人工智能“花”落何处

作者 | Tom Austin(Gartner研究公司前副总裁兼院士级分析师)

你是否曾将应用了人工智能技术的“杀手级应用”投入大规模生产中?

实际上,这种情况较为少见。去年,全世界3182名首席信息官(CIO)中,仅有4%表示他们已将人工智能相关的应用投入生产中,或是在未来12个月内有此计划。首席信息官不一定了解企业中正在进行的每一个项目,但基本上这个数字的误差不会超过它的两倍。也许,8%的企业都已将这样的应用投入生产中,但8%这个数字很可能是对实际情况的一种高估。

为什么会出现这种情况?

今年6月27日,Gartner发布了一项人工智能技术成熟程度的研究,为企业架构师和科技创新者提供相关见解。该研究的重点在于人工智能技术的成熟程度,而不在于人工智能领域企业的发展状况。

从表面上看,人工智能领域在过去十年中取得了突破性的进展。不断有新的、宝贵的机会涌现出来。在这十年中,在与人工智能有关的研究、会议、研究生项目、初创公司、风险资金、公司中的并购(M&A)活动、人工智能相关的工作发布、专利申请上,我们都取得了很大的进步。

但我们看到的只是其中的一部分,还须考虑的是:

  • 如今,伟大的研究发现过多地涌现,使得技术空间变得混乱。在很多情况下,当下的技术突破在下一季度或第二年就会过时;
  • 系统工程的指导方针(以及专业知识)较为缺乏;
  • 如今的人工智能技术就像信息通信技术在1960年的发展状况一样,这种情况短时间内很难改变;
  • 最糟糕的是,由于缺乏新的、使用人工智能技术的“杀手级应用”推动商务人士在这方面开展投资项目,人工智能相关的应用投入大规模生产的进程近乎处于停滞状态。

让我们把目光聚焦在“杀手级应用”的“真空”状态上。

我们向IT领导者或企业管理者询问了人工智能应用的问题,并向他们征求文字或口头回答,回答通常会分为以下四类:

  • 第一,决策支持/扩大化——帮助人们变得更加聪明
  • 第二,虚拟代理——熟悉用户的文字或发言
  • 第三,决策自动化——任务自动化或优化
  • 第四,智能产品——嵌入式的人工智能

这几类(先不说第二项)和老式汽车的市场非常相似——老式汽车的想法在十九世纪已经出现,在二十世纪早期出现了对应的产品。人们在熟悉的环境下可以更好地发挥想象。

因此,我们有例如:

二十世纪九十年代初的类似商业智能化的产物(决策支持/扩大化)

以“决策自动化”为特征的任务自动化和任务优化,实际上,我们从计算机时代的开始就在这么做了

智能产品——一个已经近乎没有实际意义的、过时的标签

客户对虚拟代理存在着普遍的兴趣。事实上,表示在人工智能技术上进行了投资的客户中,有三分之二提到了“面向用户”(通常与聊天有关)的项目。但是除非缩窄这些项目的定义,这些项目要达成一定规模的难度非常大。除了几家大型科技公司外,没有哪家公司具备开发出一个可以回答所有人所有问题的全能聊天机器人的能力,洞察引擎(Insights Engine)在这方面比聊天机器人做得更好。而从目前的情况来看,这些大公司的产品也并不是那么完美。谷歌的Duplex、亚马逊的Alexa Challenge中的对话可能是目前最为智能的,但企业是否会对这些项目大规模投资仍然悬而未决。

未来是难以预见的。除了聊天机器人之外,其余项目都仅是在“老式汽车”上的改进。那些能够让企业开创使用人工智能技术的新商业计划的巨大突破在哪里呢?

然而,行业、厂商、分析人员、咨询顾问乃至全世界范围内的企业,都并不了解这些巨大突破会是什么。

这其中一部分的问题是,人工智能最适合解决的问题,可能已超出那些想找到新的“杀手级商业应用”的人的能力和经验认知。

回到商用计算机的早期年代(二十世纪中期),企业购买计算机,运行人们已在纸上处理了数个世纪的问题。当人们知道如何在纸上进行记账,那么将相同的逻辑应用到计算机上就相对容易了。

在如今这个人工智能技术应用开始生产的早期时代,我们无意中失去了知道我们应该如何处理一些事情的能力。研究笔记中写道:

“我们现在能够用深度神经网络(DNN)为基础的系统对照片做面部识别。人类(我们灵长类动物的祖先)已经有至少五千万年的面部识别经验,但总的来说,我们并没有一套有效、系统的方法来进行面部识别。

我们只是运用人类的本能(不像科技开发者那样),用我们神经系统中不同的、与生俱来的学习回路来进行面部识别。其中具体的过程是模糊的。一个十五个月大的孩子是如何分辨出他父亲和母亲的图片的?我们并不了解。日常的人类经验不足以让我们建立一套实现脸部识别的技术。”

我们在缺乏这样的见解的同时,也缺乏实际经验以驱动对相关应用的创造或开发。拟人法可能会让我们误入歧途。

这些局限之外,我们仍要相信:

科学将以惊人的速度继续进步; 人工智能技术将会被应用在更多产品中; 到2020年,人工智能技术将存在于基本上所有的新型软件产品中; 厂商将会用这些嵌入式的技术增加并扩大其产品功能,此后企业就会因商业型人工智能的优势进行投资,而非开发相关技术。

等待能够带动重大商业投资的“杀手级应用”被发现的过程中,我们将继续以实际的、策略性的方式进行小型投资,为业务带来实际价值。

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2018-08-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

大数据人才市场薪酬报告(2015一季度) 附PDF下载

作者:cherrie 2015年3月,白宫经任命DJ Patil作为全国第一个首席数据科学家。这位前PayPal和eBay的执行官,来到白宫之后有了新的任务...

3326
来自专栏人工智能快报

斯坦福报告展望2030年的人工智能与生活

2016年9月6日,斯坦福大学发布了一份名为《2030年的人工智能与生活》的研究报告,展望了人工智能的研究趋势以及2030年的人工智能与生活,主要内容如下: 1...

43511
来自专栏机器之心

业界 | IBM宣布全球首个通用量子计算云服务,可用于商业和科研

机器之心报道 机器之心编译 参与:李泽南、黄小天 IBM 刚刚发布了他们的商用量子计算机系统「IBM Q」,这一系统可以帮助开发者们构建量子计算机与常规架构计...

4019
来自专栏大数据文摘

小数据更管用!

2158
来自专栏华章科技

埃森哲年度报告:2017年8大趋势

今天带来埃森哲 Fjord 出品的年度报告 Fjord Trend 2017,报告还预测了2017 年会迎来哪些技术引爆点。其中包括自动驾驶、智能家庭、聊天机器...

933
来自专栏大数据文摘

大数据项目遭遇失败的八个理由

1388
来自专栏新智元

重磅 | 埃森哲年度报告:2017年 8 大趋势,AI驱动未来

【新智元导读】今天带来埃森哲 Fjord 出品的年度报告 Fjord Trend 2017,报告还预测了5天后就开始的2017 年会迎来哪些技术引爆点。其中包括...

3054
来自专栏新智元

【十年路线图】Facebook 帝国:AI、VR将成两大支柱

扎克伯格在F8年度开发者会议上发布了Facebook未来十年规划,人工智能与AR/VR成为其远景布局中的两大支柱。规划展示了工程 + 研究的取向,可以预计...

37910
来自专栏理论坞

阿里UCAN设计论坛 · 会议纪要

用户体验背景下ued未来的两个关键词是创意与智能。从产品的角度来说是与用户的交互和视觉表达,依赖于三个部分:

1484
来自专栏DT数据侠

你是如何被AI骗去看广告的?

数字经济时代,现代商业环境悄然变革,从传统营销到数字化营销再到如今的预测营销,营销手段正在发生天翻地覆的变化。11月15-16日,2018届GMTIC全球营销技...

1053

扫码关注云+社区

领取腾讯云代金券