浮出雾海的真实:从ET大脑到产业AI

  从雾海涌现:从ET大脑到工业AI

  最近我们一直在探索这样一个问题:为什么AI快速发展,普通人还认为距离AI很远?事实上,这可能不是媒体和技术爱好者的问题。随着国家和社会经济的进一步发展,迫切需要一个真正可以得到即时成果的人工智能。从“新一代人工智能”政策的出台到国家人工智能创新开放平台第一批清单的出台以及工业和信息化部最近发布的三年计划,我们都可以看到政策层面推动人工智能走向实用化,产业化和一体化。换句话说,如何让人工智能技术在实验室中漂浮,并将数据测试到现实世界和我们的生活中显然是足够紧迫的。今天很多媒体报道报道,阿里云已经在刚刚结束的2017北京峰会上发布了最全面的阿里巴巴外星人形象。但背后的阿里复杂的AI业务,产品和协作生态,也许我们可以找到一个关键词:行业AI。行业AI到底与其他AI有什么区别?阿里举重战士投入事实?在一个嘈杂的技术我们可以从几个故事中回答这些问题什么是行业人工智能?在我们开始故事之前,我们首先需要回答这样一个问题,尽管如此,它看起来像...废话...但事实往往与我们所想的有所不同,顾名思义,工业人工智能当然是一种人工智能技术和产品,在特定的行业中发挥作用。我们经常说AI是传统产业,有些不同的是,当我们讨论AI产业或者所谓的AI +时,我们经常想到用AI作为主体来实现特定领域的固有功能,例如一些AI +教育离子平台是利用AI的语音交互和NLP功能来实现远程教育。在这种情况下,我们正在考虑用AI替代它,而不是将它与AI结合起来。它可以改善一些情况,但不能真正提高行业本身的效率,降低原有成本,也不能整合到整个行业。因此,真正的行业人工智能必须能够与传统行业无缝整合,推动行业核心部门的发展,这也是阿里云从ET脑到工业AI布局的根本诉求,特别值得注意的是,深度行业人工智能必然指向复杂的行业约束和实际需求,往往比简单的人工智能替代方案更为复杂,例如,希望人工智能来计算机场的停机坪使用率,提高停机坪的使用效率,听起来很简单,但是真正的机场调度员,但需要考虑航班号,机型,国际国内分类,近飞机优先原则,飞机状态,航空公司,机场建设,交通状况,延误航班对下一班航班的影响,天气状况,等十几个因素来确定停机的飞机如果AI系统只有一两个,错过了一些因素, LD不会延迟事件?所以,工业的需求往往比我们通常想象的要复杂。综上所述,人工智能要解决工业问题,必须具备四个基本的能力:1.多维感知:在现实世界中,数据和信息往往是从多个方向混合而成。如果AI只能听,只能看,或者只能连接到数据库,那么就会变成盲人式的触摸式AI。只能用来炫耀一定的能力,但不能真正投入使用。 2.全球视野模式:能够感知,但也能够分析和总结,就像上述的围裙。人工智能必须在数据流中整合信息和实时变化的各个方面,为导向全局做好准备。这就是我们所说的人的大局,没有大局的人不能胜任管理,没有大局的AI也是如此。3.人机合作经验:想做工业人工智能,我们必须承认,今天的人工智能是不可能的,不希望完全取代人。它必须是一种人机合作的工作模式,但人机协作,如何减少人们的工作时间,提高人们的工作效率,不会浪费大量的学习成本和适应成本,而且关键问题。 4.持续的进化能力:不断变化的工作,必须让人们不断适应和学习新的工作方式,AI也是如此,如果行业不能进化AI,那么一旦AI工作需要改变变成铁块,这真的不值得一提。为了解决这四个非常棘手的问题,阿里云的解决方案是构建迄今为止世界上最大的综合代理:ET脑。 ET脑凭借其强大的计算能力和数据优势,能够适应各行业的感知,洞察和演进需求,以满足不同的智能计算需求。在这背后隐藏着现实,必须有能力,数据和算法相结合才能实现AI能够在复杂场景中与原有工业系统配合的所谓场景。阿里云布局行业最快的AI,也可能是这个原因。但是,这可能还不够。工业AI之路绝非纯粹的技术能力。到底如何创造行业AI?如果你在一个比较传统的行业,不妨想一想,如果你安排了一个超智能的AI助手,你的第一反应是什么?很兴奋?那么第二个反应呢?大概觉得学习很麻烦,不知道到底好用,担心成本和效益不匹配等等等等。没有办法做到这一点。人们面对新事物的超然反思总是被排斥和怀疑。特别是人工智能是一门自然科幻技术和产品。所以,AI在实验室和PPT中比较容易,但是行业AI比较复杂。它的大部分复杂性不是纯粹的技术挑战,而是关于业务合作的复杂和长期需求,谈判沟通和要求细节。总之,都是家务事和疲惫的事情。这几天跟阿里云专家沟通,听到很多故事。从这些故事中,我们可以总结出阿里创造工业人工智能的三个方面的秘密:一是进入现场的具体需求,很多人工智能技术变成现实,往往太重人工智能太轻现实,直接效果这是完全低估了工业化进程的难度,例如,阿里云在创造ET工业大脑的时候,面对老机器已经有二三十年了,这些机器怎么样AI呢?我们怎样才能不压低企业的成本,如何让老厂的工人知道如何使用?可能一般科学家都不会想到这个问题,而是工厂AI的真正障碍。而阿里云的解决方案则相当简单粗鲁:直接工程师蹲在车间里,一台机器在琢磨和收集数据,貌似是科技行业的第一名。据说第一家试点企业也不肯试工业脑首先,阿里云决定免费安装,结果很快就为企业节省了数千万美元,然后企业主动收费,可想而知,现实中的工业人工智能很难进入这个行业,这对于AI团队和执行要求是不够的,其实是远远超出了想象,其次是以行业从业者为核心思想,我们忽略的一个问题是,AI技术有时候并不令人满意,看似合理的技术解决方案,在现实的行业现场实际上是无效的,比如阿里云的AI语音解决方案和法庭场景合作。一般来说,我们知道法庭使用语音互动只不过是用法庭代替书记“工作”,但事实并非如此,它直接将审讯听证换成文字,而且含有大量的的口头语言内容,这简直是无效的记录,反而使得店员工作更加困难。阿里云智能语音解决方案是通过AI智能理解文本,提取逻辑来简化试用记录,真正能够帮助店员,所以真正的行业人工智能必须以从业者的问题为中心来考虑,这就需要深入了解行业和深层次的重点领域的行业合作,比如刚刚发布的最新的ET航空大脑,这个“新脑”将在首都机场启动,首都机场300个机场班次,每天迎来1700个航班,提供智能化的决策和计算。这个行动的难度很大,但是ET航空大脑可以在50秒内完成整个任务,并且全员可视化,监督和调整。三是千方百计解决问题。工业化必须面对的最后一个问题是,真正的问题往往比实验和测试更复杂。必须突破技术领域的局限,不能等待技术成熟,而是选择用一切手段来解决问题。例如,阿里巴巴将在上海推出第一个AI地铁自动售票机,允许用户通过语音交互购买地铁票。但在如此嘈杂的地铁环境中,语音识别太复杂了。阿里云最终的解决方案是在加强射频阵列硬件的同时,利用机器视觉技术识别脸部和嘴唇,让售票机听到和看到售票员的购票,从而最终解决问题。这三个渠道归根到底是一个产业合作和工程量的巨大工作。在具备技术基础的同时,还要求企业具备较强的沟通能力,工程技能和个案能力。这是一个坏的方法,但总是有人去。一个发现:工业化过程中的人工智能战场通过ET脑的中央系统汇聚点,以及背后的力量,算法和数据的积累,至今已经发布了一系列关于城市,工业,零售,金融,汽车,家庭等六个“工业AI”方案的情景。这些功能,产品和解决方案,阿里云出口到各行各业。从ET大脑的起源到今天的生态地图,阿里的“逼真AI”在AI人物的战斗中也保持着自己的很多优势,例如:1.全面的场景,持续的进化能力和良好的合作习惯,从工业,交通,环境,航空,ET脑逐渐全景布局,纵向双向发展,其结果可能是一个涵盖经济的关键感知门户生计能够利用这些情景的力量带动整体演变,产业合作的良好步伐带来了进一步的出口升级能力,现场,技术和合作,正在形成阿里三角增加三角关系,2可以复制,甚至可以复制AI解决方案的生态副本,从航空脑的情况来看,ET脑的解决方案和能力基础是高度重复的,不难看出,当一个领域需要复杂的计算多个感知数据的组合,人工效率总是很低,那么ET脑可以自发地引入。这个地区在生活中相当普遍。由于ET大脑的工业AI解决方案在某种程度上被复制,生态无处不在的行业AI的自发衍生物可能会出现。 3.关键领域的直接价值。工业,医疗和运输航空公司,阿里工业AI系统在提高效率和降低成本的同时,在更多关键领域提高覆盖率,通过高速的工业合作效率和直观的价值,阿里AI将在竞争中获得先发优势当行业人工智能受到国家和社会的需求推动,必将成为下一个竞争的场景时,根据这些领域的优势,AI AI可能会在新的战场上占有一席之地当然,最重要的是让AI有用,有用,普通人乐于使用,是这种技术不会成为另一个泡沫的根本保证。这是一篇十亿国家专栏作家的文章,如果你想转载,请签署内容转载协议,请联系run@ebrun.com