【GMIC】为什么说企业离真正的AI应用还很远?

在今天由长城会主办的GMIC 2018峰会——AI+企业级服务及应用分论坛上,阿里云企业业务事业部总经理赵杰辉发表了关于企业中AI技术的应用案例和技术深度解析的主题演讲。

赵杰辉认为,很多企业认为自己使用了机器人、语音识别、图像和视频识别等几个单点技术就掌握了AI技术,知道什么是AI了,就能通过AI提升企业综合能力了,这些距离真正的AI还很远。

例如在制造业领域,很多企业工业生产线早就开始使用机器人了,但机器人的本质不是AI,而是自动化,只是起到提升效率的作用。

其实,企业级AI是一件综合的事情,它其中涉及很多技术、算法等,如果企业要把这件事做好,并且应用到业务中,就需要规划一个大图,逐步的来建设,这是长期且漫长的过程。

以下是赵杰辉的演讲实录,拓扑社(ID:tobshe)整理删改:

赵杰辉:非常荣幸GMIC邀请我们来这里做一个分享,今天想分享个非常重要的核心观点,在这一轮的数字化变革中,越来越多的企业会通过云计算、大数据、AI等新兴技术来提高生产能力,提高效率,降低成本,实现数字化转型。

大家在看到AI这个词,首先会想到机器人,会想到视频识别、工业视觉、人脸识别、语音识别等技术应用,认为他们就是真正的AI。

尤其是随着工业4.0的的兴起,AI可以使工业生产制造实现智能化、数字化,我们看到了很多企业在工业生产线上使用了机器人,提高生产率,降低成本。但需要提醒的是,机器人的本质不是AI,而是自动化,只是起到提升效率的作用。
其次,很多企业的工业生产线上,不但通过数据统计来提升产能优化,良品率的提升,但这些大部分都是基于统计学的方法来做的,并不是AI。

此外,像AUI设备,X光机,BC板拍一些照片等技术,通过视频识别的方法识别出来,最后发现只是识别而已。其实,这些识别技术并不是真正的AI,只是单点采集数据的方法,与真正的AI距离还是很远。

在阿里巴巴内部经常在讲,如果要去做AI,需要满足这样的条件:企业要想通过AI优化内部的业务和流程,提升效率,需要先把内部的基础架构实现互联网化,通过互联网体系架构改造生产系统。

企业需要把核心能力抽象成企业内部的公共服务,通过互联网体系架构,把各种渠道收集过来数据形成网络聚合效应,达到实时在线数据共享,才能让数据成为资产,再通过AI、大数据等技术,把数据资产变成业务化的数据,驱动企业的运营。

有一些企业在建大数据也好、建各种平台也好,花了很多钱建了一个非常大的集群,把外面买来的数据放进来,再把自己生产中的数据导出来,放进系统里,最后发现这些数据根本用不上,根本不能指导企业业务,这个集群最后只变成了存储而已。

所以,对于企业的应用来说,要从应用的服务化或者应用的互联网化开始改造,而企业的业务中台的建立,是让企业把内部系统产生数据、第三方用户画像的行为数据,网站浏览的日志数据等来自各方面的数据汇聚在一起,使其做到数据实时在线,这样企业可以对用户的管理能力、交易管理能力,还是其他应用做到实时在线统一。

当企业的系统实现互联网的改造,各种数据实现实时在线统一后,这时候企业才具备数据集成和数据建模的能力,但是这时候的AI只是具备巡检、警告能力,很难形成企业业务大脑。

我总结一下观点,如果要去做企业的AI,它不是跟一个风口,搞一个技术,搞一个视频识别或者语音识别的技术就可以了,它是非常综合的一件事情。

它其中涉及很多技术、算法等,如果企业要把这件事做好,并且应用到业务中,就需要规划一个大图,逐步的来建设,这是长期且漫长的过程。

不过,最重要的前提,企业还是需要把业务架构变成互联网体系,使数据聚合在一起,做到实时在线。

END

发表评论

电子邮件地址不会被公开。 必填项已用*标注