江苏龙网

  1. 首页 > 资讯 > 资讯 > >

数据|壹快评丨未来几年AI产业将从内涵到外延全面升级

_原题为 壹快评丨未来几年AI产业将从内涵到外延全面升级
在近日召开的世界人工智能大会上 ， 来自全球智能领域最具影响力的产学研人士围绕人工智能（AI）领域的技术前沿、产业趋势和热点问题发表演讲 ， 通过这些精彩的分享 ， 我们发现一些趋势：
第一 ， AI的应用纵深得到了极大加强 ， 在应用AI较早的金融等领域 ， AI的应用已经越来越深入业务本质 ， 从过去集中应用于避免员工重复劳动 ， 发展到开始辅助人 ， 并在一定程度上开始成为员工脑力的辅助 。
第二 ， AI落地的领域和场景愈加丰富 ， AI已经辐射到了新基建、工业、教育、医疗健康、城市治理等多个重要板块中 。 这说明AI的价值已经得到了广泛认可 。 “泛在”的AI并非遥不可及 。
最有亮点的一大趋势是 ， AI同其他技术领域的融合日益深入 ， 例如 ， AI+隐私计算、AI+区块链、AI+物联网、AI+智能芯片、AI+5G等 。 在一定程度上 ， 这意味着“人工智能”这一词汇的内涵也在发生深刻变化 。
基于观察到的这些趋势 ， 我们认为AI产业将在未来几年内完成从内涵到外延的全面升级 。 不妨大胆推测 ， AI将在“协作智能”“边缘智能”和“数据智能”三个方向上更加快速发展 。
“协作智能”扩展AI应用疆域
在国内数字化转型刚刚起步时 ， 绝大部分AI的落地场景都是以“助力政府、企业等数字化转型”为逻辑起点 ， 也就是说 ， 此前AI的发展更多把服务对象看作一个个独立的个体 ， 应用的目的往往是帮助这些对象提升自身效率 ， 提高数字生产力 ， 加速数字化转型进程等 。
但随着国内数字经济的发展 ， 各行各业的数字化程度已与此前不可同日而语 。 数字生产力的提升 ， 必然要求社会发展出适合生产力水平的数字生产关系 。 诸如银行业的开放银行、政府的数据开放、供应链联盟、医疗行业的医联体和医共体 ， 都是围绕多个对象之间的生产关系优化和升级展开的工作 。 这些探索过程不可避免地遇到了数字化、智能化程度高的对象如何与程度较低对象之间互利、可信合作的问题 ， 尤其是同业对象间和产业链上下游企业间 ， 类似问题更加突出 。 从社会整体角度看 ， 不应把AI置于“降维打击”这种只竞争不合作的逻辑框架中 。
新形势下 ， AI应用的着眼点宜拓展到如何使人与人、机构与机构、人与机构、人与AI高效协同上 ， 同时结合区块链、隐私计算等关于数字生产关系的技术 ， 奠定协同的基础设施和多方利益保障机制 ， 从而真正形成良性的数字生产关系 。 以医疗行业为例 ， 如果能将大型医疗机构的专家知识标准化 ， 形成知识图谱、专家决策支持系统 ， 再结合隐私计算技术 ， 那么基层医疗机构未来就可以在不泄露就诊者个人隐私数据的同时 ， 集成利用大型医疗机构的专家资源 。
“边缘智能”加大AI应用纵深
通信网络基础设施建设是新基建的核心构成之一 ， 其涵盖的5G、物联网、工业互联网、卫星互联等领域也为AI应用提供了良好的纵深空间 。
一方面这些技术使得AI可以利用深入场景中的数据 ， 例如智能设备多种传感器可以为模型补充明暗程度、运动速度、温度、湿度等数据 ， 这使得我们可以构建起以“情景”为基本响应单位的AI能力 ， 从而提供最贴合特定情景的智能服务 。
另一方面 ， AI还将可以深入到“端侧”、“边缘侧” ， 在最靠近数据的地方完成训练和预测 ， 在提升AI实时性和个性化程度的同时 ， 还能充分利用泛在的算力 ， 节省集中式算力的消耗 。
但也应该注意到 ， 这些构想在实践中会遇到诸多困难 ， 比如 ， 以智慧农业为例 ， 如何保证土壤探针等设备采集数据的真实和不被篡改？如何高效整合利用分散在政府、科研院所、田间地头、产供销链条中各个主体的农业大数据？如何使产业链各参与者都能信任AI的预测结果？这些都是实现“边缘智能”曾面临的障碍 。 实践证明 ， AI结合隐私计算、区块链等技术 ， 可以从数据源端消除数据隐私、数据可信、模型可验证等方面的问题：
1.确保卫星、无人机、物联网传感器等数据采集的真实可信；
2.数据“可用不可见” ， 形成物理分散的多元数据的逻辑集中视图 ， AI模型将有充足可信的数据可供利用；
3.模型在受到充分保护的前提下 ， 仍然可以为多方所验证 。
如此 ， 可以使AI在农业科学生产、农户信用评估、农业风险预测等多方面体现价值 。
“数据智能”协助AI跨越数据门槛
关于AI和数据 ， 业界最常见的一个比喻是“AI像发动机 ， 数据则是石油” 。 一段时间的实践下来 ， 人们逐渐意识到“数据智能”的落地还需要解决一些问题 ， 例如：
1.“石油”的开采、加工、利用需要有相应的法律法规的规范 ， 并且需要有相关技术手段作为保障 ， 否则数据利用将与数据安全相冲突 ， 造成很多社会问题；
2.由于数据产生端和数据采集、加工、利用端经常出现因技术实力、资源禀赋等方面的不对等 ， 造成国内数据资源一度被聚集在“数据巨头”手中的现象 。 一些弱势的新进入个体和机构逐渐丧失了对数据的控制权和相关收益权 ， 甚至陷入“无米下锅”的境地；


推荐阅读


上一篇：GoHealth|健康保险平台GoHealth美国上市：首日跌7% 市值61亿美元

下一篇：苏宁|苏宁易购透露最新动向：从零售商升级为零售服务商