摘要:机遇与挑战并存

人工智能技术发展和应用场景仍有待挖掘 | 爱分析活动-ifenxi

近日,爱分析在京举办2018爱分析·中国人工智能高峰论坛。Udesk联合创始人及COO程俊来、达观数据副总裁魏芳、可可资本合伙人李笙凯、线性资本执行董事郑灿参与了论坛下午的圆桌讨论环节,围绕AI与垂直场景融合等热点话题,各位嘉宾展开热烈讨论。爱分析首席分析师李喆主持了本次圆桌讨论。

现将圆桌论坛讨论实录分享如下。

数据和应用能力是落地关键

爱分析:AI落地到垂直场景会碰到哪些问题?

人工智能技术发展和应用场景仍有待挖掘 | 爱分析活动-ifenxi

程俊来:最大的挑战就是挣不着钱。通用领域的数据跟垂直领域数据完全不一样,通用的数据量特别大,价格可能会低一些,垂直领域的数据量很小。各种机器学习、深度学习算法需要大量的数据去做研究,会在垂直领域有一些影响。

第二个就是深度,专业知识的理解深度。我们很多做AI的人不能够深度理解垂直领域业务。举个例子,我们去做物体识别,很快能够识别一只猫或者一条狗,如果需要利用专业知识区分一条狗是不是拉布拉多就很难。

第三个,也是最重要的,是融合。我们现在几乎没有看到哪个垂直领域是所谓AI技术能够颠覆或者替换掉原来所有人工做的事情,客服也一样。绝大部分的场景,我们现在去找客服的时候,希望它背后有人工来给我们提供服务,这就是一个很大的挑战。机器人客服跟人工客服怎么融合起来给客户提供更好的服务,是需要去解决的问题。

魏芳:人工智能时代大家觉得中国有很大的优势,数据丰富、人力标注便宜。但是我们发现在真正业务落地过程中,做语义理解有一定的深度和难度,每个人的理解也不尽相同。在垂直领域需要一些专业人士加入做一定的数据标注工作,提供一些模型训练的先验知识。

李笙凯:关于数据获取,中国大家都觉得数据特别多,但实质上大量数据是无效的。带来的问题就变成企业怎么样获取能够满足机器学习需要的数据库,例如高端装备的驱动数据,这种是高端装备中最核心的数据,很难获得。而所学习的数据库中标注的数据到底能不能收敛到需要应用的场景,现在也是比较大的挑战。

第二,在团队里面,之前积累的技术特点和优势是不是能够在这个领域或者应用场景落实下来。技术公司在落地的时候会觉得自己的技术各个领域都能用。现在中国有大量的轻工人员,一台设备替代四五个人工,在有些场景下有非常大的应用场景。但是在细分领域到底能不能把技术特点和应用特点结合起来,这是我们看到的第二个问题。

创业团队我们一般从三个层面考虑。首先,这个市场是不是刚需行业,技术创新领域里面我们特别强调刚需这个问题。人工智能在很多场景应用面临最大的挑战就是这个技术并没有经过长时间在该场景下使用的案例,不然的话也不会有这个机会做创新。

其次,产品技术壁垒。经过长期打磨之后才能形成好产品,五年的研究可能才会在市场上遇到壁垒。

最后,团队本身。一般国外的研发人员是无法随时跟随市场动向,但是企业需要把握自己技术,结合应用有什么地方能妥协,什么地方不能妥协。

人工智能技术发展和应用场景仍有待挖掘 | 爱分析活动-ifenxi

郑灿:直接把AI模型给传统行业从业者,他们也用不起来,要落地需要创业团队提供一整套系统解决方案,这种技术落地能力对于团队有要求。一方面是创始团队自己到行业中区深入理解业务,另一个角度是去说服从业人员中的创新者。这一类人虽然不见得是搞AI的,但是他们有很强的改变现状的决心和试错的态度,想让AI帮助他们提升生产能力。他们往往能够在AI落地当中发挥作用,找到这样的人非常有帮助。

辅助决策成为感知到认知的具体应用

爱分析:AI技术从感知智能向认知智能转变的过程会产生新的应用场景?

郑灿:从感知到认知的转变更多是AI越来越像人的决策。换句话,AI从原来提供数据分析和数据理解能力,到了现在辅助决策,在我来看是一个必然的事情。所以我们看到的往往也是生产力提高,经济效益提升在这部分当中产生。

举一个例子,我们看过一个非典型行业,热能行业。这些锅炉都已经有数据产生了,当然这些数据是割裂的,从管道到风机到锅炉。如果把所有的数据连接起来,在新的增长期内,整个热能产业从进水进煤到锅炉到供热,新的产业化模型普遍能够把工况效益提高8%-10%。典型的过程就是通过分析最初的产业数据,到今天系统通过这些数据去辅助决策,甚至自动决策。

李笙凯:目前人工智能是辅助,就是辅助决策功能,并不是说到完全替代阶段了。我们可以看到国内现在有大量的机会,因为我们现在跟国际上对比,各方面专业人员的差距都很大,需要智能辅助,或者说人工智能技术来提升业务能力。

当然在有些场景下,人工智能要去替代对于人身有伤害的场景,比如核电行业。但是如果完全替代,我们认为在目前阶段不太可能。

目前人工智能在感知到认知这个环节上,有新的方式去突破传统,在垂直领域和细分领域把非结构化数据结构化以后,有机会做到提高人的决策和认知水平的。

人工智能技术发展和应用场景仍有待挖掘 | 爱分析活动-ifenxi

魏芳:从感知到认知智能是有一个过程的,无论在理论研究还是工业实践上,目前还不是非常成熟。所以让机器去模拟人的认知,需要什么样的数据,建立什么样的模型,目前还需要更深入的探讨。

从达观数据所从事的自然语言处理领域来讲,认知智能在产业落地方面确实有一定的实践进展。我们在做合同审阅等功能时有大量的文字审阅工作可以由机器帮助人去理解语义。但还是不能完全代替人去理解所有业务内容。认知智能还需要继续往前迈步,发展也会面临一些新的挑战。

我个人感觉对一些理论的研究,包括认知理论,各方面还不够成熟。所以让机器去模拟认知,需要什么样的数据,建立什么样的模型,目前还需要更深入的探讨。

程俊来:我认为认知智能现在的技术发展在短期内有两个明显场景,一是客服,二是营销。在这两个场景中机器人可以很好地解决问题,一直在往前进步,能够解决的问题越来越多。

客服服务场景中的很多问题,其实是已经设定好的,但是营销不一样,很开放。很多营销机器人面世以后可以初步筛选这些问题,真正去做营销的时候,它其实完成不了这个任务。

Udesk之前有一个物流行业客户,专注于订单撮合。假设客户要接一个三元桥到西直门的订单,50块钱想不想接这个单,这个听起来机器人完全可以处理。但是会涉及到一个问题,客户觉得50块钱可能有点少,55行不行,这个机器人就很难办了。其实AI去做订单撮合的时候,没法完全替换掉人工。它可以解决一部分标准的撮合问题,但是这种非标撮合问题短期内我个人觉得还是需要去思考解决方案。

新场景和新业态有待探索

爱分析:AI技术落地以后会有哪些新的场景和业态出现?

程俊来:关于这个问题,做VC的可能会关注多一些,我们主要还是专注于客服这个场景。我刚才提到了跟营销相关的问题,我觉得可能接下来咱们的投资方会多一些,基础理论会有一些突破的地方。整个市场,包括我们客户的认知是有突破的。

原来推智能机器人的时候,企业用户和消费者用户不容易接受。双十一刚过去,大量的企业已经用上了机器人客服,替换掉了他们原来的人工客户。每年双十一的时候有很多电商企业找到我们,跟我们说能不能增加几百个或者几千个机器人客服。企业表示原来客服团队不够用,需要让公司所有产品研发人员全部过来做客服,才能解决客服服务问题。今年就少很多了,他们觉得机器人可以解决掉很多问题,所以我觉得对于我们这个行业来讲趋势还是很明显的。

魏芳:基于AI技术能够实现一些公正公平的审核功能。比如一个合同,涉及购买多种类型物品的花费内容。一两年后去审查实际发生的情况。需要投入一定量的审计人员去复核。当合同量达到一定程度的时候,投入的人力会很多。且存在审计人员徇私舞弊,糊涂大意等问题。用机器去做智能审核就可以很好的规避这些问题。机器是公平地。在法院审判,证监会审查等领域也有类似应用场景。

人工智能技术发展和应用场景仍有待挖掘 | 爱分析活动-ifenxi

李笙凯:我们对业态没有太多深入研究,不过我们发现一些投资项目本身是做机器核心部件的生产,比如说无人机。目前国家政策是要全上网,但是在无人机飞到空中怎么做全线监测就可能催生新的商业模式。

我们投资的很多智能物流企业,可能会直接变成第三方,为阿里提供仓储服务,并不仅仅像之前一样,只提供单一的核心产品。与其他公司对接做这样的服务,他们可能会从单一的制造商,变成云数据和云仓储提供商,这是现有的趋势。

郑灿:无人驾驶可能是最典型的新业态,不过在我看来无人驾驶车商业化需要很长的时间。今天很多AI技术落地,处在向核心业务系统切入的过程中,可能未来某一天核心业务能力爆发,技术公司可以提供相关业务能力,这个是我们看到未来会发生的事,在仓储行业就有可能。

我认为更多还是通过技术手段去改变一些行业,因为以前模型当中覆盖不到的融合场景,现在可以做到。在课堂上有一些教育环境能够带到家庭中去,包括对学生个性化的了解。或者说车辆的风险运营,保险商把车厂车队联合起来,拥有多方数据融合起来做。

AI技术蓄势待发

爱分析:2019年,AI会在哪些行业迎来大爆发?

郑灿:相对来讲AI在行业的发展呈线性状态,短期内很难有一个很大的爆发。现实点的,医疗行业前几年的一些AI企业最近先后拿了证,越过了认证的壁垒。如果效果上的确可以很大程度上帮助医生,应该可以交出不错的成绩单。

李笙凯:我们还是看长期趋势发展,短期内总体来讲,创新比较多,但中国并没有真正经历过从01的过程,我们未来二三十年可能都要花时间补这门课。不同行业都会有一些细分企业爆发,但是整个行业不会。

人工智能技术发展和应用场景仍有待挖掘 | 爱分析活动-ifenxi

魏芳:2019年行业基于AI的冲击应该都会有一些变化,尤其在一些业务流程会得到优化。
去年引入
AI技术做智能合同审阅,大部分企业都没太关注还不是很热。但是今年年底,很多客户主动找到我们,因为企业要做智能化转型需要智能合同审阅系统做支撑。一方面大型企业有非常多的合同,引入智能审阅系统确实节省了大量人力。
另一方面行业内同类型的公司,大家在做合同审阅的时候都智能化了。银行、证券公司都有这种技术,如果不引入,处理方式跟别人已经不一样了,就会跟时代脱机。从这个角度讲,我们能够感知到客户真正要智能化的决心,而不仅仅把它作为创新型的一个项目。

程俊来:投资人讲话比较保守,我们创业者可能就激进一点。我会觉得人工智能这个东西很难说爆发,在我们日常生活当中会看到,很多不知不觉用的东西的爆发就是指创业者觉得这个行业爆发了。

很多客户做客服,现在不是招聘客服人员,而是需要客服机器人和培训师,这些职位有大量稀缺。原来的客服人员都转型做培训师。

再举一个感受更深的例子,智能客服里面一个很典型的场景。我们现在打信用卡的服务电话,都会说按1,按2,按3分别对应什么操作,现在大部分银行已经提供了智能入口,说出需求以后可以直接跳到下一步操作。这个场景在接下来这一年当中,几乎所有企业都会要换掉。

所以我觉得从这一点来讲,现在全世界或者所有消费者都已经习惯、适应这样的场景。其实背后的这些企业有很大的市场和空间去改变现在的一些习惯。