浅谈 AI 在中国落地的“道”与“术”
新闻
作者:李一帆
译者:
2018-01-12 02:09

 AI 现状



大家好,很感谢今天收到论坛的邀请,我给在座的设计师同学解释一下我的职位的概念。大数据科学家是最早 Facebook 提出的一个职位,主要工作内容就是将 AI 算法应用到公司的数据和业务上去。我今天讲的内容和前面几位不太一样,我本人是做算法的,我从 AI 角度,从我们做 AI 行业落地角度来分享一下,我们怎么看 AI 这个事情,以及我们在设计圈做什么事情的。




首先提一个事情,我们认为现在有三大类公司在做 AI 落地,想用 AI 技术。


首先是 BAT 这样的大公司,在他们有一个 AI 应用的想法后,无论是人力资源还是数据资源都可以快速调动,他们可以很快迭代出可用的 AI 应用。在不同的领域,比如百度做自动驾驶;腾讯做医疗;阿里做设计。在这一块上我们基本上不碰,我们也很尊敬这几位先行者。


另外我们认为有一类公司,是在 AI 领域做 AI 基础技术,比如商汤科技做人脸识别算法;我们做 CloudAI 云平台;深鉴科技做 AI 芯片。我们是从 AI 技术角度往前看,推进这个事情。


还有一类公司比如海尔,欣和,中国农业银行等,他们和 AI 关系不大,他们甚至还在做大数据,做数据积累。但是因为 AlphaGo 出现,传统公司其实内心憋不住了,他们很想弯道超车,很想直接做 AI。我们才云除了做平台,也和传统行业公司合作,把 AI 特别是云端 AI 用进去。


传统行业:AI 落地地困难与挑战



做这个事情过程当中我们发现一个困难。在传统公司、传统行业进行 AI 落地的时候,经常问题是在没有人的情况下进行的。传统公司有的是工人、管理者,但是没有算法工程师,甚至连 UI 设计开发人员都没有,可能很多公司甚至没有数据。这都是因为传统公司通常模式是公司生产,产品给到分销商,分销商最终推向市场,客户买单等等一系列线下行为。对于数据积累来说,这并不是一个天然的过程,而是一个需要刻意去做的过程。而且他们也没有动力去积累更宽广维度的数据,这就造成了很多传统公司没有数据积累的现状。


请设想,你作为董事长,或者是分行行长,想把 AI 用到业务上,但是通常的问题就是没有清晰的业务前景,用了又能怎么样呢?我们在新闻上看到的 AI,是 AI 下棋了;阿里鲁班例子,AI 可以做海报。对于传统行业的人来说,没有这种规模效应,他们的业务并没有一万个棋手下棋,所以他们会直观认为下棋 AI 没有业务前景,这些东西不能直接用。


 纯工程角度谈 AI 



作为专业从事 AI 行业的人员来看,其实阿里鲁班 AI 可以做海报,但不仅仅是可以做海报,还可以做更多。它可以做产品设计;可以帮助创业公司规划销量;做线下门店行为识别等等。如果我们将现象级的产品分解到技术或者是一个可用小模块的层面,那么传统行业也是可以用的。


在产业实践当中,我遇见了两组人在解决这个问题。从我的角度,一种是专门从事 AI 的工程师;另一种是相应技术出身的人。


比如以前是(AI PHD),然后想创业,所以做了一个公司,像这样的人有很多,我也是这样的,我会从一个纯粹 AI 工程的角度,去帮助一个传统公司分析。我会从技术角度去观察一个传统公司能做什么样的 AI 落地。比如某零售公司积累了很多销量数据,那么我就会想着用销量预测算法来帮助他们。比如一个百货商城有很多人流量,我就会想着用深度学习算法来分析它的线下客流。甚至像百度这样的,去到汽车生产公司,他会说我会有一些算法,帮助你做自动驾驶等等。


这么做下来可以看到我们的思路,特别是工程师的思路是比较倾向于技术本身,但是技术和业务之间本身就有一个巨大的鸿沟。我们工程师看到这个东西可以做,所以我们提出来。其实这样的配置给大传统行业老板,给到业务负责人,是特别苍白和无效的。三五次无效的提议之后,可能这些人就再也不信任 AI 了。比如他们会问我为什么做这个预测,或者是为什么做商品识别,带来什么价值,可以赚钱吗?我们扪心自问的答案会是:其实不一定。

设计咨询角度谈 AI


在这个过程当中,有一些创业者,学会了从业务价值角度回答问题。比如说咱们看到鲁班现在开始从设计师、设计行业角度回答,我认为这样的 AI 工具才有生命力。


其实,我会发现还有一个行业的人很有意思。上海有许多设计咨询公司,过去很长一段时间,他们一直在服务这样的传统行业,去开发、去设计新产品、去设计新的服务体验、去设计新的商业 BU。


我和很多位相熟的设计咨询师聊下来,发现他们思考问题的角度特别不一样,他们会问您顾客是谁,他们体验好吗,还会问我们如何创造性地解决商业问题,以及怎么样做一个新业务。


这对于刚刚我列出来的 AI 工程师来说,是不会考虑的角度。但对于我做算法人来讲,这种角度就特别有意思。


我从来不会想说,比如新三板企业老板,他做 AI 不是为了做 AI,他不想要 AI 这个科学,他可能为了上 A 股。如果算法仅仅是为了识别商品,那这个事情他不会很感兴趣;但如果算法可以帮你识别人的身份,同时我们通过这样的能力设计一个服务,情况就会不一样。比如我是一个厂商,我有可以识别人身份的能力。那么我就可以马上通过客户数据匹配喜好,让厨师给他做食品送到家门口。上海有一万白领每个月付三千块购买这个服务,一年就是三个亿的生意。从生意角度,设计咨询师有一个特点,他不仅仅考虑生意,还考虑体验,这跟商业咨询师特别不一样。


AI:“道”与“术”


经过几轮沟通我发现,我特别喜欢和搞咨询的人聊天,而且我意识到这里面实际上是“道”和“术”的问题。做 AI 工程的人,最在意的是这个算法怎么样,够不够快,这是“术”的角度;做设计咨询人更考虑我要让你成,我用什么你别管,我有创意,最后成了就行,这是“道”的角度。



为什么我今天比较激动呢?因为我觉得这是一个特别好的场合。我们做 AI 的技术公司,特别想和广大设计行业、设计咨询行业同仁一起合作。


现在线上生意在中国的 GPD 占比也没有超过 20% 的量,我印象当中应该是只占 5%,还有另外 95% 是传统的线下生意,需要我们去改造,AI 是很大机会。咱们图像识别算法、人脸识别算法,可以把线上、线下打通,剩下 95% 肯定是 AI+。


今天我想发出一个呼吁,咱们做设计朋友可以更多地和你身边做算法的朋友聊聊,看能不能做一些新的、有创新力的事儿。如果各位有这个想法,也可以找我们才云科技。


Caicloud:TensorFlow 助力传统行业


我们才云在 AI 行业里面做一些事情。我们是一帮从谷歌过来的人,以前在硅谷做事情,五个创始人有四个是 CMU 毕业。我以前是在清华和 CMU 念书,后来上海做了一家医疗 AI 公司,做了一年多生意垮了,我现在在才云做 AI 解决方案。

我们才云做 2B 的方法是这样的:我们怎么服务占中国 95% GDP 的传统行业呢?我们围绕谷歌 TensoFlow 做平台,这个平台可以帮助你更好地管理计算资源和算力。今天这个场合放技术架构图比较抽象,但其实这是一个简单的概念。


我以前为了搭建一个做 AI 产品的团队,需要招 2 个算法、5 个系统工程师,还有很多运维人员;现在只需要 2 个系统工程师再加 1 个平台就行了。在今天的语境中,如果你想做 AI+ 设计产品,只需要在座某一位设计师加上我们的算法平台,这个事情就可以成。


基于现在最新的容器技术,可以达到更高加速比,还可以管理集群 CPU。我们想要规模化利用深度学习,也需要管理更多的资源,这是我们的特点。我们做 AI+ 的思路是:任何一个行业平台先搭建起来,这是我们的产品;另外有算法人员在算法库里面挑四类算法,再出行业解决方案。


感谢邀请我今天过来,希望更多做设计同学能够和我们这样做行业 AI+ 解决方案的公司一起合作,把你们对商业行业的理解带到 AI 产品当中,你告诉我们什么问题最重要,我们攻克这个问题。谢谢!
 

417 comCount 0