人工智能的冷思考

人工智能已经毋庸置疑的成为热门投资领域，但是，致力于人工智能在垂直行业的深度应用的从业者，我们需要一直保持冷静，避免被外部环境过多的干扰。

人工智能是多种前沿科学的综合性学科，其复杂度可见一斑，纵观人工智能的发展历程，也是经过了多年的积累而来，直到云计算、大数据得到大规模应用以后，普及速度才得以提升。如果我们把人工智能分为科研与工程应用两条路，那么，我们看到的更多是科研上的进展，实际应用的速度是落后于科研的。为什么呢？我认为是系统性与复杂度。

回忆我们的大学时代，我们也是为科研做了贡献的，不仅改进了很多算法，还能够输出科研论文，然并卵，我们都知道那纸上谈兵不能解决现实生活中的实际问题。

面对一个现实中的问题域，我们可以有大量的解法选择，如何从中选出最优解，这本身就是复杂的。以Amazon go的无人商店为案例，很多人说那里没有什么新技术，要么电子标签，要么计算机视觉，要么扫码或NFC。其实，当我们再往前思考一步的时候，就知道其难点了。比如电子标签，在一个封闭的系统内，电子标签是能够解决物体识别的方案之一。不过，如果将电子标签应用于实际的店面商品就不是一个好的解决办法。给市面上的流通商品增加电子标签，要么是在商店进货的时候由店家做，要么是在商品出厂的时候由厂家做。由店家做，增加了人工，且只能贴在商品外包装上，无法应对商品上架后消费者的撕、换、拆，在无人商店内会增加损耗。由商品厂家做当然更好，但是厂家要针对商家专门来做，在一定程度上也增加了生产成本，而且一般商家很难推动供应链上游做这件事情。再拿计算机视觉来说，单纯的图片中的物体识别现在的技术还很难达到可商用的准确率，更何况是视频中的物体识别。面对商店中数量众多的商品和各个方向的摄像头，如何通过实时计算来交叉验证消费者手中拿的商品是哪一种，其对计算效率、识别准确度等方面的要求已经极为复杂了。再推演一步，即便每一个单一技术都可行，当把这些技术综合到一起形成一个无人商店系统的时候，岂止是简单的加和关系？

我们再来思考一下关于人工智能应用效果的评价问题。

当对一个领域实际采用了人工智能技术以后，如何评价其效能才可证明人工智能的有效性呢？这方面仍然存在大量的研究空间。仍以Amazon go的无人商店为例，如何评价采用了这些人工智能技术带来了哪些结果？是成本的降低吗？看上去没有店员了，但也增加了大量的传感器、设备、技术的成本。看上去消费者效率提高了，但哪些是人工智能带来的直接结果？当需要采用人工智能为解决方案的场景时，该场景本身就已经是足够复杂的，在这样的前提下，很难简单的把应用后的结果归因于是人工智能的成功。

所以说，对于人工智能的工程化应用而言，不能因为概念的火热就冲昏头脑，认为人工智能可以短平快的解决一切。长远去看，人工智能仍然是很多问题的解决方案，但是，这个效果的评价和证明决不是一朝一夕，更不能因为无法简单的给予量化评价就武断的否定人工智能的作用。反之，关注应用人工智能在发挥作用过程中的趋势效果可能更有说服力。在当前人工智能应用的初期阶段，只要在技术方案上能把人工智能的应用讲得通，符合逻辑，还是可以大胆的尝试，边摸索边提升。当然，这需要时间，要做长期的准备。