AI技术应用落地仍面临这些挑战

由于AI能处理大量数据，让目前的AI技术对于零售业、需要进行因果驱动因素预测的应用，以及银行业的风险评估应用重要性高。目前的AI系统其实仍然面临许多挑战，这些挑战也深深影响AI的应用市场推广。

AI技术已占据要角的应用领域；零售、消费品因果驱动因素预测及金融风险评估

AI的大量数据处理能力，目前在零售、消费品因果驱动因素预测及金融风险评估应用上已经展现其重要性。在零售业领域，AI能透过搜集消费者数据制定个人化的促销活动，刺激零售商的销售额提升。

而在消费品供应链中，AI也能基于前在因果驱动因素的预测，将预测精准度提升10～20%，从而带领2～3%营收成长。至于在金融风险评估方面，银行业可基于AI系统进行客户风险评估与风险管理，目前此种风险评估技术也已被广泛应用于许多金融科技创新平台。

AI技术应用仍面临许多挑战

目前AI技术应用面临的挑战，包含标注训练数据、大量全面的数据获取、输出结果的解释，以及学习的普遍性等。

在标注训练数据方面，由于目前AI系统主要都是采用监督学习模式，必须事先耗费大量时间、人力或资金进行数据标注，因此成为AI系统推广导入的劣势所在。目前针对此劣势，已有许多研究学者陆陆续续推出新的演算模型，希望能逐步达成让数据能自动被标注的目标，以大幅缩减人力与时间的投入。

在大量全面的数据获取方面，由于对许多产业而言，要获取数量与质量都足够的数据并不容易，因此对于这类数据较不易取得的产业而言，导入AI系统的难度也会较高。

而输出结果的解释部份，目前AI系统还难以达到。原因在于，目前AI系统虽然能算出结果，但却无法一步一步地解释这个结果是如何获得的，因此面临这类需要针对运算结果进行解释的需求，目前为止都还无法达到。

至于学习的普遍性部分，是因为目前AI模型在将学习经验自A类移转至B类时，经常会遇到困难。这意谓着企业需要投入大量资金训练新的模型，即便是A类与B类两者间有部分相似性也难以避免。

文丨AI人工智能产业研究 林贞妤