专治白癜风医院 https://jbk.39.net/yiyuanfengcai/yyjs_bjzkbdfyy/
1月3日，在“创变者”01年度腾讯Light论坛中，腾讯云副总裁、腾讯优图实验室总经理吴运声接受记者采访时表示，这几年AI技术的应用落地出现了一些新的变化：以往更多是解决普适性问题，如今则要解决细分行业所面临的具体问题。
据了解，随着AI行业不断发展，应用场景碎片化的趋势也越来越加明显。光大证券在一份研报中表示，不同的场景对AI算法拥有不同的需求，所以这就要求针对不同场景定制化开发算法。
吴运声认为，应对新的变化，需要AI企业成为“行业专家”。由于企业的资源有限，不可能在每个行业都投入大量资源，所以对“平台”的构建也是努力的方向之一。
AI落地出现新的命题
“可能过往几年，我们在AI落地的过程中，更多时候会解决一些普适性的问题，比如美颜、美妆等，这些相对来讲是比较普适的，我们不需要有特别深的行业理解。但随着AI不断地发展，我们发现它要去解决行业的问题，这个时候就会带来新的命题，需要对行业进行深入的理解。”吴运声表示。
吴运声说，比如在金融、工业、能源、教育等赛道上，要去解决这个行业的问题，就要成为这个行业的专家，这是近年来AI落地一个很明显的变化。
吴运声认为，AI深入行业之后，会面临一些非常具体的问题。以AI在工业质检中遇到的难题为例，工业零件的瑕疵是很小的，有时候关于某些瑕疵的认定甚至都没有“标准答案”，哪怕是同一行业，不同的人对于“不良品”的判定可能都不一致。“在这种情况下，就需要我们AI的人和行业人一起讨论为什么说这个是瑕疵，这个不是，需要去确定它的标准是什么”。
具体来说，AI深入行业会面临怎样的挑战？在今年11月召开的01腾讯数字生态大会上，上海富驰高科技股份有限公司（以下简称富驰高科）的自动化总监邓声志就分享过一个案例。
富驰高科是金属注射成型零件(MIM)行业制造商。此前，公司曾面临着质检难题：MIM产品因高反光特性而导致的产品缺陷，很容易与正常反光混淆，即使人眼也难以区分。
“传统的做法是靠人工拿着产品在放大镜下度旋转，比较复杂的产品需要1分钟的时间。但时间长了以后，人容易出现疲劳，人员流失率高，招工也难。”邓声志说。
为解决这一问题，富驰高科和腾讯优图实验室进行了合作。最终，经过三百多天的研发周期和两百多次超过半小时的技术讨论会议，双方成功合作解决了凹凸缺陷成像技术这一行业难题。
通过上述案例可以看到，想让AI技术在某一行业落地，就需要相应公司成为这一行业的专家，要投入大量的资源和精力。
平台搭建或成破局之路
但吴运声认为，每个企业的资源都是有限的，不可能在所有行业都投入大量的资源去做，所以平台化是一种方向。
以AI图像识别为例，吴运声称，用户的需求非常广阔，可能看到一只鸟想识别一下，有一个口罩也要识别一下，随便什么东西都可能有识别的需求。
“我们确实并没有那么多的人力把所有的东西都做了。所以，基于这样的命题，我们现在的解决方案是推出一个平台，我们希望推出这样的平台之后，有更多的用户、使用者可以自己在平台上准备和标注他的数据，然后进行训练，得到他的模型。”吴运声说。
据了解，1月3日启动的第二届腾讯Light公益创新挑战赛也是腾讯建设“AI平台”的尝试之一。
吴运声认为，平台化发展和专业化深耕已成为应对AI落地新变化的两条主要路径。而对优图实验室而言，平台化主要是在技术层面做拓展，“让技术能够支撑到更多领域”。
而想要实现专业化，AI企业需要“跳进”某条赛道，成为“行业专家”，在这个过程中，也会面临“样本不足”等一系列具体化的问题。
“我们以前做图像识别的话，有一个特点就是样本量非常大，可能有百万级、千万级甚至亿级的样本量帮助我们做训练。但是到了结构件，比如手机摄像头支架，这个支架下可能会有一些瑕疵，而瑕疵的零件很少，我用于训练的样本量就非常少，可能只有几十个，跟那几百万的训练差别非常大，这就需要我们去研究小样本学习。这些瑕疵人眼可能看不清楚，是非常小的瑕疵，这种对于我们的检测技术也提出了非常多的挑战。”吴运声说。
每日经济新闻
