手机网站
手机网站
关于AI，首先能想到的是什么？
神经网络，机器学习，TensorFlow，Python，大数据，边缘计算。 说到人工智能专业的相关名词，还可以举出更长的名单。 在生活中说到人工智能，既有考虑阿尔法犬的人，也有考虑脸部识别、声音识别等的人。
这些东西实际上不是水平的概念。 这是最初的网络发展时，网络看起来像行业，大家都做了同样的事情，但是十几年的大浪冲刷了沙子之后，发现像AI和网络一样，在不同的路线上做了不同的事情。
最近，“创式纪”人工智能应用创新大会正在召开。 上周日，在第四种模式的在线沙龙，第四种模式的云业务社长王敏向非开发者集团详细阐述了如何利用AI解决现实业务问题。
我们希望整理和分享这个演讲内容，让更多的人能理解AI，也希望实际利用AI来解决我们面临的问题。 以下是演讲的精华
新技术爆发的领域有两个不同的方向:改变生产关系的块链，提高生产效率的AI技术。 在AI的业界，很多人提到能力，关于如何与传统业界结合，我们想在AI发掘生产力的爆发点。
AI究竟如何解决现实业务问题，提高工作效率？
▎重新理解人工智能的公式
关于AI，我们找到了能帮助我们理解AI应用的万能公式。
在这个公式中，我们最重要的是提出预测的目标。 y是我们想预测的目标，x是影响我们预测目标的变量，f是我们的AI模型。 我们在这个现实世界中，要想找到与AI相关的机会，首先需要找到可以进行优化和预测的好问题。
第一步是最难的。 查找此场景中的x (大量数据)和y (预测目标)的方法。 目前，通过技术手段，AI技术能够解决算法模型的问题，我们只能找到世界上最优化的问题。 AI成为了新的生产力，在革新的过程中，像开始了电力革命一样，所有的行业和环节都能解决问题。
下一个问题是如何找到更现实的世界问题并将其AI化。
▎AI如何预测新生儿体重
关于这个公式的使用方法，还有一个很棒的案例。 这个病例是去年一位医生对机器的学习一窍不通，以前带着手术刀的妇产科医生。 我们和他交流了足够多，介绍了这个方程式和方法论。 我们预测的是y，发现的数据是x，f是算法模型，然后大家都可以预测了。
他立刻考虑新生儿体重预测，这是妇产科领域的具体应用场合。 妇产科医生在上学的时候，学了公式，特别粗糙，从孕妇的腹围拉下腿等来估计新生儿的体重，在临床上是没有任何意义的。
我们给予医生一种全新的自动化AI技术解决方案，预测新生儿体重的目标是y，所有产妇产检收集的数据是x，最后预测新生儿体重的误差约为200克，具有非常好的效果。 她很快就在国内顶尖的医疗杂志上发表论文，在他们的医院预测这件事。
如果不懂AI的专业术语和方法，就不能做到这一点吗？不过，这一切的理解都与我们每个人所做的业务有关，只要大家能够为自己的业务理解定义更好的预测目标，我们的AI就能取得更好的效果。
▎无需理解算法
我们现在有错误。 我们讨论AI的应用和技术，像考试一样问你用什么算法？ 我们之前没有使用算法，算法并不重要，它们通过技术问题来解决。 最先进的技术公司可以帮助自动解决这个问题，但最重要的是在现实世界中收集你的问题和真实数据。
f (算法)之所以不重要，是因为今天AI会自动制作AI。
我们正走向AI发展的第三阶段: AI平方的阶段。 那就是用AI制作AI，使AI自动化。 其实，在每个人都可以使用AI的阶段，用户只要找到问题并定义，就可以收集足够的数据，即使不知道算法也可以解决。 如果理解了AI生产率的方法论，AI技术可以帮助所有人。
这是AI生产力爆炸的真正原因，是中小企业利用AI加速AI的原因。
▎AI自动化的时代到来了
AI自动化是MIT2018年全球十项突破性的技术，该技术为AutoML。
该领域的主要研究者有谷歌、亚马逊和第四种范式。 AutoML技术最终解决的是我们如何产生f的过程。 当我们找到业务时，我们希望明确预测的是y (目标)，有相关的x (数据)，一般来说，在AI技术公司真正运行算法的人是做什么的？ 不断扩展你拥有的x (数据)，第二个是使用这些数据制作模型的非常复杂的形式，这个形式是可以预测的。
AutoML，具有自动化机器学习的技术，可以自动完成特征扩展阶段、模型生成阶段。 我们应该做的事情是收集数据，加入数据。 所以不要以为AI离我们很远。 其实离我们很近。
当今，在AI生产力爆发的过程中，AI需要解决的现实问题及其相关数据最为匮乏。
科技公司最想提供的是最先进的技术，这项技术是世界领先和先进的技术。 但是，我们业界没有业界的企业家，业界的老手一定知道。 现在我们需要大家帮助的是这个行业的问题，这个行业的数据在哪里，如何改造数据，我们的两个部分很快就能找到新的创新点。
因此，AI作为新生产力爆发的机会是找到能否找到现实世界的新领域和新问题、各行各业是否深入了解、利用技术加速解决问题的场面。
关于AI的应用机会，海银资本创始伙伴王熙都有着经典的论述。 他说，与其担心人工智能如何被替代，不如研究什么样的工作被替代，找到实际可能的替代方案，这是更大的机会。
所以AI能否取代人类不是我们的危机，而是利用AI的机会。
风险和机会，永远不会区别对方。 有一次，机会来自于对产业的洞察，在能够发现行业痛点的时候，从风险背后的深刻理解中，能够重新理解事物的本质。
第四范式公司的设想是AI For everyone，这其实符合我们今天对AI的理解，未来没有公司的不是技术公司，没有公司的不是AI公司。 算法不是这个时代最稀缺的能力，我们的现实世界，永远缺乏良好的想法和解决问题的想法。
我们之所以合作推进“创式纪”人工智能应用创新竞赛，是因为我们不仅想体验每个人都可以利用的人工智能，而且想帮助想要运用技术提高自己，解决问题的创新者们。
学会在现实世界中找到问题( y )，学会找到最大维度的数据( x )，并将其传递给AI(F )，这不是新的范式革命。 未来的最佳预测是将数据传递给AI。
