為什么人工智能落不了地？四大深水區問題待解

人工智能+行業擁有極為廣闊的想象空間和市場前景，而這也是幾年前人工智能產業尚處于投資風口時，人工智能創業企業向各路投資人反復宣講的故事。

但幾年過去了，在很多傳統行業，如醫療、教育、物流、交通以及城市管理等等，人工智能的發展仍然處于小范圍試點階段，或者發揮著并不重要的作用，總體來說，有亮點，無驚喜。

這是為什么呢？主要可以歸為以下四點原因，或者說，以下四個問題，在某種程度上制約著人工智能在傳統行業中向更深層次進行滲透，阻礙著人工智能在傳統行業發揮顛覆性的作用。

問題一，業務數據的對接。

沒有數據，任何模型都沒有意義。一些傳統行業在找科技企業做人工智能系統建設時，首先面臨的問題就是是否愿意以及高效地向對方提供所需要的業務數據。如果人工智能科技企業拿不到足夠的業務數據，或者數據的批量化標準和對接效率存在問題，那么后續的工作也就無從談起了。

問題二，模型的可解讀性。

通常來說，基于神經網絡和大量業務數據訓練出來的模型像是一個黑盒子，人們并不知道“人工智能”的決策過程。但在許多傳統行業，業務人員要求所有的決策過程都應該是有明確決策邏輯和可解讀的，很難容忍灰度和不確定性。所以，要想人工智能真正在傳統行業中介入核心業務流程，就需要推動傳統行業業務人員與人工智能模型之間的互認。

問題三，信息系統的對接。

在很多傳統行業，都已經有了極為完備和復雜的信息化系統，如醫療、交通、城市管理等，而人工智能通常只是作為一個新增的業務系統，必須與原有的行業信息化系統配合才能正常工作。但很多行業信息化系統由于技術架構較為陳舊，承載不了與人工智能系統的對接與實時交互。而如果另外搭建一套新的完整的系統，一方面需要極大的投資，另一方面也需要所有業務人員重新學習新系統的使用，成本很高。而如果勉強與原有信息化系統進行對接，則可能讓人工智能系統的運行效率大打折扣。

問題四，運營模式的轉變。

雖然人工智能系統的最終效果一定會大于純人工，但在相當長的一段時間內，其仍然需要大量的人工配合。業務人員需要基于人機交互，去及時響應人工智能系統隨時可能出現的預警或發布的任務，這其實是徹底改變了傳統行業業務人員的工作流程。業務人員從使用系統的“主人”，變成了配合系統的“仆人”，工作主動權和自由度降低。這種運營模式改變，可能會讓傳統行業業務人員極不適應，嚴重時會引發抵制。

總而言之，如果以上問題不解決，即便傳統行業試點上線了一些人工智能系統后，也常常會感覺其并沒有達到預期價值，從而對繼續推進人工智能的全面落地產生了退縮。