智能+&产业行业

郑宇、沈抖领衔共话 AI 业界应用挑战 | IJCAI 2019

8 月 10 日至 16 日,IJCAI 2019 在中国澳门隆重召开。尽管作为一场学术会议,以综合性为长的 IJCAI 在会议中也有探讨 AI 工业应用的部分,其中就有一场由工业界带来的 Panel「AI Challenges in Industries」,圆桌会议邀请了索尼研发副总裁

8 月 10 日至 16 日,IJCAI 2019 在中国澳门隆重召开。尽管作为一场学术会议,以综合性为长的 IJCAI 在会议中也有探讨 AI 工业应用的部分,其中就有一场由工业界带来的 Panel「AI Challenges in Industries」,圆桌会议邀请了索尼研发副总裁藤田昌宏(Masahiro Fujita)、滴滴副总裁郄小虎、微软首席研究员 John Langford、百度副总裁沈抖来一同探索 AI 在工业应用中所面临的挑战,本次圆桌会议的主持人由京东副总裁郑宇担任。AI 开发者为大家带来这场 Panel 的现场报道。

 

技术与方法

郑宇:众所周知,AI 并非对于所有问题都有效,有时有用有时没用,那各位所在公司如何判断 AI 是否适用于解决某个问题呢?

沈抖:当然,我们任何一家公司都无法说 AI 可以解决所有问题。大家在很多会议上,都会听到 AI 能解决很多问题,然而现在 AI 还无法做到这种程度,原因有 3 个:

第一,当下的 AI 技术可能会存在很大的局限性,因而对于很多问题,AI 技术都无法很好地解决;

第二,我们可能无法将一些现实问题转述成 AI 问题;

第三,工业界可能没有足够的资源或者工程师去解决 AI 问题以及实施 AI 解决方案,尤其有时候的一些问题首先需要我们人类去解决,当我们自己找到解决方法的时候,我们才能利用好 AI 技术去解决这些问题。

John:我认为,这个问题具象化到某个具体的项目,某种程度上要看是否能够给 AI 提供指导解决问题的信息,有时可以是给数据做标注,有时可以让 AI 系统从有用的语料库中学习或通过强化学习从现实世界得到反馈。如果这些方法可行的话,你可以尝试让 AI 去解决某个问题。

郄小虎:针对工业界如何判断某项 AI 技术是否对解决某个问题有效,这里有三个可以考量的问题:第一个是是否有足够可用的大数据来训练模型;第二个是能够将问题转述成机器学习所能理解的语言,比如说如何将匹配司机和乘客的问题转化为某种图表或特征从而让 AI 可以用来进行匹配;第三个是我们需要意识到 AI 无法做到非常完美,一旦遇到它们此前未见过的场景,可能就会失效。

郑宇:现在有部分 AI 技术相对传统方法表现出大热的现状,比如深度学习,但实际上很多人仅仅停留在谈论的阶段,这种现状是机遇还是挑战?

藤田昌宏:从某种意义上讲,新模型的提出确实能够为 AI 的研究赋能。但在开发过程中,如何选择模型,选择使用怎样模型;都是值得我们仔细思考的问题。任何事情都有两面性,但良好的决策有助于产生更高质的产品。因此从公司的角度出发,我们需要带着质疑的眼光来看待这些问题。

郄小虎:总体来看,我更倾向于将这种现象视为 AI 界的挑战问题。我们确实也看到了深度学习在实际过程中表现出的潜能,这也是它热门的原因之一;但现实情况中,深度学习也存在很大的局限,很多问题目前是无法通过深度学习得到解决的,有时仅仅是环境的改变,深度学习可能就无法起到效果。所以如果仅从优势的角度看待深度学习,这将可能对今后的研究过程产生极大的阻碍。

沈抖:在我看来,这件事没有办法去用好坏来衡量;站在团队的角度,我们把它视为懒惰问题,即团队是否愿意去尝试新事物。在我们团队,我非常鼓励大家去了解不同的模型或方法,因为新的模型往往也意味着机遇。通过结合这些新模型与方法,我们或许能够碰撞出更多好的想法,从而得到更多实用的模型。

AI 落地

郑宇:现在公司的服务对象包括三个类别:用户(To C)、企业(To B)和政府(To G),那各位怎样看待这三种类型的模型在应用 AI 方面的区别?

沈抖:一般而言,在 To C 中,我们能够获得用户行为画像,因此,AI 的表现非常不错,能够解决大多数问题;但是 To B 和 To G,我们所面临的一个问题和另一个问题都是不同的,所以我们需要花很多时间去明确问题并追踪出现的问题,这比应用一个机器学习模型要难得多,因而 AI 在 To B 和 To G 的模型中应用的难度要比 To C 更大。

郄小虎:我认为三者之间的区别关键在于服务的对象群体不同,因而了解用户的需求对于选择正确的 AI 技术而言很重要。比如,用户可能更注重便利性和安全性。所以我认为三者最大的区别,在于理解三种类型的客户的不同需求。

郑宇:从你们自身角度出发,你们认为 AI 给我们的生活带来了怎样好的改变?

沈抖:尽管 AI 看似非常高大上的话题,但其实在日常生活中,我们能很容易发现它的影子。比如:用户会使用网络搜索时,往往会提出很多问题,而问题的检索与解答,其实就是我们与 AI 发生联系的时刻。在搜索方面,我们从以前的文字搜索到现在的图片搜索,整个过程 AI 起着很大的作用,并且可以肯定的是,今后还会有更多更先进的 AI 技术将用到搜索系统中。

John:从教育的角度来看,AI 技术的不断更新,一定程度上也推动了在线学习的发展。通过推广在线教育,我们能够实现知识的有效传播,而且大部分人都能够接收到来自世界各地更多元的知识,这是我所看到的 AI 带给我们的益处之一。

郄小虎:AI 的确正在慢慢渗透我们的生活,并且让我们更好去享受生活。AI 在滴滴中的应用,也能够更好的帮助乘客与司机建立有效的联系。其中,我认为 AI 让滴滴出行更加人性化,尤其对于高峰期间乘车问题,无论是订单的快速建立与取消,还是有效减少乘客等待时间的智能匹配方面;都给司机与乘客带来了极大的便利,这些大的改进都离不开 AI 技术的帮助。

聚焦 AI 国际

郑宇:本次的四位嘉宾来自全球 GDP 最高的是哪个国家——美国、中国和日本,那三个国家在 AI 领域所面临的挑战有何不同,各自的优势以及挑战都有哪些?

藤田昌宏:相比美国和中国,日本确实现在处于了落后的境地。而目前日本面临的比较大的挑战是,日本的很多公司在 AI 技术的产品落地方法,积极性不是很高。

郄小虎:美国、中国和日本的论文发表数量都是世界领先的。而中国的优势,第一是拥有非常大的市场,无论是数据还是应用,相比之下都具有很大的优势;第二是中国在机器学习领域拥有大量的人才储备,中国在各个 AI 会议上的论文发表数量都是领先的;第三是中国政府针对创新推出的支持政策对于 AI 领域的企业和初创企业的帮助巨大,这能够很好地推动中国 AI 的发展。

沈抖:关于这个问题,我最想强调的一点是,无论是学术界还是工业界在 AI 研究中,要更多地关注长远的利益,而非短期的结果。

John:在之前,美国的教育体系是开放的,吸引了来自世界范围的 AI 人才前往就学,也为美国的 AI 发展做出了贡献。然而现在美国的教育有了很多限制,将很多来自其他国家和地区的人才拒之门外,导致美国的人才储备受到影响,并且这种影响已经蔓延到了我的工作中。