你是否曾將應用了人工智能技術的“殺手級應用”投入大規(guī)模生產中？

實際上，這種情況較為少見。去年，全世界3182名首席信息官(CIO)中，僅有4%表示他們已將人工智能相關的應用投入生產中，或是在未來12個月內有此計劃。

首席信息官不一定了解企業(yè)中正在進行的每一個項目，但基本上這個數(shù)字的誤差不會超過它的兩倍。也許，8%的企業(yè)都已將這樣的應用投入生產中，但8%這個數(shù)字很可能是對實際情況的一種高估。

為什么會出現(xiàn)這種情況?

今年6月27日，Gartner發(fā)布了一項人工智能技術成熟程度的研究，為企業(yè)架構師和科技創(chuàng)新者提供相關見解。該研究的重點在于人工智能技術的成熟程度，而不在于人工智能領域企業(yè)的發(fā)展狀況。

從表面上看，人工智能領域在過去十年中取得了突破性的進展。不斷有新的、寶貴的機會涌現(xiàn)出來。在這十年中，在與人工智能有關的研究、會議、研究生項目、初創(chuàng)公司、風險資金、公司中的并購(M&A)活動、人工智能相關的工作發(fā)布、專利申請上，我們都取得了很大的進步。

但我們看到的只是其中的一部分，還須考慮的是：

如今，偉大的研究發(fā)現(xiàn)過多地涌現(xiàn)，使得技術空間變得混亂。在很多情況下，當下的技術突破在下一季度或第二年就會過時；

系統(tǒng)工程的指導方針(以及專業(yè)知識)較為缺乏；

如今的人工智能技術就像信息通信技術在1960年的發(fā)展狀況一樣，這種情況短時間內很難改變；

最糟糕的是，由于缺乏新的、使用人工智能技術的“殺手級應用”推動商務人士在這方面開展投資項目，人工智能相關的應用投入大規(guī)模生產的進程近乎處于停滯狀態(tài)。

讓我們把目光聚焦在“殺手級應用”的“真空”狀態(tài)上。

我們向IT領導者或企業(yè)管理者詢問了人工智能應用的問題，并向他們征求文字或口頭回答，回答通常會分為以下四類：

第一，決策支持/擴大化——幫助人們變得更加聰明

第二，虛擬代理——熟悉用戶的文字或發(fā)言

第三，決策自動化——任務自動化或優(yōu)化

第四，智能產品——嵌入式的人工智能

這幾類(先不說第二項)和老式汽車的市場非常相似——老式汽車的想法在十九世紀已經(jīng)出現(xiàn)，在二十世紀早期出現(xiàn)了對應的產品。人們在熟悉的環(huán)境下可以更好地發(fā)揮想象。

因此，我們有例如：

二十世紀九十年代初的類似商業(yè)智能化的產物(決策支持/擴大化)

以“決策自動化”為特征的任務自動化和任務優(yōu)化，實際上，我們從計算機時代的開始就在這么做了

智能產品——一個已經(jīng)近乎沒有實際意義的、過時的標簽

客戶對虛擬代理存在著普遍的興趣。事實上，表示在人工智能技術上進行了投資的客戶中，有三分之二提到了“面向用戶”(通常與聊天有關)的項目。但是除非縮窄這些項目的定義，這些項目要達成一定規(guī)模的難度非常大。除了幾家大型科技公司外，沒有哪家公司具備開發(fā)出一個可以回答所有人所有問題的全能聊天機器人的能力，洞察引擎(Insights Engine)在這方面比聊天機器人做得更好。而從目前的情況來看，這些大公司的產品也并不是那么完美。谷歌的Duplex、亞馬遜的Alexa Challenge中的對話可能是目前最為智能的，但企業(yè)是否會對這些項目大規(guī)模投資仍然懸而未決。

未來是難以預見的。除了聊天機器人之外，其余項目都僅是在“老式汽車”上的改進。那些能夠讓企業(yè)開創(chuàng)使用人工智能技術的新商業(yè)計劃的巨大突破在哪里呢?

然而，行業(yè)、廠商、分析人員、咨詢顧問乃至全世界范圍內的企業(yè)，都并不了解這些巨大突破會是什么。

這其中一部分的問題是，人工智能最適合解決的問題，可能已超出那些想找到新的“殺手級商業(yè)應用”的人的能力和經(jīng)驗認知。

回到商用計算機的早期年代(二十世紀中期)，企業(yè)購買計算機，運行人們已在紙上處理了數(shù)個世紀的問題。當人們知道如何在紙上進行記賬，那么將相同的邏輯應用到計算機上就相對容易了。

在如今這個人工智能技術應用開始生產的早期時代，我們無意中失去了知道我們應該如何處理一些事情的能力。研究筆記中寫道：

“我們現(xiàn)在能夠用深度神經(jīng)網(wǎng)絡(DNN)為基礎的系統(tǒng)對照片做面部識別。人類(我們靈長類動物的祖先)已經(jīng)有至少五千萬年的面部識別經(jīng)驗，但總的來說，我們并沒有一套有效、系統(tǒng)的方法來進行面部識別。

我們只是運用人類的本能(不像科技開發(fā)者那樣)，用我們神經(jīng)系統(tǒng)中不同的、與生俱來的學習回路來進行面部識別。其中具體的過程是模糊的。一個十五個月大的孩子是如何分辨出他父親和母親的圖片的?我們并不了解。日常的人類經(jīng)驗不足以讓我們建立一套實現(xiàn)臉部識別的技術。”

我們在缺乏這樣的見解的同時，也缺乏實際經(jīng)驗以驅動對相關應用的創(chuàng)造或開發(fā)。擬人法可能會讓我們誤入歧途。

這些局限之外，我們仍要相信：

科學將以驚人的速度繼續(xù)進步；

人工智能技術將會被應用在更多產品中；

到2020年，人工智能技術將存在于基本上所有的新型軟件產品中；

廠商將會用這些嵌入式的技術增加并擴大其產品功能，此后企業(yè)就會因商業(yè)型人工智能的優(yōu)勢進行投資，而非開發(fā)相關技術。

等待能夠帶動重大商業(yè)投資的“殺手級應用”被發(fā)現(xiàn)的過程中，我們將繼續(xù)以實際的、策略性的方式進行小型投資，為業(yè)務帶來實際價值。