云栖科技评论92期 | 人工智能产业的四大浪费(上)

来源:    分类: 云计算与大数据   时间: 2019-02-16 09:24   阅读:25527次


2019年春节之后的第一个工作日,美国国家科技政策办公室发布了由总统特朗普亲自签署的《美国人工智能倡议》(American AI Initiative),该倡议开篇第一句话就写到:人工智能(AI)有望推动美国经济增长,增强我们的经济和国家安全,并改善我们的生活质量。


很显然,将其中的“美国”两字换成任何一个国家的名字,这句话都是适用的,作为全新的生产力,人工智能已经成为社会发展、经济增长和产业升级的关键驱动因素之一。


据国内媒体报道,人工智能产业已进入全球价值链高端,新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用,我国人工智能核心产业规模将超过4000亿元,带动相关产业规模超过5万亿元。


但在人工智能产业的高速发展中,却在不经意间产生一些本可以避免的浪费:


1、算力浪费,计算(算力)是发展人工智能(以下简称AI)的核心基础,AI的研发、训练需要大量的算力,但大部分AI企业往往选择自建计算平台,而非使用AI就绪的云计算平台,由于工作负载不饱和、调优水平有限等原因,企业无法发挥出全部算力,这导致了相当程度上的算力浪费;


2、数据浪费,拥有深度的、细致的、海量的数据是训练出“智能”的前提,但由于数据共享机制、数据服务平台/市场的建设仍然不成熟,导致许多AI学习/训练无法达到预期的水平;


3、AI能力浪费,当前许多AI技术(如计算机视觉)已经进入比较成熟的发展阶段,但 AI技术通过云计算平台向外赋能的水平还不够,更多的AI技术应用还是“点对点”(即开发者面向最终客户,而非开发者-云平台-最终客户的平台思维),这造成了AI技术未能充分发挥其应有的作用,打破“成见”,拥抱平台思维,既能够避免AI能力的浪费,也能够为开发者提供更丰厚的收入;


4、AI人才浪费,由于在AI人才培养中,计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉,造成“AI人才不懂行业,行业人才不熟AI”的局面,AI人才往往变成了“计算机学科人才”而非AI产业人才。


存在浪费就必需要找到解决问题的方法,答案我们将在下一期《云栖科技评论》中为您揭晓。


文 | 阿里云研究中心 崔昊

0

登录后发表评论