
传统企业转型人工智能 只靠大数据可不行
“即使有大数据支撑,如果不和使用场景紧密结合,再高超的科技消费者也不会买账。用户并不关心是否有AI技术,他们更关心的是内容。”
刚过去的一年,人工智能仍是互联网界的首要关键词。就像AlphaGo升级成AlphaZero,无师自通地称霸各种棋类游戏,AI以人类无法预料的速度向未来狂奔,如脱缰野马。中国将在此中扮演何种角色?
2017年7月,国务院印发《新一代人工智能发展规划》;工信部2017年12月出台《人工智能产业发展三年行动计划》(以下称《计划》),提出力争到2020年,一系列人工智能标志性产品取得重要突破,在若干重点领域形成国际竞争优势。
中国在产业应用层面有优势
2017年,人工智能进步的一个标志是:美国举办8年的图像识别挑战赛ImageNet,正式退出历史舞台。8年前AI识别准确率只有70%多,现在差错仅2.7%,远低于人类的5.1%,竞赛已无意义。而最近的报道显示,中国研发的医疗AI,识别小肿瘤的能力也超过了资深大夫。
迟早将攻占更多人类领地的AI,会在哪个领域先开花散叶?
人工智能公司“第四范式”的创始人和CEO戴文渊告诉科技日报记者,AI应用爆发有5个先决条件:大数据(Big-data)、反馈数据(Response)、算法(Algorithm)、基础设施(Infrastructure)、业务需求(Needs),合称“BRAIN”,凡是满足这5个条件的领域,都有可能在2020年之前实现人工智能的爆发。
“我们也可以看到,《计划》中列举的商业化场景,集中在交通、医疗、图像、语音、家居等领域,也都是这五大先决条件相对比较完备的场景。”戴文渊说。
曾有判断说AI在消费端落地还要5—10年,红杉资本中国合伙人计越却不认为需要那么长时间。“比如今日头条,只要让用户看到想看的内容就好,用户并不关心是否有‘AI技术’。”计越说,“你用网易云音乐吗?你不知不觉中也在享受AI的便捷。到消费端的AI什么时候实现不是靠专家的判断,只要实实在在地解决用户需求,它就会实现。”
红杉资本投资了许多中国AI企业:今日头条、快手、秒拍、京东金融、美团、滴滴、摩拜、大疆……计越说,AI需要跟使用场景紧密结合,否则再高超的科技,消费者也不会买账。
大数据是训练AI的关键。“红杉投资看重的,一是应用场景,一是有自己的数据。”计越以滴滴举例说,滴滴在2015年就成为仅次于淘宝的全球第二大在线交易平台,数据规模是每日200亿次的路径规划请求,因此其AI预测用户目的地准确度超过90%。
对于《计划》中提出的中国将在若干重点领域形成优势,戴文渊极有信心。“在AI领域,基本上是中美竞争的格局,中国在AI产业应用层面还有一定的领先。”戴文渊说,“这是由于人工智能的算法和计算能力都可以通过平台实现,数据成为最大的门槛,巨大的用户数据正是中国的优势。中国是互联网人口大国,中国互联网的发展为我们研究AI准备了条件。”
人工智能与实体经济融合需深化
“中国的发展阶段浓缩了,呈现跳跃式和并行发展,可能给中国创业者带来更多机会。”计越说,在中国结合几个阶段为一体的创新公司多(包括AI),而在美国,IT巨头积累深厚,新兴公司需要找缝隙切入,从这个角度看,中国创业机会更大。
迁移学习被认为是AI领域中国可能赶超美国的一个突破点。戴文渊曾创造了中国最大的机器迁移学习系统“凤巢”,他在迁移学习领域单篇论文引用数世界第三,第四范式首席科学家杨强则是世界第一。
迁移学习是指将知识应用到不同领域的能力,以解决目标领域数据不足的问题。由于解决了小数据应用AI的难题,中国的研究受到Google和Facebook的关注。
《计划》提出人工智能和实体经济的融合需进一步深化。戴文渊说,这需要企业的组织架构调整,将AI嵌入经营管理。戴文渊表示,传统企业生产经营是由人工决策、机器执行;AI的意义正是在于机器决策、机器执行。想要成为未来智能企业,门槛也很高,包括机器学习算法,上亿维的系统架构,更包括认知的层面。
“很多传统企业会说自己有大数据,可以做AI了。其实未必,正确的大数据加正确的机器学习,产出是人工智能,错误的大数据加机器学习,产出的并不是。”戴文渊说,企业人工智能核心系统,将是继交易核心系统、互联网核心系统之后,企业的又一个核心。
《计划》特别强调“支持人工智能企业与金融机构加强对接合作”。戴文渊对此评论,金融领域因为拥有足够的数据和计算资源,使其成为AI目前最理想的落地产业之一。“机器已经在金融领域辅助人做大量商业分析与决策。”戴文渊说,“以我们与某银行解决交易欺诈问题的合作为例,机器写出的欺诈交易规则数达到25亿条,资深业务专家写出的规则数最多1000条。最终,机器在欺诈预判准确率较人提升了7倍。”
联想集团董事长杨元庆也表示看好中国AI发展。“未来商业比拼一定是业务模式的比拼,而业务模式的智能化程度决定企业竞争力。”杨元庆说,“如果能更多强调数字经济和智能化,那未来我国企业会比其他国家领先一步。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28