將真實的世界以統計的方法抽象，自主學習和發現規律並應用，是目前的智能技術進展，具備足夠複雜結構和特徵變換能力的神經網絡，配合規模夠大的數據以及更加低成本的強大算力使之可行。
任何的突破都是從小場景開始的，在領域應用上這種智能已經在實驗室裡獲得證實，但到開放的現實世界中規模化應用面臨的最大挑戰是，對過去的統計無法全面應對不確定的未發生，目前的 AI 技術路線決定了開放性是其最大挑戰，那麼對於開放性問題的最好解決方案是開放性平臺。
無法預知的EDGE CASE隨時會帶來毀滅性的衝擊，高失敗寬容度的業務領域當然好，但最終更能解決問題的還是以開放的數據生態應對開放的問題，將錯誤的損失壓縮到最小。
算法、算力、數據、物聯網+雲，這裡面開放的數據生態可能就是競爭的關鍵了，基於這一判斷，我發起和推動過 AI 解決信用問題的開放生態，後來也推動過開放生態的自動駕駛業務模式，背後的道理是一樣的。
從商業的角度，我們關注競爭優勢和壁壘是如何建立的，並經常尋找一些可以正強化的業務效應，那麼從數據入手，可能就是思考AI 業務模式的關鍵。
分享到:
閱讀更多 智能實踐 的文章
