【深度学习】深度学习是蓝海还是天坑？｜麦肯锡AI行业报告

AI的价值并不在模型自身，而在于公司怎样用好它们。

麦肯锡出品，一份深度学习领域的分析报告，包含400个应用案例，横跨19个行业的9种业务功能。报告重点强调了前沿AI技术的应用范围之广，以及经济潜力之盛，也提到了发展中的一些局限和挑战。

还有，需要注意的是，就算AI技术的前景再光明，使用数据之前都要把数据安全、隐私以及可能出现的偏见问题考虑周全。

报告共分四大章节，那我们开始吧。

AI技术与对应的任务类型

随着AI技术的发展，其定义也跟着发生变化——AI到底由哪些技术构成。这里，AI代指使用人工神经网络的深度学习技术。

具体来说，报告分析了三类神经网络的应用和价值——

· 前馈神经网络 (FFNN)

这是神经网络中最简单的一类。在FFNN的结构里，信息的流动是单向的、无环的，从输入层开始，延伸到隐藏层，最后到输出层。

第一个单神经元网络，是Frank Rosenblatt在1958年提出的。虽然，方法听来有些老旧，但计算能力、训练算法以及可用数据的演变，都让FFNN随着时间的推移变得更强大。

· 循环神经网络 (RNN)

神经元之间的连接是有环的，适合处理序列化输入。

2016年11月，牛津大学发表的研究成果中提到，有一种RNN读唇的准确率达到95%，远超人类的52%。

· 卷积神经网络 (CNN)

层与层之间的连接方式受到了动物视觉皮层结构的启发，那是动物大脑处理图像的地方，适合执行感知任务。

另外，本章节探讨了生成对抗网络 (GAN) 以及强化学习。不过，这两种技术并没有包含在AI的价值评估里面，因为，它们很年轻，还没有成为广泛应用的技术。

这一环节，也探讨了其他机器学习技术，以及传统数据分析方法。

应用案例分析

在19个行业、9种业务功能的400个案例中，可以看到的事情有很多——

深度神经网络在哪些领域能够产生最大的价值；与传统数据分析相比，神经网络能够带来多少营收增长；以及达到相应的目标，对数据的数量 (volume) 、速度 (velocity) 以及多样性 (variety) 有怎样的需求。

报告使用的案例库虽然庞大，但也并非应有尽有，依然可能夸大或低估AI在某些领域的潜力。

以下是一些应用栗子，可以一窥AI的力量。

· 预测性维护 (predictive maintenance)

机器学习拥有检测异常的能力。深度学习用来分析大量高维数据，可以把现有预防性维护系统的性能提升到一个新的高度。把许多传感器的数据层层叠起，神经网络能够增强或者取代许多传统方法。

AI可以预测故障，让干预计划有了用武之地，从而减少停机时间和运营成本，提高产量。

比如，AI可以通过整合飞机模型数据、维护历史记录、IoT传感器数据 (如用于故障检测的发动机数据) ，来延长货机的寿命。

· AI驱动的物流优化

AI可以通过实时预测和行为指导来降低物流成本。算法能够优化配送路径，从而提高能源利用效率，减少配送时间。

欧洲一间货运公司，利用传感器监测货车性能和驾驶员行为，司机会收到实时指导，何时加速或减速，优化油耗并减少维护开销。由此，燃料成本降低了15%。

· 客服管理和个性化服务

在呼叫中心，语音识别和来电分流，可以提升服务效率，并为用户提供更加流畅的体验。

比如，基于深度学习的音频分析系统，可以估计当前用户的情绪状态，并据此判断要不要切换到人工服务。

在销售和营销的其他方面，AI也有所作为。将用户个人信息和过往交易数据与社交媒体监测相结合，便可以生成个性化产品推送。

在案例库69%的应用案例中，深度神经网络都是用于替代传统分析方法，提升系统表现。有16%的案例，神经网络的任务是传统方法无法完成的专属任务，这些领域称为green field。余下15%的案例中，神经网络带来的性能提升非常有限，原因包括数据方面的局限性等等。

毕竟，深度学习对数据的需求，远远大于任何传统分析方法。而如果要完全激发AI的潜力，则需要多种多样的数据，包括图像、视频、音频等。

估计AI的潜在价值

据估计，报告探讨过的所有AI技术加在一起，可能在19个行业的9种职能中，产生每年3.5-5.8万亿美元的价值。这在所有 (包括传统和AI) 数据分析技术一年产生的价值中，约占40%。

报告中估计，在每个行业的2016年营业额中，AI的平均贡献约在1-9%。但在19个行业之间，AI贡献的营业额百分比差异较大，取决于具体应用案例、获取大量复杂数据的能力，以及规章制度等其他限制。

案例分析得到的结果是，AI能够产生最大价值的领域，既有顶线导向 (top-line-oriented) 的功能，比如营销和销售，也有底线导向 (bottom-line-oriented) 的功能，如供应链管理和生产制造。

在零售和高科技等消费行业，AI可能在营销和销售中拥有更大的潜力，因为商家与用户之间频繁的、数字化的互动会为AI技术提供庞大的数据集。电子商务平台将会尤其受益，点击数据与页面停留时间等用户信息都可以轻松获取，并用于生成实时动态的产品推送。

以下又是一些栗子。

· 在零售领域，定价和促销可以成为AI的天地。案例表示，使以用户数据来定制个性化促销活动，可以将实体零售商促销的增量销售额提升1-2%。

· 在消费品的供应链中，AI部署也能起到重要的作用。基于潜在因果驱动因素 (而非先前结果) 的预测，可以将预测准确度提升10-20%，从而带来2-3%的营业额增长。

· 在银行业，特别是零售业务中，AI依然可以在营销和销售中施展才能。另外，鉴于风险评估和管理的重要性，AI在这一方面的产生价值可能会更大。

挑战在哪里

AI正在吸引越来越多的企业投资，但到目前为止，拥有AI技术的公司里，只有约20%将自己的技术应用于核心业务或者大规模使用。

如今，AI技术的应用还面临着许多挑战——

· 标注训练数据

这在监督学习中必不可少。目前大多是手动标注，但新的技术正在涌现，比如强化学习和in-stream supervision，数据可以在自然使用过程中获得标注。

· 大量全面的数据获取

对许多行业案例来说，获取大量数据非常困难，比如用于预测治疗方案效果的临床数据。

· 解释输出结果

比如，疾病诊断过程中，AI可以利用患者信息来得出诊断结论，但无法解释这一结论是如何一步步取得的。

· 学习的普遍性

AI模型在将学习经验从一类情况向另外一类情况迁移时，经常遇到困难。这意味着，企业需要投入大量资金训练新模型，即便情况与之前的用例相似也很难避免。

这可能牵扯到一些社会性的问题。比如，训练数据无法代表一个更大的群体时，人脸识别模型便可能在无意之间产生偏见。

或许，AI是一个难以琢磨的商业案例，许多因素都会减缓深度学习的行业落地。

最后一个小节，便是从许多案例的研究中得出的，AI技术提供者、应用者，以及政策制定者可能需要的启发。详情请前往报告正文。

报告传送门 (PDF请至页内自寻) ：

https://www.mckinsey.com/global-themes/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning

---

人车合一终成现实？看AI人工智能如何影响汽车行业

中国汽车圈 

在说到这个问题前，我们需要先明确下AI的定义，AI作为一个在我们生活中出现频率较高的名词，它是人工智能的简称，其代表了一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括智能机器人、语言/图像识别、自然语言处理等诸多方面。

人工智能从诞生以来，它已经对我们的生活产生了潜移默化的影响，应用领域也不断扩大，可以设想，未来人工智能可以实现对人的意识、思维的信息过程的模拟。它并非人的智能，但能像人那样思考、甚至可能超过人的智能。那么就是这样一种人工智能，又会对汽车产业产生怎样的影响呢？

自动驾驶与人工智能

说起人工智能在汽车行业中的应用场景，首先想到的必然是自动驾驶。汽车要想实现自动驾驶，感知、决策与控制三大系统缺一不可。其中，首要解决的便是图像识别能力，而传感器的“智能”水平很大程度上决定了自动驾驶汽车在复杂路况上的可靠度，因此深度学习的应用便成为了关键所在。

在今后汽车的发展上，可以通过深度学习的能力提供主动式的人机界面，它的系统算法会在复杂的路况下独立找到驾驶模式和规则，并据此做出各种判断和选择，比如采用机器学习中监督式学习和深度强化学习的方法。最终随着不断地训练和进化，会逐渐表现出与人类驾驶行为越来越相近的表现。

每一年，汽车制造商和科技公司都在汽车上增添越来越多的AI功能，而有些企业目前正在快速推进这项技术的发展，例如无人驾驶公司Waymo。

在很多人看来，至少还需要数十年的时间，无人驾驶汽车才能真正成为我们生活中的一部分。但现在看来这一时间表完全有可能提前。在人工智能的帮助下，无人驾驶汽车已经能够进行主动学习，例如在安设了黄色闪光信号灯的复杂路口行驶。而借助虚拟仿真测试，计算机逐渐学会了在这样的路口慢慢转弯，并可迅速共享给其他自动驾驶车辆，让无人车能顺利应对更多类似的场景。

智能型城市建设

随着现代化城市建设的快速发展，智慧城市的建设与应用已经在多个城市兴起。但其除本身涉及技术工程量巨大、耗费多之外，而整个智慧城市的设计、建设和应用也很复杂，在这个时候，人工智能的重要性也就愈发重要。

智慧城市建设目前正处于数据整合、协同应用的融合阶段，还面临系统割据、信息孤岛严重、数据碎片化、人工智能和大数据应用程度低等挑战。从起步、发展到融合，智慧城市的建设未来将走向成熟阶段，通过自动化和智能化进行政府决策过程并提供信息服务。

智慧城市的建设离不开大数据和人工智能。“在其深度应用发展中，一个非常重要的内容就是要用好城市的大数据。比如采用人工智能技术为用户提供公共交通的实时位置和智能导航。这些技术将能大幅度改善公共交通状况，避免拥堵，并且减少废气排放。

除了智慧城市之外，智慧港口、智慧岛等项目也在有条不紊筹措之中，我们可以清晰的看到，在未来人工智能将更加占据我们的生活。

改变传统汽车的生产结构

人工智能除了对自动驾驶汽车产生重要影响外，其也能在一定程度上改变传统汽车的生产方式，这其中包括制造方式、库存管理方式等等，从而使得对生产车型的品质把控再上台阶。

据相关报道显示，基于人工智能的算法可以从感应器及其他数据源获取并且处理海量数据，并在最快时间侦测异常，预测生产设备是否磨损及磨损程度。

通过人工智能的介入方式能将设备的使用寿命增长20%，而让检修成本下降25%，从而为企业节省可观的成本支出。

除了生产流程方式的改善外，由于人工智能对瑕疵的发现能力比人类高90%，因此未来汽车的质量也会得到提高。

人工智能还可以用来预测市场的消费需求，对于量产化下的库存问题也可以得到很好解决，因此能够将积压库存量减少最多50%。在汽车生产和销售的过程中，无论精细化的管理、高质量的品控以及产销需求预测都能为主机厂剩下大量生产成本。

总结:

综上可知，从种种汽车行业发展的趋势之中我们可以看到，人工智能必将在未来汽车发展的轨迹中担任更多重要的校色。我们希望未来汽车在我们生活中担任更多重要的角色，真正做到“人车合一”或将指日可待。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

1. 重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

2. 重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

3. 重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

1. 精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

2. 智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

3. 高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

4. 不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

5. 边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

1. 创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

2. 对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

3. 人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

1. 超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

2. 迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新

   评估未来的知识和技能类型；

3. 制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开

   发过程中确定更加明晰的标准和最佳实践；

4. 重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临

   较高失业风险的人群；

5. 开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

---

产业智能官  AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信公众号： AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。

官方网站：AI-CPS.NET

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

---

---

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com

---

---