IJCAI 2019 | 滴滴、京东、百度、微软、索尼共议AI业界应用挑战

点击上方“蓝色字体”，选择“置顶公众号”

精彩内容，即刻送达

文 | 杨鲤萍

转载自 | AI开发者大会

AI开发者按：8 月 10 日至 16 日，IJCAI 2019 在中国澳门隆重召开。尽管作为一场学术会议，以综合性为长的 IJCAI 在会议中也有探讨 AI 工业应用的部分，其中就有一场由工业界带来的 Panel「AI Challenges in Industries」，圆桌会议邀请了滴滴出行副总裁、网约车CTO郄小虎（Tiger），索尼研发副总裁藤田昌宏（Masahiro Fujita），微软首席研究员 John Langford，百度副总裁沈抖来一同探索 AI 在工业应用中所面临的挑战，本次圆桌会议的主持人由京东副总裁郑宇担任。AI 开发者为大家带来这场 Panel 的现场报道。

从左到右依次为：京东郑宇、索尼藤田昌宏、滴滴郄小虎（Tiger）、微软John Langford、百度沈抖

技术与方法

郑宇：众所周知，AI 并非对于所有问题都有效，有时有用有时没用，那各位所在公司如何判断 AI 是否适用于解决某个问题呢？

沈抖：当然，我们任何一家公司都无法说 AI 可以解决所有问题。大家在很多会议上，都会听到 AI 能解决很多问题，然而现在 AI 还无法做到这种程度，原因有 3 个：第一，当下的 AI 技术可能会存在很大的局限性，因而对于很多问题，AI 技术都无法很好地解决；第二，我们可能无法将一些现实问题转述成 AI 问题；第三，工业界可能没有足够的资源或者工程师去解决 AI 问题以及实施 AI 解决方案，尤其有时候的一些问题首先需要我们人类去解决，当我们自己找到解决方法的时候，我们才能利用好 AI 技术去解决这些问题。

John：我认为，这个问题具象化到某个具体的项目，某种程度上要看是否能够给 AI 提供指导解决问题的信息，有时可以是给数据做标注，有时可以让 AI 系统从有用的语料库中学习或通过强化学习从现实世界得到反馈。如果这些方法可行的话，你可以尝试让 AI 去解决某个问题。

郄小虎（Tiger）：针对工业界如何判断某项 AI 技术是否对解决某个问题有效，这里有三个可以考量的问题：第一个是是否有足够可用的大数据来训练模型；第二个是能够将问题转述成机器学习所能理解的语言，比如说如何将匹配司机和乘客的问题转化为某种图表或特征从而让 AI 可以用来进行匹配；第三个是我们需要意识到 AI 无法做到非常完美，一旦遇到它们此前未见过的场景，可能就会失效。

郑宇：现在有部分 AI 技术相对传统方法表现出大热的现状，比如深度学习，但实际上很多人仅仅停留在谈论的阶段，这种现状是机遇还是挑战？

藤田昌宏：从某种意义上讲，新模型的提出确实能够为 AI 的研究赋能。但在开发过程中，如何选择模型，选择使用怎样模型；都是值得我们仔细思考的问题。任何事情都有两面性，但良好的决策有助于产生更高质的产品。因此从公司的角度出发，我们需要带着质疑的眼光来看待这些问题。

郄小虎（Tiger）：总体来看，我更倾向于将这种现象视为 AI 界的挑战问题。我们确实也看到了深度学习在实际过程中表现出的潜能，这也是它热门的原因之一；但现实情况中，深度学习也存在很大的局限，很多问题目前是无法通过深度学习得到解决的，有时仅仅是环境的改变，深度学习可能就无法起到效果。所以如果仅从优势的角度看待深度学习，这将可能对今后的研究过程产生极大的阻碍。

沈抖：在我看来，这件事没有办法去用好坏来衡量；站在团队的角度，我们把它视为懒惰问题，即团队是否愿意去尝试新事物。在我们团队，我非常鼓励大家去了解不同的模型或方法，因为新的模型往往也意味着机遇。通过结合这些新模型与方法，我们或许能够碰撞出更多好的想法，从而得到更多实用的模型。

AI 落地

郑宇：现在公司的服务对象包括三个类别：用户（To C）、企业（To B）和政府（To G），那各位怎样看待这三种类型的模型在应用 AI 方面的区别？

沈抖：一般而言，在 To C 中，我们能够获得用户行为画像，因此，AI 的表现非常不错，能够解决大多数问题；但是 To B 和 To G，我们所面临的一个问题和另一个问题都是不同的，所以我们需要花很多时间去明确问题并追踪出现的问题，这比应用一个机器学习模型要难得多，因而 AI 在 To B 和 To G 的模型中应用的难度要比 To C 更大。

郄小虎（Tiger）：我认为三者之间的区别关键在于服务的对象群体不同，因而了解用户的需求对于选择正确的 AI 技术而言很重要。比如，用户可能更注重便利性和安全性。所以我认为三者最大的区别，在于理解三种类型的客户的不同需求。

郑宇：从你们自身角度出发，你们认为 AI 给我们的生活带来了怎样好的改变？

沈抖：尽管 AI 看似非常高大上的话题，但其实在日常生活中，我们能很容易发现它的影子。比如：用户会使用网络搜索时，往往会提出很多问题，而问题的检索与解答，其实就是我们与 AI 发生联系的时刻。在搜索方面，我们从以前的文字搜索到现在的图片搜索，整个过程 AI 起着很大的作用，并且可以肯定的是，今后还会有更多更先进的 AI 技术将用到搜索系统中。

John：从教育的角度来看，AI 技术的不断更新，一定程度上也推动了在线学习的发展。通过推广在线教育，我们能够实现知识的有效传播，而且大部分人都能够接收到来自世界各地更多元的知识，这是我所看到的 AI 带给我们的益处之一。

郄小虎（Tiger）：AI 的确正在慢慢渗透我们的生活，并且让我们更好去享受生活。AI 在滴滴中的应用，也能够更好的帮助乘客与司机建立有效的联系。其中，我认为 AI 让滴滴出行更加人性化，尤其对于高峰期间乘车问题，无论是订单的快速建立与取消，还是有效减少乘客等待时间的智能匹配方面；都给司机与乘客带来了极大的便利，这些大的改进都离不开 AI 技术的帮助。

聚焦 AI 国际

郑宇：本次的四位嘉宾来自全球 GDP 最高的是哪个国家——美国、中国和日本，那三个国家在 AI 领域所面临的挑战有何不同，各自的优势以及挑战都有哪些？

藤田昌宏：相比美国和中国，日本确实现在处于了落后的境地。而目前日本面临的比较大的挑战是，日本的很多公司在 AI 技术的产品落地方法，积极性不是很高。

郄小虎（Tiger）：美国、中国和日本的论文发表数量都是世界领先的。而中国的优势，第一是拥有非常大的市场，无论是数据还是应用，相比之下都具有很大的优势；第二是中国在机器学习领域拥有大量的人才储备，中国在各个 AI 会议上的论文发表数量都是领先的；第三是中国政府针对创新推出的支持政策对于 AI 领域的企业和初创企业的帮助巨大，这能够很好地推动中国 AI 的发展。

沈抖：关于这个问题，我最想强调的一点是，无论是学术界还是工业界在 AI 研究中，要更多地关注长远的利益，而非短期的结果。

John：在之前，美国的教育体系是开放的，吸引了来自世界范围的 AI 人才前往就学，也为美国的 AI 发展做出了贡献。然而现在美国的教育有了很多限制，将很多来自其他国家和地区的人才拒之门外，导致美国的人才储备受到影响，并且这种影响已经蔓延到了我的工作中。

相关阅读

编辑 | 洛羽