AI的未來雖然美好，但AI的落地之路卻布滿荊棘，不能靠炒概念，需要埋下頭來，踏踏實(shí)實(shí)下苦功。積累產(chǎn)業(yè)AI落地經(jīng)驗(yàn)，在算法、數(shù)據(jù)、認(rèn)知等多方面花心血來，加速AI改造升級行業(yè)的進(jìn)程。
人工智能是被各行各業(yè)寄予厚望的未來技術(shù)，談及人們最關(guān)心的AI在企業(yè)的落地問題，目前公眾關(guān)注得最多的AI集中在感知層，例如人臉識別、語音識別、無人車等。但是，感知層走在AI前端，已經(jīng)享受著AI紅利，但是企業(yè)真正需要的AI應(yīng)該是決策層的AI，尤其是在工業(yè)領(lǐng)域。譬如感知質(zhì)量問題后的機(jī)器參數(shù)自動微調(diào)等。
企業(yè)內(nèi)部的角色分成三種，高層做的是戰(zhàn)略制定，中層的工作是策略制定，基層是策略執(zhí)行。互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)改變的是基層的工作，也就是策略執(zhí)行，越來越多交給機(jī)器去做了。今天，人工智能在企業(yè)內(nèi)部改變的是，策略制定正在交給機(jī)器來做。決策AI化才能實(shí)實(shí)在在提升企業(yè)經(jīng)營效率、產(chǎn)品質(zhì)量和降低成本。商業(yè)領(lǐng)域無論是百度的鳳巢系統(tǒng)，今日頭條的推薦系統(tǒng)，支持其享受AI紅利的技術(shù)都是決策的智能化，工業(yè)領(lǐng)域亦是如此。
人工智能技術(shù)已經(jīng)實(shí)實(shí)在在地為頭部商業(yè)企業(yè)創(chuàng)造了巨大的價(jià)值，但我們在將這項(xiàng)技術(shù)推廣到更多工業(yè)領(lǐng)域的經(jīng)營、生產(chǎn)層面，也需要面對各種困難和挑戰(zhàn)。工業(yè)制造企業(yè)AI落地要直面認(rèn)知、數(shù)據(jù)、算法三道門檻：
構(gòu)建機(jī)器學(xué)習(xí)圈，破解AI落地的認(rèn)知門檻
首先，AI落地的第一道門檻是認(rèn)知門檻。談到AI，我們首先要正視一個(gè)問題：深度學(xué)習(xí)不是普通人能理解的交互方式，工藝、質(zhì)量人員所關(guān)心的也不是科學(xué)家擅長的。怎樣將工藝、質(zhì)量人員關(guān)注的產(chǎn)品、機(jī)器問題和科技人員關(guān)注的深度神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合到一起呢？需要把公眾可認(rèn)知的交互方式和科技結(jié)合起來，形成一個(gè)門檻比較低的人工智能構(gòu)建過程，使算法與業(yè)務(wù)進(jìn)行對接。
把這樣的AI構(gòu)建的過程標(biāo)準(zhǔn)化為四步標(biāo)準(zhǔn)動作，分別是“行動”、“反饋”、“反思”、“理論”。通過構(gòu)建起閉環(huán)，形成機(jī)器學(xué)習(xí)的學(xué)習(xí)圈。AI應(yīng)用應(yīng)該像學(xué)習(xí)圈一樣，將業(yè)務(wù)閉環(huán)與AI產(chǎn)生的過程融合到一起。以機(jī)器預(yù)測性維護(hù)為例，傳統(tǒng)企業(yè)通過SOP和專家形成幾十條預(yù)防性規(guī)則，而通過機(jī)器學(xué)習(xí)提升到了上萬條，準(zhǔn)確率提升并升級到提前預(yù)測性維護(hù)，而不是浪費(fèi)資源、沒有針對性的預(yù)防性維護(hù)。隨著自學(xué)習(xí)系統(tǒng)持續(xù)優(yōu)化模型效果，這個(gè)效果還將不斷提高。
構(gòu)建面向AI的大數(shù)據(jù)系統(tǒng)，破解AI落地的數(shù)據(jù)門檻
其次，認(rèn)知門檻提到機(jī)器的反思、總結(jié)，這其實(shí)就是深度學(xué)習(xí)的過程，但如果缺乏有效數(shù)據(jù)，效果就會受影響，這就涉及到第二個(gè)門檻——數(shù)據(jù)門檻。
AI是基于大數(shù)據(jù)的，但很多企業(yè)有數(shù)據(jù)卻不能產(chǎn)生AI，這是因?yàn)橛写髷?shù)據(jù)不等于就有AI。大數(shù)據(jù)分為兩種，BI的大數(shù)據(jù)和AI的大數(shù)據(jù)，過去的大數(shù)據(jù)多數(shù)是為BI設(shè)計(jì)的，BI大數(shù)據(jù)主要是幫助人去總結(jié)一些經(jīng)驗(yàn)，例如數(shù)據(jù)庫，強(qiáng)調(diào)查詢和統(tǒng)計(jì)。AI大數(shù)據(jù)是給機(jī)器看的數(shù)據(jù)，主要不是考慮查詢和統(tǒng)計(jì)，需要的是完整和實(shí)效性高，譬如CEP、APC系統(tǒng)。因此兩個(gè)大數(shù)據(jù)系統(tǒng)的設(shè)計(jì)理念天然會不同。我們經(jīng)常會看到企業(yè)由于過去建設(shè)了面向BI的大數(shù)據(jù)系統(tǒng)，又將AI建設(shè)在這個(gè)大數(shù)據(jù)系統(tǒng)之上，非但沒有幫到AI的落地，反倒成為AI落地的障礙。
面向AI的大數(shù)據(jù)系統(tǒng)，要能存取PB級甚至更大量的日志，一定要支持時(shí)序數(shù)據(jù)庫的實(shí)時(shí)存儲，可以不需要實(shí)時(shí)查詢和統(tǒng)計(jì)，但又需要極其高效的批量存取能力。正是因?yàn)閭鹘y(tǒng)的BI大數(shù)據(jù)系統(tǒng)限制了AI的發(fā)展，企業(yè)需要一套面向AI的大數(shù)據(jù)系統(tǒng)。其次，基于面向AI的大數(shù)據(jù)系統(tǒng)，我們需要建立起學(xué)習(xí)圈中的行為數(shù)據(jù)和反饋數(shù)據(jù)的收集體系：收集行為數(shù)據(jù)，收集反饋數(shù)據(jù)，讓機(jī)器自學(xué)習(xí)。
AutoML技術(shù)，破解AI落地的算法門檻
最后，關(guān)于算法的門檻，未來的AI，不應(yīng)該依賴科學(xué)家來調(diào)參，而是讓算法做到不需要科學(xué)家，讓機(jī)器去學(xué)習(xí)。這也是破解AI落地算法門檻的關(guān)鍵。
讓機(jī)器自動建模、自動調(diào)參，這在機(jī)器學(xué)習(xí)領(lǐng)域稱為AutoML。要做到這一點(diǎn)，就要把機(jī)器學(xué)習(xí)或深度學(xué)習(xí)過程中高度專業(yè)化的參數(shù)設(shè)計(jì)環(huán)節(jié)自動化，而這過去往往都是頂級數(shù)據(jù)科學(xué)家的看家本領(lǐng)。我們AI這個(gè)領(lǐng)域，過去過多強(qiáng)調(diào)了科學(xué)家的調(diào)參能力，不利于AI的普及。不需要調(diào)參的AutoML，目的就是真正讓企業(yè)也掌握自有AI能力。為此，將AutoML技術(shù)封裝，能夠讓用戶在沒有機(jī)器學(xué)習(xí)研究背景的情況下開發(fā)機(jī)器學(xué)習(xí)模型、或是縮短數(shù)據(jù)科學(xué)家用來創(chuàng)建模型的時(shí)間和精力投入。
AutoML是AI賦能的重要方式之一，一個(gè)好的AI算法可能需要耗費(fèi)工程師們1年的時(shí)間，而解決AI落地的問題可能需要花費(fèi)一個(gè)團(tuán)隊(duì)10年時(shí)間。降低AI應(yīng)用門檻，希望AI能普惠大眾、賦能百業(yè)，不斷在解決著阻擋企業(yè)AI落地的各種障礙。
AutoML開始邁向技術(shù)賦能企業(yè)AI落地之路。積累大量人工智能落地和企業(yè)服務(wù)的實(shí)踐經(jīng)驗(yàn)和方法，包括數(shù)以千計(jì)的團(tuán)隊(duì)掉進(jìn)的陷進(jìn)。幫助企業(yè)從低門檻構(gòu)建模型開始，到為企業(yè)提供端到端AI覆蓋能力和量產(chǎn)屬性的AutoML核心系統(tǒng)，不僅解決了企業(yè)AI落地從0到1的各種問題，還賦予企業(yè)從1到N的強(qiáng)大能力。
AutoML走的不是一條顛覆式創(chuàng)新的路！
第三十四屆CIO班招生
國際CIO認(rèn)證培訓(xùn)
首席數(shù)據(jù)官（CDO）認(rèn)證培訓(xùn)
責(zé)編：content
免責(zé)聲明：本網(wǎng)站（http://www.www.gypb.net/）內(nèi)容主要來自原創(chuàng)、合作媒體供稿和第三方投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
本網(wǎng)站刊載的所有內(nèi)容（包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等）版權(quán)歸原作者所有。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，請及時(shí)通知本站，予以刪除。
搶沙發(fā)
