鄭宇、沈抖領銜共話 AI 業界應用挑戰 | IJCAI 2019

8 月 10 日至 16 日，IJCAI 2019 在中國澳門隆重召開。儘管作為一場學術會議，以綜合性為長的 IJCAI 在會議中也有探討 AI 工業應用的部分，其中就有一場由工業界帶來的 Panel「AI Challenges in Industries」，圓桌會議邀請了索尼研發副總裁藤田昌宏（Masahiro Fujita）、滴滴副總裁郄小虎、微軟首席研究員 John Langford、百度副總裁沈抖來一同探索 AI 在工業應用中所面臨的挑戰，本次圓桌會議的主持人由京東副總裁鄭宇擔任。AI 開發者為大家帶來這場 Panel 的現場報導。

 

技術與方法

鄭宇：眾所周知，AI 並非對於所有問題都有效，有時有用有時沒用，那各位所在公司如何判斷 AI 是否適用於解決某個問題呢？

沈抖：當然，我們任何一家公司都無法說 AI 可以解決所有問題。大家在很多會議上，都會聽到 AI 能解決很多問題，然而現在 AI 還無法做到這種程度，原因有 3 個：

第一，當下的 AI 技術可能會存在很大的侷限性，因而對於很多問題，AI 技術都無法很好地解決；

第二，我們可能無法將一些現實問題轉述成 AI 問題；

第三，工業界可能沒有足夠的資源或者工程師去解決 AI 問題以及實施 AI 解決方案，尤其有時候的一些問題首先需要我們人類去解決，當我們自己找到解決方法的時候，我們才能利用好 AI 技術去解決這些問題。

John：我認為，這個問題具象化到某個具體的專案，某種程度上要看是否能夠給 AI 提供指導解決問題的資訊，有時可以是給資料做標註，有時可以讓 AI 系統從有用的語料庫中學習或透過強化學習從現實世界得到反饋。如果這些方法可行的話，你可以嘗試讓 AI 去解決某個問題。

郄小虎：針對工業界如何判斷某項 AI 技術是否對解決某個問題有效，這裡有三個可以考量的問題：第一個是是否有足夠可用的大資料來訓練模型；第二個是能夠將問題轉述成機器學習所能理解的語言，比如說如何將匹配司機和乘客的問題轉化為某種圖表或特徵從而讓 AI 可以用來進行匹配；第三個是我們需要意識到 AI 無法做到非常完美，一旦遇到它們此前未見過的場景，可能就會失效。

鄭宇：現在有部分 AI 技術相對傳統方法表現出大熱的現狀，比如深度學習，但實際上很多人僅僅停留在談論的階段，這種現狀是機遇還是挑戰？

藤田昌宏：從某種意義上講，新模型的提出確實能夠為 AI 的研究賦能。但在開發過程中，如何選擇模型，選擇使用怎樣模型；都是值得我們仔細思考的問題。任何事情都有兩面性，但良好的決策有助於產生更高質的產品。因此從公司的角度出發，我們需要帶著質疑的眼光來看待這些問題。

郄小虎：總體來看，我更傾向於將這種現象視為 AI 界的挑戰問題。我們確實也看到了深度學習在實際過程中表現出的潛能，這也是它熱門的原因之一；但現實情況中，深度學習也存在很大的侷限，很多問題目前是無法透過深度學習得到解決的，有時僅僅是環境的改變，深度學習可能就無法起到效果。所以如果僅從優勢的角度看待深度學習，這將可能對今後的研究過程產生極大的阻礙。

沈抖：在我看來，這件事沒有辦法去用好壞來衡量；站在團隊的角度，我們把它視為懶惰問題，即團隊是否願意去嘗試新事物。在我們團隊，我非常鼓勵大家去了解不同的模型或方法，因為新的模型往往也意味著機遇。透過結合這些新模型與方法，我們或許能夠碰撞出更多好的想法，從而得到更多實用的模型。

AI 落地

鄭宇：現在公司的服務物件包括三個類別：使用者（To C）、企業（To B）和政府（To G），那各位怎樣看待這三種型別的模型在應用 AI 方面的區別？

沈抖：一般而言，在 To C 中，我們能夠獲得使用者行為畫像，因此，AI 的表現非常不錯，能夠解決大多數問題；但是 To B 和 To G，我們所面臨的一個問題和另一個問題都是不同的，所以我們需要花很多時間去明確問題並追蹤出現的問題，這比應用一個機器學習模型要難得多，因而 AI 在 To B 和 To G 的模型中應用的難度要比 To C 更大。

郄小虎：我認為三者之間的區別關鍵在於服務的物件群體不同，因而瞭解使用者的需求對於選擇正確的 AI 技術而言很重要。比如，使用者可能更注重便利性和安全性。所以我認為三者最大的區別，在於理解三種型別的客戶的不同需求。

鄭宇：從你們自身角度出發，你們認為 AI 給我們的生活帶來了怎樣好的改變？

沈抖：儘管 AI 看似非常高大上的話題，但其實在日常生活中，我們能很容易發現它的影子。比如：使用者會使用網路搜尋時，往往會提出很多問題，而問題的檢索與解答，其實就是我們與 AI 發生聯絡的時刻。在搜尋方面，我們從以前的文字搜尋到現在的圖片搜尋，整個過程 AI 起著很大的作用，並且可以肯定的是，今後還會有更多更先進的 AI 技術將用到搜尋系統中。

John：從教育的角度來看，AI 技術的不斷更新，一定程度上也推動了線上學習的發展。透過推廣線上教育，我們能夠實現知識的有效傳播，而且大部分人都能夠接收到來自世界各地更多元的知識，這是我所看到的 AI 帶給我們的益處之一。

郄小虎：AI 的確正在慢慢滲透我們的生活，並且讓我們更好去享受生活。AI 在滴滴中的應用，也能夠更好的幫助乘客與司機建立有效的聯絡。其中，我認為 AI 讓滴滴出行更加人性化，尤其對於高峰期間乘車問題，無論是訂單的快速建立與取消，還是有效減少乘客等待時間的智慧匹配 方面；都給司機與乘客帶來了極大的便利，這些大的改進都離不開 AI 技術的幫助。

聚焦 AI 國際

鄭宇：本次的四位嘉賓來自全球 GDP 最高的是哪個國家——美國、中國和日本，那三個國家在 AI 領域所面臨的挑戰有何不同，各自的優勢以及挑戰都有哪些？

藤田昌宏：相比美國和中國，日本確實現在處於了落後的境地。而目前日本面臨的比較大的挑戰是，日本的很多公司在 AI 技術的產品落地方法，積極性不是很高。

郄小虎：美國、中國和日本的論文發表數量都是世界領先的。而中國的優勢，第一是擁有非常大的市場，無論是資料還是應用，相比之下都具有很大的優勢；第二是中國在機器學習領域擁有大量的人才儲備，中國在各個 AI 會議上的論文發表數量都是領先的；第三是中國政府針對創新推出的支援政策對於 AI 領域的企業和初創企業的幫助巨大，這能夠很好地推動中國 AI 的發展。

沈抖：關於這個問題，我最想強調的一點是，無論是學術界還是工業界在 AI 研究中，要更多地關注長遠的利益，而非短期的結果。

John：在之前，美國的教育體系是開放的，吸引了來自世界範圍的 AI 人才前往就學，也為美國的 AI 發展做出了貢獻。然而現在美國的教育有了很多限制，將很多來自其他國家和地區的人才拒之門外，導致美國的人才儲備受到影響，並且這種影響已經蔓延到了我的工作中。