行业动态

Industry Dynamic
News 行业新闻

2017AI大数据行业的十道坎

日期: 2018-01-08
浏览次数:

2017AI大数据行业的十道坎

来源:中关村在线

时间:2018-01-02

作者:贾凯强


2017年,人工智能技术带动了大数据行业的发展,一片繁荣的景象之下,却隐藏着以下几个隐忧。

2017AI大数据行业的十道坎

人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼:

1、人工智无IQ标准

人工智能领域发展最好的一个领域是无人驾驶,而究其原因不外乎其拥有了从L0到L5的全球通用标准。但是在其他领域,人工智能细分领域过多,标准化相对缺乏,语音识别做到什么境界算成功,图像识别怎样算最好无法定性,人类都有IQ值来评估是否聪明,可AI却没有。行业无标准让市场、厂商和用户都只能摸黑前行。

2、人工智能延伸边缘

人工智能的应用在过去是由中心计算支持的,但是由于应用需求的边缘化扩张,物联网将会是人工智能的下一个发展重地,而边缘计算在智能化领域开始成为主角。

3、AI嵌入超算和云计算

人工智能技术不仅在贴近用户层面的边缘化扩展,也在向更深层次的计算需求扩展。云计算和超算技术的发展正在带领人工智能进入一个前所未有的领域。作为人工智能三大因素之一,计算力的发展让人工智能能涉足的事情变多起来。

4、人工智能得风不得势

人工智能的限制因素在于行业应用依然没有发展,目前的主要应用在搜索、智能语音助手和智能家居等边边角角的小规模运用中,根本没有发挥出自身优势。而无人驾驶至少还需要3年的准备时间,行业规则也尚未定性,总体来看,人工智能只是炒作的噱头还没有利润转化的能力。

5、人工智能就业有误

人工智能与人类就业的冲突已经被提上了日程。不少人担心人工智能的发展会造成人类的大规模失业,而且还有以霍金为首的大批业内人士担心人工智能的发展会让人类毁灭。这些担心尽管不无道理,可是人工智能也会造成另外的就业岗位岗,例如,人工智能设备共享的运营、维修。

6、大数据风口己过

大数据从起风到现在显然风头已经被人工智能盖过,换言之大数据被鼓吹的年代已经过去,甚至曾经鼓吹大数据,必须要设立企业的首席数据官的公司,说了5年之后也对此不了了之。大数据的成效比实在差强人意也是让人们看到了大数据难做的原因之一。

7、数据保鲜难

大数据进入非互联网行业时,面临的主要难题在数据采集。数据采集不全面则可能分析结果无价值,而全方位的采集又可能使得采集成本过高。同时,任何行业的大数据都面临数据保鲜周期短,数据易过期的难题。

8、数据养黑市

大数据行业发展导致数据价值日益提升,因此黑客的主要攻击目标也就被集中到了数据之上。企业不仅需要为采集到的数据及时的进行分类、处理、存储和分析,也需要为数据的安全负责。在网络环境日益复杂的情况中,黑市里的数据正在越来越多,保护数据的成本也在增加。

9、数据量爆发管理不同步

大数据在经历了一轮轮爆发之后,企业在处理数据时所面对的海量数据需要进行数据筛选和数据清洗,但是数据清洗过程正在让数据管理变得复杂化,非结构化数据包含的意义正在增多,数据清洗可能去掉有用的信息只留下想看到的不完整信息,这种数据管理方式会导致最终处理结果的偏差。

10、大数据商业化孤岛形成

每一家企业都有自己的数据,而这些数据在进行商业化应用时,出于对个人隐私和竞争关系等因素考虑,并不会相互沟通,数据缺乏流通性和及时更新直接的结果就是导致不同企业的数据互不相同,孤岛化数据成型,这种孤岛化数据缺乏全面性,从而让多数企业只能在自身偏颇的分析结果里获取答案,远谈不上真正的大数据。


相关新闻 / 推荐新闻 More
2018 - 01 - 19
日期:2018年1月18日来源: 亿欧网作者:杰瑞·卡普兰最近,人工智能(AI)研究不断取得新突破,几乎每周都有新型的应用出现,从智能化网络攻击检测到如何帮助顾客挑选合适时装等,将给人们的生活、工作和娱乐方式带来深刻影响。然而,仍有公众对人工智能存在认识上的误解,需要予以澄清。特别是政策制定者们在人工智能技术革新的推动、管理等方面将发挥重要作用,更应避免一些误解。第一、对人工智能认识的误区随着人工智能技术的不断发展,人类制造的机器正在变得越来越智能,它不断掌握新技能,能力越来越强大。因此很多人担心,在不久的将来,人工智能很有可能威胁到人类的“统治”地位。持这种观点的人认为,如果人工智能聪明到可以开车、识别图片、打败世界围棋冠军、确定癌症病变以及完成语言翻译,那它不久就有能力完成人类所能做的任何事情。其实,这种观点存在误区。他们将最近人工智能领域的创新进展,理解为AI已经取得能够复...
2018 - 01 - 12
日期:2018年1月11日来源:机械之心近日,Medium上一篇题为《AI in 2018 for developers》的文章,针对机器学习应用于业界的机器学习开发人员,根据2017年的人工智能领域的最新和最重大进展,对2018年的进展做了展望。大家好,又见面了!在上一篇文章中,我谈到了自己关于研究领域的看法,即哪些研究领域正在成熟且能在今年发展壮大。继续从事研究当然很棒,但是,必定还有一些人工智能领域在 2017 年已经成熟、现已准备投入大规模应用了。这就是本文的主题——我想分享的是那些已经发展得足够好的技术。它们已能应用于你当下的工作中,甚至你能借此创业。重要提示:这是一份涵盖人工智能领域、算法和技术的清单,且它们都能立即投入使用。例如,你可以在文中看到时间序列分析,因为深度学习正在迅速取代信号处理领域之前的先进技术。但是,文中并没有提到强化学习(虽然它听起来更酷),因为在我看来它目...
2018 - 01 - 08
2018年AI领域趋势:公司趋向小型化,区块链、智能制造成关键词来源:亿欧网作者:张璐时间: 2018年1月3日新技术的真正价值实现不在于替代,而是整合到现有行业和技术解决方案中,从而提高整体的生产效率。语音交互是未来,也会是未来信息的入口。万物互联之后,不管是智能家居,还是车联网,和人的交互首先第一个是基于自然语言处理技术的语音交互技术,而语音交互技术现在发展非常快速,过去几年在硅谷已经由基础的语义理解,发展到可以做到语境理解和背景判断。图片和图像信息过剩是工业和医疗影像行业的问题,而计算机视觉技术是目前最好的解决方案。从最基础的安防,再到后面的用户的识别,再到个性化的推送,都是商业应用的趋势。第二个迎来技术井喷的是机器人领域。有了在机器学习,自然语言处理和计算机视觉领域的长足进步,作为上述技术和硬件传感器的整合,机器人的应用前景就不仅仅是前景,而是现实。低成本传感器的普及是机器人应用可...
2017 - 12 - 29
2017年人工智能大事件和关键词盘点来源:数据观综合 时间:2017-12-26时光飞逝,转眼间2017年即将结束,2017年可谓是人工智能大爆发的一年,“人工智能”这一大关键词毫无疑问是2017年的“头牌明星”,无疑是最受关注的热点之一。在这一年中,人工智能领域爆发了很多件大事,在这即将迎来2018年的新起点,一起来回顾和盘点一下2017年人工智能重点大事件和人工智能领域重要关键词吧! { 01 }AlphaGo再胜人类5月,AlphaGoMaster与人类世界实时排名第一的棋手柯洁对决,最终连胜三盘。然而短短40天的时间后,新一代AlphaGo Zero,并以100:0的成绩完败前代版本。  { 02 }腾讯宣布正式进军AI6月,腾讯宣布正式向外开放在计算机视觉、智能语音识别、自然语言处理等领域的人工智能技术,正式进军AI。  { 03 }李彦宏...
关闭窗口】【打印