人工智能加速期：“算法为王”还是“场景落地”优先

本篇文章1139字，读完约3分钟

人脸识别和语音识别是人工智能应用中最著名的两个领域。智能扬声器和人脸访问控制也进入了许多人的生活。去年火灾中的无人驾驶集装箱使用了“物品识别”技术。接下来，人工智能将如何普及和应用？你依赖算法的持续改进吗？

Hikvision (002415)高级副总裁许说:“今天的人工智能仍然是一个弱人工智能。基于深度学习的算法的精度将无限接近100%，但它永远无法实现。随着“准确率”的提高，最终的竞争更多的是关于落地的能力。”

马龙科技的首席科学家黄伟林同意这种说法。马龙科技是一家专注于“物体”图像识别的公司，无人驾驶集装箱是其主要应用场景之一。“在物品识别领域，目前的困难在于跟上企业在垂直领域的需求，这是一个长期的过程。有些场景预计会很好，但可能很难操作，或者不只是需要。”

“真实的采购场景非常复杂，商品类别太多，增加了数据标注和类别定义的难度。”黄伟林说:“让我们把重点放在那些不太困难或者只是需要的环节上。例如，减少“商品损坏”是必要的，我们将帮助识别商品和条形码是否可以在收银机中对应；由于产品类别有限，无人值守零售柜不太难识别。”

黄伟林说:“目前，每个人都想找到一个好的应用场景，不断迭代算法和数据，教育市场，培训用户。”

除了主流的人脸识别、语音识别等。，一些细分市场也开始出现。“我们将设备放入工厂后，可以根据设备发出的噪音来判断设备的磨损或其他故障。你想加润滑油吗？车床刀具磨损程度如何，何时更换？等等。”硕橙科技的创始人覃逸说。

人工智能也可以参与创造性活动。众所周知，音乐人工智能伴奏系统已经在中国出现。人工智能通过数据分析和学习找到一个相对固定的模板，然后通过应用该模板来“创建”和执行。

随着应用场景的增加，如何判断不同领域和人工智能结合的成熟度？

“有一些指标，首先是基础设施情况，包括算法的成熟度和行业数据的完善程度。”上海临港(600848，诊断单元)国际人工智能研究所近日发布了《2018年人工智能产业格局与创新实践研究报告》。据该公司副总裁李玉楷称，“农业、教育和工业解决方案等一些领域是个性化的。该程度相对较高，而工业领域面临着难以获取设备核心数据的问题。医学领域也缺乏相应的数据，如病因学和图像检测，因此很难应用人工智能。”

然而，由于完善的基础设施，金融等领域积累了大量的用户行为数据和性能数据，这些数据与人工智能很好地结合在一起。“目前，最成熟的应用领域是广告营销、金融、公共安全、家居、零售、交通、医疗保健等。”李胜凯说道。

随着人工智能在智能安全、智能驾驶、无人驾驶零售等领域的深入发展，尚唐、地平线等子行业的领先企业获得了较高的估值。在市场充满机遇的同时，李胜凯也提醒:“因为时间还很短，市场的每一个应用程序还需要长期验证。”