2018年12月18日 星期二
当前位置:首页 >> 协会刊物 >> 互联网天地 >> 2016年热点盘点 ——人工智能篇 在多领域深度应用中寻求突破

2016年热点盘点 ——人工智能篇 在多领域深度应用中寻求突破

更新时间:2017-05-18 11:09:45  

□ 文 刘 赞

2015年冬天,人工智能以极其迅猛的势头扑面而来。2016年春天,李世石和AlphaGo的人机大战更将人工智能推上万众瞩目、无其他热点能及的位置。如今换了名字的master又已经连续战胜顶尖高手,获胜60场,这是人们最熟悉的人工智能应用场景。人工智能最早被畅想出来是希望机器能通过学习掌握人类的知识,从而替代人类完成部分工作,显然不止于下棋这一件事。由于人类是一个有感知、有思考、有创造、有决策、有反馈及操作能力的系统,人工智能也需要逐步去实现,最终能否成为一个与人类能力相近的系统,还有待科学家们持续的创造和突破。

人工智能目前仍处在模拟智能阶段,机器通过学习模仿人类,还不能进行语义理解、决策和创造性发挥。当下应用的人工智能无论是行为主义(以机器人为代表)、连接主义(以神经网络和深度学习的应用为代表),还是符号主义(以专家系统为代表)流派,衡量标准都是机器的“表示、推理和学习”能力,目前占上峰(主流)的连接主义还较难解决演绎推理和认知学习的高阶需求。在此条件下,异化大脑(多层、大规模神经网络系统)的运算基础是数据、深度学习算法和计算能力。在认知智能的算法突破之前,人工智能+任何行业的应用都需要感知、通信连接和处理控制的过程。这个过程中,感知和处理控制都需要硬件载体。因此,2016年人工智能的整体应用重点之一是基础平台建设,包括协议、专属芯片、底层计算资源和数据资源的建设,以及数据的消费(场景和交互模式)和处理方式拓展。以谷歌、Facebook、微软、高通、百度、阿里为代表的国内外科技巨头的布局均在以上相关领域。


由此可以推断,人工智能的发展无论从数据积累、技术突破、基础搭建还是应用探索都不是一个短周期的过程,想象中的颠覆式变革需要逐步实现。人工智能同样是人类理性应用工具和技术等先进手段追求利润最大化和效率的探索之一,其发展必然受政府、科研机构和企业等共同推动。人工智能与传统领域的结合也会越来越紧密。不一定是人工智能+,更多是传统领域+人工智能,因此很难去评估人工智能市场的规模有多大,除了提供人工智能解决方案的企业,更难清晰界定人工智能企业的范围。

金融+人工智能:用生物特征识别身份,探索智能投顾模式

金融领域的人工智能应用普通人能够感受到的是身份识别和验证,以及创新金融产品开发和量化投资。人工智能+金融具体实际应用如下:

身份识别和验证:(1)机器替代人工开户;(2)交易过程身份验证。

创新金融产品开发:(1)基于数学模型和数据分析的产品设计;(2)金融衍生产品设计。

量化投资:(1)丰富维度,提升分析精度;(2)根据市场变化,改变相关影响因子,调整投资策略。

其中身份识别和验证应用范围最广,收益也最直接、清晰。

2016年中国智能投顾已有招商银行等银行机构、宜信投米RA等财富管理公司、京东智投等互联网金融公司以及创业团队推出产品和服务,而以美国的Betterment 、Wealthfront为行业标杆,基本提及智能投顾就会提到这两家公司。智能投顾之所以被关注,首先解决提高人均产出的问题,以有限的理财师为更多人提供投顾服务。目前,个性化的机器投资顾问服务还处于尝试阶段,作为个性化分析的基础,需要用户行为数据、消费数据、投资数据,这些数据还较为分裂,且难以获取并打通,因此,机器尚无法通过数据方式全面分析用户的偏好以及关联同偏好和资产基础的用户进行组合投资。主流智能投顾产品仍以问卷测试,结合过往投资情况以及年龄、性别、职业评估等方式分析客户投资偏好。

其次,已往的投顾服务主要服务于高净值人群,目前国内可投600万以上的高净值人群大概有30万,这两年能保持在10%左右的增长。高净值人群的资产保值增值已经呈现配置全球化及多元产品组合的趋势。目前国内的QDII和ETF产品相对较少,有些公司会借助智能投顾的方式实现全球财富配置。对于普通人来说也有机会去接触资管服务。

最后,国内智能投顾发展面临最大的问题是定性和监管政策还未出台。按照理想化的智能投顾包括从客户分析到资产配置、投资组合选择、交易执行,组合再选择、税负管理和组合分析,而国内已有的顾问和资管服务涉及不同监管牌照,需同时拥有两块牌照或券商牌照(已暂停发放)才能开展业务。尽管智能投顾信息透明化和费率低,大概是投顾服务费率的1/4,但是受数据基础、监管政策等的影响,很有可能会成为资管销售的升级渠道,未来5年还不能以机器替代人类完成投顾服务,实现真正意义上的个性化金融服务。

工业+人工智能:机器人市场继续扩张,智能制造为新热点

工业发展历经手工业(手工生产)、机器大工业(机械制造)、现代工业(半自动化、自动化生产),正向新工业(信息化、智能化)发展。工业和人工智能的结合呈现先直接替代人工(机器人)后基于信息化实现全面智能化的特点。机器人的发展领先了一步,自上世纪90年代进入发展期,2010年已进入智能化时期,2012年全球工业机器人(本体加集成)的市场容量为1600亿元,预计到2017年将达到2700亿。工业机器人的出现和发展是工业发展和提升效率的另一路径,随着信息化和物联网的发展,两条路径开始结合发展,而工业机器人向智能化发展比工业信息化向智能化发展提早了至少10年以上。

国际机器人联合会(IFR)2016年2月发布的《2015年全球工业机器人统计报告》显示,2014年工业机器人70%的销售总量分布在五个主要市场:中国、日本、美国、韩国、德国,其中,中国的购买量比2013年增长了56%,是其他四国每国购买量的一倍。中国目前是工业机器人的消费大国,但近90%非自产。国内工业机器人已进入发展期和创新活跃期,预计2018年开始进入成熟阶段,可能在已有工业机器人本体制造、系统集成及行业应用(解决方案)等范畴产生大型企业。

工业机器人未来将成为智能制造的一部分,技术融合发展是必然趋势。智能制造的核心关键词是自动化、连接和智能控制,核心要实现的是整合资源、降低成本和提高效率。智能制造和工业4.0是工业发展的下一个方向,所有工业大国都在自上而下和自下而上的推动。智能制造是一个完整的系统,因此面临众多挑战。现阶段还是政府倡导、企业尝试。未来,政府、企业、高校及科研机构、专家等大力投入共同推进智能制造和工业4.0的发展,这一探索将持续20-30年。工业将领先农业、第三产业最先完成智能化过程,工业+人工智能也是近30年商业机会最多,所需资本、人力投入最多的领域。

具体到汽车领域。2016年,多巨头进入无人驾驶领域。2016年也发生了第1例无人驾驶事故致死事件。

2016年1月谷歌宣布在谷歌汽车上路14个月后经历了272桩意外事故,从测试刚开始的第一个季度中平均每785英里(约合1263千米)发生一次,减少到了14个月后的每5318英里(约合8558千米)才发生一次。但是5月特斯拉出现了事故,环境识别和即时决策同时出错。

另一方面,无人驾驶是乌镇世界互联网大会的重头戏。BAT均为无人驾驶进行战略布局。百度的“无人驾驶汽车”项目,从发布智能互联车载产品“CarNet”中仅提供API及部分软件支持,到百度无人驾驶汽车首次测试完成,百度计划在未来5年内将“百度无人驾驶汽车”量产;腾讯从“i车生活平台”开始宣告进军车联网并开始布局,一方面入股国内最大数字地图公司四维图新,另一方面与富士康、和谐汽车形成战略合作;阿里选择与上汽集团合作布局,合资设立10亿元互联网汽车基金,推进互联网汽车开发和运营平台建设,未来将形成开放式的资本平台;丰田、大众等老牌汽车企业也在此领域投入。

目前,无人驾驶仍受安全驾驶系统成本较高、自产海量数据的本地处理和传输、环境识别精度和即时决策准确度等的制约。但无人驾驶仍以所代表的新的产品形态和服务形态继续倍受关注。下一阶段,无人驾驶的商业机会和目标包括:高敏传感器和高性能芯片、车联网综合预算平台、各类高级辅助驾驶系统和车内服务。

当驾驶自动化,汽车就变成了行走的娱乐或办公空间,它所能连接的是吃、购物、本地服务、其他交通方式等所有日常行为,还是必不可少的重要数据入口,也难怪会成为众巨头的必争之地。

医疗:信息化基础快速建设,专家系统探索应用

曾经有人说,如果说金融是“互联网+”的最后一个阵地,那么医疗永远不可能互联网化。这么绝对的说法来自“任何形式的线上服务都无法取代线下医疗核心服务”这样的共识。互联网化发展基本是从医疗周边服务努力向核心切入,仍然做的是资源和渠道的生意。先不说其他限制条件,医疗互联网化、智能化的发展需基于信息化的基础。中国虽然已从信息化基础建设快速追上,比如已经建成统一信息编码体系,其中ICD10使用占比83.6%是最高的,影像传输的文件标准只有60%,后面的ICD9占50%以下,但数据打通仍只实现了3%。

在这样的基础条件下,人工智能+医疗的发展主要体现在精准医疗、医疗机器人、智能诊断和个人智能健康管理四个方面。

精准医疗的基础层基因测序已基本完成,但是上游基本是外资垄断,前三大企业占据全球97%的份额,中游测序服务商需要向上采购设备、耗材,从下游医疗机构、科研机构导入样本,服务同质化严重,只能靠跑马圈地去扩大规模。下游主要服务集中在生育健康服务、新药研发和复杂疾病检测领域。

现代医学则越来越依赖于数据的采集和判断,借助大数据来减少误诊率。智能诊断一方面是同类案例精准快速调研辅助诊断以及各种影像检测结果的识别;另一方面将病人的图像结果翻译成诊断信息,预期速度是人类的30倍,准确率高达99%。

另外,据 BCG波士顿咨询测算,截至2016 年1月,全球医疗机器人行业每年营收达到74.7 亿美元,预计未来5年年复合增长率能稳定在15.4%,至2020年,全球医疗机器人规模有望达到114亿美金(约为全球服务机器人市场的6%)。其中,手术机器人占60%左右市场份额。全球外科手术芬达机器人有3266台,内地有29台。

医疗+人工智能应用呈现信息化数据化发展与局部智能应用同时推进的特点,医疗+人工智能的突破不仅是减少误诊率(提升效率),更是医疗服务模式的深度变革和突破。

在2016年9月的安博会上,所有企业展示的安防系统已普遍应用人脸识别技术,从前端的识别设备到后台系统,从智能摄像头到与安检设备结合。而教育领域已有创业企业在探讨应用大数据和人工智能算法实现个性化教育。虽然实现还需要一定周期,各传统领域+人工智能的探索却已普遍推进,尤其是已实现信息化的企业。

创新应用+人工智能:交互方式的变革

2016年投向人工智能创新应用领域的投资人预期人工智能可以改变人们的交互方式,从而带来新的商业机会。主要代表为虚拟现实和BOT(Chatbot),这两个领域也是2016年人工智能最吸睛的领域。相对来说BOT技术更成熟,虚拟现实仍需嫁接发展。

虚拟现实:热点中的热点,技术不足制约发展

2016年VR/AR几乎可以说火遍大街小巷,相比2015年仅是VR设备销量就有500%的增长率。根据友盟+U-App应用统计数据显示,截至2016年Q2,VR类应用季度活跃用户总体规模已达到587万。由于体验感仍处于较低水平,VR类APP平均次周留存为22.7%。

目前,VR行业整体发展仍处于早期阶段。硬件规格价格从几元到万元差距较大,90%的用户购买的是200元以下的产品,普遍以猎奇的心态参与体验。内容制作成本较高,对于录制设备和录制平台要求都极高,需要制作以第一人称看360度无死角完整覆盖的全范围影像,单价5万美金以上的全景摄像机或多台Gopro同步才能完成拍摄。另外,视频的精细制作及对画面剪辑和拼接的技术要求也很高。2016年,VR内容制作相对匮乏,根据IDC&京东发布报告显示,55%为游戏内容制作,40%为影视内容制作,主要分布在泛娱乐领域,绝大多数VR设备应用以视频内容聚合为主。

由于内容的不足,伪全景的视频内容+低分辨率的设备+已有数据传输效率不足+数据库不充分,让用户产生眩晕等不适应感。猎奇的心里和生理的不适造成客户的粘性非常低,尽管如此,VR线下体验店却快速增长。根据慧辰资讯2016年12月网络抓取数据,目前全国有2200家左右线下体验店,尽管盈利模式不清晰,行业人士仍预计明年将有100%的增长率。

2016年春天还火了一款名为Pokemon Go的LBS增强现实游戏,尽管只能在手机屏上实现增强现实,还较为初级,但增加了用户与现实环境和游戏内容的互动体验,短期内人气暴涨,不少玩家跨区下载,甚至引发游戏服务器数次崩溃。

无论现实如何,虚拟现实带来的用户交互模式变化的尝试仍是很有价值的。

BOT:持续性的积累,落地服务已获收益

BOT最早出现在手机系统、社交服务和聊天软件里,比如微软 Cortana、苹果 Siri 和 Google Now,另外还被应用到虚拟客服里,而后者2015年仅在国内就带来数千万级的销售收入。BOT核心解决机器和人的交互问题,尤其是深度的语义交互,基于自然语言处理和语义理解等技术,结合领域知识库的构建,实现机器在领域的认知和交互能力。

这些BOT的特点是服务领域单一,但其领域的知识库(过往服务经验和固定话术设计)积累比较完整,对于人工智能的要求是快速检索和准确表达。2016年主要应用领域包括资讯获取、售后服务、销售服务以及虚拟偶像/影视人物,应用行业覆盖科技领域(如谷歌的Allo)、新闻资讯领域(如华尔街日报的聊天机器人)、旅游领域(如亚洲航空的票务机器人)、金融科技领域(如招行的小i机器人)、保险领域(如安泰保险的机器人Ann)、快消领域(如丝芙兰的Kiki聊天机器人)、交通领域(如优步的叫车机器人)和娱乐业(如疯狂动物城的兔警官)。

未来BOT的发展方向由易到难分别是多领域扩展、跨屏跨硬件同步服务和提升知识的专业属性,用于更为专业的虚拟服务,如医疗诊断等。

创新应用+人工智能相较于传统领域,重点不仅是提升效率,更多是提升用户体验,丰富服务内容和形式,满足互联网和移动互联网发展下,用户对科技的依赖和增强需求。


人工智能+行业应用发展的五大关键要素

2016年世界前二经济体均在人工智能领域有所动作。2016年12月国务院印发《“十三五”国家战略性新兴产业发展规划》(简称《规划》),对“十三五”期间我国战略性新兴产业发展目标、重点任务、政策措施等作出全面部署安排。《规划》指出,发展人工智能,培育人工智能产业生态,促进人工智能在经济社会重点领域推广应用,打造国际领先的技术体系。2016年10月奥巴马政府发布《国家人工智能研究与发展策略规划》,为国家资助的AI研究和发展划定策略。包括长期投资策略、建立标准和技术评估基准、为人工智能发展提供规定了一个高水平框架,该框架可用于确定人工智能所需要的科学和技术并追踪研发投入的进度并最大化投入的影响。政策驱动、人才储备、企业投入、科研支持这些都是人工智能发展的必要条件。

总结2016年人工智能+行业应用状况,现阶段发展的关键要素为:

1.科研成果到商业应用的转化落地

人工智能算法已发展60年,主要前沿研究成果均在各科研机构,部分科技巨头企业拥有领域顶级科学家。新兴技术的研发和应用需由有学术背景的机构进行技术可行性论证、技术应用设计和商业应用转化。或者科研机构派生企业,如科大讯飞,或者企业需设置相应的职能岗位,如谷歌的Hilton、百度的吴恩达。成熟的商业应用则实现落地成果的商业过程。

2.核心算法的模块化

目前市场现状说自己是人工智能的企业很多,说得清人工智能算法的不多。人工智能+行业应用对于算法和计算资源都有较高的要求,从社会整体资源利用最大化的角度,核心算法模块化更利于商业应用拓展和整体效率提升。

3.基于多点连接的标准统一

连接是将应用场景与数据,数据与智能控制/表现的关键。无论是万物互联,还是局域网内连接,实现都需要在统一标准下。以智能硬件为例,互联网巨头和传统家电企业都在建立互联互通的标准,每家都表示愿意接受其他家连接进来(品牌连接或者云连接),但结果各自有各自的领地,各有千万级左右的连接量,互相不连通。

4.数据整合应用

多数据库的融通不只是意愿度的问题,还需要大量的基础性工作,包括多ID融合、多数据入口对于同一描述统一以及整合后数据的持续采集和维护。数据是人工智能发展的基础,对于整合后数据应用的框架设计、算法和数据结果应用监测都需要从宏观政策和标准制定的角度予以明确。

5.应用场景和交互方式的拓展

非刚需与智能应用发展的矛盾是人工智能+行业应用的主要制约因素。不仅需要让新兴技术与传统领域更紧密结合,实现传统+智能的升级,或者创造具有刚需条件的应用场景,让智能真正融入到社会生活的日常场景。

模拟智能向延展和拓展智能发展还有不知何时能实现的距离,而人工智能+行业应用却可基于算法现状进行拓展。相信企业信息化、大数据、云服务、人工智能等将会交互发展,共同推进效率提升、成本降低和社会生活服务升级。

(作者单位:慧辰资讯 TMT互联网研究部)

[政府部门] 工业和信息化部 | 国务院新闻办公室 | 科学技术部 | 商务部 | 文化和旅游部 | 公安部 | 民政部 | 国家广播电视总局 | [更多]

[相关机构] 中国科学院 | 中国工程院 | 中国科学技术协会 | 政务和公益机构域名注册管理中心 | 中国互联网络信息中心 | 工业和信息化部信息中心 |             国家计算机网络应急技术处理协调中心 | 12321举报中心 |

[国际组织] ITU | ICANN | ISOC | IETF | APNIC | IEEE | CERT | IGF | SPAMHAUS |