肾再多，也不能随便做人工智能
发布时间：2021-10-25 11:13:41 所属栏目：交互 来源：互联网
导读：看过了VR从去年10月的风潮掀起，到今年4月的疯狂，再到7月骤冷的整个历程，让人惊喜，狂欢，再到冰冷，惨淡，挣扎 眼下，又一股科技风暴AI点燃了这个冬季。那么，几个月之后的AI，还会如此狂热吗？ AI与VR虽是不同领域，但都难免被资本催熟 互联网时代的浪潮
|
看过了VR从去年10月的风潮掀起，到今年4月的疯狂，再到7月骤冷的整个历程，让人惊喜，狂欢，再到冰冷，惨淡，挣扎……
眼下，又一股科技风暴——AI点燃了这个冬季。那么，几个月之后的AI，还会如此狂热吗？
AI与VR虽是不同领域，但都难免被资本催熟
互联网时代的浪潮总是一波未平，一波又起，而且被推向的峰值越高，摔的越重。
2013年的互联网金融，2014年的O2O，2015年的智能硬件，今年轮到VR了，它的“寿命”更短了一点。
而短寿命的背后难掩被资本催熟的影响。VR就是一个典型的例子。今年年初，VR创业公司井喷，市场鱼龙混杂，资本也鱼贯而入，开始炒作二级市场VR概念。而当资本骤冷，二级市场对VR概念不再追捧，VR迅速从过热趋向于过冷。
而实际上，VR的发展仍处于早期，技术与产品没有办法满足良好的用户体验，很多公司也找不到很好的发展方向，只是资本市场的投机者。
眼下，AI大热。接踵而来的融资消息撩拨着媒体人、创业者的心，而资本更为疯狂。
这几年，随着互联网金融平台的崛起，投资基金的数量剧增。统计显示，截至今年10月底，在中国证券基金业协会登记的股权基金达7769家，其中创投基金管理人1216家。过去一年多时间，创投基金数量已经翻倍。
这意味着，投资基金之间的竞争剧增。但是好的项目是极少的，留给投资人看项目的时间很短。所以经常出现投资人对AI技术都没弄明白的情况下，就“下单”了。
其实，产业的关系链是这样的，创业者通过媒体看行业趋势，媒体看资本动态，而资本看赛道。当一个产业热起来，投资人会尽可能快地占据各个赛道，比如AI+金融，AI+医疗、AI+安防和AI芯片等赛道。而资本市场热起来，必然带动创业者、媒体的火热，呈现一幅大热的景象。
从根本上来说，现阶段技术还不成熟，更多的是资本在催熟整个产业。如果在资本助力的这段时间，AI技术未能实现快速迭代和行业升级，盈利，很可能会面临VR相似的遭遇。
AI创业：一面理想一面现实
科技始终在快速迭代。
1960-1980年是PC时代；
1990-2000年是网络时代；
2010年开始步入移动互联网时代；
接下来，即将到来的是人工智能时代。根据凯胜2016人工智能调查报告，明年全球的人工智能市场规模接近400亿元，未来几年将继续以50%的速度增长，到2020年，全球人工智能市场规模将超过1200亿元。
国内资本市场也非常火爆，创业公司估值猛增。例如，今日头条估值达500亿元，芝麻信用估值68亿元，碳云智能估值54亿元，旷视科技估值40亿元。根据爱分析调研报告结果，国内前50家人工智能企业总估值约2697.1亿元，平均估值53.94亿元。
资本推动和巨大的市场前景，为AI创业者们埋下了美好的梦，但道路且长而曲折。笔者经过与CloudIn云英CTO胡湿，前索尼架构工程师Mask的深入探讨，从人工智能的技术本身、应用场景和团队的角度分析，总结出人工智能创业将面临两大困境。
1.人工智能创业的门槛高，小团队很难玩起来
人工智能的创业和移动互联网的形式不一样。移动互联网做APP就可以卖成千上百万，但是AI时代不是小白可以创业的时代，必须是科学家，或者受过高等教育，或者受过专业训练的人才有机会，而且不一定能成。
AI项目开发模式和以前不一样，一般会有一个特定领域的科学家，把对应的模型做成算法，例如AI在自动驾驶汽车上的应用，把道路上的人、车、物做成算法。再由专业的人，结合特定领域的场景做成产品。
在团队搭建方面，一般需要三样人：科学家+对特定领域非常熟悉的人+程序员，团队门槛非常高。
人工智能创业的高门槛还体现在云计算能力上。深度学习需要处理大量的数据，而以往PC时代的服务器满足不了要求，这就要创业公司搭建云服务平台或者购买第三方云平台服务，而无论哪种方法，都将极大提升成本。
此外，创业公司还非常缺乏高质量的大数据。数据是人工智能的基础，拥有针对特定领域的庞大数据集，能够成为竞争优势的重要来源。
创新工场AI工程院副院长王咏刚说，“我看人工智能，深度学习助力，人类前途所系；成熟模式尚早，最缺人才数据。”
相比之下，具有大量数据源、以及具有云储存/云计算能力的企业（例如BAT、互联网大型企业）优势明显。这也意味着，留给创业公司的挑战巨大。
2.人工智能技术弊端，决定应用场景局限
从人工智能的技术本身来看，它还存在很多弊端。例如以下三个比较有代表性的方面：
深度学习存在先天性技术弊端
如果你了解深度学习就会发现，它和高等数学里面讲到的“极限”有相同之处，即无限接近一个准确值，但永远达不到100%。这种先天性的技术弊端，极大限制了人工智能的应用场景。所以像法院判案、医疗等一些不允许出错领域，是不允许纯粹靠机器来完成的。（当然，人工智能是可以扮演辅助人类的角色，帮助法院和医生完成工作）
“黑天鹅效应”里面讲到，一些不可预测的重大事件，它罕有发生，但一旦出现，就具有意料之外的重大冲击。人工智能一旦出现事故，影响巨大。
深度学习不会考虑到人的一些未知情况
特斯拉自动驾驶出车祸就是一个很好例子。今年7月，美国一辆特斯拉ModelS电动汽车在途径十字路口的时候，撞上了一辆正在左转的卡车。ModelS的前挡风玻璃撞进了卡车地步，驾驶人也因此死亡。
对于此事的原因，特斯拉官方回应，“在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。由于拖挂车正在横穿公路，且车身较高，这一特殊情况导致ModelS从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击。”
特斯拉说“拖挂车的车身较高“（事实上比轿车高很多）属于特殊情况，说明之前他们给机器训练的数据里面并没有输入此类案例，当汽车遇到的此类情况时，不知所措才最终酿成大祸。
再如今年AlphaGo与李世石世纪围棋大战。比赛的最终比分是3:1，AlphaGo最终输了第四场，而且输的很惨。那么阿法狗什么会输了第四场呢？而且输的那场比分悬殊。其实根本原因是，李世石在最后一场的比赛中采用了反常的棋路，这才让机器不知所措。
总之，当机器遇到一些意外情况，机器之前未经过此类情况的大量数据训练时，它的准确率就会极大降低。这在一些对安全要求很高的应用场景上，是非常可怕的事情。
机器视觉在动态场景下的准确率骤降
人脸识别就是一个很好的例子。它可以应用到金融、安放等诸多领域。国内在这一领域也不乏佼佼者，在2014年全世界最权威的人脸识别评测系统LFW中，旷视科技以97.27%的超高识别率，超过了Facebook和其他国际强手，斩获了世界第一。
但是，当机器遇到戴口罩和刘海的脸部有遮掩的情况，识别准确率就会迅速降低；而且当人处于复杂的动态场景时，比如表情变化的情况下，识别准确率也下降的很明显。
机器视觉在动态场景下的极低准确率，必将影响其在行业应用上的作用和效能。例如交通领域，当犯罪份子戴口罩作案时，目前阶段的人工智能技术还很难捕捉到。
总之，这些技术上的弊端，极大限制了人工智能的应用场景，而对于AI创业者来说，一方面要面临技术上的巨大挑战；另一方面，在选择创业赛道的时候也备受限制。
写在最后
眼下，VR寒冬论盛行，但依然有一些企业在坚持和匍匐前行。从长远来看，VR是未来趋势，但机遇与挑战并存，在光明到来之前，还需要穿过一段黑暗期。
两年前，在O2O最火热的时期，王兴并没有像竞争对手那样全盘砸钱开拓市场，而是在默默地优化模式、提升效能。待到资本寒冬来临，他才开始出击，此时原本砸钱的对手纷纷遇到资金链问题，相继退场，而美团活到了最后，且未被BAT收购。美团成功的背后，是王兴对市场规律的准确判断和不为形势所导向的坚定心态。
其实，任何一个行业刚起来，都难免被浮躁的资本市场催熟，O2O如此，VR如此，AI或将也如此。对于AI创业者，能否看清形势，掌好船舵，并能沉下心打磨产品和模式将是创业成败的关键。
 （编辑：应用网_丽江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330468号