郑宇、沈抖领衔共话 AI 业界应用挑战 | IJCAI 2019

雷锋网 AI 开发者按：8 月 10 日至 16 日，IJCAI 2019 在中国澳门隆重召开。尽管作为一场学术会议，以综合性为长的 IJCAI 在会议中也有探讨 AI 工业应用的部分，其中就有一场由工业界带来的 Panel「AI Challenges in Industries」，圆桌会议邀请了索尼研发副总裁藤田昌宏（Masahiro Fujita）、滴滴副总裁郄小虎、微软首席研究员 John Langford、百度副总裁沈抖来一同探索 AI 在工业应用中所面临的挑战，本次圆桌会议的主持人由京东副总裁郑宇担任。AI 开发者为大家带来这场 Panel 的现场报道。

技术与方法

郑宇：众所周知，AI 并非对于所有问题都有效，有时有用有时没用，那各位所在公司如何判断 AI 是否适用于解决某个问题呢？

沈抖：当然，我们任何一家公司都无法说 AI 可以解决所有问题。大家在很多会议上，都会听到 AI 能解决很多问题，然而现在 AI 还无法做到这种程度，原因有 3 个：

第一，当下的 AI 技术可能会存在很大的局限性，因而对于很多问题，AI 技术都无法很好地解决；

第二，我们可能无法将一些现实问题转述成 AI 问题；

第三，工业界可能没有足够的资源或者工程师去解决 AI 问题以及实施 AI 解决方案，尤其有时候的一些问题首先需要我们人类去解决，当我们自己找到解决方法的时候，我们才能利用好 AI 技术去解决这些问题。

John：我认为，这个问题具象化到某个具体的项目，某种程度上要看是否能够给 AI 提供指导解决问题的信息，有时可以是给数据做标注，有时可以让 AI 系统从有用的语料库中学习或通过强化学习从现实世界得到反馈。如果这些方法可行的话，你可以尝试让 AI 去解决某个问题。

郄小虎：针对工业界如何判断某项 AI 技术是否对解决某个问题有效，这里有三个可以考量的问题：第一个是是否有足够可用的大数据来训练模型；第二个是能够将问题转述成机器学习所能理解的语言，比如说如何将匹配司机和乘客的问题转化为某种图表或特征从而让 AI 可以用来进行匹配；第三个是我们需要意识到 AI 无法做到非常完美，一旦遇到它们此前未见过的场景，可能就会失效。

郑宇：现在有部分 AI 技术相对传统方法表现出大热的现状，比如深度学习，但实际上很多人仅仅停留在谈论的阶段，这种现状是机遇还是挑战？

藤田昌宏：从某种意义上讲，新模型的提出确实能够为 AI 的研究赋能。但在开发过程中，如何选择模型，选择使用怎样模型；都是值得我们仔细思考的问题。任何事情都有两面性，但良好的决策有助于产生更高质的产品。因此从公司的角度出发，我们需要带着质疑的眼光来看待这些问题。

郄小虎：总体来看，我更倾向于将这种现象视为 AI 界的挑战问题。我们确实也看到了深度学习在实际过程中表现出的潜能，这也是它热门的原因之一；但现实情况中，深度学习也存在很大的局限，很多问题目前是无法通过深度学习得到解决的，有时仅仅是环境的改变，深度学习可能就无法起到效果。所以如果仅从优势的角度看待深度学习，这将可能对今后的研究过程产生极大的阻碍。

沈抖：在我看来，这件事没有办法去用好坏来衡量；站在团队的角度，我们把它视为懒惰问题，即团队是否愿意去尝试新事物。在我们团队，我非常鼓励大家去了解不同的模型或方法，因为新的模型往往也意味着机遇。通过结合这些新模型与方法，我们或许能够碰撞出更多好的想法，从而得到更多实用的模型。

AI 落地

郑宇：现在公司的服务对象包括三个类别：用户（To C）、企业（To B）和政府（To G），那各位怎样看待这三种类型的模型在应用 AI 方面的区别？

沈抖：一般而言，在 To C 中，我们能够获得用户行为画像，因此，AI 的表现非常不错，能够解决大多数问题；但是 To B 和 To G，我们所面临的一个问题和另一个问题都是不同的，所以我们需要花很多时间去明确问题并追踪出现的问题，这比应用一个机器学习模型要难得多，因而 AI 在 To B 和 To G 的模型中应用的难度要比 To C 更大。

郄小虎：我认为三者之间的区别关键在于服务的对象群体不同，因而了解用户的需求对于选择正确的 AI 技术而言很重要。比如，用户可能更注重便利性和安全性。所以我认为三者最大的区别，在于理解三种类型的客户的不同需求。

郑宇：从你们自身角度出发，你们认为 AI 给我们的生活带来了怎样好的改变？

沈抖：尽管 AI 看似非常高大上的话题，但其实在日常生活中，我们能很容易发现它的影子。比如：用户会使用网络搜索时，往往会提出很多问题，而问题的检索与解答，其实就是我们与 AI 发生联系的时刻。在搜索方面，我们从以前的文字搜索到现在的图片搜索，整个过程 AI 起着很大的作用，并且可以肯定的是，今后还会有更多更先进的 AI 技术将用到搜索系统中。

John：从教育的角度来看，AI 技术的不断更新，一定程度上也推动了在线学习的发展。通过推广在线教育，我们能够实现知识的有效传播，而且大部分人都能够接收到来自世界各地更多元的知识，这是我所看到的 AI 带给我们的益处之一。

郄小虎：AI 的确正在慢慢渗透我们的生活，并且让我们更好去享受生活。AI 在滴滴中的应用，也能够更好的帮助乘客与司机建立有效的联系。其中，我认为 AI 让滴滴出行更加人性化，尤其对于高峰期间乘车问题，无论是订单的快速建立与取消，还是有效减少乘客等待时间的智能匹配方面；都给司机与乘客带来了极大的便利，这些大的改进都离不开 AI 技术的帮助。

聚焦 AI 国际

郑宇：本次的四位嘉宾来自全球 GDP 最高的是哪个国家——美国、中国和日本，那三个国家在 AI 领域所面临的挑战有何不同，各自的优势以及挑战都有哪些？

藤田昌宏：相比美国和中国，日本确实现在处于了落后的境地。而目前日本面临的比较大的挑战是，日本的很多公司在 AI 技术的产品落地方法，积极性不是很高。

郄小虎：美国、中国和日本的论文发表数量都是世界领先的。而中国的优势，第一是拥有非常大的市场，无论是数据还是应用，相比之下都具有很大的优势；第二是中国在机器学习领域拥有大量的人才储备，中国在各个 AI 会议上的论文发表数量都是领先的；第三是中国政府针对创新推出的支持政策对于 AI 领域的企业和初创企业的帮助巨大，这能够很好地推动中国 AI 的发展。

沈抖：关于这个问题，我最想强调的一点是，无论是学术界还是工业界在 AI 研究中，要更多地关注长远的利益，而非短期的结果。

John：在之前，美国的教育体系是开放的，吸引了来自世界范围的 AI 人才前往就学，也为美国的 AI 发展做出了贡献。然而现在美国的教育有了很多限制，将很多来自其他国家和地区的人才拒之门外，导致美国的人才储备受到影响，并且这种影响已经蔓延到了我的工作中。

雷锋网(公众号：雷锋网) AI 开发者 雷锋网

。