??
客服熱線(xiàn)：0551-69106578 業(yè)務(wù)咨詢(xún)：0551-69106578 郵箱：2268263116@qq.com
媒體合作： ??在線(xiàn)客服：
Copyright (c) 2012 機電產(chǎn)品交易網(wǎng) . 版權所有 皖I(lǐng)CP備12004440號-2
AI落地場(chǎng)景在不斷增多，但賺錢(qián)依舊艱難。
根據億歐報告顯示，2018年全年，近90%的人工智能公司處于虧損狀態(tài)，而10%賺錢(qián)的企業(yè)基本是技術(shù)提供商。從談概念、講技術(shù)，到拼場(chǎng)景、搶落地，建立在大數據基礎之上的人工智能，仍面臨數據本身帶來(lái)的挑戰。
數據割裂致使落地難
“我們經(jīng)常提及大數據，但事實(shí)上我們并不需要那么多的數據，AI未來(lái)一個(gè)趨勢是小數據崛起。”在市北·GMIS 2019全球數據智能峰會(huì )上，斯坦福大學(xué)教授、Landing.ai創(chuàng )始人、CEO吳恩達表示。
一個(gè)具體的案例是工廠(chǎng)手機屏幕劃痕檢測。目前不少是利用人眼來(lái)檢測手機是否存在劃痕，如果擁有100萬(wàn)個(gè)劃痕手機，AI可以非常高效的識別手機劃痕。但現實(shí)情況是沒(méi)有任何工廠(chǎng)會(huì )有幾百萬(wàn)不同劃痕的手機，這個(gè)時(shí)候小樣本學(xué)習(few shot learning)，即利用較少的數據得出同樣準確結論的人工智能，將有助于推動(dòng)整個(gè)領(lǐng)域的發(fā)展。
小樣本學(xué)習的迫切性更在于落地過(guò)程面臨的數據孤島、數據隱私保護導致的數據割裂問(wèn)題，讓AI技術(shù)很難充分發(fā)揮價(jià)值。
“和AI用于比賽需要上千萬(wàn)的圖片訓練不同，當AI深入行業(yè)我們看到數據往往是小數據和細碎的數據，也就是沒(méi)有聯(lián)通起來(lái)的數據，再先進(jìn)的AI技術(shù)也很難用上。”國際人工智能學(xué)會(huì )理事長(cháng)、香港科技大學(xué)教授、微眾銀行首席人工智能官楊強說(shuō)道。
今年5月，國家互聯(lián)網(wǎng)信息辦公室發(fā)布了《數據安全管理辦法(征求意見(jiàn)稿)》，提出在中國境內利用網(wǎng)絡(luò )開(kāi)展數據、存儲、傳輸、處理、使用等活動(dòng)，以及數據安全的保護和監督管理意見(jiàn)。
楊強認為“中國版GDPR”即將到來(lái)，數據隱私在走向嚴格化、全面化，這使得企業(yè)在實(shí)際應用中可以使用的數據維度和范圍并不大。數據隱私保護的趨嚴，為人工智能技術(shù)升級提供了契機。
以保險行業(yè)利用AI進(jìn)行個(gè)性化定價(jià)為例，背后需要業(yè)務(wù)數據和用戶(hù)互聯(lián)網(wǎng)行為數據融合，理想的狀態(tài)是可以拿到非常豐富的用戶(hù)畫(huà)像，與用戶(hù)的ID高度匹配，但實(shí)際情況迫于隱私、安全、法規等原因，企業(yè)可以應用的數據是非常有限的。
再例如在小微企業(yè)貸款應用方面，AI需要引入票據數據、資產(chǎn)數據、輿情數據等，但由于數據的割裂，實(shí)際應用中只能使用一些政府的數據，例如央行的征信報告，但這些報告只能覆蓋不到10%的人群。這一問(wèn)題在醫療領(lǐng)域更為明顯，不同醫院的醫療影像數據很難匯聚到一起，形成大數據來(lái)訓練一個(gè)醫療模型。
“小數據”崛起
針對數據割裂帶來(lái)的人工智能落地難問(wèn)題，楊強提出了聯(lián)邦學(xué)習。所謂聯(lián)邦學(xué)習，是多個(gè)數據方之間組成一個(gè)聯(lián)盟，共同參與到全局建模的建設中，各方之間在保護數據隱私和模型參數基礎上，僅共享模型加密后的參數，讓共享模型達到更優(yōu)的效果。
據楊強介紹，聯(lián)邦學(xué)習分為橫向聯(lián)邦和縱向聯(lián)邦，橫向聯(lián)邦是指企業(yè)各方數據維度相同、ID維度不同，更多存在于消費者應用中；縱向聯(lián)邦是指企業(yè)各方數據的ID維度相同(樣本重疊)、數據維度不同，更多存在于B端應用。
例如針對保險行業(yè)的個(gè)性化保險定價(jià)問(wèn)題，一家互聯(lián)網(wǎng)企業(yè)和一家保險企業(yè)進(jìn)行數據合作，這種合作數據的ID重合度相當大，數據特征維度大大增加，使模型的個(gè)性化定價(jià)效果顯著(zhù)提升，為保險企業(yè)帶來(lái)8倍覆蓋率提升和1.5倍利潤率提升。
橫向聯(lián)邦學(xué)習方面，在手機行業(yè)，通過(guò)在本地建立加密上傳的小模型，服務(wù)器端看不到內容卻可以把模型匯聚起來(lái)，進(jìn)行云端模型的更新，新的通用模型再釋放給手機，幫助用戶(hù)自動(dòng)化進(jìn)行圖片標注。這樣既保護了用戶(hù)隱私，也可以進(jìn)行模型學(xué)習和更新。
楊強認為聯(lián)邦學(xué)習最大的優(yōu)勢是保證數據不出戶(hù)，通過(guò)生態(tài)在不同行業(yè)選取合作伙伴，用群體智能不斷提升模型效果。因此聯(lián)邦學(xué)習一定是多方共同協(xié)作組成一個(gè)聯(lián)盟，生態(tài)的建設十分重要。
面對AI落地難、盈利難問(wèn)題，吳恩達則認為，在期待AI為企業(yè)帶來(lái)紅利之前，企業(yè)需要避免幾個(gè)陷阱。首先AI技術(shù)會(huì )影響很多企業(yè)做業(yè)務(wù)的核心，所以選擇項目是非常重要的，從小的項目開(kāi)始，可以建立好的基礎，同時(shí)幫團隊獲得動(dòng)能。
其次團隊建設不能僅依靠明星工程師，而是要建立一個(gè)完善的、跨學(xué)科、跨職能的團隊。同時(shí)不要期待AI立刻產(chǎn)生作用，而是要多次嘗試，對AI發(fā)展的回報曲線(xiàn)進(jìn)行合理預算。不要使用傳統的流程評估人工智能項目，應該為AI項目團隊設立合適的KPI和目標。
“有關(guān) AI 的應用越來(lái)越多了，但企業(yè)的 AI 轉型并不是開(kāi)發(fā)一個(gè) APP 這么簡(jiǎn)單，不要指望AI解決所有的問(wèn)題，也不要指望AI項目一次性就成功。”吳恩達表示。
