你好,游客 登录 注册 搜索
背景:
阅读新闻

大数据和AI,纯谈概念没意义

[日期:2016-10-21] 来源:“caoz的梦呓”公众号  作者:曹政 [字体: ]

  前段时间, Google 的新闻发布会,有很多与AI相关的产品推出,其实很多媒体已经说了,Google已经是一家AI公司了。

  最近AI,大数据,机器学习这些概念特别火,一个通用的认识是,AI是行业未来,是下一个风口,是千亿美元巨头的诞生点。但我不想说,写一篇文章来证明,为什么AI那么重要或者那么有价值,因为这属于正确但完全没用的废话。就好比你说IT行业是巨大的市场方向一样,正确然而并没有卵用。

大数据

  AI并不是最新的东西,只是最新技术发展的确实有点快,很多出色的互联网产品或其他高科技产品多少都要有AI的成分,从游戏里的Boss,到翻译系统,搜索引擎,推荐系统,到决策支持系统,自动交易系统,工业机器人,无人驾驶,以及各种社交机器人陪聊系统,美图工具,AI其实无处不在。就算从传统领域来说,不说无人驾驶,现在汽车里的各种安全辅助系统,其实也可以认为是AI系统。

  锤子科技的发布会,讯飞语音输入法突然走红,这也是AI 的一个典型场景,你们知道么,我在十五年前就知道并了解过这个东西了,你会说吹牛吧,十五年前pc互联网才刚起步,移动互联网还没人听说过呢。 那时候,我还在做呼叫中心方案,呼叫中心方案里有个模块叫做IVR,中文是交互式语音应答,当时国内技术最强,处于近乎垄断地位的,就是科大讯飞,其实就是语音识别和自动处理,和现在的讯飞输入法,从技术原理而言,并无二致,但那时候,AI 这个概念还没火。当然技术也没现在成熟,实际上绝大部分呼叫中心,并没有把交互式语音应答当作重要的模块,更多是让用户按键输入和人工服务。

  AI最初,是人类制定明确的规则和逻辑,并提供给机器可以借用的数据资源,让机器去执行,也就是一样样教,机器一样样学,机器发挥计算力和反应速度的优势。但后来大数据,机器学习这些东西开始起来后,很多东西就发生了改变,人类只给一个基本的学习方法和逻辑,然后就是大数据集,让AI通过这些大数据,和基本的学习方法,自己去学习和发现知识点,这样AI的能力就得到了飞跃,甚至可以发现很多人类尚未发现的知识点,也就是出现了超越人类判断力的可能。

  举个例子,比如我有个系统,需要根据人的基因测序结果,来分析和判断这个人的健康风险和遗传疾病可能,在以前呢,是需要对每一个基因的定义,科学家做严格的对比测试,把结论整理清楚,然后告诉这个系统,这个系统才知道,你这个基因到底咋回事,出了什么问题。但后来大数据出来了,就有了新的玩法,根据大量真实用户的基因测序结果和真实的疾病诊断记录,系统从中寻找规律,识别不同基因的可能含义以及对应的健康问题。这很多人类尚未明确的一些基因定义,也可能被系统发现,系统就拥有了超越现有人类知识库的能力,但如果样本集不够大,也可能一些偶然重合的基因被赋予了不正确的定义。

  所以大数据,机器学习,将AI带入了一个新的境界,但这里除了数据量,算法,也就是所谓的学习方法也很重要。 比如围棋AI,最开始人类用自己的规则教给他,结果怎么教都学不会,特别low,后来蒙特卡洛算法被引用后,围棋AI上了一个大台阶,从业余菜鸟水平迅速蹿升到了业余高手的水平,但这个算法的潜力很快被挖掘到了极限,所以最近三四年,其实围棋AI的能力基本停滞,直到Google 的价值评估策略横空出世,一下子从业余高手突进变成职业顶级水平,由于 Google 公开了论文,仅仅是论文的公开,仅仅最近半年时间,世界其他的围棋AI程序纷纷突破瓶颈,全都上了新的台阶。所以好的学习算法,也是非常重要的。

  所以我们谈AI,谈大数据,谈机器学习,在相当多场合,可能说的是一回事。

  那么问题来了,说了这些,有什么卵用?

  1、可复用的基础技术

  这一点必须承认,Google走的比较靠前。

  一些基本的算法和思路,在很多场合可以通用,比如蒙特卡洛算法就是一个很典型的例子,当然,有专业人士可能会挑刺,这个算法貌似和机器学习关系不大哦,好吧,其实我也不是行家,很多东西我也不是很懂的。

  可复用的基础技术,脱离场景的话,你可能不知道这玩意值钱在哪里,或者有什么意义,就好比你赢了围棋世界冠军,对商业来说,又能代表什么?

  但这东西会成为很多革命的火种,就好比交流电,当特斯拉最开始秀各种电的神奇表演时,对于大众而言,谁知道这会成为人类生活各种场景各种工具密不可分的基础技术呢。

  中国目前的互联网公司,从来都是实用为王,技术上拼得是我双11的处理能力,运营上拼得是线下几万个快递小哥的覆盖能力。在应用技术挖潜上我们可以做到极致,但是在这种基础能力上,我们还停留在超强的拿来主义原则上。

  2、应用场景

  关键点来了,最终能变成千亿美元,或者百亿美元的市场空间,一定是要落在具体的应用场景里。

  以后谁要跟你得瑟说AI是未来,大数据是未来,巴拉巴拉的,你就直接噎他一句,具体应用场景是哪些。说不出来的都是装逼犯。

  一些基础可复用的算法策略,加上针对具体应用场景的算法策略,加上海量的数据训练集,是让机器形成正确和快速判断的基础。

  几个非常明确的场景

  翻译绝对算一个, 想象一下,以后语音识别+自动翻译,出门全球自由行,带个实时翻译耳机,各说各话,全程无障碍沟通。这个场景将彻底改变旅游,商务出行的市场格局,并且真正促进人类的彼此理解和沟通,社会价值极为巨大。

  有人说翻译的质量不会达到人类的标准,但其实这不重要,能够双方清晰理解就可以,在大多数日常沟通情况下,翻译的目的是双方理解,而不需要绝对精确。而且这样会带来一个后果,就是也许以后机器翻译体可能会开始流行,一些机器特点的表达方式会反过来改变语言原本的使用习惯,不用担心,连long time no see这样的短语,这不老美也都习惯了。当翻译体都开始流行时,良性反馈,机器的翻译就越来越精确了。

  无人驾驶是一个, 用车成本会极大降低。想象一下,出租车的费用会减少一半,这是啥概念,而且不会再有绕路,拒载的事情。就算是私家车,能够安心的看风景,或者看书,或者处理工作或学习的事情,而不是紧张兮兮的捏着方向盘在车流里寻找见缝插针的机会。

  医疗健康会有机会, 至少基因的大数据分析已经开始,但是从成本考虑,获得足够多的样本建立训练集应该还是一个比较长时间的事情。此外,机器导诊会不会出现,基于海量病历,针对患者病情描述和必要的检查,给出导诊建议,或给医生辅助建议。比如,有23%的几率是A病症,5%的几率是B病症,建议做什么什么检查。 短期内取代人类医生可能还不太敢,但作为辅助方式,这个其实技术上应该已经没有太大门槛了,缺的就是足够的数据量和必要的学习算法。

  教育我不好讲, 但也存在一些想象空间,一个学生通过智能教育系统做题,根据其答题表现,给出下一步的学习方案和复习计划。每个学生都会根据自己的能力和自己的实际表现,采用不同学习进度,不同的学习方向发展自己。个性化的教育是不是有机会,至少可以想一下。

  军事我就不说了, 有个大佬说了,这种技术最先肯定是在军事领域应用,因为替代成本高啊,比如米国,一个士兵的死亡成本是多少,派个无人机过去,替代成本高,这事就容易推动,值得投入。

  正在写这个文章的时候,突然有个安全高手在微信群提到了 风控AI。 如何识别骗子,识别欺诈,识别有问题的账户或者用户,现在都是人工去把出问题的内容拿出来看,然后总结规律,形成规则交给机器和算法,但是不是可以形成一套基于历史数据挖掘的自动系统,只要发现坏数据,就回溯源数据,然后加入样本库学习,对比好数据,然后自动形成风控的策略,从而在保持门槛宽松的前提下,降低坏账率。对于一些小额贷款的p2p金融项目来说,这简直就是核心竞争力有没有,你玩得起对手玩不起,拼得就是坏账率和风控水平。

  金融市场的自动交易就不说了, 人家都搞了快几十年了,会不会出现一个超级BT的新算法吊打各种传统策略?值得期待一下,但很多血淋淋的教训在前面呢。比如BAT试图用大数据逻辑来做基金啥的,纷纷被打脸,呵呵,呵呵吧。有人说,以后投资基金都不需要专业人士了,靠大数据分析就够了,不知道这个以后有多久,至少目前的大数据分析策略,还差的挺远。

  图像识别和图像处理这几年也非常火, 除了娱乐应用外,安防风控,电商都有应用场景,此外还有一个分支,鉴黄,但概念火了好几年,却没有看到特别有价值的商业表现。依然是缺乏特别杀手级的应用场景,大概也和技术仍然不够强大有关。想象一下,寻人,包括走失,包括拐卖,包括抓捕,在警方后台提交一个照片,自动提示全国的哪个摄像头这个人最后经过了,这个价值大不大,但问题是,现在的技术实现不到这个级别呢。现在也就是火车站,机场安检能查指定逃犯,远谈不上大数据。

 

  最后总结一句,大数据和AI,纯谈概念没意义,要回归场景,可复用的通用技术固然重要,但只有落在场景里,我们才知道其明确的价值在哪里。





收藏 推荐 打印 | 录入:elainebo | 阅读:
相关新闻       大数据和AI