AI前线(2020年10月)

AI前线(2020年10月)

发布于:2020-10-30 10:46
本期内容推荐:旷视研究院田忠博:中国缺少重量级的开源项目,国产开源 需要更加自信;一个IT时代的终结:109岁的IBM将分拆为两家公司
下载此书

卷首语

AI 平台最大的价值在于帮助企业提高效率

今年 6 月,IDC 发布的《中国人工智能软件及应用 (2019 下半年) 跟踪》报告显示,第四范式已连续 2 年蝉联中国机器学习平台市场份额 No.1,超过阿里、腾讯、百度、华为等厂商。


实际上,由于机器学习平台的门槛特别高,目前行业仍是大厂玩家居多。从细分类型的参与者来看,业内做机器学习平台工具的公司不在少数,但真正做机器学习平台,整体让客户实现成功智能转型的公司壁垒较高,相对较少。此外,业内做机器学习应用的公司也比较多。第四范式联合创始人、首席研究科学家陈雨强认为,整体来看,目前机器学习平台的需求比较旺盛,正在经历在各行各业”生根“的阶段。


作为一家创业公司的技术掌舵者,陈雨强表示,不同玩家之间存在竞争是正常的,关键在于一定要产生价值。


“如果一个 AI 平台没有真正落地并产生价值的话,比较是没有意义的”。陈雨强表示,与其他同类 AI 平台相比,第四范式的机器学习平台最具差异化的特质是,会站在如何让客户真正获得 AI 价值这一角度去设计和思考,从而定位和提升 AI 平台的价值。


“我们不是一家工具的公司,我们是一家帮助企业实现智能化转型,助力其业务提升的平台,我们希望帮助企业真正做出有用的场景,并帮助它将业务越做越大”。


落地应用能力被视为第四范式的另一“护城河”。


目前,第四范式的机器学习平台已在金融、零售、能源、政府、医疗、互联网等领域广泛落地,累计落地 12000 个场景,合作客户约约 8000 家。


金融是第四范式率先切入进去的领域。之所以选择这个方向,创始团队主要出于几个考虑,当时团队创业时人工智能还是一个比较贵的技术,如果要往互联网领域扩展的话,金融领域是首选领域,因为相对“有钱”,且数据信息化是金融业天然的需求,银行有需求和能力进行 AI 转型。此外,银行是最难服务的客户群体之一,而这对外部竞争者来说也意味着较高的入局门槛。就这样在金融领域站稳脚跟后,第四范式又逐渐扩展到零售、制造等行业。


当实际落地案例增加到一定规模时,所触达到的最大、最有价值的场景能够反哺整个研发流程,包括新技术的科研和产品研发,这是第四范式长期积累形成的一种独特模式。基于这种模式的 AI 平台产品更擅长直接解决客户的问题,这要比凭猜想可能遇到的问题再去解决效率要高得多。


陈雨强表示,在帮助企业进行数字化、智能化转型方面,第四范式的机器学习平台最大的一个价值在于帮助提高企业经营和决策的效率。企业会面临很多决策,最顶层为战略,中层为决策,底层是执行。中层的非战略级决策过去都是由人工来做的,现在都交给了机器来做,机器学习平台在营销、风控、需求预估等细分场景的决策上具有很大优势。


用上 AI 后,运营效率的提升也是显而易见的。在金融反欺诈方面,与一些竞品相比,第四范式的反欺诈在同样召回的情况下准确率提升 6~7 倍;在做金融产品营销时,很多银行的营销响应率一般能实现 6 倍的提升。在医疗领域做糖尿病患病率预估上,三年糖尿病预估准确率比临床金标准要提升两倍到三倍,与 ADA(美国标准)、芬兰标准和 CDS(中华医学会标准)三个主流的糖尿病风险评估标准对比中,糖尿病预测准确度有显著提升。


不过,现阶段,企业实现 AI 转型的过程中也面临很多挑战和痛点。


很多企业最大一个困惑是“花了钱却半天没见个影“,”大张旗鼓做了数据建设、AI 投入,模型是提升了,但为什么没看到收入增长”?这时候可能会有很多企业觉得,做和不做也无关痛痒,可能就不再继续往下推行 AI 了。


陈雨强表示,这个问题的原因是“1+N”导致的。“1+N”是第四范式提炼出的企业智能化转型的范式,其中“1”代表效果,把 1 个或几个对业务影响最大的场景做到极致;“N”代表规模,用最高的效率规模化落地尽可能多的应用场景,使场景的总体价值最大化。


在“1 ”的问题上,AI 平台有没有帮助企业带来核心的价值提升,一个工具是没办法帮助它提升的,必须是一个工具加一个方法论,才能做到真正的提升。“N”是效率上的事,如果一家企业做了半年才上线一个场景,但不同的部门有很多这样的场景,当场景堆叠在一起时,就不知道怎么做了,这种情况下必须有一个平台才能规模化地推进。


在“1+N”模式下,一家公司要采用人工智能,一定会从某个“点”开始,这个“点”要足够的影响力,一般是核心业务。在证明了 AI 在某个点产生价值后,”N“的规模化问题随之提上日程。


不同于互联网公司,很多传统企业的业务多且分散,不同业务所需的 AI 能力不同,因此对一家公司来说,只对 1-2 个业务线进行 AI 转型是不够的,人工智能要真正对企业产生影响力,一定要覆盖非常多的业务,才能称之为是“离不开”的影响。如果将人工智能将业务中剔除后,公司可能会面临倒闭,像这样的公司可以视为人工智能转型成功的公司。

目录

生态评论


2020 年 Java 语言发展现状


重磅访谈


旷视研究院田忠博:中国缺少重量级的开源项目,国产开源需要更加自信 |开源创新 30 人


落地实践


vivo AI 计算平台的 K8s 填坑指南


推荐阅读


京东在沉默中爆发


一个 IT 时代的终结:109 岁的 IBM 将分拆为两家公司


评论

发布
暂无评论