前兩天，財務口的同事拉我參加一個會議做軟件報價合理性評估，會上這位同事對甲方很不滿意：“就做了幾張報表，又沒有用什麼人工智能啊，你也敢報這麼高的價！”
其實就報表抽數統計這個事還真用不上人工智能
我心想咱們一線財務人員夠時髦的。但另一方面，又覺得有些無力，媒體對人工智能的神化，一些企業將老技術包裝起來蹭人工智能熱度，導致大眾即覺得人工智能無所不能，又覺得只要沾上了人工智能的邊便立馬高大上了起來。
而我只想給大家還原一個不那麼“玄幻”的人工智能。本文也不是嚴肅的科學論文，只是實在看不下去創業圈隨隨便便一個PPT就標榜自己是人工智能領域領軍人物，恨不能立刻市值過億，又或者看到它們實際面對的困局，不吐不快。講述過程中可能會舉一些小例子，請勿對號入座。
人工智能包含機器人、語言識別、圖像識別、自然語言處理和專家系統等多個分支領域。我今天先從大眾最熟悉的圖像識別說起。
和圖像識別經常一起出現的詞語又有，神經網絡，機器學習。圖像識別起源於1950年，機器學習則於1986年被提出，神經網絡的概念則早在1943年就被提出。光從字面上我們就可以看出，這些都不是本世紀才被提出的突破性科技。但之所以在沉寂多年後，近幾年突然有了井噴式的應用出現，實際上是因為得益於：芯片的發展，計算機算力的提升以及傳感器的發展。
不管是老牌人工智能IBM旗下的watson，微軟研究院，還是國內新貴某湯，某視（有三家），某靈，某瞳，還是傳統BAT的人工智能研究院，我都或多或少接觸過。這些公司/機構的PPT介紹的前五頁必然會有我們人臉識別率已高達“99.99..%”這樣的數據，我們經常開玩笑說：
“國內做圖像識別不標到小數點後四位都拉不開和同行的距離。”而在這些公司的展示廳裡必有人臉識別來分辨年齡性別，必有識別車牌號，必有給你臉上加點表情和一對貓耳朵，必會和你玩一些類似石頭剪刀布的小遊戲，最後必會給你神秘兮兮的提及我們正在做國家安保方面的保密項目。
我說這些，並不是想說他們做的不夠好。相反，這項技術其實已趨近於成熟，他們真正的困境在於如何商業化 ：號稱國內人工智能商業化最好的某湯，看來看去也就是給不少視頻直播或是美顏軟件提供算法。號稱有著不錯政府關係的某幾家公司，講來講去的案例就是類似“天眼”那樣的國家項目。而在各大房地產公司，商業綜合體中每家都會有那麼一兩個“人工智能”的示範點，但對於他們來說，這也只是為了“趕時髦”的一個樣板工程。圖像識別這一單一技術，准入門檻相較於其他幾個領域來說較低，花費高昂缺無法支撐起一個複雜的商用場景並直接為商家獲利，所以一時間不少做圖像識別的公司陷入盛名在外卻接不到單的尷尬境地。
所以，他們該何去何從？是另闢蹊徑抑或紮根場景來到倒推技術，當然有，不過今天不寫了，下回分解吧。
閱讀更多 科創八卦圈 的文章
