人工智能的几次潮涨潮落,是每一个人工智能从业者最常用于开场的话题。
毕业于北大人工智能实验室的吴明辉,也没例外。
吴明辉之前是“秒针系统”的创始人,2014年,他再出发创办了明略数据,并在B轮获得了红杉资本中国基金的领投投资。明略是一个大数据分析计算的平台,也是企业级人工智能方案的供应商。
从专业研究到商业化方案,吴明辉如何看待人工智能当前遇到的问题?
吴明辉称,已有60年历史的“人工智能”,之所以起起落落,是因为技术始终面临一个难以逾越的障碍。
即机器算法再优化,都无法达到100%的准确率,无法达到人类的心理预期。
△ AI商业化核心
他表示,准确率是非常客观现实的问题,以无人车来举例,即便现在已经在深度学习下取得巨大突破,也无法保证所有场景、所有路况都达到100%的准确,这就与人的心理预期有落差——虽然人类开车也达不到100%安全,但人类心理上会更倾向于人类机器可以做到。
所以吴明辉认为,AI商业化的最大障碍在于“人”本身,AI商业化的核心,是如何让用户合理的接受机器的错误。
有无先例可循?
吴明辉认为“搜索”就是过去最成功的人工智能商业应用,并且之所以搜索能够成功,核心关键是人类使用时心理预期没有那么高,容忍度很高,更何况与搜索替代的图书馆一对比,搜索对于用户是超预期的。
于是归而言之,这位北大AI实验室的高材生认为,现阶段做好AI的商业化应用,一方面抓算法,另一方面抓用户预期,让二者尽可能趋于一致,甚至让算法超预期。
当然,吴明辉不止论道,也格物致知,用实践和产品论证观点。
首先是算法优化问题。他认为这是一个永无止境的挑战,但如果把算法面对的问题具体化、垂直化,就会让整个挑战变得简单,也更容易在具体问题中实现方案迭代。
其次是对话式人机交互,让应用门槛降到最低,实际使用者通过一个对话框就能解决面临的问题。
不过,这二者结合起来发挥作用,并不是简单且轻而易举,需要打下“知识图谱”为支撑的底层土壤,更直白讲,是体系化、规则化的大数据平台,能够让机器像人类一样理解世界,最终能打造一个“行业大脑”。
于是具体实践落地,明略一方面从公安、金融和工业业务场景等三个垂直化方向展开。这三个行业,之前在智能化方面进展有限,但又有智能化助理的刚需。
另一方面则通过3年时间,让明略的技术算法专家和垂直业务场景的业务专家一起,完成数据治理及业务规则的累计,建立起一套该垂直行业的知识图谱。
有更具体现实应用吗?吴明辉举了一个公安破案的例子:
一个刚入行的民警同志想要对一起打架事件进行研判。在明略打造的系统里,他只要以对话框的形式输入查找,就能完成调取案件情况、特征分析、围绕特征进行的关系分析,以及具体需求定义等,就会理出一份清晰明了的研判。
在现场,吴明辉演示操作用时2分钟,但他告诉现场观众,如果不借助这样的机器系统,可能需要一个资深公安干警用时2周才能达到相同的结果。
值得注意的是,当前明略的人机交互系统,类于聊天对话框,以文字输入为主。吴明辉解释称,并非不能语音输入,但在企业级应用的场景下,语音会形成办公室干扰,而自然语言交互,能够为每一个人都有一个属于自己的辅助工作的智能助理。
这样的“智能助理”,明略会首先在公安、金融和工业业务场景中落地。
当然,以上谈到的两大应用关键技术,也被吴明辉以产品形式对外发布。人机对话交互产品,定名“小明”;知识图谱产品,定名“蜂巢”。
对于吴明辉在AI商业化的思考、以及给出的解决方案,你怎么看?
— 完 —
加入社群
量子位AI社群7群开始招募啦,欢迎对AI感兴趣的同学,加小助手微信qbitbot2入群;
此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。
进群请加小助手微信号qbitbot2,并务必备注相应群的关键词~通过审核后我们将邀请进群。(专业群审核较严,敬请谅解)
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态