“相比于社交网络和电商系统 ， 传统行业应用场景的封闭生态系统使得云端算力无法得到有效应用 。 ”朱鹏飞举例说 ， 以智能无人系统巡检为例 ， 电力巡检、管道巡检、交通巡检、河道巡检以及光伏巡检等要求搭载在无人机和机器人上的算力满足实时巡检要求 ， 由于视频分析的模型复杂度较高 ， 端侧往往无法实现精准高效的实时推理 ， 轻量级网络在满足实时性的同时损失了识别精度 。 由于算法精度达不到使用要求 ， 使得在很多场景中无法实现AI技术的应用 。
传统行业应用AI面临三大挑战
吴恩达认为 ， 在AI应用方面 ， 消费互联网行业之外的其他行业都面临着三大挑战：数据集很小；定制化成本很高；从验证想法到部署生产的过程很长 。
对此 ， 朱鹏飞也深有感触 ， 他以传统制造业为例进行了分析 。
“传统制造企业在制造向智造转型的过程中 ， 数据是一个很突出的问题 。 ”朱鹏飞介绍 ， 首先在数据的获取方面存在一定难度 。 传统制造企业的数据是封闭的 ， 因为很多传统企业并不是新型信息化设备 ， 没有传感器收集实时数据 ， 也没有数据中心 ， 因此数据零散 ， 缺失严重 ， 很难获取像消费互联网企业里那种海量、高质量的数据 。
其次 ， 行业内部各个工厂的数据很多具有商业价值 ， 因此工厂都严格保密 ， 这导致数据不流通 ， 没有办法进行共享 ， 进而形成了数据孤岛效应 ， 影响了AI算法模型的优化 。
“我们在开发一个AI算法模型的时候 ， 因为数据的保密性 ， 往往得到的数据都是经过‘脱敏’的 ， 这也严重地影响了我们的判断 。 而传统行业的企业中 ， 又缺乏具有AI算法模型开发能力的技术人员 ， 因此双方在合作研发过程中也存在着很高的壁垒 。 ”朱鹏飞说 。
此外 ， 传统行业中的数据来源并不像消费互联网领域那样来自单一场景 ， 复杂的业务场景导致数据往往很“脏” ， 必须进行“清洗” ， 去掉大量无效信息 ， AI算法模型才能高效率的学习以提高精度 。 “这就像我们教小朋友知识 ， 只讲知识点 ， 小朋友们才能学得快 ， 如果在知识点中夹杂着大量无用的信息 ， 小朋友无从分辨 ， 学习效率肯定降低 。 ”朱鹏飞介绍 ， 而给数据标注“知识点”的工作是巨大而繁琐的 ， 需要企业有专人去做 ， 要花费很多时间精力 。
“传统制造业要想获得高质量的数据 ， 就必须对生产设备进行信息化、智能化的改造 。 ”朱鹏飞表示 ， 这种改造需要企业投入大量的时间和精力 ， 还会增加生产成本 ， 这也成为AI在传统制造业中应用的壁垒 。
高质量数据是应用前提
过去这10年 ， 大部分AI的研发和应用是“以软件为中心”驱动的 。 在海量数据的支撑下 ， 不断优化软件和算法 ， 来获得更高的算法精度 。 在传统行业无法提高数据质量和数量的情况下 ， 吴恩达认为 ， 传统行业应该采用“以数据为中心”的模式 ， 把重点放在获得质量更好、匹配度更高的数据上 。
推荐阅读
- |南安市交通运输局：履行行业监管职责，扎实推进公路工程中介服务专项整治
- 研究院|传统行业搭上数字化快车，施工现场变“智造工厂”
- 视点·观察|科技行业都在谈论“元宇宙”，可是它还不存在
- IT|全球汽车行业价值两年突增至3万亿美元 中国电动车企立大功
- 养殖|科创信达冠名！第二届智慧养殖高峰论坛帷幕：推动畜牧行业新升级
- 传统|联想预热 135W 充电器，新款拯救者笔记本有望支持 PD 3.1
- 陈明永|行业观察｜OPPO陈明永：对的路，不怕远
- 玩家|电竞手机行业标准升级 升级版引领行业健康有序发展
- 文化|【“用数赋智”系列宣讲】苏州工艺美术职业技术学院探索传统工艺的跨界创新
- 视觉|超高色准打破行业天花板，创维S82还原真实世界