人工智能商业应用成功的六大必要条件

人工智能商业应用成功的六大必要条件

本文会整合分享下国内外很多专家分析总结出了人工智能商业成功的六大必要条件。本文来源于杨强教授、华先胜、陈雨强等专家分享的内容，仅做少量的整合，是整合转载。

各位专家的具体参考文章如下：

1)《香港科技大学教授杨强：人工智能成功的几个必要条件》

2)《第四范式联合创始人陈雨强：机器学习在工业应用中的新思考》

3) 人工智能商业应用成功要具备五大条件

 

他们各自都分享了5大必要条件，绝大部分是相同的。其中杨强教授、华先胜分享的观点中多出商业模式；华先胜分享的观点中从各角度强调了用户的重要性。

我整理为以下六大必要条件，并在各个必要条件中适量整合了多方的诠释：

1.  商业模式（强大的商业目标）

要有清晰的商业目标，避免产品、服务沦为技术展示。

如果没有好的商业模式便不可能长久。你做一个低频产品没有多少人用，或者不能给更多的用户带来适量价值，或者不能带来远超出投入成本的价值，其实是很难长久的。

2.  边界清晰。要有清晰的问题定义以及领域边界

问题需要定义得非常清晰。比如 AlphaGo 做的是围棋，围棋是在 19×19 的棋盘上，黑白两方轮流下子的问题，有吃有打劫。如果变成一个开放的问题，变成 20×20 的棋盘，变成黑白灰三方下棋，或者把打劫规则变一下，都会导致人工智能的失败。

3.  大数据

AlphaGo 的成功，关键的一点是 KGS棋社的流行，KGS 上有数十万盘高手对战的棋谱，没有这些数据 AlphaGo 绝对不可能这么短的时间内打败人类。

4.  外部反馈（用户）

算法要不断的有外部输入，知道我们在什么样的情况、算法做出什么样的行为下，外部给出的反馈是什么，这样才能促进提高，比方说需要 AlphaGo不断地进行对弈，并且告诉它对弈的输赢。

你做的这个东西应该有用户和应用场景（有影响用户的承载产品形态），用户本身既是数据的消费者，同时也是数据的提供者。用户可以通过产品不停给与反馈，即告知当前方式是赢还是输，同时也提供更多向赢的方向改善的潜在信息）

5.  计算资源（计算平台）

近些年算法虽然有很大的进步，但计算资源（要有强大的计算能力和一整套体系架构）也是产生智能的关键。最近业界在分布式计算上的成功，让我们相对于几十年前有了飞跃的基础。举个非常有趣的例子，Google 在描述 AlphaGo 不同版本的时候，为了简洁明了，直接使用计算能力来分类，而不是使用算法来分类。简版的 AlphaGo 被称作「单机训练的 AlphaGo」，复杂、更高智能的 AlphaGo 称为「多机、并行训练的 AlphaGo」，从这里也可以看出，计算资源起着至关重要的作用。

6.  懂人工智能的跨界人才，擅长应用和算法

需要擅长领域业务、擅长工业应用的人工智能专家，这样的人才能很好将商业业务问题很好定义为人工智能问题，再成功应用到实际产品场景中，并在应用中持续优化。

此外，增强学习、深度学习最近重新被提出，需要很多顶尖的科学家大量的工作，才能让这些算法真正的推行，除了围棋、视觉、语音之外，还有非常多的领域等待被探索

 

总结

这些要素总结起来只有三点：一方面是技术，计算资源和大数据方面的支持；一方面是业务，边界要清晰，业务有反馈，业务要明确商业模式（足够的价值）；另一方面是人，包括顶尖的数据专家、擅长应用的人工智能专家，包括应用到场景需要和人（用户）打交道。所以如果一个 AI要成功的话总结起来三点，要关注技术、要关注业务、要关注人。