-
-
宋宋 数据领袖Lv6
发表于2020-4-3 20:00
楼主
从各个行业高举AI大棒，到无人自动驾驶，没什么落地迹象，再到deepmind亏损40亿美元，nature子刊批判当今神经网络重训练轻结构等问题，越来越多的人开始重新理性反思，AMD苏黎姿也对当前AI持谨慎态度，人工智能的退潮期是否已经到了。
这一块我比较熟悉，我来回答一下。AI 的落地能力可以从两个维度来看。
一是商业模式维度，好的AI 商业模式 应该有下面三个递进的能力。客户愿意买单->技术有护城河->能scalable.
但是绝大部分产品只能走在第二步，第三步非常难。
现在AI 比较好的商业模式有 安防的人脸识别，手机端的AI 拍照。好像就这么多了，基本都是CV方向的。在这些方向，国内企业已经杀成一片红海了。
第二个维度是技术维度，我们现在看到很多fancy的技术，比如强化学习, autoML 等等, 都很难落地。从 实验室或者特定场景 -> 应用在真实场景 是一个非常大的鸿沟。在实验室里面做模型，专家门会首先给出很多的限制条件。在真实场景里面，这些条件是没有的。真实的场景 业务复杂，数据混乱，而且不能妥协。数据量非常大，不能并发不能O(N)的算法基本都没戏。所以这些问题的叠加，导致现在最好用的机器学习模型就是LR。
所以从上面两个维度考虑，你可以看到，一千个算法，也许能最后落地应用的也就一个。前几年我们对人工智能期望过高，现在当我们脚踏实地的时候，才发现是如此的残酷。
来源互联网
这一块我比较熟悉，我来回答一下。AI 的落地能力可以从两个维度来看。
一是商业模式维度，好的AI 商业模式 应该有下面三个递进的能力。客户愿意买单->技术有护城河->能scalable.
- 有客户愿意买单: 说明这是一个真实的需求。不要笑话这一点，很多公司都倒在了这一步。在实验室/办公室拍拍脑袋，以为是客户的需求，做好了拿到市场一看是个伪需求。公司瞬间倒闭。
- 有技术护城河: 保证你的产品有足够的利润支持下一代研发/招到优秀的人才/拿到融资。按照国内这个竞争的尿性，如果你做的东西阿猫阿狗也能做，他们会瞬间把你的价格拉到街边盗版光盘的价格。
- 能salable: 你的产品需要强定制化嘛? 如果是，那么你的成本会下不来。如果你的产品能够以低成本的方式给到多数客户，那么你的利润会暴增。
但是绝大部分产品只能走在第二步，第三步非常难。
现在AI 比较好的商业模式有 安防的人脸识别，手机端的AI 拍照。好像就这么多了，基本都是CV方向的。在这些方向，国内企业已经杀成一片红海了。
第二个维度是技术维度，我们现在看到很多fancy的技术，比如强化学习, autoML 等等, 都很难落地。从 实验室或者特定场景 -> 应用在真实场景 是一个非常大的鸿沟。在实验室里面做模型，专家门会首先给出很多的限制条件。在真实场景里面，这些条件是没有的。真实的场景 业务复杂，数据混乱，而且不能妥协。数据量非常大，不能并发不能O(N)的算法基本都没戏。所以这些问题的叠加，导致现在最好用的机器学习模型就是LR。
来源互联网
