快捷搜索:  as

让人工智能与产业紧密融合

人工智能要与产业紧密融合,既要助推人工智能应用场景的落地,也要基础数据和平台技术的突破创新,还要搭建好与传统行业生态有效衔接的桥梁。    

人工智能产业应用总体上处于起步阶段,仍有一些难题制约应用场景落地。

人工智能被认为是引领新一轮科技革命和产业变革的战略性技术。当前,我国人工智能与产业融合的情况如何?

业内专家认为,我国人工智能产业应用总体上处于起步阶段。

当前,新一代人工智能已经从最初的算法驱动逐渐向数据、算法和算力的复合驱动转变,其中,基于数据的应用驱动作用日益显著。以医疗领域为例,志诺维思基因科技创始人、人工智能专家凌少平介绍,我国智慧医疗近几年发展比较快,一个重要原因是有比较丰富的电子病历、医疗影像、病理图像等数据,基于这些数据,科研人员能够通过标注来训练人工智能模型。地平线创始人兼首席执行官、人工智能专家余凯说,受益于行业丰富的需求,我国在人工智能的应用探索上比较活跃。智能安防、智能金融、平安城市等需求,助推了人脸识别技术的发展和落地。无人驾驶、智能教育等发展又加速了我国计算机视觉、语音识别和自然语言理解等技术的应用落地。

专家表示,我国拥有海量数据和巨大市场规模,应充分发挥这些优势,加快推动人工智能的应用场景落地。但在实际推进过程中,还有一些难题制约着人工智能与产业更好地融合。

其中产业界普遍关注的是如何取得有价值的数据。首先是数据的有效性不够。通常数据越多,人工智能算法越智能。但也要看到,海量的数据固然重要,可只有经过计算、进行训练的数据才能产生价值,这就需要提高数据的有效性。专家表示,我国的数据样本非常丰富,但数据的“噪音”也非常大,有时获取的大部分数据没有价值,这就给利用数据训练算法带来较大困难。在智慧医疗领域,优质的数据一般要经过精选、清洗和标注,而高质量的标注数据门槛较高,通常由专业的医生来完成,但当前医生协助人工智能企业标注数据的积极性不高。由于高质量的标注数据缺乏,制约了人工智能在医疗领域的拓展。

其次是数据之间缺乏联动。数据孤岛现象影响了人工智能应用的落地。云天励飞首席方案总监王军说,一些核心数据掌握在相关管理部门和行业机构手中,在保障数据安全和隐私安全前提下,如果能将这些优质数据投入到算法模型训练上,既能降低行业参与者的成本,也有助于拓展人工智能应用的深度。

此外,人工智能芯片、智能平台搭建等技术难题也有待突破,这些都在一定程度上影响了应用场景落地。

人工智能赋能产业是一个从量变到质变的过程,需要搭建良好的产业生态链条

人工智能赋能产业是一个从量变到质变的过程。专家认为,要想进一步推进人工智能产业发展,就需要搭建良好的产业生态链条,需要学界和产业界共同努力,探索拓展产业的边界和范围。这包括了从源头找到有价值的问题、基础支撑平台技术的创新、培育领军企业等。

推进人工智能产业化,找到有价值的问题尤为关键。

“近年来,人工智能在医疗领域的应用很热,但多数扎堆在眼底筛查、肺结节检测及宫颈癌筛查等几个应用点,却很少有人去研究还有哪些领域需要应用人工智能技术。”凌少平说,“我国医疗人工智能应用要以需求为导向,运用大数据来分析目前诊疗中的痛点问题,有针对性地培育基于人工智能的产品和服务,进而提升人工智能与产业的融合度。”

推进人工智能产业化,需要基础支撑平台技术上的突破创新。

“无人驾驶、智能安防等终端场景是人工智能应用的重要场景,但人工智能在这些场景能不能落地、落地后有多大价值,需要依靠智能平台的支撑。”余凯以自动驾驶为例,当前无人驾驶技术仍不成熟,一个重要的影响因素是计算效率不够高。“1000辆上路的自动驾驶汽车,每天要处理相当于当前百度图像搜索的数据量,要及时、有效地处理好信息,在底层架构上就需要高性能的人工智能芯片。”

芯片的特点和性能往往决定了人工智能应用平台的架构和发展生态。鲲云科技创始人牛昕宇说,人工智能芯片通常会针对人工智能算法做特殊设计,我国在传统芯片上与国外领先企业有较大差距,但人工智能芯片与传统芯片底层物理结构完全不同,这样就相当于大家来到同一起点,我国应抓住人工智能芯片发展的机遇,为人工智能应用落地、产业发展提供强劲支撑。

推进人工智能产业化,还要培育领军企业。

您可能还会对下面的文章感兴趣: