本文共字，预计阅读时间。

一、“人工智能”的冬天是否会再次来临

自1956年的达特茅斯会议以来，我们已经遭遇过两次“人工智能冬天（AIWinter)”了。

在这两个冬天里，媒体和公众对AI的关注降至冰点，政府和企业对Al研究的投入也大幅缩减甚至完全中断。

这两次“人工智能冬天”都曾给AI行业的发展造成过巨大的负面影响，而引起这两次寒冬的原因都涉及到实际发展的AI技术与人们的预期不相匹配以及过度宣传的问题。

那么，人工智能会不会再有一次寒冬呢？

作为普通吃瓜群众，似乎没有太多的发言权。

那么，我们就听听两位人工智能领域的“权威大牛”，图灵奖得主Geoffrey Hinton和“谷歌大脑”项目创始人吴恩达教授是怎么评价这件事情的：

AI大致分为ANI（狭义人工智能）与AGI（广义人工智能）。

会下棋的人工智能机器人目前应该还属于ANI。

美剧《西部世界》里那些让人恐惧的机器人才是AGI。

按照目前的技术发展速度，从ANI到AGI还需较长时间的发展。

二、目前阶段人工智能存在的问题

不可否认，人工智能在目前阶段，还是存在诸多问题，比如：

数据质量差、场景落地难，成本费用高，概念成分多……

这些“门槛”导致很多人对这个领域，一直持观望态度。

虽然从长远看，人工智能很有可能会在部分领域取代我们人类的碳基文明，但我们今天的人工智能其实还是非常弱的，属于“弱人工智能”。

尤其是在场景落地的工程实现上，人工智能领域的很多企业其实是在不停碰壁和过冬中“煎熬”着，等待春天的到来。

甚至，基于这种“煎熬”的经历，还可以总结出一个灵魂拷问的“人工智能另类三定律”：

灵魂拷问的第一定律：”人工智能真的“智能”吗？

不好意思，现在是弱智能时代，或许还是叫“人工智障”更妥当吧。

灵魂拷问的第二定律：人工智能是真正的“机器智能”吗？

不好意思，当前的人工智能，还是更多基于人工的“人工智能”。

灵魂拷问的第三定律：打造有价值的场景，需要投入多少资源呀？

不好意思，你投入多少人工，就有可能产生多少智能。

你说做，还是不做吧？

图：人工智能的另类三定律

当一部分有魄力的创新者，愿意首先尝试新技术，敢于迎接未知的挑战。在经过多方沟通，运作，招标，中标后，终于进入实际落地阶段了。

于是乎，诸多AI领域的教授、专家、学者、博士、大牛们，信心满满的进入每个人工智能价值实操落地领域的时候，结果，很多人都会尴尬的发现：

咦，怎么回事儿呀？

这跟实验室、教科书上，怎么不一样呀？

没道理呀？

实验室的模型很理想；

教科书上的理论，很先进；

但是，现实情况，却太不给面子。

于是，在实际场景落地、实际工程实现中，这些骄傲的科学家们，开始各种花样被虐：

数据被虐，计算能力被虐，上下游工程开发被虐，测试被虐，上线被虐……

然后人被虐……

然后，很多人，就没有然后了，留下了一地鸡毛飘呀飘……

三、高效开启人工智能项目并持续产生价值的五个步骤

2020年，很多企业，很多人，对人工智能类的项目，要不要做？如何做？其实是很纠结的。

国家已经明确提出加大“数字新基建”建设，明确支持人工智能类的项目。

大势所趋之下，如果不做，意味着可能一步落后，步步落后。

如果启动人工智能类项目的话，人工智能领域存在的硬币的“两面性”如何解决呢？

一方面，图灵奖得主，多伦多大学计算机科学与心理学教授Geoffrey Hinton也明确表态了：

“不会再有人工智能冬天了，因为它驱动着你的手机。在之前的人工智能冬天里，AI实际上没有成为日常生活的一部分。现在它已经成了日常生活的一部分。

另一方面，人工智能领域的这个“另类三定律”，的确太伤人：

人工智障

人工的人工智能

有多少人工，才有多少智能

怎么办呢？所谓饭要一口一口的吃。

根据各方调研，人工智能领域，目前面临的主要挑战包括：

1、缺乏技术人员；

2、缺乏数据质量高的数据集；

3、应用场景不明确；

4、投资AI项目的成本；

5、业务方的参与和支持；

6、算法的可解释性；

7、AI安全、伦理与合规问题。

当我们把问题梳理清楚后，基于2年多的调研总结，并参考吴恩达老师等各路大牛的成功与失败经验，东方林语这里梳理出了高效开启人工智能项目并持续产生价值的五个步骤，给愿意尝试，勇于尝试、不忘初心、敢于创新的先行者们参考一下。

五个步骤，具体如下：

（一）准确AI试点

找到最合适AI的场景，快速产生价值。

试点AI项目可以根据数据、场景、技术等的评估，设置为3-12个月为小周期，一个小项目的成功比失败的大项目更能激励团队前进。

第一个场景，甚至可以只有一个软件工程师，或者一个机器学习工程师、数据科学家，业务专家等，甚至你自己也可以撑起整个项目！

（二）打造AI团队

打造出企业内部的、稳定的AI团队。

建立一个科学合理的AI团队需要以下几项职能人员参与：

相关领域的业务专家、软件工程师、机器学习工程师、机器学习科学家、数据科学家、数据工程师、AI产品经理、开发人员等。

这里，高层领导的支持，也是必不可少的。

（三）内部AI培训

 对企业内部管理者及员工，持续进行AI培训。

AI的项目，需要持续的宣贯、培训、探讨，才能让更多的内部人员理解并支持AI类的项目，并发掘出更多的有价值的可落地场景，持续产生价值。

（四）制定AI战略

根据企业实际数据及技术、场景评估，制定合理战略。

从战略的角度，利用人工智能创建在本行业的竞争优势， 制定独特并适合自己的项目，形成“AI良性循环”。

（五）内外AI互通

在企业内部和外部，建立起良好的数据、技术、场景沟通渠道。

加强AI团队人才与外部机构以及企业内部的业务部门沟通，共同寻找可行且有价值的项目。

根据这几年与几十家金融机构的调研、访谈与落地过程分析，第一步和第二步是最艰难的起步阶段，也是最难熬的阶段。

一些金融机构，在AI落地过程中，遇到不少的波折，主要包括数据质量差，场景见效慢，业务部门不理解等等。

因为对困难估计不足，在面临内、外部的各种压力，不得不放慢进度甚至按下了“暂停”甚至“终止”键。

其实，这种状况下，东方林语君只能说：

如果能挺过去，一定会一马平川。

如果挺不过去，估计也是憋出“内伤”了，只能先养伤，再根据情况，伺机东山再起，但难度，就会增加很多。

就看每家金融机构，每个决策者，会做出怎样的选择了。

图：高效开启人工智能项目的五个步骤

根据麦肯锡的一份报告显示，在全球前50大银行中，有90%以上都在积极使用高级分析技术。

多数银行取得了单次小规模的成功，一些行业领军企业正在兴起，它们通过与高校合作项目来提前投资人才，它们与专门从事高级分析的公司展开合作，致力于战略投资以增强自身高级分析能力。

也许不过几年时间，这些行业引领者就可能发挥出关键的优势，所以，其他金融机构应紧随发展方向，越快越好，才能在“数字新基建”时代提前卡住战略咽喉，真正树立起本企业的“数字化核心竞争力”。

总结而言：

人工智能已经是大势所趋。

如果已经行动，就要做好踩坑准备；面临任何波折、困难，也要坚持下去；经历的过程，对自己、对企业，也是一笔宝贵财富。

如果还未行动，可以立即启动，寻找快速落地场景；或者，先以吃瓜群众的身份，当个看客吧。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。