|
当阿尔法狗打败人类世界围棋顶尖高手，人工智能的春天算是来了。这个积攒了无数智慧的程序，为人工智能成功开辟了新天地。 然而背后的数据是这样的：2016年战胜李世石的那只阿尔法狗，拥有1202个CPU，176个GPU，按照每个CPU的功率为100W，每个GPU的功率为200W进行粗略计算，那么： 下一盘高水平的围棋， 人只需要一顿饭的费用，人工智能却要840度电。 浪费对于起步的技术从来都不是考虑的重点。真的重点是参入规划和实施项目的人，人的无知也决定了人工智能的无知。人的陷阱也同样是人工智能的陷阱。 从2016年到现在，人工智能项目，雨后春笋般冒出。著名的科技公司，只要有点闲钱，都会从事人工智能项目。不是已经开始，就是打算开始。关键是许多公司都对人工智能计划寄予厚望。 问题就出在这里。所有的项目，在没有落锤之前，远非万无一失。事实上，我们从其他项目的大数据中也可以得出结论：超过一半以上的人工智能项目将无法达到预期的效果，半途夭折比比皆是。 成功都是一样的，失败各有各的原因。 一些共同的败因是那些显而易见的失误。这些失误的共同点是：缺乏充分的战略和规划。 对于人工智能项目，当下的面对的困难是以下几个大的方面: 文化的多元 任何一个组织，都是人构成的， 人在文化上具有多元性，这是谁都无法回避的现实。项目团队的成员，个个都是技术精英，团队从业务能力上基本具备从功能到技术的多样化技能集。但项目设计不同的部门这些不同部门的领导对目的的理解各有各的侧重点。尽管都在为人工智能计划保驾护航，但合力要么偏左，要么偏右，甚至停步不前。 不同的人有不同的观点，尤其在新事物，例如人工智能所需的大数据领域，每个人的理解都不尽相同。这些差异有的直接观点相左，因此，多数企业的人工智能计划半路夭折并不稀奇。 人工智能在技术上的因素并不是唯一的障碍，非技术性的要素比技术上的壁垒更多，因此，组织者的号召力，或者说项目负责人的演讲技能对人工智能的计划实施有潜在的影响。若项目管理者能成功激活数据文化，这些非技术的挑战是可以克服或解决的。 业务的尴尬 人工智能项目是2016年才有突破的，之前的很多年，都在失败的路上。人毕竟要养活自己，高端人才缺口是众所周知的， 没有高端人才，又没有基础依托，仅有预期和风口，只能融资，不能落地，一个不能落地的项目，对项目的可用性可能是一个巨大的挑战。 人工智能又是一个跨学科的领域，它的成功8-%以上依赖于许多不同团队之间的协作。也就是说，就算你有了一个已经处理完成的解决方案，但在客户端站点上，数据的输出与功能的部署都不是客户希望的，或者与客户的期望有落差，使用结果也将会成为项目失败的常见问题。 我们往往会在项目结束的时候处于这样的境地：在付出大量努力之后，最终的结论是，发现项目本身是错的，也就是自己一开始就在做错误的事情。所以多项机会的选择也应该被纳入人工智能项目的前期研讨中，而这样存在多种选择的项目，反过来对数据的要求与认同又产生了负反馈。这让我们不仅否决了上帝的权威，也承认并尊重魔鬼的价值。这种文化的2难是无法回避的。
伦理的挑战 数据或多或少的会设计隐私问题，这对于单纯的知识与技术而言，隐私是无感的，但对于使用者来说，隐私是个大问题。人工智能业务的核心说白了就是数据的价值，在5G时代解决了时延问题后，数据质量更成为监管的焦点，法律是保障秩序社会的底线， 科学精神的实质是质疑。也就是科学精神本身要求科学工作者处在不确定性中，而法律要求社会大众保持一种可预期的，确定的秩序生活。 这种2难，对于人工智能在涉及到社会服务功能时，本身就是2难选择。数据隐私能不能合法化也成为需要应对的主要挑战之一。 小结 当下人工智能是一个不断发展、炒作 时髦的领域。在投资或融资过程中，人工智能项目能否顺利完成，充满了已知和未知的挑战。 如果你是工程人员，打算从事人工智能，这很好，看看上面的挑战，你能应付多少；若你是一名风投，我建议你，最好多想想，站在风口的猪就算飞上天，如何安全落地都很难说。 况且是不是风口本身都是问题。 若你是一位融资者，我建议你摸摸良心，然后再上路。 |
|
|
