|
人工智能正在激起一场新的计算机革命，用吴恩达的比喻来说，人工智能就是电，是激发下一次革命的基础，那么，对于正在准备或者已经开始进入人工智能阶段的同行而言，有哪些是必须知道的呢？ 互联网的机会在逐渐缩小当前的互联网可以划分为两个大的领域——传统的互联网和移动互联网。但是，无论你相信与否，互联网的红利正在不断地逐渐缩小。在传统互联网领域，全球个人电脑（PC）出货量从2012年第一季度起就开始不断萎缩。个人电脑巨头戴尔在2013年第一季度就通过私有化方式退市，而美国在线、雅虎这些传统的互联网巨头也都已经从互联网领域退出。在国内，传统互联网三巨头新浪、网易和搜狐也都在苦苦挣扎，传统互联网的辉煌时代正在逐渐远去。 在移动互联网方面，无论全球领先的四巨头FANG（facebook，Amazon，Netflix，Google）还是国内的BAJT都仍然呈现出蓬勃发展的趋势，但事实上从2017年开始，全球手机出货量就不断下降。这表示，移动用户的增长在降低，也说明移动互联网的将逐渐进入稳定而不是快速增长的时代。在这种情况下，企业之间的竞争，一定会从疯狂增长转变为创新竞争。 从根本上，虽然互联网可以解决信息不对等与连接问题，但它不能从根本上解决成本与消费问题，换句话说，互联网只能提高效率，而这种效率的提升是有上限的。这个上限在传统技术不变革的情况下无法得到突破。 人工智能是互联网的救命稻草若干年后，或许百度会为连续失去吴恩达与陆奇，从而完全失去在人工智能领域的优势而懊悔不已。这是因为，在当前的形势下，或许只有人工智能技术能大幅度提高全社会的生产效率。这种提升对人类社会的影响可能要甚于互联网。比如说，在一个级别很低的小医院里，我们可以使用人工智能来帮助医生检查X光片或者CT，从而给出一个合理的精准的建议。这在极大程度上可以提高医院的效率，但是这种革命仅靠互联网是不够的。 在可以预见的未来，人工智能能提供更高的生产力以及更大的社会效率，在运输，工业生产，医疗，金融，教育等等多个领域产生作用。很可能，这些革命性的进步可以挽救互联网的颓势。因此，对于创业者而言，选择人工智能领域是明智的。 人工智能应该从哪个层面起步一般来说，人工智能可以划分为三个层面。在最底层是基础建设，包括基础的IT设施，云计算，芯片，以及像谷歌的TensorFlow一类的框架；中间层也可以称为技术层，是一系列基于算法的技术系统，包括自然语言处理，机器视觉，语言识别以及不同行业的专家系统等；在最顶层也是应用层，是在技术层的基础上，面向用户提供的一系列人工智能应用。 在人工智能的所有领域中，基础建设层和技术层已经被大型的机构和公司所占领，基础设施的建设需要巨大的资金与资源，因此，很多互联网巨头都已经开始了被称为ABC的战略，A代表人工智能Artificial Intelligence，B代表Big Data大数据，C代表Cloud Computing云计算。这对他们而言在长期战略上是稳定而安全的业务。 那么，对初创公司而言，基础层和技术层还有机会吗？我想是没有了。可能一个初创公司有足够独特的技术和发展，能通过发布和销售SDK获利，但是你可能面临的是行业巨头们提供的免费技术与借口，谷歌的TensorFlow框架就是一个活生生的例子。因此，仅有的机会在应用层。 人工智能与业务的结合AI技术的成熟会带来新的商机，比如特斯拉的无人驾驶汽车，亚马逊的智能音箱，谷歌的语音助手等等，都是人类历史上前所未有的新生事物。从一定程度上，可以说是人工智能催生了这些事物。然而，人工智能对现有的业务能有怎样的提升呢？我想最大的改变可能是大大提高业务效率，因为人或者技术造成的障碍将不复存在，在像安全、医疗、教育、金融这些领域的效率会得到极大的革命性的提高。 事实上，无论在新生领域或者现有领域，都为人工智能留下了足够的空间。然而，虽然与巨头相比，初创企业看上去像是站在同一起跑线上，但是行业巨头拥有的海量的数据和资源，是他们的巨大优势。因此，相比新生领域而言，选择已有领域对初创公司而言可能是更佳选择。 严苛的与非严苛的应用很多进入人工智能领域的企业都过于关注算法。但是，算法的重要性可能在相当程度上取决于所要进入的领域与行业。根据不同领域的划分，应用可以分为严苛的与非严苛的两种。例如对于无人驾驶汽车而言，显然需要一个足够精确与高效的算法，99.9%的可靠性完全无法满足要求。这意味着为了达到更高的水平，需要投入更高水平的专家和足够长的研发时间。 以色列一家名为Mobileye的先进辅助驾驶（ADAS）系统方面研究的公司，在2017年被Intel公司以153亿美元的价格收购。而在此之前，这家公司在进行了长达八年的研发之后，才在2007年发布了其第一款产品。谷歌的无人驾驶汽车项目同样起步于2009年，直到目前也还未商业化运作。医学方面，达芬奇手术机器人在长达十年时间内在美国FDA医药监管局进行了2000多次的验证。这些都是人工智能领域的严苛应用方面，显而易见，初创公司是没有空间参与其中的。 好在人工智能领域的大部分应用是非严苛的。最简单的例子是近期很多人工智能公司提供的面部识别系统。这些系统大部分情况下达不到99%的识别率，但是也不影响其使用效果，同样的例子还有指纹识别或者声音识别系统，都是非严苛的应用。只需要算法上有一个正常精度就可以。在非严苛的人工智能领域，需要的是对所在行业的理解程度，产品的能力，费用负担的能力以及市场能力的评估，这些恰恰都是初创公司可以灵活处理的。 选择B2B还是B2C技术的成熟需要一段时间，而其流行则需要更长的时间。因此，对所有进入人工智能行业的企业而言，都面临B2B还是B2C的商业模式的选择。在这方面，B2B对初创公司而言可能更好，这是因为，目前人工智能技术， 由于技术和产业链的不成熟，产品的性价比极低，这对消费者而言是非常不友好的，无论是亚马逊还是小米，智能音箱的功能一样都不能令人满意。而在这样的情况下，选择企业作为产品使用对象显然更有优势，企业可以承担更高的价格，只要产品能提高其运转效率、降低成本，产品价格对企业用户来说是不敏感的。同时，企业用户在容错性方面更强一些，即使产品不够成熟与完美，只要其在某一方面具有优势，对企业用户来说都是可以接受的。这也是为什么对初创企业来说，选择B2C模式更容易一些的原因。 （译自readyforai.com网站） |
|
|
