国内首届中文人机对话技术评测赛果出炉,两项任务冠军团队都分享了哪些技术

国内首届中文人机对话技术评测赛果出炉,两项任务冠军团队都分享了哪些技术细节?|SMP 2017 AI科技评论按 :近年来,人机对话技术受到了学术界和产业界的广泛关注。学术上,人机

垂直行业AI怎么应用?AI的未来在哪? | 36Kr报道

 

654654.jpg

 

对于AI、对于技术会是一个怎样的未来。

 

 

2018年11月27日-28日,第六届WISE大会——“WISE 2018新经济之王”如期而至。在WISE大会上,停简单CEO柳文超分享了他对停车行业长期存在的痛点、解决方案、以及未来市场潜力的思考。他认为,在大数据、云计算和政策利好的影响下,停车行业会迎来一次颠覆性的升级改造,而这背后蕴藏着巨大的市场空间。他预测,互联网停车的活跃用户将在约3年内达到亿级水平。

垂直行业的AI应用有哪些难点?未来AI的窗口期有多久?AI的未来究竟会怎样?对于这些问题,触景无限联合创始人兼CEO肖洪波、深思考人工智能首席机器学习科学家王泳、麦飞科技联合创始人CEO宫华泽分享了他们的看法。

垂直行业AI怎么样应用其中?

垂直行业AI怎么样应用其中?垂直场景又有哪些难点?

  • 宫华泽认为,数据的价值对于整个农业耕种来说,垂直场景面临两点问题。第一点是数据采集的困难性;第二点是采集数据之后,面对的原数据与商业数据结合的切入点问题。

  • 王泳博士认为,在垂直的医疗和汽车场景下,多模态深度语义理解与人机交互技术可以应对不同的细分场景,满足行业的不同需求,提高效率。

  • 肖洪波认为,在安防领域,在传感器最前端去做智能的处理,可以降低网络压力,也可以用最原始的数据进行处理分析。

宫华泽:麦飞科技是一家聚焦视觉光谱技术的智慧农业大数据服务商。目前我们正在打造一套符合中国农业的精准科学种植管理体系,实现对农作物生理状态的智能感知。基于这个核心技术,为所有种植者提供全套的种植管理服务。

随着整个服务输出的不断积累、技术升级和市场推广,我们根据不同土地的种植规律和种植者需求,结合农田位置、边界、土质信息、稻种品类、播种方式等因素打造的农业大数据平台也在不断地精细化升级。

目前为止,公司主要核心技术是包括从前端收集,数据分析,整理到信息输出的一套全流程解决方案,整体的对外商业模式是以全程农业技术输出业务为主。现在中国农业实际上是比较缺乏数据化基础的,依然靠经验传承,看天吃饭的方式来进行耕种。而我们走出国门,放眼看世界,例如美国、日本、还有自然条件比较恶劣的以色列,会发现他们是依靠采集和沉淀数据,再逐渐反哺整个种植过程,完成农业现代化基础的。

数据的价值对于整个农业耕种来说,垂直场景面临两点问题。第一点是数据采集的困难性,这里涉及到一些IoT的东西,也涉及到数据的采集方式。第二点,当我们采集数据之后,将面对一个高信息维度的原数据,我们应该是以哪一个切入点去实现与商业数据结合?这一点就涉及到人工智能AI的算法,我们现在主要实现方式是利用一千多个通道的光谱探测器来抓取农作物不同阶段的高信息维度数据,也就是说我们实现抓取了太阳光的反射能量。后期我们会从一千多个原始的数据通道当中拆解出与植物生长最为相关的生理参数,也就是说我最懂得农作物需要什么,根据输出结果我们会量化出一个数据文件,将它提供给下游很多的服务智能平台,进而完成整套的植物保护过程。

王泳:深思考人工智能的核心技术是多模态深度语义理解与人机交互,主要的产品是iDeepWise.AI 4.0,目前落地于智慧医疗大健康和智能汽车。

首先,在智慧医疗大健康场景下我们做了两件事情,第一个是iDeepWise.AI 4.0在宫颈癌辅助筛查方面的场景落地,大家知道,宫颈癌是女性最高发的恶性肿瘤之一,每一位适龄女性都应该定期进行宫颈癌筛查,但与此同时,病理医师新生力量呈现“断崖式”短缺,国内医疗资源分布不平衡,相关医疗筛查产品准确率低等问题的出现,远远无法满足中国女性的医疗需求。在传统的检查中,需要病理医生将玻片放到显微镜下进行人眼判读,在阅片数量多,阅片压力大的情况下就容易导致误诊、漏诊的发生。我们所做的,就是通过“多模态深度语义理解”技术进行“排阴”,辅助病理医生阅片,病理医生只需要进行复核操作,从而提高宫颈癌筛查效率、降低病理医生筛查工作量及工作强度,快速达到降低误诊、漏诊。目前已经覆盖70%第三方检验机构市场,同时与30多家三甲医院建立合作。而另一件事情呢,则是我们“多模态深度语义理解与人机交互”技术在健康管理方面的落地,将我们的iDeepWise.AI 4.0产品接入手机、智能音箱、电饭煲等产品中,为消费者提供饮食建议、营养咨询、膳食制作等健康管理服务,这一方式也可以迁移到妇婴领域、慢性病、肿瘤等领域实现诊前诊后健康咨询,目前已与九阳等一系列上市公司进行合作。

在智能汽车的场景下,我们的“多模态深度语义理解与人机交互”技术也是做了两件事情,第一件呢是在汽车智慧营销方面的落地,解决了传统汽车营销存在的留客难、客户体验差等问题,为客户带来全新的购车体验,同时iDeepWise.AI 4.0还可以为销售顾问、4S店长以及主机厂商决策层提供辅助决策的大数据分析,在提升访客体验的同时,持续改善销售体验,车辆生产制造提供良性循环的反馈。另一件事情则是针对于车内人机交互的场景,通过我们的“多模态深度语义理解与人机交互”技术实现车内外场景的理解,从而更加主动、更加智能地发现、满足人们的需求,极大地提高车内人机交互体验。通俗来讲便是车外模组对当前车辆所处的场景进行理解,提高驾驶的安全和舒适性,同时车内外模组的互相协作,车内模组通过多轮跨域上下文理解、场景理解与提醒等“多模态深度语义理解与人机交互”技术将交互模式调整为适应当前场景的状态,为用户提供最大化的“懂你”的交互体验升级。目前已与国内外多家汽车制造厂商和主机厂商进行合作。

肖洪波:安防是人工智能目前落地最多的行业,也可以说人工智能深度学习最早进入安防。因为这领域运用到很多摄像头,有大量的图像,这些非结构化的数据,在很多场景里面需要对它进行结构化,结构化之后在这基础上再进行处理。但是之前大家所有的工作都是基于云端的处理比较多,就是说前端数据采集的部分和数据处理的部分是分离开的,这当然和我们最早的整个安防系统的架构有关系,就是说我们采集之后很多东西是要放到后端做存储,整个的传输压力其实非常大。比如说某省会城市,他们有七万只摄像头都是高清图像汇聚到数据中心来,几乎是不可能完成任务,所以有大量的数据丢失,包括分辨率的变化,我们触景做的工作是在传感器最前端去做智能的处理,这样一方面降低了它的网络压力,另一方面可以用最原始的数据来进行处理分析。在落地过程中,触景做了很多安防、司法以及学校项目。在司法领域,我们发现客户与一两年前比有一个比较大的差别,他们现在会非常主动地要去运用人工智能的技术解决实际过程中碰到的问题,比如触景在做的点名系统,客户一个小时要点四次名,因为他们是有强制要求的,这时候就需要非常简单易用的方式和它现有的系统进行无缝集成,不需要再去重新做部署,所以触景就花了半年的时间和他们一起磨合实现了一套非常理想的系统。

未来AI的窗口期究竟有多久?

现在有一个普遍的认知是,开源的技术效果都已经优化的不错,技术的代码也已经开放出来,市面上有几个声音是说未来AI的窗口期只有6到18个月,对于这个市场,肖洪波、泳先生、宫华泽分别谈了他们的看法。

肖洪波:这个时间点我认为可能不太合适。首先时间窗口肯定是有的。因为技术从实验室算法到落地成产品,然后做成解决方案它需要一个实验周期;其次和客户的接受度有关系。也就是说这时间窗口和我们解决用户的需求时间点有关系,而不是说它只是一个技术的发展。比如,今年上半年触景做了一个面向广大开发者的平台——角蜂鸟,现在有很多开发者利用我们这平台在做前端的智能分析。这就是我们在和开发者交流过程中发现他们其实有非常多的需求,目前看来,市场上还有大量的需求并没有被人工智能解决,我相信这时间窗口会比刚才说的要长一些。

王泳:AI技术的发展日新月异,AI落地场景的挖掘也层出不穷,目前人工智能技术还是属于弱人工智能的技术,AI发展的窗口还在不断扩大中,其内涵也在不断深化中,作为落地场景还有很多可以挖掘和探索的地方,所以现在谈窗口期还是为时过早,应当说还有很多机会。

宫华泽:我比较同意两位的观点。其实从商业的角度上来看人工智能是存在窗口期,但从技术的角度上窗口期是很模糊的概念。 从垂直行业来说,更多会接触到传统模式加上开源技术的结合,逐渐往AI阶层上发展。我认为两种模式之间其实是一个必然的发展过程。前期,用一些数据采集的方式,一些信息化的方式实现了某一些环节当中的自动化数据的沉淀,但是随着数据沉淀不断积累的过程,不仅会产生一些更新的价值,并且反哺到很多的环节,而这些环节当中会存在新的算法和模式,能够替代人为思考的过程,更能沉淀出一些规律。这中间没有特别严格的界限,但是商业发展的角度大家都在讲风口或者说所有的头部的抢占机会,但是从整个人工智能商业化的发展趋势来说,我们更加关注技术驱动和未来数据的价值。

“AI+场景”比较好还是传统服务商做技术升级比较好?

对于AI落地,市面上一般有两个方向,一个是AI的团队去落地各个行业。另外一个是每一个行业传统的服务商。目前大部分的AI公司的新零售更多是无人购物、自动识别,但是更多是应用在一个替代人力的过程。这也导致了赛道比较窄,但是客户的接受度非常高。面对这种情况,又延伸出了AI+场景比较好还是传统服务商做技术升级的两个问题。

肖洪波:两种都是挺好的切入方式,可能在不同的业务场景里不一样,就是看这场景本身的技术门槛是不是特别高,很多技术门槛比较高的行业,它基于传统的客户本身优势其实比较容易去做升级。最初的时候,有一个算法的红利期,没有采用深度学习的算法公司会比普通的差,但现在红利期基本上已经消除了,所以在场景落地的时候,客户也不像最初的时候那么追捧了——只要是人工智能的产品就采购。现在更关注的是能不能真正帮他解决问题,例如成本、精度等,而非你是人工智能公司或者以前是传统行业的企业标签。一旦要去实际场景里面,解决问题是王道,无论你以前是做场景还是算法的公司,能帮客户解决问题这是最重要的。

王泳:其实我觉得这两点并不矛盾,实际上就是说这一项技术不管是产生一种新的商业模式或者说对传统的模式进行改造,只要是它确实能够带来实实在在大家看得到优势或者说一种便利,我想不管哪一种模式大家都能接受,最怕是一种雾里看花、空中楼阁的。貌似一些高大上,但是实际上并不能落地,并不能真正为企业带来有益的改进,我想这可能也是企业不接受的。

宫华泽:这也是一个没有答案的问题。我简单谈一下我的理解,实际上从传统行业应用判断去驱动技术发展,这一点可以更好的理解客户需求,真正知道痛点是什么,不会受到整个技术背景的束缚。从技术的角度上反过来谈整个行业,它其实面临的困惑和束缚会比较多,因为我本身是搞技术出身,比如说我们最核心的是探测技术,我们会想探测技术究竟在哪一个行业中发挥的效率是最多的,但是任何一个行业应用来说它可能需要的技术不仅是一个,所以我们只能说在这行业当中,我们的技术对它的成本节省、效率提升、价值创造,哪个是第一个阶段最有效的,所以我们整个团队内部一直强调,我们是技术背景驱动的公司,但更应忘掉自己是技术人员,我们要更多的走到客户的群体当中,真正去了解行业中真正的痛点在哪里。这是我的一个理解。

未来AI会不会产品化?

在具体的落地实施层面,现在AI也好都躲避不了个性化,尤其是在AI场景中更多都是一单一单在做定制,未来究竟有没有可能会产品化,如果有的话,这个时间在什么时候?

肖洪波:在过去的一年时间,触景做了很多项目。因为我们本身是做产品的公司,希望在前端实现更多智能的产品,但过程当中我们发现面临的挑战非常多,不仅仅是算法,还有量产、硬件设计、现场支持的问题等。而这些问题的解决,其实都是通过在项目过程中积累下来的,所以这个环节对我们这些企业来讲是不可避免的,就和当年的IT产品一样,如数据库或者ERP,最早的时候也都是通过产品的形态面世,但是通过一个一个项目的积累,可重用的东西越来越多,毛利率也就越来越高,这是一个过程,我相信会有新的模式出现,而现在是处在比较早期的阶段。

王泳:像我们做iDeepWise.AI 4.0 产品的时候,我们也确实碰到各种各样的问题,比如说我们刚才提到的医疗和汽车场景,其中有着不同的细分场景。作为一家技术型公司,我们比较关注的就是这一种技术的可复用性,因此我们提出多模态深度语义理解,其可以同时理解文本、语音、图像等背后的语义,虽然我们面对客户各自不同的需求,不同领域,不同业务背景。但是我们支撑业务场景落地背后的技术是可以复用的。过去做产品害怕客户提出个性化,现在做人工智能的产品我们并不害怕客户提出个性化的东西,因为我们的“多模态深度语义理解与人机交互技术”,便可以快速满足客户的个性化需求,这反倒成为一种优势。

我们的“多模态深度语义理解与人机交互”技术,是可以进行多个场景的复用的。虽然不同场景的数据来源不太一样,但是我们后面的算法机制,包括应答,尤其是人机对话里面多轮对话,它们的机制是一致,针对不同的场景我们可以设置一些不同的语料。

宫华泽:我认为任何一家科技公司可能都会经历一段用做项目的方式来迭代自己技术的阶段。麦飞主体商业模式当中项目占比并不高,因为我们还有业务板块。业务板块实际上是在农村市场和生产环节当中向不同的种植团体提供技术服务,而且提供技术服务的整个团队中有一部分比例是自营团队,一部分加盟团队。我们的技术与产品,是在这样的业务逻辑当中不断的迭代与更新的。

我们为什么会形成这样逻辑呢?实际上是决定了我们的场景和前两位的场景不一样。因为我们客户群体有B端的客户,也有农业种植者。这类群体的性格特点实际上粘性极强并且复用率很高,所以我们模式主要是在技术层面上通过做项目和自营的服务体系来不断来迭代技术和产品,整个业务板块的目标非常明确、精准。希望在发展过程中,我们前期是通过技术来驱动整个公司的发展,后期是靠我们的数据来反哺与指引整个行业。

AI的未来在哪?

目前有一种说法是资本寒冬来了,也有一种说法是现在是技术的最好时期,那么在2019年,对于AI、对于技术会是一个怎样的未来。

肖洪波:十年之后我相信人工智能可能改变很多的行业。从今年我们的感受来讲,客户对于AI的要求是越来越实际了,所以明年应该还是这趋势,大家都希望通过人工智能的技术真正去解决一些实际的问题,包括降低成本、减少人力等。触景明年仍将深耕目前做的几大行业,致力于给客户更有价值的前端产品与方案,谢谢。

王泳:应该说资本还是有的,不能说资本寒冬来了,这社会就没钱了,资本还是有,只是大家更谨慎,大家也更明智。AI企业要实现商业化落地,同时也要建立自己的行业壁垒。比如说我们深思考已经具备造血能力,通过“多模态深度语义理解技与人机交互”技术,在智慧医疗大健康和智能汽车两个领域今年已经实现数千万元的营收,另一方面我们在业务应用领域内建立了自己的技术壁垒、数据壁垒、市场壁垒。

2019年会是一个转折,在社会上有两类创业公司会有很大的发展,一类就是它的产品大家认可度比较高,落地比较成熟的这一类公司会发展比较好。另一类就是技术特别超前,明显具有技术优势的公司。这样的公司在2019年也不会存在所谓的资本寒冬。但是一般的公司就是所谓的技术不是特别明显,或者说落地场景不是很好,那他们的日子在2019年不会过的非常好。幸运的是深思考人工智能二者兼备。

宫华泽:麦飞的业务是跟着整个农业种植周期走的,所以 2019年我们的计划已经全面布置完成了。资本寒冬,我从两个层面来谈一下,一是从商业模式角度,我觉得并没有资本寒冬,可能在资本方看来AI风口炒的这么长时间,更多的想看到AI技术在整个不同的应用场景下,究竟有多么大的变现能力?这不仅仅是靠你的技术去渲染,然后按照PPT来告诉他。他更希望看到实打实的数据,所以就变的更加谨慎。如果有真实的落地场景和真正的商业模式能够实现技术价值,那我觉得不存在这种说法。

另外一个,我认为未来在AI的发展上,我们跟百度之间结合会让我们对AI更加偏向于底层上的深度理解。其实我们的本身技术背景是搞遥感的,我们对数据源的把控会更加精准,我认为未来AI技术应用的走向不仅在于算法本身,更应该立足于垂直领域的根本需求,从数据源引入、算法加工、信息流输出等方面打造全过程解决方案,形成核心壁垒,达到对行业应用的技术渗透与效率升级;同时应当一手抓现实,一手抓未来,快速迭代技术与解决方案,真正达到趋于“人工”的“智能”。

面向终端用户提供基于深思考人工智能“大脑”的多元化智能产品,使用户生活服务更便利。

机器人载体除了通常被接受的人形机器人,其实也包括厨房、家居、卫浴等设备,通过深思考人工智能应用,使得家居类产品更加智能化,不仅仅是单体智能,还可以是多设备互联,对主人的需求能够有针对性的提前做出响应。

面向行业用户提供深思考人工智能“大脑”芯片产品及技术支持服务,使实体机器人或机械设备等半智能或非智能产品具备人工智能,提高品牌价值和消费者满意度,实现工业机器人即插即用智能化。

深思考人工智能,有温情的人工智能