雷鋒網(wǎng) AI 開發(fā)者按：8 月 10 日至 16 日，IJCAI 2019 在中國澳門隆重召開。盡管作為一場學術會議，以綜合性為長的 IJCAI 在會議中也有探討 AI 工業(yè)應用的部分，其中就有一場由工業(yè)界帶來的 Panel「AI Challenges in Industries」，圓桌會議邀請了索尼研發(fā)副總裁藤田昌宏（Masahiro Fujita）、滴滴副總裁郄小虎、微軟首席研究員 John Langford、百度副總裁沈抖來一同探索 AI 在工業(yè)應用中所面臨的挑戰(zhàn)，本次圓桌會議的主持人由京東副總裁鄭宇擔任。AI 開發(fā)者為大家?guī)磉@場 Panel 的現(xiàn)場報道。

 

技術與方法

鄭宇：眾所周知，AI 并非對于所有問題都有效，有時有用有時沒用，那各位所在公司如何判斷 AI 是否適用于解決某個問題呢？

沈抖：當然，我們?nèi)魏我患夜径紵o法說 AI 可以解決所有問題。大家在很多會議上，都會聽到 AI 能解決很多問題，然而現(xiàn)在 AI 還無法做到這種程度，原因有 3 個：

第一，當下的 AI 技術可能會存在很大的局限性，因而對于很多問題，AI 技術都無法很好地解決；

第二，我們可能無法將一些現(xiàn)實問題轉述成 AI 問題；

第三，工業(yè)界可能沒有足夠的資源或者工程師去解決 AI 問題以及實施 AI 解決方案，尤其有時候的一些問題首先需要我們?nèi)祟惾ソ鉀Q，當我們自己找到解決方法的時候，我們才能利用好 AI 技術去解決這些問題。

John：我認為，這個問題具象化到某個具體的項目，某種程度上要看是否能夠給 AI 提供指導解決問題的信息，有時可以是給數(shù)據(jù)做標注，有時可以讓 AI 系統(tǒng)從有用的語料庫中學習或通過強化學習從現(xiàn)實世界得到反饋。如果這些方法可行的話，你可以嘗試讓 AI 去解決某個問題。

郄小虎：針對工業(yè)界如何判斷某項 AI 技術是否對解決某個問題有效，這里有三個可以考量的問題：第一個是是否有足夠可用的大數(shù)據(jù)來訓練模型；第二個是能夠將問題轉述成機器學習所能理解的語言，比如說如何將匹配司機和乘客的問題轉化為某種圖表或特征從而讓 AI 可以用來進行匹配；第三個是我們需要意識到 AI 無法做到非常完美，一旦遇到它們此前未見過的場景，可能就會失效。

鄭宇：現(xiàn)在有部分 AI 技術相對傳統(tǒng)方法表現(xiàn)出大熱的現(xiàn)狀，比如深度學習，但實際上很多人僅僅停留在談論的階段，這種現(xiàn)狀是機遇還是挑戰(zhàn)？

藤田昌宏：從某種意義上講，新模型的提出確實能夠為 AI 的研究賦能。但在開發(fā)過程中，如何選擇模型，選擇使用怎樣模型；都是值得我們仔細思考的問題。任何事情都有兩面性，但良好的決策有助于產(chǎn)生更高質的產(chǎn)品。因此從公司的角度出發(fā)，我們需要帶著質疑的眼光來看待這些問題。

郄小虎：總體來看，我更傾向于將這種現(xiàn)象視為 AI 界的挑戰(zhàn)問題。我們確實也看到了深度學習在實際過程中表現(xiàn)出的潛能，這也是它熱門的原因之一；但現(xiàn)實情況中，深度學習也存在很大的局限，很多問題目前是無法通過深度學習得到解決的，有時僅僅是環(huán)境的改變，深度學習可能就無法起到效果。所以如果僅從優(yōu)勢的角度看待深度學習，這將可能對今后的研究過程產(chǎn)生極大的阻礙。

沈抖：在我看來，這件事沒有辦法去用好壞來衡量；站在團隊的角度，我們把它視為懶惰問題，即團隊是否愿意去嘗試新事物。在我們團隊，我非常鼓勵大家去了解不同的模型或方法，因為新的模型往往也意味著機遇。通過結合這些新模型與方法，我們或許能夠碰撞出更多好的想法，從而得到更多實用的模型。

AI 落地

鄭宇：現(xiàn)在公司的服務對象包括三個類別：用戶（To C）、企業(yè)（To B）和政府（To G），那各位怎樣看待這三種類型的模型在應用 AI 方面的區(qū)別？

沈抖：一般而言，在 To C 中，我們能夠獲得用戶行為畫像，因此，AI 的表現(xiàn)非常不錯，能夠解決大多數(shù)問題；但是 To B 和 To G，我們所面臨的一個問題和另一個問題都是不同的，所以我們需要花很多時間去明確問題并追蹤出現(xiàn)的問題，這比應用一個機器學習模型要難得多，因而 AI 在 To B 和 To G 的模型中應用的難度要比 To C 更大。

郄小虎：我認為三者之間的區(qū)別關鍵在于服務的對象群體不同，因而了解用戶的需求對于選擇正確的 AI 技術而言很重要。比如，用戶可能更注重便利性和安全性。所以我認為三者最大的區(qū)別，在于理解三種類型的客戶的不同需求。

鄭宇：從你們自身角度出發(fā)，你們認為 AI 給我們的生活帶來了怎樣好的改變？

沈抖：盡管 AI 看似非常高大上的話題，但其實在日常生活中，我們能很容易發(fā)現(xiàn)它的影子。比如：用戶會使用網(wǎng)絡搜索時，往往會提出很多問題，而問題的檢索與解答，其實就是我們與 AI 發(fā)生聯(lián)系的時刻。在搜索方面，我們從以前的文字搜索到現(xiàn)在的圖片搜索，整個過程 AI 起著很大的作用，并且可以肯定的是，今后還會有更多更先進的 AI 技術將用到搜索系統(tǒng)中。

John：從教育的角度來看，AI 技術的不斷更新，一定程度上也推動了在線學習的發(fā)展。通過推廣在線教育，我們能夠實現(xiàn)知識的有效傳播，而且大部分人都能夠接收到來自世界各地更多元的知識，這是我所看到的 AI 帶給我們的益處之一。

郄小虎：AI 的確正在慢慢滲透我們的生活，并且讓我們更好去享受生活。AI 在滴滴中的應用，也能夠更好的幫助乘客與司機建立有效的聯(lián)系。其中，我認為 AI 讓滴滴出行更加人性化，尤其對于高峰期間乘車問題，無論是訂單的快速建立與取消，還是有效減少乘客等待時間的智能匹配方面；都給司機與乘客帶來了極大的便利，這些大的改進都離不開 AI 技術的幫助。

聚焦 AI 國際

鄭宇：本次的四位嘉賓來自全球 GDP 最高的是哪個國家——美國、中國和日本，那三個國家在 AI 領域所面臨的挑戰(zhàn)有何不同，各自的優(yōu)勢以及挑戰(zhàn)都有哪些？

藤田昌宏：相比美國和中國，日本確實現(xiàn)在處于了落后的境地。而目前日本面臨的比較大的挑戰(zhàn)是，日本的很多公司在 AI 技術的產(chǎn)品落地方法，積極性不是很高。

郄小虎：美國、中國和日本的論文發(fā)表數(shù)量都是世界領先的。而中國的優(yōu)勢，第一是擁有非常大的市場，無論是數(shù)據(jù)還是應用，相比之下都具有很大的優(yōu)勢；第二是中國在機器學習領域擁有大量的人才儲備，中國在各個 AI 會議上的論文發(fā)表數(shù)量都是領先的；第三是中國政府針對創(chuàng)新推出的支持政策對于 AI 領域的企業(yè)和初創(chuàng)企業(yè)的幫助巨大，這能夠很好地推動中國 AI 的發(fā)展。

沈抖：關于這個問題，我最想強調(diào)的一點是，無論是學術界還是工業(yè)界在 AI 研究中，要更多地關注長遠的利益，而非短期的結果。

John：在之前，美國的教育體系是開放的，吸引了來自世界范圍的 AI 人才前往就學，也為美國的 AI 發(fā)展做出了貢獻。然而現(xiàn)在美國的教育有了很多限制，將很多來自其他國家和地區(qū)的人才拒之門外，導致美國的人才儲備受到影響，并且這種影響已經(jīng)蔓延到了我的工作中。

雷鋒網(wǎng) AI 開發(fā)者 雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。