AI技术很火，但是AI普遍起来的难度在哪里？

当前，人工智能在行业中的应用场景主要分为三类，即智能感知、智能交互和智能决策。在这三种场景中，人工智能要真正落地，就必须降低计算能力成本，提高算法和框架的性能。只有这样，人工智能才不会因为成本太高而失去商业价值，从而实现商业化和规模化。

近十年来，人工智能(AI)在5G、大数据、云计算等新人工智能(AI)加速了发展。但是，人工智能技术难以落地的问题也随之而来。近日，《深圳经济特区人工智能产业推广条例(草案)》首次公布并提出审议，探索建立适合人工智能产业发展的产品准入制度，支持低风险人工智能产品和服务。它也是全国人工智能领域地方法规。

人工智能产品落地难不是个案。怎样使AI产品顺利落地，打通创新最后一公里，已经成为人工智能应用阶段亟待解决的问题。

落地首先要有好的数据。

人工智能不仅可以提高劳动效率，还可以解放劳动力，但是在各个行业的实际应用中进展稍微缓慢，为什么？

人工智能落地是一个知易行难的过程。数据是制约人工智能成功落地的主要因素。因为人工智能依赖于数据训练的基本算法。获取有意义的高质量数据对人工智能落地的成功至关重要。如果缺乏统一、标准化、高质量的数据，人工智能应用可能是无米之炊、无源之水。远望智库人工智能事业部部长、图灵机器人首席战略官谭明洲在接受科技日报记者采访时表示。

有专家指出，数据有罪-自由缓慢。自由是指当你通过一些服务器收集数据时，你会发现很多数据有问题，根本无法使用。比如英国调查机构发现，80%的人出生在1911年11月11日。这是因为有些调查人员不愿意回答一些隐私问题。当他们需要输入出生日期时，他们想输入00，但系统不允许输入00，所以每个人都输入11，所以80%的生日是随意填写的。分散是指数据分散到处。慢是指数据更新速度慢。

再比如在制造业，这个行业产生了大量的数据，数据质量和数据管理非常重要。谭明洲指出，制造业的数据可能有偏差、过时甚至错误。尤其是在生产车间这种繁重的制造环境下，在极端恶劣的操作条件下收集的数据。

另外，数据的风险和合规因素也不容忽视。人工智能使企业习惯于大量依靠机器来帮助做出决策。在这个过程中，会带来隐私保护、人工智能可信度、伦理和社会问题，这些都是人工智能落地过程中需要解决的问题。谭强调，规模化也是一个大问题。大多数企业的人工智能创新是点状的、实验性的、局部的，缺乏规模化、商业化和运营状态的布局。

降低成本是商业化的关键。

业内普遍认为，任何新技术要想在行业内实现大规模应用，都需要降低成本，增加效益，为企业寻找创新的机会。就目前的人工智能技术水平而言，人工智能技术往往只能在行业的某个环节和某个步骤中实现降低成本、提高效率和创新。只有在极少数情况下，人工智能技术才能完全取代人类。

目前，人工智能在行业中的应用场景主要分为三类，即智能感知、智能交互和智能决策。在这三种场景中，人工智能要真正落地，就需要降低计算能力成本，提高算法和框架的性能。只有这样，人工智能才不会因为成本太高而失去商业价值，从而实现商业化和规模化。

谭茗洲指出，应用场景、资源和基础设施、算法和模型、智能设备和数据构成了人工智能技术落地的五个要素。如何在落地场景中协调这五个要素，是人工智能技术落地行业的另一个关键点。在实现智能感知、智能决策、智能互动时，任何元素的变化往往都会导致其他元素的变化。比如算法模型变了，设备资源调度就要变了。结果真正落地实施时，算法专家、设备专家、资源专家、应用开发合作伙伴都需要在场。这最终导致人工智能落地成本太高，无法在工业应用中大规模铺开。

怎样才能使整个AI落地的成本迅速降低到具有商业价值的水平？需要让这些元素并行发展，不需要随时考虑所有元素。也就是说，算法专家不需要关心应用的情况，设备供应商也不需要关心算法问题，解耦这五个元素，让一个元素比其他元素更透明。从思路上看，这有点像PC操作系统，鼠标、键盘等所有设备标、键盘等所有设备之间的复杂性，使其能够相互解耦，专注于自己擅长的方向，从而降低各方面的成本。只有这样AI才能真正规模化，实现商业成功。

储备懂AI思维和语言的人。

什么样的应用才是真正的人工智能应用？未来要结合场景和用户体验重新设计，用人工智能本身的方式思考，才能产生真正的人工智能应用。云知声董事长兼CTO梁家恩认为，未来五年将出现真正的人工智能应用，人工智能的能力将发挥到极致。到时候，人工智能作为一种背后的技术已经普及，消费者会对它没有感知——因为技术应用的最高境界是技术变得无感。

AI专家丁磊在他的新作《AI思维》中强调，AI不仅仅是一种技术、工具，更是一种思维方式，它能帮助我们有效地分析大量的数据，并从中得出预测，甚至做出决策。因此，在AI落地过程中，储备真正了解AI思维、AI语言的人才显得尤为重要。

事实上，在大多数企业场景中，工程师和科学家都讲一套语言，而业务负责人讲另一套语言，没有很好的沟通渠道。这种状态进一步导致人工智能的落地困难。

经验丰富的人工智能专业人员难以聘请，这对所有行业的企业来说都是一个难题。实施AI项目通常需要建立由数据科学家、ML工程师、软件架构师、BI分析师和中小企业相关人员组成的跨学科团队。而在AI落地过程中，关键是要增加对企业老板或业务负责人的数量，甚至包括一些一线业务负责人对AI思维的提升和教育。如果这些人真正理解了AI数据思维的闭环逻辑，那么AI落地就会顺利得多。

建设高级人才队伍，开设人工智能专业的大学确实是冲锋军。现在，一些大学开始重视学生跨学科意识的培养，结合自己的特色专业，制定人工智能+的培养计划。

AI教育本质上并非知识层面的教育，而是思维能力、思维方式的教育。应从幼年起，帮助广大青少年树立AI意识，不断提高科学素养，激发他们对人工智能的兴趣和热爱。当前中小学开展的人工智能相关课程，偏重于基础编程教育，通过模块化操作，实现了一些智能功能，如让机器人踢足球、行走等，这有助于青少年培养机器学习思维，使中小学生对人工智能有初步的认识。

成都融和实业排队叫号系统厂家(www.iritqq.com)是一家集研发、生产、营销、服务于一体的高新技术企业.主营智能排队叫号系统、医院分诊系统、排队机、叫号机、评价器(好差评系统)、呼叫器、多媒体查询及信息发布配套系统等,公司产品已广泛应用于不动产登记、智慧医疗、智慧税务、智慧政务、智慧金融、智慧通讯、智慧服务大厅、智慧机关单位等服务窗口行业.咨询电话：028-87438905。