导语:“尽管存在许多困难,但现在真的是人工智能发展最好的时机。”
在FUS猎云网2020年度人工智能产业峰会上,文安智能创始人陶海以《AI落地–垂直行业应用的全栈智能实践》为主题发表演讲。他表示,新基建加速人工智能应用垂直细分化,人工智能向全栈智能化发展,从“数据+算法+算力”的人工智能1.0到“感知+认知+协同”的人工智能2.0。
陶海认为,尽管人工智能存在许多困难和挑战,但现在真的是人工智能发展最好的时机。行业、场景非常多,AI公司虽然如雨后春笋般涌现,实际上还是不够的。“人工智能未来将从长期积累进入到厚积薄发、大有前途的时代。因为我们要进入一个真正解决问题,通过AI落地实现垂直行业中的全栈智能闭环。”
“人工智能2.0里的协同特指人机交互,因为最终的决策一定要人来做,这是基本的伦理。人工智能从感知、流程再造回过头来倒逼效率提升。”陶海说,做人工智能永远被需要,因为跟业务是紧密联系的,一定要进入业务闭环,不停的定制。
作为城市感知和获取信息的主要方式,计算机视觉技术为智慧城市中的公共安全和城市治理、交通、社区、教育、健康医疗、工业互联网等行业应用和服务体系提供有力的赋能。据IDC 最新预测,2023 年全球智慧城市技术相关投资将达到 1894.6亿美元,中国市场规模将达到 389.2 亿美元。
值得注意的是,近日文安智能获得近亿元C轮融资,由金茂创投和中汇金资本共同投资。今年8月以来,文安智能斩获赛文交通网颁布的“2019AI+智慧交通10大优秀企业”奖项,以及全球经济年会(GNEC)上颁布的“2020新基建成长企业100强”。
以下为陶海演讲实录,猎云网整理删改:
AI是一个非常艰苦的行业,虽然现在很火,从阿尔法狗之后大家非常热衷做AI,其实AI已经很多年了。而且一定程度上,大家会有一种感觉,现在的AI和真正意义上的人工智能,就是科幻片里的AI是不一样的,它是能思考、能交流,有想法,能够自主逻辑判断。其实我们现在说的所谓的AI,更多的是比较简单的大数据的一种回归算法,就是Y=F(x)。
这样的话你有什么X,有什么Y,定义就好了,收集数据,训练出F,就解决了这个问题。
为什么强调解决问题,因为现在有了前所未有的数据和前所未有的算力,所以我们这个F的拟合可以做的非常好,这样我们大量的实际问题能够解决掉。比如说识别类的问题,像人脸识别、二维码识别和图像识别类的问题都能解决,一下子让产业化落地非常快。
但是这个红利,在最近这五年,从2015年到2020年逐步消失,包括投资人也好,包括行业都看穿了,大家看这个东西可以做,但是人人都可以做,这样价值就没有了。所以感知层的AI,现在的价值衰减是越来越快。
但是人工智能真的就要进入低谷了吗?其实是没有的。因为我们真正的人工智能问题一直没有解决,只要一直没有解决,就永远有机会。
目前来讲,文安智能自AI领域深耕了15年,整个过程我们都经历过。我们认为,未来反倒是从长期积累进入到厚积薄发、大有前途的时代。因为我们要进入一个真正解决问题,通过AI落地实现垂直行业中的全栈智能闭环。
经历过一些困惑,现在我们慢慢清晰了。AI公司不能赋能百业,就是要进一两个行业,而且你必须还要做到这一两个行业最好的公司。可能你的规模不是最大的,但你是引领者、你是高端,你创新,你占领市场,这是一个很好的一条路。
但是再往后走,再远了,能不能变成老大老二,那要看你自己的努力情况。但是往这个方向走,就涉及到第三个阶段,你一定要去真正做出业务闭环,解决问题。
现在ToC和ToB里面经常会有两类公司,一类做产品的公司,这类公司可能好一年、好两年。举个例子,比如一款人脸相机卖15000元,成本才800元,很多玩家看到毛利高全冲进来了。一年之后,相机价格变成1500元,还有专门做硬件的公司会努力给你压缩成本。再比如人脸识别闸机刚出现时很火,但现在闸机人脸识别算法模块才150块钱,这就是做算法的人工智能公司必须过的一个槛。
我觉得感知层非常残酷,但是做人工智能有一个好处,不光是感知层,还有数据层,还有决策层,整个全栈人工智能其实是非常难做的,这也是我们做人工智能的一个机会。从我们角度讲,我们就深耕行业做全栈智能,这是我们目前想到的人工智能创业最好的一个路径。
我刚才讲的是比较实在的体会,下面讲一讲落地应用的挑战和应对。
尽管有那么多困难,现在真的是人工智能发展最好的时机。首先基础比较薄弱,这张图上,横坐标是市场规模、纵坐标是成熟度。AI+安防相对成熟度高,因为安防里的关键算法,公安一定要花钱买的算法不多,就是人脸识别,剩下还有治安防范,就是弱需求。
相对来讲这么多公司,这么多投入,都做人脸识别,发展的非常快,所以相对成熟。但是其他很多行业都不太成熟,只要不成熟,而且每个行业场景都非常多,本身行业就多,行业里场景又多,所以AI公司虽然如雨后春笋,实际上还是不够的。
其次,之前大家都认为人工智能就像是火箭,数据是燃料,算法是引擎,数据、算法、算力是以前传统的说法,这个比较适合说感知层AI,就是刚才说的Y=F(x)。你有足够的X有足够的Y,你标注足够好,训练一个神经网络F,就解决了这个问题。比如,一张图是男的,是猫、是狗,这都是映射问题,X就是图像,Y就是狗和猫,F就是神经元网络,这个问题就是算力算法数据解决的。
一旦进入真正业务闭环就不这么简单,就开始看阿尔法狗。当初这么多公司创立,这么多钱投进来是想得到各行各业的阿尔法狗,结果搞了一个F回来,搞了一个感知,不是搞了一个决策闭环,这其实有巨大的差距,有这个差距就有机会。
还有很多刚才谈到的信号灯控制,包括防疫人的跟踪。经过防疫大家知道了,不光人要跟踪,货物要跟踪,车要跟踪,摩托车要跟踪,自行车要跟踪,所有的东西万物都要跟踪。这个时候如果感知达到了万物跟踪的状态,就可以做万物的优化、规划,这就是我认为整个闭环最终的目标。
所以,人工智能将向全栈智能化发展,从“数据+算法+算力”的人工智能1.0到“感知+认知+协同”的人工智能2.0。
2.0实际上是感知加上数据,加上认知,加上协同。为什么加协同,这里的协同特指人机交互,因为最终的决策一定要人来做,这是基本的伦理。同时,人工智能大家都在讲智能体,都在讲云边协同,都在讲迭代。人工智能有一定概率会失败,而且失败会很惨,所以你一定不让很惨的事件发生。就像特斯拉的车撞到货车,不能让这个事件发生。这时候可以把人的因素加进去,人机交互协同,可能“十四五”阶段机器把公务员20%的工作接过来了,让他们轻松了20%,到“十五五”他们就能轻松50%。但是最终,这个人一定是在这个环节里的,流程要再造,人工智能从感知、流程再造回过头来倒逼效率提升。
我们认为“感知+认知+协同”是人工智能2.0。但有一个很麻烦的事情,这个事要对每个垂直行业去做,这里面山头林立,有一大堆过去的厂商,有过去的平台、过去的数据,你怎么整合,这个要累死你,因为这个不是我们做就能解决的。
在这个过程中,非常重要的一个事就是标准化。因为人工智能可以算出很多东西,但是就算一个视频识别算出来,如果没有标准,后面没法用。而且一个城市的各个区里面,一个厂家一个标准,最后这个数据互相都不通的。在过去视频监控里已经有这个问题,但是现在智能互通问题还没有标准,这个也很可怕。虽然我们坐在这天天说智能,但最后输出格式不一致,识别出来结果没有标准,这本身是一个很重要的事情需要去解决。
再说数据感知,从2015到2020,感知方面出现很多公司,做图像处理、模式识别、视觉,很多新创立的公司想办法解决各个行业的问题。目前来讲,愿意买单的,首先政府,然后是商业,我们现在老百姓买这些服务还是比较少的。
实际上即便是感知层,虽然我们说理论上认为是解决了,通过大量数据,大量的标签再加上F就解决掉。但是在实践当中并没有解决。比如我们最近做了一个课题,有些车时间长了不太好冒黑烟。通过AI能不能识别?很黑的