人工智能离产业化还有一段距离要走 | 陈经
解读科学，洞察本质
戳穿忽悠，粉碎谣言
2017年8月Deepmind公布了在星际争霸项目上的进展，在这个“非完全信息”即时策略游戏上，AI用自学习方法取得的成果意外的小，能力远远不如开发商暴雪最弱的内置AI。某种程度上，这预示着人工智能产业的发展并不会一帆风顺，会面对艰巨的挑战，目前火爆的人工智能可能迎来一定程度的降温。
2016年人工智能概念瞬间火热，直接原因是Deepmind开发的AlphaGo战胜李世石带来的新闻效应。其实围棋产业很小，但它是“完全信息博弈”问题中最难的一个，这让人工智能的产业想象力极大提升。
▲ 2017年的Gartner新兴技术成熟度曲线，人工智能无处不在
进入2017年，AlphaGo的棋力继续提升，战胜了排名世界第一的柯洁。这对围棋界意义很大，棋手们对AlphaGo-Ke能让三子胜AlphaGo-Lee感到无比震惊，下棋的想象力完全打开。但是对外界而言，主要的观念冲击在2016年已经完成。2017年8月Deepmind公布了在星际争霸项目上的进展，在这个“非完全信息”即时策略游戏上，AI用自学习方法取得的成果意外的小，能力远远不如开发商暴雪最弱的内置AI。某种程度上，这预示着人工智能产业的发展并不会一帆风顺，会面对艰巨的挑战，目前火爆的人工智能可能迎来一定程度的降温。
人工智能是IT业的子行业。IT业对各行各业的改造在持续发生，之前电脑办公与管理软件提升效率，近来商业流程也被IT改变了，对各行业的冲击越来越大，如网购对零售业务的影响。IT对各行业的改造，目前人工智能起的作用不能算大。如移动支付大发展，主要还是支付宝、微信的IT架构作用大，二维码识别环节只是一个小功能，相关技术很早就有了。
人工智能在产业发展中起主导作用的例子也有，如车牌识别。对车辆信息的管理，核心数据是车牌。基于图像去识别车牌，识别率从2000年代的90%进步到2010年前后的95%，目前已经达到了99%以上（相当于错误率减少到之前的几十分之一）。识别率的不断进步，终于突破了瓶颈，产生了巨大的产业效应。由于机器的识别率超过了人（一般员工人眼识别会犯错），象停车场出入口这样的应用环境，用机器代替人，不仅更为经济，效率也更高。如将车牌与支付宝建立联结，可以直接扣费，出入自动统计。即使摄像头识别车牌不是100%完美，但是对产业来说已经足够了。在极少数机器识别不了或者识别错误的情况下，停车场可以承受很少的一点损失，带来的效率提升与人工费用减少却很大。
基于图像的车牌识别率取得突破，另一个重大影响是，以人工智能为基础的软件方案战胜了以RFID（射频芯片）为基础的硬件方案。RFID可以记下车辆的信息，之前人们认为硬件读取比图像车牌识别可靠，更有前景。但实际应用中发现，RFID读取会有信息干扰，也有角度问题，读取设备成本也高，应用起来比一体化机摄像头识别要麻烦得多。这个意义并不小，说明物联网的发展方向可能应该更多依靠人工智能技术。
但像车牌识别这样比较成熟、正确率突破了瓶颈的人工智能技术，目前还不太多。指纹识别是另一个例子，成为了手机应用中的基础技术之一。二维码识别的应用也日益广泛，但它主要是在更多行业中应用推广，识别技术本身不需要太大突破。还有语音识别，以科大讯飞为代表的语音识别技术不断进步，近几年迎来了爆发式的成长。但是语音识别仍然有很大进步空间，因为还和自然语言理解有关。还有人脸识别，在极多人脸照片中找到目标的能力远超人类，但是对抓拍角度存在一些限制。可以看出，一旦人工智能正确率突破瓶颈（如超过人类），就可能迎来应用的爆发。
▲ 机器人“小度”在人脸识别中战胜人类选手
总体来说，能成为行业基础的人工智能技术还不多。人工智能领域很多，如机器人、自然语言理解、专家系统、机器视觉、模式识别、博弈论等。目前主要是图像识别取得的突破比较大，AlphaGo取得突破也主要靠将围棋盘理解成图像输入。
人工智能应用到行业中，每个行业都会有不同的要求。有的行业发生错误可以接受，如认错几个车牌少收点钱问题不大，主要的作业流程跑通就可以了。但是有的行业流程就要求绝对正确，如集装箱管理，如果自动处理发生集装箱丢失损失巨大不可接受，在应用人工智能技术时需要加上很多流程辅助。因此，象自动驾驶这样的人工智能开发问题就很复杂，正常情况的开发容易做，但主要的困难是异常情况的处理，这会非常麻烦。自动驾驶的应用可能会比预期的慢，甚至成为开发大坑。
人工智能与产业结合的另一个问题是成本。已经可以发现，产业界对人工智能技术的要求与预期是极低的成本。人工智能技术得到了空前的重视，投资很多，国家甚至将人工智能放入中小学课程。但要想在产业界成规模应用，成本必须做到很低。这个低可能超过一般人的想象，人工智能软件本身甚至不要钱，靠硬件赚钱。例如人脸识别应用，创业公司很多，估值一般不低。但是人脸识别的基础是摄像头抓拍，如果不能生产摄像头，在成本上就已经落后很多了。摄像头厂家将人脸识别研发成本平摊进机器生产里，软件就可以白送了，这对人脸识别创业公司压力极大。
人工智能产业的发展并非破坏式创新，不太可能是新企业横空出世扫平旧企业的模式。社会生产与经济运行各环节，已经存在众多行业公司。这些行业公司，如果能主动引入人工智能技术，结合自身的流程理解与成本优势，将会有不错的发展空间。行业公司如果忽视人工智能技术的发展固步自封，可能会被其它主动进步的公司消灭。而人工智能创业公司，不应该闭门造车，不能忽视成本问题，应该主动与行业公司联合，找到人工智能技术与生产成本结合的发展模式。
现阶段的人工智能技术，还只能与社会生产紧密结合，不宜过分夸张能力。“非完全信息博弈”“通用人工智能”等较为学术化的人工智能研究肯定会继续进行，但离产业化还较为遥远。目前的社会生产中，已经有大量可以与现行人工智能技术结合的行业与领域。这些应用型的研发，需要的不一定是多高的人工智能研发能力，而是要对细分行业的深入理解，对流程进行重整，正确使用人工智能技术帮助提升效率。
在这个过程中，人们可能会对人工智能的能力期望过高产生误解，甚至认识到人工智能的能力缺陷后感到失望，人工智能热潮降温。但是经过磨合之后，越来越多的行业会找到人工智能正确的应用方法，未来值得期待。
背景简介：本文作者笔名陈经，香港科技大学计算机科学硕士，科技与战略风云学会会员，微博@风云学会陈经。文章在2017年9月13日发表于微信公众号 科学学 （https://mp.weixin.qq.com/s?__biz=MzI1MTQ5MzIxNA==&mid=2247484729&idx=1&sn=3137b1ed451afa738bf24ca7124b7165），风云之声获授权转载。
责任编辑：孙远
欢迎关注风云之声
知乎专栏：
http://zhuanlan.zhihu.com/fengyun
一点资讯：
http://www.yidianzixun.com/home?page=channel&id=m107089
今日头条：
http://toutiao.com/m6256575842