冷静看待人工智能，企业如何从人工智能产业中受益？
点击上方
请您点击“与数据同行”以“关注”，关于数据的实践与思考，每周一我在这里等你！
作者：傅一平 就职于浙江移动大数据中心 微信号：fuyipingmnb 欢迎交流！
王煜全在得到《全球创新260讲》中连续多期谈人工智能，笔者也很感兴趣，特将其要点及自己的体会整合成一篇文章，一共六个观点，希望于你有益。
1、人工智能风口已过
一说人工智能，你肯定会说了，人工智能时未来的巨大的风口，这还用你说呀？
但如果连杨澜都说了，而且还出了本《人工智能真的来了》的书，那我想跟你说的恰恰是连杨澜都说了的科技领域，还能是风口吗？
这里没有鄙视的意思，而是为了说明人工智能创业期已经过了，现在进入了应用期，企业应该走上舞台。
2、人工智能的三个特点
第一：计算能力逐渐不再是优势
过去，当你要提供人工智能能力，最起码要有很强大的财力支持，因为你要买很多GPU，搭建一个GPU计算平台，但是，现在全球的这些大的IT企业，依托于云计算，纷纷把自己的计算能力放到网上，而且开放出来，只要你能够接入互联网，就能享受到谷歌、Facebook等这样的公司提供的最强大的计算能力IDE支持。
这是王煜全的观点，我觉得还是要打个问号？
传统的大型企业是否有必要搞一套针对人工智能的基础设施，的确是值得思考的问题，但在数据安全性等系列问题没解决之前，很难有哪个企业愿意把自己的数据放到外部平台，在相当长的时间内，人工智能的计算能力对很多企业仍会是个瓶颈。
第二：自主研究算法不再有必要
本来人工智能算法就是开源的，而且随着它的迅速的扩散，变得越来越开源，越来越通用，比如说，谷歌就开源了自己的人工智能开发系统，叫tensorflow，这样就造成很多不懂人工智能算法的人，也可以调用人工智能的复杂的处理方法去做人工智能的开发。这个和我们以前说的互联网一样，大量的原来需要有专业技能才能实现的开发，这个门槛降得越来越低，可以被越来越多的普通人所掌握。
这一轮人工智能很重要的特点，就是几乎所有的IT巨头，都纷纷全力参与，而且策略都差不多，都把重兵投入到人工智能开放平台的开发建设，无论是百度的大脑深度学习平台，还是腾讯开放平台提供的7项AI服务，或是科大讯飞的语音云，如果你有应用机会，千万别费劲做谷歌这种平台搭建的事儿，也别费劲做DeepMind这种底层技术开发的事儿，直接使用它们的成果做你的应用开发就好了。
第三：数据成为差异化竞争力
最后一项，始终还是个门槛，就是数据，当算法和算力都不再是门槛，唯有数据是门槛的时候，有数据的人才有竞争优势，而懂人工智能却没有数据的人，就不再有竞争优势了，这能解释诸如李飞飞、吴恩达到企业的原因。
有数据的企业需要用更开放的心态成就有人工智能梦想的各类企业或个人，这是很大的数据变现机会。
3、人工智能不存在需不需要的问题
人工智能将逐步像基础IT那么成为企业的标配，你不掌握，你的竞争对手掌握，你就有劣势了，所以，不是因为要取得竞争优势而掌握人工智能，而是因为不要被人家落下，不要被竞争对手超越，你也被迫要掌握人工智能，这个理念跟以前把人工智能当奢侈品的态度完全不同。
那么，现在要不要投入？
这一点其实很有争议，笔者以前也是会左右摇摆，但有一点是肯定的，人工智能不像传统IT基础设施那样简单的可以买到，特别需要末雨绸缪，对于有数据的企业尤其如此。
4、人工智能的使用不是所见即所得
人工智能的使用方法确实和传统的IT的使用不太一样，传统的IT很简单，买来用就好，相当于你买一个电脑回家使用就好，但是，人工智能现在确实也能够你买来就使用，但是买来就用的效果不是最佳的。
因为，我们说现在人工智能的原理不是传统的IT原理，以前IT，只要有明确的操作方法就可以一步步搞定了，但人工智能不一样，它是一个黑盒子，你无法明确定义一步步的操作，而是需要定义明确的好坏标准，然后让人工智能自我迭代训练，只要你的好坏判断足够好，经过一段时间，人工智能就能发挥价值。
所以，你要看看你的行业领域里面是否有足够的数据，这个数据操作以后是否有人能够做出明确的好坏判断，而且，是否有大量的重复劳动，如果有，那就是人工智能发挥的好场所。
这的确是当前很多企业搞人工智能面临的困境，一是没有数据，二是没有可用的场景，三是很难给出验证标准，李飞飞搞了个有标识的图片库，就是为了创造一个验证库。
5、人工智能呼唤产业革命的崛起
人工智能首先是场科技革命，这一轮的突破由于很多人30多年的持续贡献，以AlphaGo为代表的深度学习经过各方面的调整，基本达到了它的最优输出，具备了使用的条件，这一轮的人工智能革命已经基本成熟。
但要知道，一个伟大的科技突破刚刚出现的时候，它的表现并不令人满意，除了大家难以接受以外，往往自己也有很多改进之处，比如说，我们熟知的瓦特其实并不是蒸汽机的发明人，而是那个使得蒸汽机能够达到大规模运用水平的改进者。
我们把这样的科技革命和应用成熟的关系，比作坦克和闪电战，坦克是英国人发明的，而把坦克的能力发挥到淋漓尽致的闪电战打法却是德国人发明的，在科技领域，我们往往会重视发明家，而忽略了发明闪电战的战略家，他们往往是把科学革命的价值真正实现出来，也就是真正造福社会，推动了社会进步的人，他们多半是企业家，这就是为什么我们常说 “掌握先进科技的企业家才是这个社会的最先进生产力”。
所以，不用瞻前顾后，就像《IT不再重要》这本书里面的观点，互联网来了以后，每个公司早晚都要用，早用了还有点优势，不用去讨论未来如何，关键是你现在能不能把人工智能用到自己的领域里。
什么，你说企业没场景，的确，大家都说没场景，但从无到有才显英雄本色，科技的红利没那么容易抓。
6、开发人工智能应用的方向选择
前面说了，根据人工智能的特点，选择的应用要求一是在某个领域有沉淀的数据，而且这个数据具有专有性，能够形成壁垒，二是有明确的判断结果好坏的方法，诸如图像识别都有明确的清晰的客观的结果，这个时候你不需要专门的行业专家，但如果你的领域没有清晰的客观标准，你就要问自己是否有这个领域的专家参与，帮你来确定结果的好坏，帮你来训练。
其实这个特性跟机器学习等没有区别，诸如运营商等具有明显行业特性企业的人工智能，无论在市场、网络、政企、客服哪个方面，大多是需要企业的专家深度参与才能建立起自己独特的人工智能，未来人工智能的应用壁垒一定就是行业数据+行业知识。
这里特别提到了一些结果明确的人工智能的应用方向，包括医学影像、商品推荐、广告服务、金融投资、法律文档等，当然，很多时候还取决于我们能不能为人工智能找到更多的应用空间，这依赖于企业的创新力，这儿有个案例：
日本有这样一个人，它是汽车嵌入式系统的设计师，它父母在经营一个黄瓜农场，外行人不知道，种黄瓜最困难的其实不是种植和采收，因为这些工作相对来说都标准化了，最困难的是黄瓜的分拣，就是黄瓜熟了以后大小不一，成熟度不一，如何把它们按等级分拣出来，这个以前都需要靠人工，耗时耗力，而且成本比较大，在黄瓜收获的旺季里，他的母亲每天要花费超过8小时来进行黄瓜的分拣工作。
所以，这位汽车嵌入式系统的设计师就基于TF系统开发了一个基于视觉识别的人工智能系统，具体地说，就是给不同的黄瓜牌照，让人工智能学习长成什么样的黄瓜应该分到哪一级，然后再流水线上做自动分拣，大大提升了分拣的效率，让父母能够轻松的经营农场。
团队曾经将地铁用户识别的问题转化为一个图像识别问题，虽然准确率有限，也算是利用人工智能工具的有益探索，原来笔者对人工智能在传统行业能否落地打着大大的问号，但现在觉得还是要去探索实践，不尝试根本不知道怎么玩。
王煜全说得更直白，人工智能是个几乎万能的工具，关键是你能不能熟悉运用它的技巧，为它找到在你的领域里的运用空间。