn)練數(shù)據(jù)轉(zhuǎn)移到云端太昂貴或根本實(shí)現(xiàn)不了。但大量的技術(shù)能力還是必要的，有時(shí)也會(huì)需要GPU、FPGA或ASIC硬件加速器。

AI人才在有效利用機(jī)器學(xué)習(xí)方面至關(guān)重要。雖然并不是每個(gè)公司都會(huì)建立其內(nèi)部的AI組織，但吸納經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家是發(fā)揮AI價(jià)值的關(guān)鍵。機(jī)器學(xué)習(xí)是一個(gè)需要專業(yè)知識(shí)的難題。

將AI應(yīng)用于其核心產(chǎn)品和服務(wù)，用以實(shí)現(xiàn)競(jìng)爭(zhēng)的差異化。基于內(nèi)部的專業(yè)知識(shí)，公司將能夠建立一個(gè)促進(jìn)AI發(fā)展的強(qiáng)大基礎(chǔ)設(shè)施。

在許多情況下，實(shí)施一項(xiàng)戰(zhàn)略需要大量的資本投入。如果不能構(gòu)建自己的內(nèi)部解決方案，那么可以采用第三方工具作為合適的替代方案。對(duì)于那些無法通過AI來實(shí)現(xiàn)差異化的公司，可以逐步改進(jìn)并實(shí)現(xiàn)其自動(dòng)化運(yùn)營(yíng)。運(yùn)營(yíng)效率也是一項(xiàng)競(jìng)爭(zhēng)優(yōu)勢(shì)。

并非每家公司都享有相同的優(yōu)先級(jí)。雖然有些人可能會(huì)找到一種自動(dòng)化的客戶服務(wù)解決方案來發(fā)揮其業(yè)務(wù)價(jià)值，但可能另外一些人會(huì)找到對(duì)庫(kù)存管理更智能化預(yù)測(cè)的解決方案。鼓勵(lì)團(tuán)隊(duì)分析和探索在部門內(nèi)采用AI工具的好處，將有助于了解AI在哪些地方會(huì)產(chǎn)生最大的影響。

結(jié)論

AI不再僅僅是學(xué)術(shù)機(jī)構(gòu)或?qū)嶒?yàn)室的理論研究；相反，它是一項(xiàng)會(huì)改變社會(huì)，帶來創(chuàng)新的基礎(chǔ)技術(shù)。對(duì)大公司而言，這可能是一項(xiàng)令人不安的變化。然而，技術(shù)的易獲取性與活躍的生態(tài)系統(tǒng)的融合表明，企業(yè)比任何時(shí)候都能更快地參與到這種新的創(chuàng)新浪潮中。

來源：億歐