產業(yè)AI：和其他AI有什么不同？讓阿里舉重兵投入的道理何在？

讓AI能用，有用，普通人樂于去用，是這個技術不會變成另一個泡沫的根本保障。

在剛剛結束的2017云棲大會·北京峰會上，阿里云發(fā)布了堪稱迄今為止最全面的阿里AI版圖。但在阿里復雜的AI業(yè)務、產品和合作生態(tài)背后，也許我們能夠發(fā)現(xiàn)一個關鍵詞：產業(yè)AI。

產業(yè)AI到底和其他AI有什么不同？讓阿里舉重兵投入的道理何在？

什么才是產業(yè)AI？

雖然這個問題看起來像….廢話….但是沒辦法，真相往往跟我們的想象或多或少有點不同。

顧名思義，產業(yè)AI當然是在具體的一個個產業(yè)里發(fā)揮作用的AI技術和產品咯。也就是我們經常說的AI賦能傳統(tǒng)行業(yè)。但有點不同的是，我們在討論AI賦能行業(yè)，或者所謂“AI+”的時候，往往設想的是以AI為主體，來實現(xiàn)某個領域的固有功能。比如一些AI+教育平臺，就是用AI的語音交互和NLP能力，來實現(xiàn)遠程教育功能。

在這種情況下，一般思考的是用AI替代，而不是用AI結合。它能改善一些情況，卻無法真正提高這個產業(yè)本身的效率，降低原始成本，更不能融合在整個產業(yè)線之中。

所謂產業(yè)AI，必須是能夠與傳統(tǒng)產業(yè)無縫結合，推助產業(yè)核心部類向前發(fā)展的。這也是阿里云從ET大腦到產業(yè)AI布局的根本訴求。尤其需要注意的是，深度的產業(yè)AI必然指向復雜的行業(yè)限制和真實需求，往往比簡單的AI替代論復雜很多。

比如說想讓AI來計算機場的停機坪使用情況，提高停機坪的使用效率。聽起來蠻簡單的一件事，但是一名真正的機場調度員，卻需要考慮航班號、機型、國際國內分類、近機位優(yōu)先原則、機上狀況、航空公司情況、機場建設狀況、流量狀況、延誤航班對下序航班的影響、天氣狀況等等十幾個因素才能決定飛機停泊的機位；假如AI系統(tǒng)只算了其中一兩個，漏算了某些因素，豈不是耽誤了大事？

所以說，產業(yè)的需求往往比我們一般想象中復雜太多，綜合來看，AI想解決產業(yè)問題，必須具備四個方面的基礎能力：

1. 多維感知能力：真實世界中，數據和信息常常是從幾個方向混雜過來。假如AI只能聽、只能看，或者只能連接數據庫，那么它就會變成盲人摸象型AI。只能用來炫耀某種能力，卻無法真正投入使用。
2. 全局洞察模式：能感知之外還要能分析和歸納，就像上面說的運算停機坪。AI必須綜合各方面信息和實時變化的數據流，隨時做出統(tǒng)領全局的最優(yōu)解。這就是我們所說人類的大局觀。沒有大局觀的人不能勝任管理，沒有大局觀的AI也是一樣。
3. 人機協(xié)同體驗：想做產業(yè)AI，必須承認的一點是今天的AI絕不可能，也不希望徹底取代人類。必須是人機協(xié)同的工作模式，但是人機如何協(xié)同，如何在縮減人的工作時間，提高人的工作效率之外，不會浪費大量學習成本和適應成本，也是關鍵問題。
4. 持續(xù)進化能力：日新月異的工作，必須讓人不斷去適應和學習新的工作方式，對于AI也是一樣，如果產業(yè)AI不能進化，那么工作需求一旦變更AI就變成廢鐵一塊，那確實不要也罷。

為了解決這四個問題，阿里云的解決方案是做一個產業(yè)綜合體：ET大腦。

但是這可能還不夠，產業(yè)AI之路，絕不是單純的技術能力可以搞定的。

到底該如何打造產業(yè)AI？

如果你身處一個比較傳統(tǒng)的行業(yè)，不妨想想，假如為你安排一位超級智能的AI助手，你的第一反應是什么？

很興奮？那么第二反應呢？大概是感覺學起來很麻煩，不知道到底好用不好用，擔心成本和收益不相符，等等等等。

這是沒有辦法的，人在面對新事物時的先驗反射永遠都是排斥和懷疑。尤其是AI這種先天具有科幻色彩的技術與產品。所以說，實驗室和PPT上的AI是相對容易的，但產業(yè)AI卻要更復雜。其復雜程度很多時候不在于單純的技術挑戰(zhàn)，而在于需要復雜且長期的企業(yè)合作、談判溝通和對細節(jié)的苛求。總之，都是苦差事和累差事。

阿里的產業(yè)AI構想，至少要滿足三個條件：

1. 深入場景的需求

很多AI技術走進現(xiàn)實時，往往會太重AI太輕現(xiàn)實，這樣做的直接結果是完全低估了產業(yè)化進程的難度。

比如阿里云在打造ET工業(yè)大腦的時候，面對的都是已經二三十年的老機器。這些機器怎么AI？怎么能夠不給企業(yè)成本壓力，如何讓老工廠的工人懂得使用？可能都是科學家一般不會思考的問題，卻真實阻擋了工廠的AI化。而阿里云的解決方案蠻簡單粗暴的：直接派工程師在車間蹲守。

2. 與行業(yè)從業(yè)者相結合

我們時長忽視的一個問題是：AI技術有時候并不能討人喜歡?？此朴械览淼募夹g解決方案，在真實產業(yè)場景里其實是無效的。

比如AI語音解決方案與法院場景的合作。一般我們理解法院使用語音交互，無非就是對庭審進行記錄，代替書記員的工作。但事實上卻不是這么回事，直接將庭審對話轉換成文字，夾雜了大量的口語內容，根本是無效記錄，反而加大了書記員工作的難度。真正需要的是AI能夠理解文本、抽取邏輯將庭審記錄簡化，這才能真正幫到書記員。

所以說，真正的產業(yè)AI必須以從業(yè)者為核心去思考問題，這需要對產業(yè)深度的理解，以及關鍵領域的產業(yè)深度合作。

3. 跨技術解決方案

另一種AI產業(yè)化中必須面對的問題，是真實問題往往比實驗與測試中復雜很多。比如AI地鐵售票機，讓用戶用語音交互的方式買地鐵票。但在地鐵這么嘈雜的環(huán)境里，語音識別實在過于復雜。最終的解決方案，是加強收音陣列硬件的同時，用機器視覺技術識別人臉和嘴唇，讓售票機聽到兼看到買票者，才能最終解決問題。

這三條途徑，歸根結底是巨大的產業(yè)合作任務和工程化工作量。在具備技術基礎的同時，還要求執(zhí)行企業(yè)有行業(yè)合作能力、工程化能力和個案攻堅能力。

這是一條不好走的路，但是誘惑巨大。

產業(yè)化路途中的AI新戰(zhàn)場

阿里的產業(yè)AI夢，可能給阿里本身帶來哪些好處呢？

目前阿里的方案，是通過ET大腦，陸續(xù)占領城市、工業(yè)、零售、金融、汽車、家庭等場景。將AI能力、產品和解決方案，以阿里云為出口進入各行各業(yè)。

用這種 “現(xiàn)實主義AI”思路，阿里可能希望獲得多方面的利益和戰(zhàn)略優(yōu)勢。比如：

1. 從全面場景到良性AI產業(yè)循環(huán)。從工業(yè)、交通，到環(huán)境、航空，ET大腦的布局逐漸向全景化、垂直化雙向發(fā)展。未來的最優(yōu)結果是能覆蓋經濟民生關鍵感知端口的AI系統(tǒng)，可以運用這些場景能力通向整體進化。而良好的產業(yè)合作步伐，則給升級能力帶來了進一步出口。場景、技術和合作，正在形成AI體系的遞增三角關系。
2. 可復制的AI解決方案。從航空大腦的案例中不難看出，ET大腦的解決方案和能力基礎是具備高度復制化的。當一個領域需要復雜的運算，多種感知數據的結合，并且人工效率始終很低，那么就可以自發(fā)引入ET大腦。這種領域在生活中相當多見。當ET大腦的產業(yè)AI解決方案復制到某個量級時，生態(tài)性、泛在化的產業(yè)AI自發(fā)衍生或許將會出現(xiàn)。
3. 關鍵領域的直接價值。工業(yè)、醫(yī)療到交通航空，都是可能帶來直接客戶和收入的領域，不用太考慮股價和估值的阿里，或許更期待用AI換來真金白銀。

無論阿里的產業(yè)AI夢是否成立。至少有一點是肯定的：讓AI能用，有用，普通人樂于去用，是這個技術不會變成另一個泡沫的根本保障。

作者：腦極體，微信公眾號：unity007

本文由 @腦極體 原創(chuàng)發(fā)布于GrowthHK。未經許可，禁止轉載

題圖來自 Gatech

GrowthHK（Growth Hacker）：增長黑客是依靠技術和數據來達成各種營銷目標的新型團隊角色。從單線思維者時常忽略的角度和高度，梳理整合產品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…