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。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29829936/viewspace-2654364/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 工業乙太網交換機在金融領域的應用與挑戰
- MySQL在Web應用領域面臨NoSQL的挑戰MySqlWeb
- AI的道德挑戰AI
- 管理應用程式面臨的挑戰
- 《企業級ios應用開發實戰》一第1章企業應用的話題iOS
- AI晶片混戰,誰能挑戰英偉達?AI晶片
- Elasticsearch 在業界的大量應用案例Elasticsearch
- 谷歌大神Jeff Dean領銜,萬字展望5大AI趨勢谷歌AI
- 機器學習的技術原理、應用與挑戰機器學習
- AI 大模型企業應用實戰(06)-初識LangChain大模型LangChain
- 北京如何成為AI高地?2019北京智源大會開幕,中外共話AI研究前沿AI
- 大型單頁面應用的進階挑戰
- Linux叢集應用的新挑戰(轉)Linux
- 後疫情時代迎挑戰,金融業AI如何落地破局?AI
- 企業應用人工智慧面臨的挑戰人工智慧
- 信用行業的挑戰行業
- Flutter - IOT領域應用場景實戰Flutter
- 擴散模型在機器學習中的應用及其挑戰模型機器學習
- IJCAI會議完美收官!GCT人才庫IJCAI[2019]上線!AIGC
- AI 大模型企業應用實戰(10)-LLMs和Chat ModelsAI大模型
- 採用Scrum的挑戰Scrum
- 土豪玩家首選 戰神領銜GTX980M遊戲本熱銷遊戲
- 2020航空業網路安全:應對挑戰
- 萬人齊聚共話AI,WAIE帶你看清AI未來5年!AI
- BYOD革命挑戰企業IT安全
- [極客大挑戰 2019]BabySQLSQL
- [極客大挑戰 2019]Havefun
- [極客大挑戰 2019]BuyFlag
- [極客大挑戰 2019]HardSQLSQL
- IBM對話設計指南:對話聊天框設計挑戰IBM
- 國際區塊鏈大會:大咖共話共識機制技術與應用創新區塊鏈
- 突破傳統:AI如何應對心電圖中的長尾挑戰?AI
- 報告:挑戰授權買家的神話
- AI 大模型企業應用實戰(07)-LangChain的Hello World專案大模型LangChain
- 出口電商+跨境物流技術挑戰:MongoDB應用例項MongoDB
- 亞洲即時通訊應用挑戰WhatsApp霸主地位APP
- 黑客之王!韓國神童登頂黑客界的“極限挑戰”黑客
- 谷歌AlphaGO挑戰賽:人工智慧的邊界在人類谷歌Go人工智慧