人工智能應(yīng)用新趨勢

現(xiàn)階段，國內(nèi)人工智能應(yīng)用已經(jīng)由技術(shù)嘗試轉(zhuǎn)入規(guī)?；瘧?yīng)用，主要受到兩方面因素驅(qū)動(dòng)：一方面在宏觀經(jīng)濟(jì)下行的背景下，面對利潤下滑和經(jīng)營成本增加的壓力，企業(yè)已經(jīng)普遍意識(shí)到數(shù)字化轉(zhuǎn)型作為驅(qū)動(dòng)業(yè)務(wù)增長的新引擎的價(jià)值，催生海量智能化應(yīng)用場景。

另一方面，新基建從數(shù)據(jù)、算法和算力三個(gè)方面推動(dòng)人工智能基礎(chǔ)設(shè)施的完善，并進(jìn)一步拓展人工智能應(yīng)用場景。新基建包括5G基站建設(shè)、特高壓、城際高速鐵路和城際軌道交通、新能源汽車充電樁、大數(shù)據(jù)中心、人工智能和工業(yè)互聯(lián)網(wǎng)七大領(lǐng)域。基于邊緣計(jì)算、5G等新技術(shù)的融合應(yīng)用將成為下一個(gè)人工智能產(chǎn)業(yè)機(jī)會(huì)點(diǎn)。

以5G的應(yīng)用為例。5G可以支撐大量設(shè)備實(shí)時(shí)在線和海量數(shù)據(jù)的傳輸，提升數(shù)據(jù)實(shí)時(shí)性。以往大量的工業(yè)生產(chǎn)現(xiàn)場不具備建設(shè)高帶寬有線網(wǎng)絡(luò)的條件，傳統(tǒng)的Wi-Fi等無線網(wǎng)絡(luò)也不滿足帶寬要求，無法通過高清視頻監(jiān)控實(shí)現(xiàn)對產(chǎn)線故障、人員違規(guī)操作等異常狀況的實(shí)時(shí)監(jiān)控和識(shí)別預(yù)警，而5G網(wǎng)絡(luò)提供了新解決方案，基于5G，可結(jié)合AR/VR技術(shù)，對設(shè)備故障進(jìn)行遠(yuǎn)程專家診斷和運(yùn)維。

展望未來，企業(yè)人工智能應(yīng)用發(fā)展趨勢集中體現(xiàn)在以下三方面：

1）知識(shí)圖譜技術(shù)應(yīng)用場景爆發(fā)，助力企業(yè)實(shí)現(xiàn)認(rèn)知智能

企業(yè)非結(jié)構(gòu)化數(shù)據(jù)占比已達(dá)到80%，知識(shí)圖譜技術(shù)為企業(yè)提供了一種從海量非結(jié)構(gòu)化數(shù)據(jù)中抽取結(jié)構(gòu)化知識(shí)，并利用圖分析進(jìn)行關(guān)聯(lián)關(guān)系挖掘的技術(shù)手段，洞察“肉眼”無法發(fā)現(xiàn)的關(guān)系和邏輯，為決策提供支持。

知識(shí)圖譜是實(shí)現(xiàn)認(rèn)知智能的關(guān)鍵技術(shù)。一方面，知識(shí)圖譜能夠增強(qiáng)自然語言理解能力：知識(shí)圖譜包含的實(shí)體規(guī)模大（如在公安場景，知識(shí)圖譜即有16億實(shí)體）且具備多種常見語義關(guān)系，RDF三元組的表達(dá)方式能夠幫助機(jī)器有效處理的語義結(jié)構(gòu)，且知識(shí)圖譜能夠利用大數(shù)據(jù)的多源特性進(jìn)行交叉驗(yàn)證，為自然語言理解提供知識(shí)背景，提升模型精準(zhǔn)性；此外，知識(shí)圖譜可增加人工智能模型的可解釋性：知識(shí)圖譜涵蓋概念、屬性和關(guān)系的表達(dá)，能夠利用屬性對于實(shí)體進(jìn)行準(zhǔn)確歸類，對人工智能模型進(jìn)行解釋；最后，知識(shí)圖譜能夠提升機(jī)器學(xué)習(xí)的能力：與通過大樣本訓(xùn)練進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練不同，知識(shí)圖譜能夠結(jié)合專業(yè)領(lǐng)域、通用領(lǐng)域的知識(shí)庫，降低機(jī)器學(xué)習(xí)模型對于大樣本的依賴和對先驗(yàn)知識(shí)的利用率，提高機(jī)器學(xué)習(xí)模型訓(xùn)練效率。

2）AI+RPA的實(shí)現(xiàn)端到端的業(yè)務(wù)流程自動(dòng)化

RPA和AI本質(zhì)上是兩種截然不同的技術(shù)。RPA負(fù)責(zé)執(zhí)行，即利用代碼編寫規(guī)則，通過軟件機(jī)器人模擬人與計(jì)算機(jī)的交互過程，自動(dòng)完成重復(fù)性工作。AI則負(fù)責(zé)發(fā)布指令，即利用代碼編寫模型，模型經(jīng)過海量數(shù)據(jù)的訓(xùn)練后可進(jìn)行輸出，完成特定任務(wù)。此外，AI具備自我學(xué)習(xí)、糾錯(cuò)和優(yōu)化能力，能夠幫企業(yè)挖掘哪些流程適合自動(dòng)化、創(chuàng)建自動(dòng)化流程讓RPA機(jī)器人執(zhí)行。

在傳統(tǒng)與RPA技術(shù)相關(guān)的業(yè)務(wù)流程中，AI+RPA更多涉及非結(jié)構(gòu)化數(shù)據(jù)的處理。隨著企業(yè)業(yè)務(wù)的發(fā)展，非結(jié)構(gòu)化數(shù)據(jù)增長迅速，但傳統(tǒng)RPA機(jī)器人不具備處理非結(jié)構(gòu)化數(shù)據(jù)的能力。AI+RPA能夠?qū)PA與NLP和機(jī)器學(xué)習(xí)等算法結(jié)合，將非結(jié)構(gòu)化的圖片、文檔轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，拓展RPA應(yīng)用邊界。例如，在電商場景，用戶下完后需要修改地址時(shí)，可利用AI技術(shù)通過多輪對話確認(rèn)用戶要修改的訂單和地址，使用RPA機(jī)器人操作訂單系統(tǒng)完成地址更改，全流程無需人工客服參與，有效提升了服務(wù)效率。

3）AI中臺(tái)助力企業(yè)智能化落地

隨著人工智能應(yīng)用場景大規(guī)模增長，企業(yè)技術(shù)能力不足、資源重復(fù)建設(shè)、業(yè)務(wù)敏捷響應(yīng)慢和投入產(chǎn)出低的問題進(jìn)一步凸顯。尤其是新場景下應(yīng)用開發(fā)效率低，阻礙了企業(yè)內(nèi)部AI應(yīng)用場景的拓展。大多數(shù)企業(yè)在AI工程能力建設(shè)方面存在不足，Gartner的研究表明，只有53%的項(xiàng)目能夠?qū)I原型轉(zhuǎn)化為生產(chǎn)。

有鑒于此，越來越多的企業(yè)將以中臺(tái)思維取代過去的“煙囪式”單點(diǎn)項(xiàng)目模式，通過構(gòu)建統(tǒng)一的AI中臺(tái)對智能應(yīng)用提供人工智能能力支撐。AI中臺(tái)以平臺(tái)化開發(fā)模式替代“煙囪式”開發(fā)架構(gòu)，在數(shù)據(jù)接入和數(shù)據(jù)清洗環(huán)節(jié)實(shí)現(xiàn)智能化，在模型建立和模型迭代等環(huán)節(jié)結(jié)合自動(dòng)化、低門檻的建模，提升投入產(chǎn)出比，為AI應(yīng)用開發(fā)提供快速構(gòu)建能力支持。

目前，頭部企業(yè)已率先布局，自上而下建立AI中臺(tái)。以金融行業(yè)為例，某國有銀行搭建的機(jī)器學(xué)習(xí)平臺(tái)已上線精準(zhǔn)營銷、風(fēng)險(xiǎn)防范/預(yù)測舒心等場景，將項(xiàng)目研發(fā)落地速度提升了一倍，新場景的開發(fā)部署僅需1個(gè)月。
編輯：hfy