人工智能跑向“最后一公里”(2)

02 在长尾场景中，重识世界随着人工智能技术的迅速发展，现如今AI的应用已经突破了识别人自身的第一阶段，进入了第二阶段——即对人周边已知领域的探索，体验人能感知到的现实世界。在第二阶段，人工智能的使命，和第一阶段有所不同。从人脸识别，过渡到识别万物、实现万物互联；从标注图像中的单一要素，到识别物体组合和场景，甚至是物体与场景的关系。从数据化到结构化，乃至可交互化，是人工智能第二阶段的使命。只有将时间、地点、人物关系有机串联，才能真正令AI“理解”和学习人类世界的真实状态，以解决在第二阶段大量出现的长尾问题。所谓长尾问题，即AI应用中出现的差异化、碎片化和细节化的需求。现在的应用场景中，80%都是此类低频、长尾的需求。能否解决这些长尾需求，是AI大规模产业化落地的关键。以城市管理为例，城市是一个复杂的系统，要想让城市真正实现有序地运转、高效的治理，仅仅依靠人的力量是不够的，借助人工智能的力量，可以让治理更高效。如今，虽然“智慧城市”方案已在很多地区落地应用，但真的利用AI技术去解决细节问题，需要面临成千上万的治理元素，比如共享单车乱停乱放、消防通道被占、垃圾桶满溢、积水阻碍通行等。商汤试图挑战这个问题，并取得了新进展。2020年，他们与上海市进行合作，基于商汤SenseFoundry方舟城市级开放视觉平台，构建了多场景、一站式的解决方案。长宁区的AI+一网统管试点，“智慧巡屏”等功能，就是AI研判处置全闭环管理的案例。AI打通城市管理闭环后，有效地解决了城市暴露垃圾识别、共享单车乱停乱放的痛点，不仅能帮助城市管理者发现问题，还能在案件被处置后自动核查，甚至将管理模式转变为主动发现。商汤SenseFoundry方舟企业开放平台，还将AI应用于上海徐汇滨江水岸的生态管理中。上海徐汇滨江岸线长达11.4公里，沿线入驻近500家企业，有近20多万人员通勤，以及每天数以万计的游客。如此大面积、多人流、偶发事件频繁的环境，日常运维管理难度极高。但现在的水岸区域，是具有“城市生命体征”的智慧水岸——针对各种“突发事件”，均可构建从自动发现、预案触发、任务分派和复查的一体化管理体系。徐汇滨江智慧公共空间管理平台，来源：商汤官方公众号从区域内座椅、灯杆、井盖、绿植、草坪、建筑等16000+资产建档，到自动告警派发工单，甚至花花草草的养护需求，都能有条不紊一一照顾到，这种“能感知、主报告、有温度”的“智慧公共空间管理平台”，由SenseFoundry Enterprise商汤方舟企业开放平台的AI赋能而来。见微知著。一个个AI长尾问题背后映射出的，是AI发展趋势。根据Gartner发布的《2021年AI成熟度曲线》显示，AI发展主要面临4个趋势，具体包括：负责任的AI、小而广的数据方法、AI平台运营化、高效使用数据、模型和计算资源。也就是说，AI的发展最终要走向高效使用数据、模型和计算资源方向。成熟曲线显示，目前很大比例的AI创新，依旧在上升型的技术萌芽期，AI工具还无法达到最终用户需求所具备的能力。这其实意味着，大部分AI的应用依旧处在研发环节。2021年AI成熟度曲线，来源：Gartner（2021 年 9 月）当前AI还在以快速的步伐发展，“成熟度曲线”上大部分技术，有希望在2年至5年内得到业界采用。边缘AI、计算机视觉、决策智能和机器学习等在内的创新，都会在未来几年对市场产生革命性的影响。与真实世界的拟合度越高，越需要构建高复杂度的识别算法模块。对下游行业来说，这无疑是巨大的难题。即使需要AI技术，也很难再投入重资产开发。具有行业精深的专业知识、甚至掌握客户资源在手，但苦于缺乏开发能力和项目管理经验，而无法施展所长，这是诸多垂直类行业解决方案的中小企业的核心痛点之一。显然，他们需要能快速上手、能辅助项目尽快落地、提升项目研发效率的产品。Gartner 高级首席分析师Shubhangi Vashisth认为，平均而言，将基于 AI 的模型集成到业务工作流程中，并交付，需要大约8个月的时间。”因此，对下游企业来说，如果有了强大的深度学习通用模型和众多模型组件，并能与行业属性相结合，无疑是最为便捷、成本最优的AI解决方案。另外，某些低频次但高“赔率”的场景，如火灾、危化品泄漏防范等，也是非常核心的需求。如能解决这样的问题，便能带来巨大的商业价值。应对上述需求的深度学习模型，参数规模也相当可观。相应地，对算力这一基础设施的要求也越来越高——过去几年翻了100万倍，几乎是以平均每年十几倍的速度增长。商汤AI大装置就是这样的算法与算力模型“工厂”，能有针对性地解决行业痛点，即长尾问题。