AI正在疯狂寻找Know-How( 四 )_行业AI、产业AI、产业互联网

在我们了解到的很多实际AI产业融合案例中，会发现往往产业专家发现的问题，都不在AI以及数据智能技术的常规视野中。一个好问题的发现，往往预示着一个新产业空间的打开。

归根结底，缺乏专业知识以及专业人才，正在成为限制AI落地产业市场的无形之墙。这个稀缺既不是技术问题也不是市场问题，但却实际制约着AI的脚步。

Know-How如何工作

理想情况下，机器学习等技术进入某家工厂、某个企业时，需要一名合格的Know-How或者Know-How公司来提供一下帮助。从而确保通用的AI技术与差异化的企业需求实现对接。

1、寻找和控制AI工作中的行业差异化。机器学习的工作模式是提取抽象化特征并反向输送给机器，从而实现智能。但是到底提取什么特征，提取过程中有哪些问题，工作中又有哪些不合理性，这些都是AI开发者难以预料的。比如说著名的AI提升良品率问题，到底什么是良品，每个产业的定义都是不同的。这个定义，就是Know-How需要提供的差异化节点。

2、关键训练数据。AI离不开数据，然而通用数据虽然多，方向却相对单薄，往往缺乏产业化的实际潜力。而不公开的行业价值数据在哪里呢？这也是Know-How型人才和公司的价值所在。