从技法到兵法:今天为何必须关注物理世界的企业智能?

华为云给出的答案是,想要避免纸上谈兵,需要在物理世界中架设EI智能体。

军事史上有个世纪疑问:火炮这东西最早是中国发明的,但我们的祖先却没有把它发扬光大。欧洲的火炮却很快超越了中国,明朝时期已经需要向西方商人购买“红夷大炮”。

这个奇怪的现象当然有很多原因,而原因之一在于中国的火炮很少考虑实际应用中的若干问题。比如瞄准、散热、膛线、搬运,这些问题或许在技术层面上是细节,但在实战应用中却是要命的关口。通过改良各种细节,让火炮适应实战,才能发挥最大的作用。

由此可见,一个技术再好,不与现实世界结合也是没什么用的。

大炮的逻辑,今天似乎也可以套用到AI上。将AI与传统行业相结合,进行实际的效率成本改造,是一个大家都知道的方向,被学术界,科技行业认可为不可阻挡的趋势。

但这个趋势实际应该怎样做,如何在中国万千行业里推进,似乎一直都比较模糊。其中原因会不会在于AI平台和科技企业,过分着眼于AI技术的一面,却忽略了现实产业世界中“应用”的一面?

6月26日,是华为云中国行2018的第一站,当天展示了华为云对于这个问题的思考结果:用智能体打通物理世界的智能化。

实地采访之后,我们发现从技术世界走向现实世界的整个过程中,颇有一点兵法的味道。

纸上谈兵若许年:物理世界的智能困境

无论是AI还是大数据,本质上都是或长或短的函数与代码。当科技企业希望将AI技术推向制造业、农业、民生服务的时候,或许会突然发现,彼此已经在代码中沉睡太久了,变成了新时代的“纸上谈兵”

这个问题会自然而然地发生,事实上很难避免。一个技术如果不在实验室中的模拟环境中跑到成熟,也不可能尝试走向现实。但无论如何,物理世界的复杂度与阻碍因素,还是很容易被精于算法的AI专家所忽略。当我们沉湎于Alpha GO惊艳的棋艺时,往往忽略了围棋是一个理想化的运算环境,但大千世界并不是。

相比于虚拟世界一切都是代码和指数,物理世界中却可能面对各种各样的问题。比如企业对生产效率的要求,企业的成本,行业间的竞争关系,企业的数据与计算基础,甚至企业里是否有人能够驾驭AI,这在今天中国广袤而相对粗放的实体经济群落中都是巨大的问题。

一旦走向物理世界,我们就会发现AI在实验室中的最大估值开始举步维艰。很多美好的技术设想,都会面临企业中这样那样的问题,从而产生难以兼容的状况。

举个例子来看,我们知道用AI指挥交通是一个令人神往的设想,在模拟环境中经常也能带来强悍的交通调度能力。但在实际应用中却不是这么回事,每个路口的车流、人流都在不断变化,路面工程、改道、交通事故,等等因素都将瞬间影响交通AI的判断。甚至一个井盖,一株植物都可能给AI带来干扰。毕竟AI仅仅是数理模型,不会像人一样随机应变。

这种复杂的困境,在工业AI中更是突出。我们在讨论AI对工业的改造,往往聚焦于单个环节,甚至一部机器的AI化。而在物理世界中,工业是一个完整的体系,一部机器的快慢并不解决实际问题,却可能把整个工厂的成本拉大。

一方面是确实有价值的产业AI,一方面是花样繁多的障碍与阻隔,这件事如何解决呢?华为云给出的答案是,想要避免纸上谈兵,需要在物理世界中架设EI智能体。

一口箱子:如何理解EI智能体

华为云中国行中,对EI智能体给出的定义是:智能体=智慧大脑+智能边缘+联接+行业智慧。听起来有点复杂,现场随机采访了一些开发者,并与同行沟通后,发现大家也觉得有点难懂。

古龙小说里有个东西,或许可以帮助我们理解智能体到底是什么。《英雄无泪》里有件被称为天底下最可怕的武器,它的名字超好记:一口箱子。

一口箱子不是什么绝世神兵,拆开看它只是各式各样的零件、铁片和常人叫不出名字的零件,但是在实战中的时候,却能通过使用者精密的计算,最短时间中组合出一个完全克制对手的兵器,从而一招致胜。

在攻坚现实世界的企业AI难题时,EI智能体给出的也是类似一口箱子的思路:

首先要有足够聪明的高手,他是武器的操纵者,用智慧和判断指挥一切。在智能体中,扮演这个角色是背后统筹计算的智慧大脑。负责整个系统的运行、推理和再学习。

其次是要有足够的零件,这些零件是组合成可怕武器的基础,而且只有这些零件能够组合起来,一口箱子才有价值。这就像EI智能体沉积了大量AI技术与算法,能够为企业提供各种各样的AI服务。只有技术沉积够多,全联接能力足够强,才能随意组合出各行各业需要的解决方案。

然后是武者要有足够的反应速度,能够最短时间内组合出独立的武器,否则开打半天还没组合出武器那不是搞笑的吗?这就像EI智能体着重强调边缘计算技术,就传统行业真实情况而言,将所有需要处理的数据上传云端,既是不科学也是不现实的,只有采用合适的边缘智能方案,企业应用AI才有实际可能。

最后是要懂对手,一口箱子的特点是遇到枪能克枪,遇到刀能克刀,这其实是因为使用者懂刀懂枪。在智能体当中,这就是行业智慧,只有与各行各业的专家合作,与具体行业需求与产业周期融合,才能有适合各产业真实需要的“秘密武器”。

智慧大脑+智能边缘+联接+行业智慧,构成了华为云解决物理世界、产业世界AI难题时的一口箱子。而这个神秘物体,希望破解的是企业三个非常关键的问题,

犁庭扫穴:AI与传统行业间的三个必解决问题

EI智能体的价值与目标何在?

简单来说,就是用灵活、抽象层次高、可定制的智能平台能力,去补充实体经济与传统行业本身在面对AI时的先天不足。这些问题看似不归平台考虑,却是实体经济无法解决的,所以企业和AI真正结合,必须重点攻克这三个问题,为企业进入智能世界荡平现实门槛。

问题一:应用成本。AI很好,但是AI很贵。对于传统企业尤其是小微企业而言,AI的大量API应用成本、测试成本,都是令人忧愁的昂贵。而想要进行机器学习,数据是基本生产资料,数据带来的收集、清洗、学习成本,以及对数据安全的担忧,更是各类企业都非常头疼的。

华为云BU总裁郑叶来曾经说过,要让AI“高而不贵”,在用得起的基础上用得好、用得放心。为了解决这些问题,EI智能体从三方面努力让AI“高而不贵”:首先是在安全性和数据获取方案、迁移学习等领域,保证了企业数据的安全可控,以及容易收集,把最大的数据成本降下来;其次是基于云计算服务打通了整体架构,避免出现数据孤岛现象,避免断裂应用链给企业带来多余负担;再次,最重要的,当然是把核心AI应用的价格给降下来,让企业应用到实惠的AI能力。

问题二:行业周期。就像上文所说,每个行业都有自己独特的物理世界问题,各种复杂的困难都可能出现在AI面前,每个行业自身的产业周期规律,要求AI技术去适应行业本身。而竞争压力、成本压力等问题,也催使企业必须快速看到AI的成果。

为了解决这些问题,EI智能体首先提出云边端一体化的智能构建过程。灵活弹性地部署边缘智能,把AI模型与算法直接放到企业一侧。让企业不会必须把任务上传云端的尴尬。另一方面,边缘与终端系统还会进一步处理数据,不断上传云端大脑进行再学习,保证整个企业AI系统的可成长与再学习能力。

另一方面,EI智能体提供了快速训练,再简单的单机训练后快速获得到分布式计算等解决方案。从而让企业的智能化周期尽可能压缩。并通过线下服务、与行业专家结合的方式,适应企业的独特周期规律,将新技术与垂直职业的需求进行协调。

问题三:人才困境。招不到人,堪称实体经济AI化过程中的最大问题。EI智能体采用独特的技术解决方案,将复杂的技术进行嵌入,给到企业简单易用的操作方案。从而企业或许可以有两个更优选项:更少的技术人才,以及低技术要求的AI使用人才。这在企业迈过智能门槛过程中十分重要。

我们可以看到,这三个问题虽然看起来无关深度学习、神经网络等AI核心问题,却是AI进入物理世界,进入产业化周期中无法避免的。不破除这些物理世界的障碍,企业应用AI就会陷入无穷无尽的“鸡生蛋”悖论。

物理世界中具有高度产业应用特征的AI正在走来,一场犁庭扫穴,或许就酝酿于足够的行业智能体酝酿之后。

本文来自脑极体投稿,不代表锦鲤财经立场,如若转载,请注明出处:http://www.zhun.com.cn/news/51118.html

发表评论

登录后才能评论

联系我们

 合作微信:youbigger

在线咨询:点击这里给我发消息

邮件:790010000@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息