目前人工智能在行業應用落地方面有哪些挑戰?人工智能技術公司與傳統行業在發展人工智能方面應該如何合作?面對人工智能技術浪潮的沖擊，傳統企業應該怎樣把握這一波機遇?

我與微軟亞洲研究院副院長張益肇博士就這些問題進行了深入交流，希望張院長在人工智能產業多年的實踐經驗和洞察能為轉型中的中國企業帶來一些思路。

目前的人工智能猶如90年代的互聯網

歷史上任何一次新技術的爆發，都帶來了超乎想象的新商業與新經濟模式。從最近的一次看，90年代互聯網發展初期，我們沒有預料到商業社會將如此大規模的被影響和改變。

互聯網的影響開始于媒體，《紐約時報》、《華爾街日報》等媒體通過網站更新新聞，最終全媒體行業都面臨轉型壓力。后來消費者逐漸通過互聯網買書、租錄像帶。

互聯網對商業社會的影響有一個過程，人工智能時代也是一樣。

一位粗心大意經常忘記按時歸還錄影帶而不得不繳納大筆罰金的電影愛好者，里德?哈斯廷斯，為了避免高額預期罰金的電影租賃模式而創辦了Netflix公司。

1999 年，成立不久的Netflix公司推出線上影片訂閱服務。當時美國最大的影片出租連鎖企業Blockbuster公司并沒有預料到這個營業額不到自己千分之一的Netflix公司會成為日后的行業顛覆者，到 2007 年， Netflix注冊用戶數超過 750 萬，年復合增長率高于 50%。2010年曾經的美國影碟租賃巨頭Blockbuster申請破產。2011年美國第二大連鎖書店Borders申請破產。

互聯網發展初期，線下商業巨頭沒預料到新技術和商業模式的沖擊將如此之大，沒有將新興互聯網上的新模式看成潛在對手并引起重視，十幾年后，這些曾經的巨頭已經消失。

張益肇認為,同樣的事情也將發生在人工智能時代，哪怕體量再大的公司，如果不能把握和了解新的趨勢，將在這一波浪潮中被顛覆掉，反之，像Amazon，Netflix，因為新的技術，有機會去顛覆不同的行業。

人工智能之花將在哪些行業綻放

目前，一些與計算機視覺相關的應用，比如在安防領域，已經產生了比較大的變化。

之前的安防行業采用的是事后追查責任的思路，通過查找監控錄像，回溯歷史記錄。比如北京機場據說有超過兩萬個攝像頭，這是不可能靠人力實時監控保障安全的。而目前通過人工智能，可以預防和實時阻止部分危險情況的發生。

未來，人工智能對金融、醫療、教育、制造、零售、運輸(自動駕駛)、物流等行業都會產生很大影響。

張益肇認為，在人工智能算法依賴大數據訓練的階段，產生的價值大的行業會發展的好——如果一個行業應用人工智能產生的價值夠大，會有人愿意出錢標注數據。現在大部分人工智能是要靠大量數據來進行學習的，一個行業發展人工智能相關應用的前提是獲得與行業、領域相關的，且標注、整理過的數據。

微軟希望通過與金融、醫療、制造等行業少數的幾家領頭羊企業合作，把問題弄清楚，給出問題的有效解決方案，在此之后，才有可能將解決方案模塊化，讓更多的合作伙伴利用。目前微軟亞洲研究院成立了旨在通過開放創新推動行業應用發展的組織“創新匯”，來加強與各行業的領先企業合作。

每一波技術浪潮都會大幅提高社會生產力。與20年前相比，互聯網使社會生產力大幅提高。人工智能同樣如此，但人工智能落地需要技術與行業公司深度合作。要實現全社會生產力提升，靠一兩家企業做不到，需要很多有遠見的領頭羊企業共同合作。

以金融領域的人工智能應用為例，在基金管理和輔助股票分析方面，技術公司與金融公司各有所長。

一些基金公司也有數據科學家的團隊，有些做的是比較傳統的數據挖掘，還不是很了解深度學習等人工智能技術。基于數十年經驗積累，基金公司更擅長判斷一只股票是否值得投資，哪些市場信息具有參考價值。而人工智能技術公司沒有這方面的知識積累，但擁有先進的人工智能技術儲備。

通過業務公司與技術公司的合作，基金經理可以在人工智能的幫助下更好地分析市場。比如，有上市公司稱由于今年春節較晚而影響了這一季度的銷售額，分析師需要就春節對銷售額的影響做一個分析和歷史對比，分析這是公司的借口還是真實情況。

每個上市公司都會有季報，內容幾頁到幾十頁的不等，要做很細的分析，除了看現在的，還要把去年、前年、甚至大前年的數據做對比，這么細的分析單靠人是不可能的，一個分析師要分析幾十家公司，不可能每一份季報都看的非常細，這方面可以由人工智能來輔助分析。

人工智能技術企業要進入某一個垂直領域缺乏的是相關領域的數據和知識。

假如與醫院合作，由于技術企業沒有經驗豐富的醫生，無法判斷醫學影像的數據是否正確。由于缺乏相關專業知識和經驗，在出錯的時候也無法判斷是由于標注錯誤還是由于圖像不夠清晰造成。而技術企業與垂直行業互動的時候，需要讓行業理解，人工智能不是超人類智慧，無法做到提供給機器一個數據庫就可以得到想要的結果，這是目前雙方合作前面對的挑戰之一。

由于數據需要標注整理，目前階段的人工智能實現的前提，是以大量人為標注的數據為基礎的。比如斯坦福大學建立的目前全球最大的圖像識別數據庫ImageNet里面數百萬張照片也是很多人花費大量的時間標注完成后，才能讓機器去學習。

中美人工智能應用的不同發展路徑

人工智能在不同國家的發展，與當地的產業發展特點相關，取決于技術與當地產業的結合。

以金融業為例，中美有兩個主要差異。

第一，在技術應用方面，美國金融市場競爭比較激烈，很多銀行早就習慣通過技術手段競爭。一個金融公司里10%的員工是IT和技術員工，在中國，這個比例大概是3%-4%。在美國，人工智能在金融方面的應用相對走的更往前，很多對沖基金是通過機器學習、數據挖掘，量化基金通過程序來管理基金。與美國比，中國處于相對早期。

另一方面，兩國在金融領域的監管法規有一定差異。在美國，沒有太多監管限制通過開發程序管理基金，只要敢冒險，自負盈虧，相比之下中國則整體相對謹慎。

在其他應用領域，中美也呈現出各自的特點。對于中美兩國，人口紅利都在消失，但兩國人工智能應用很有可能先在各自比較發達的產業中得到發展。

在美國，服務業比較發達，目前人工智能的應用更多的是從服務業角度考慮機器人的應用。比如在醫院、療養院里照顧老人。

在中國，制造業轉型已經成為趨勢，制造業工人的重復性工作對于年輕人不再有吸引力，在深圳，很多制造業企業招不滿員工。不光是在中國，越南等一些發展中國家也會逐漸遇到類似的問題，在這種情況下，制造業將更多的依靠人工智能等技術手段，未來中國先把這些技術做成熟以后，也可能將技術應用到其他國家去。

如何判斷人工智能領域的技術創新是否能落地?

如何判斷目前正在進行的人工智能技術開發是否有落地的可能?比如，是否能夠將語音識別技術應用在會議在線翻譯的場景?張益肇稱微軟亞洲研究院在進行技術創新商業化的時候使用BTX(Business商業、Technology技術、Experience用戶體驗)的判斷原則。

第一步要判斷技術是否成熟，這個場景是不是能夠實現?

開會的時候自動錄音、自動轉換成文字，要實現技術在真實場景中的應用會涉及到很多因素，有可能講話內容中文夾雜英文，有可能發言人離麥克風比較遠，聲音聽不清楚。所以要判斷，技術本身是否成熟?如果要做成產品，技術本身能否達到?

第二，如果技術達到了，用戶體驗怎么樣?用戶會不會用?如果產品本身的技術和用戶體驗都不是問題，要考慮有沒有辦法產生一定的收入，使產品維持下去并持續改進?

比如會議實時翻譯的例子，如果這種服務定價每小時3000美元，很難賣出去。但如果定價是每小時3美元，就很有可能。

第一是技術;第二是場景中的體驗，是否做出用戶能用的東西。

第三是可運營的商業模式，有沒有可能在用戶能接受的成本下啟用這個服務。

過去一年多，關于人工智能的諸多報道導致公眾的一些誤解。

人工智能在圍棋界能夠成為第一名是否意味著人工智能比任何人都聰明?很多人都能學會開車，但讓電腦安全的開車要比贏一盤圍棋困難得多。

圍棋是有限的變量，而開車涉及到更多的判斷。如果路邊有人對你招手，是因為有個警察還是因為發生了事故請你停下來?或者有人想搭便車?還是有人車壞了請你幫忙修?要了解這個場景，需要更多的變量，這個人穿制服嗎?有車子拋錨嗎?這些變量是千變萬化的，電腦還不能理解這個人的表情是什么樣的，表情有什么含義?人類所謂的“常識”對電腦來說是非常難的事情。

傳統行業尤其是企業的最高領導需要對人工智能有更客觀的認識，盡可能去接觸和理解人工智能能做什么，哪些還不能做，不應有過高的期待。畢竟有些技術還沒到成熟的階段。目前有很多人工智能在線課程和書，也有很多免費的網上平臺鼓勵大家去嘗試，這個門檻正越來越低。

傳統企業的轉型，第一要了解技術，第二要了解自己的行業，思考通過人工智能解決什么問題對自己的企業最有價值。單純為了吸引眼球的項目，不如做關鍵的、能對企業產生效用的項目，轉型的成功性就會大很多。

這一波人工智能浪潮類似互聯網初期，無論企業規模大小，任何時候擁抱AI都不嫌早。企業最終將由于人工智能的應用而大幅提升生產效率。

大型企業內部本身有IT部門，資源也多一些，有條件(人力和相關資源)去研究AI，可以選擇是自己做還是去尋求外部幫助，小企業則可能需要找人做。大小企業的思考模式和基本邏輯相同，只是具體的操作方式不同。

關于傳統企業是否需要自己的技術團隊，應該結合企業的自身情況，目前想做的項目難度有多大，是否需要專家的幫助。

張益肇博士見過不少傳統企業高管，他們普遍對人工智能很感興趣，但是對人工智能的理解還有很多需要加強的地方。企業轉型AI就好像人的健康問題。每個人都應該對自己的健康有基本常識，看難度判斷是自己就能解決還是找專家。

企業具備了這個前提，理解了自己的問題，理解了技術如何去應用，進一步分析判斷事情的難度和風險有多大。

比如，現在有很多關于聊天機器人的探討，微軟有小冰這樣的聊天機器人，所以不少企業興趣很高，也希望用聊天機器人來增強與客戶的互動，那需要考慮聊天的內容是什么，如果出錯的話成本是什么?如果是醫院需要用來和病人互動，并且指導病人如何吃藥，這樣錯誤成本太高，就不建議通過內部團隊開發。

處于人工智能技術應用起飛的前夜，這樣探討的價值在于，傳統企業無論規模大小，都需要思考如何避免成為下一個Blockbuster或者Borders，并且是不是能夠抓住技術浪潮提供的機遇，實現業務模式轉型。畢竟等到人工智能技術帶來的用戶達到一定濃度、新業務規模起飛時，再進行這樣的投入已然是來不及了。