AI發展進入平臺期了嗎？

　　6月13日，CES Asia2019在上海落幕，展會上，人工智能依舊是關鍵詞之一。除了熟知的人臉識別、語音識別外，智能語音機器人、水下機器人、以及一衆智能家居產品，紛紛落地探尋產業化。

　　近年來得益於深度學習的技術突破，人工智能浪潮再次涌現。從底層的芯片，到框架模型、再到算法、應用，硬件和軟件都獲得了更迭。這些年崛起的人工智能巨頭、創業公司內集中瞭如此多的頂尖人才和巨量資本，當下格局未定，人才繼續流動，而大衆的期待值一直在上升。

　　然而到了2019年，你們對於人工智能將來的爭論愈發激烈。一方面，有專家指出，深度學習再前進一步遇到了理論瓶頸;另外一方面，人工智能在商用和結合行業的過程當中，困難很多。

　　首先，其實學界一直在探討，要怎麼解釋和證實深度學習的原理。對於計算的「黑盒子」，咱們知其然，不知其因此然。對於單一的場景，能夠利用深度學習的計算提出較好的解決方案，可是面對更爲複雜的場景，對於大數據的運算就沒法把控。

　　機器學習領域的國際專家、創新工場科研合夥人張潼向21世紀經濟報道記者表示：「深度學習是用大的模型，大的數據這套思路來運做，這套思路得到了挺大的成功，也應用到如今工業界中。但的確它往前走會有一些缺陷，這是我我的的觀點。從數學上，從原理上來說，你們都在理解這方面還須要加深。下一步要解決複雜場景，只靠它是不行的。」

　　因此，在張潼看來，須要從原理上對深度學習再理解，「如今也有這種動做，就是逐漸把原理理解得更好，而後針對性地解決數據問題，再往前推動一步。時間會稍微長一點，但我以爲尚未到瓶頸，大數據這一塊之後慢慢變好，以前可能一下能提十個點，如今可能提一個點，未來可能提0.5點，可是還有其餘的手段，須要慢慢地研究。」

　　也有業內人士向記者提到，對於深度學習的技術，你們容易忽略的問題是學習的原料夠不夠，能夠用於機器學習的大數據量仍是有限，尤爲是定製化的數據仍是不夠的，加工能力不足。若是可以在產業鏈上解決有效數據的問題，深度學習也會獲得突破。

　　其次，除了對技術進步的擔心，業內對於人工智能的落地更加關注，技術產業化過程當中仍存在很多難題，

　　一位人工智能研究人士告訴21世紀經濟報道記者：「雖然圖像處理方面有Resnet模型的突破，天然語言領域有Bert模型的突破，使得通用領域的智能研究達到了新的高度，但在具體的商業領域依然沒有根本性突破。」

　　如何讓人工智能技術在複雜的行業應用中更具價值，是新的挑戰。

　　在創新工場人工智能工程院執行院長王詠剛看來，AI正從1.0向2.0升級，從科研到商業賦能轉化，「前期咱們發現AI摘了比較容易摘的果子，AI把互聯網的內部大數據，流程裏面的廣告預測、商品推薦全都摘掉了，這些果子特別容易摘，由於只要把AI技術用起來就能獲得結果。而後AI把一些淺層感知的果子摘掉了，好比說語音識別、人臉識別、影像的理解，這些摘掉以後接下來會問AI還能幹什麼?」

　　這就回歸到一個問題，AI的本質究竟是什麼?王詠剛說道：「AI本質是應該幫助人類各個行業去提升效率、下降成本，可是當把這些好摘的果子摘掉以後發現再進一步提升效率，單獨的AI已經很難單獨承擔這個義務、責任了，因此AI必定要和行業的知識理解、和行業的技術有一個結合點。而結合的難點在於今天AI解決的不少問題，在行業里根本就不是重要價值鏈條的一環，只是錦上添花。」　　大連婦科檢查多少錢 mobile.62671288.com

　　不管是醫療製藥、製造業，仍是交通物流、零售、金融等領域，都是人工智能能夠接入的重要場景。

　　而因爲技術等因素和應用難題的影響，也有觀點認爲2019年是AI寒冬，AI進入平臺期的聲音漸起。

　　可是，王詠剛在接受記者採訪時談道：「我不以爲有什麼AI寒冬。AI任什麼時候候都會有行業裏面的一些泡沫，可是泡沫排除掉以後，實際上AI是一個紮紮實實的技術，好比說這個技術它今天不能作到10分，但能作到5分，不少人對此有一個太高或者太低的指望，這其實都是不對的。因此咱們要客觀地看待AI在整個行業裏面今天的位置。」

　　而從IDC發佈的最新《全球人工智能系統半年度支出指南》來看，人工智能的投資熱度依舊很高，該指南顯示，亞太地區人工智能(AI)系統支出預計2019年將接近55億美圓，比2018年增加近80%。