论文部分内容阅读
Gartner发布，“企业机构需要在2021年深挖的重要战略科技趋势”，其中对人工智能（AI）的判断是工程化。
这是否意味着，只要IT工程师省力，AI算法就能做成美图秀秀？月薪十万算法工程师的KPI能转交给月薪一万的工程师，还能保质保量？
论文、学术、科研，是AI陈年旧事。
交付、服务、质量，是AI商业主流。
在日本三菱银行，员工出差结束，掏出手机拍一下发票，按住语音键，说一句：“这是拜访某位甲方，从北京出差到上海的机票。”
员工在手机报销系统上传发票照片，这时候，文字识别软件识别发票上的日期、金额、地点等信息。语音识别员工动动嘴“填入”信息，最后点击提交，报销流程完毕。贴发票，烦死。丢发票，亏死。
人机协同，让发票报销翻开崭新一页。细心的人会发现，图像识别、文字识别、语音识别、语义理解等技术，暗藏其中。
暗藏的不止技术，还有出差报销机器人。
人们有时会对机器人产生误解，狭义上机器人是硬件实体，广义上软件也是机器人，比如阿里的小蜜、小米的小愛、百度的小度、微软的小冰，客服机器人偷偷藏在客服电话的背后。
机器人是为人类服务的工具，以目前的技术，机器人还无法做到随心所欲，但是机器人也有所擅长。计算机围棋程序AlphaGo战胜人类高手之后，极大地唤起了世人对人工智能的关注与兴趣，一些媒体借机把人工智能渲染到几乎是科幻的地步。
更有甚者，直接把科幻电影当事实来描述人工智能技术，宣传“今日之科幻，就是明天的现实”，以致社会上有些人对人工智能产生不必要的担心与恐惧。
中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃博士在科普演讲中谈道：“现在的机器人，连开门都费劲，你还担心它今天抢了你的工作？”
他提出，“将来一定是人和机器一起工作，不是物理机器人，而是软件定义的知识机器人。手机就是它的雏形。” 手机也是原始形态的人与机器，人和手机难舍难分，根本离不开。
AI的槽点之一是用起来成本高昂，定制化工程复杂。但是，AI工程化是象棋里的楚河汉界，AI独角兽化身为卒，只能前进，不能后退。
一开始，AI独角兽抓住单点技术带来的市场机遇，比如人脸识别。这个时期对AI产品化的要求并不高，需求明确，就是比较、寻找。很多AI公司在这个时候都揽尽风头。
随后，深度学习算法红利消耗殆尽，以AI算法起家的头部科技公司，纷纷迈向更具战略意义的新征程。从某种意义上讲，都在“拼命”寻找AI工程化的“捷径”。
路很难走，投资人的耐心耗尽，烧了几年研发投入，留给创业团队的时间不多了。
需求从明确变为模糊和复杂，用奇思妙想找需求，凭经验找需求。
此时，分析需求和解决问题被分化成两个重要问题，没有价值的需求不能成为目标。不能创造价值的解决方案就是笑话。
无法复制、无法规模化的产品需求都要放弃。
AI，进入到下一个竞争周期。也可以说这是AI的第二步，AI工程学是其中一个特征。
AI工程学，可以理解为通过视觉、语音等感知技术和自然语言理解等认知技术闭环，将技术行业化、场景化。AI工程学也可以理解为，平台、算法、产品、解决方案的模块化、通用化，将以往由技术和产品为主的应用变成解决方案为主，实现快速调用，部署，修改。
正如汽车工业中工业化、流水线生产的理念，用AI工程学的方法解决AI生产力快速提升的目标。利用AI工程学提升10倍效率，行业化、场景化后，实现行业价值闭环。
这些枯燥的描述也意味着，AI顾不上说俏皮话了，留下的都是毕恭毕敬的“商务风”，因为是企业级服务。
此时，AI独角兽既有共同点，也有不同的战略选择。
政策层面，2019年，中央全面深化改革委员会第七次会议指出：“构建数据驱动、人机协同、跨界融合、共创分析的智能经济形态。”
而美国也在AI战略中提出：研发有效的人机协同方法，创建增强人类潜能的AI系统。现实层面，人机协同是目标，但谁也没达到，现在的阶段最多算人机交互，人机融合。
部分产业专家的共识是，随着更多行业与AI深入地结合，AI广泛存在，将以人机协同的方式嵌入到所有业务流程中，就像现在的互联网一样。
现在，人只有断网的时候才会感知互联网的存在，打开手机、电脑就是联网的，有些电子设备要终身联网才有意义。
现在，没有纯粹的互联网行业，每个行业都必须与互联网结合。直播的美女主播自我介绍的时候，不会说自己是干互联网的，但是没互联网能干直播吗？
互联网是无感存在的，而AI未来也是如此。
AI发展到一定程度也会达到这个里程，人机协同是一个重要的，并不可能回避的形式。
罗马城不是一天建成的，智能之城也是。
那什么是人机协同系统呢？
通行的说法是，人机协同系统作为中间件，将行业专家知识结构化，服务行业用户，用户反馈修正信息到人机协同系统，再协调专家改进系统方案。用好人工智能，要懂行业，懂业务。 细致地讲，人工智能在深入行业的时候，行业专业知识与经验必不可少。比如医疗，主要矛盾是稀缺的专家资源与海量的病患需求。
比如疫情期间，我们都希望有更多的“钟南山”来服务大家，但是很遗憾，钟南山只有一个。
但将来我们就可以依靠人机协同平台把“钟南山”的知识技能模型化、自动化，自动判断过滤90%以上诊疗信息，集中处理10%的关键性问题。
使医疗专家的服务能力扩大10倍以上，那我们就有1千个1万个钟南山，让普通医生在医学领域上得到AI提供的专业能力。
医生和AI配合，不是AI取代医生，而是医生有了AI助理。 所有人都能从中获益。类似的矛盾遍布在教育、金融领域，从校长助理、教师助理，到行长助理、柜员助理。机器人有知识，人机协同的空间很大。
大门可以是人类拉开，但是口罩检测、疫情重点人员识别、AI测温等功能，可以交给机器，它们更擅长。
也有人认为，这是人工智能第三浪潮，主要特征是人机协同关键技术成熟，通过新一代人机交互体验，实现智能化内容的高效生成，极大释放生产能力，提升生产效率。
AI将以助手协同的方式帮助创造者，极大释放创造力，极大提高生产效率，实现产品和服务内容的极大丰富。
AI独角兽，下一站，不再只是人脸识别、语音识别的人工智能技术工具型公司，而是围绕平台、解决方案的智能技术服务公司。
2020年8月18日，云从科技正式向广东证监局提交了上市辅导登记，有望年底登陆A股科创板。我们来观察两个云从科技的合同。
2020年9月30日，中國海关政府采购网发布公告，云从科技成为“海关总署2020年动态人脸识别综合应用系统”解决方案提供商，项目标的额1247.8万元。
2020年10月15日，从广州公共资源交易中心获悉，云从科技中标广州市南沙区卫生健康局中山大学附属第一（南沙）医院信息基础设施与智能化管控平台建设项目，标的额3.12亿元。
细看这两个高额标的，“解决方案”和“平台建设”是关键词。单纯的算法合同很难、也不会有这个量级的合同金额，养不活团队，更别说创造利润。
以云从科技为例，短短5年，在银行和民用枢纽机场达到了AI技术的市占率第一，业务覆盖400余家银行14.7万网点、30个省级行政区公安、80余家机场，实现银行日均比对2.16亿次、公安战果超5万起、机场日均服务旅客200万人次。
亿次、万人，都是服务规模化的特征。需求被拉动，技术产品化，工程规模化。 机会仍有，但是人工智能仅靠算法商业化，成长为大公司的大门已经变窄了。头部厂商的优势非常明显，因为解决方案和平台建设，不是十几个人的硅谷车库创业公司，算法团队套一家集成商合力能够完成的。
观察医院的智能化合同内容：“通过人机协同平台以及云从超脑为该项目建设AI智慧中枢，提供人机交互、融合、共创能力。
项目将从医院弱电系统全面接入物联网，与视觉网络融合，通过云从超脑AI决策反向控制，实现建筑全感知、绿色节能、看病全流程一脸通、寻人寻车的智能化监管。”
可以说，这是一个大包大揽的整体化合同。医院的供电、中央调控、网络、决策，甚至节能、车辆，全部能够装进去。
人机协同操作系统是松耦合结构，没有松耦合，公司的所有精力都被绑在定制化的死胡同里。AI工程化有很多种办法，现行通用做法是，做到标准化的API和连接一切设备。
它和AI操作系统的区别，或者说独特之处是，除了基于深度学习的人工智能外，还加入了结构化的专家知识，比如海关专家、公安专家。
人机的路线有三个阶段：人机交互，人机融合，人机共创。
沿着人机的路线，云从科技会进化成一家人机协同操作系统和解决方案公司。也诚如公司介绍所讲，云从科技企业战略，人机协同体系以实现“定义智慧生活，提升人类潜能”。
理解人机协同，对理解人工智能发展非常重要。2020年11月，倡导人机协同的周曦博士，与71岁的马克·雷波特在线上不期而遇。
雷波特是世界第一的机器人公司波士顿动力的创始人，ATLAS、SPOT、HANDLE都是大明星机器人。
周曦博士是人工智能独角兽云从科技的创始人。 可以说，云从科技和波士顿动力两家公司均是所在领域的佼佼者。在创始人的对话中，周曦博士给机器人点赞，他谈道：“波士顿动力的机器人非常棒，它可以跳跃、翻转，延展了人的四肢，让我们去到去不了的地方，或者帮人类做一些危险的工作。”
那人工智能和机器人的关系是什么？ 周曦博士认为，人类的动作是有边界的，思维却没有边界。人工智能跟机器人的关系是，波士顿动力的机器人相当于人的躯干和四肢，人工智能相当于大脑，叠加在一起才能产生更大的效果。我们的智能，要看得见、听得懂、能思考。
疫情中涌现出大量需要做智能化分析的地方，我们清楚地认识到，技术没有达到完美，甚至差得特别远，现在仍然处于很早期。
但是，每次的科技进步都是一个效率的提升，都是对人的延展。我们做人工智能不应该抛掉人的智慧来做，要延展人的智慧，我们有钟南山院士，可是他一个人可能忙不过来。我们复制一万份他的智慧，这是人工智能想要发展的方向，把人的智慧延展出去。
这是否意味着，只要IT工程师省力，AI算法就能做成美图秀秀？月薪十万算法工程师的KPI能转交给月薪一万的工程师，还能保质保量？
论文、学术、科研，是AI陈年旧事。
交付、服务、质量，是AI商业主流。
在日本三菱银行，员工出差结束，掏出手机拍一下发票，按住语音键，说一句：“这是拜访某位甲方，从北京出差到上海的机票。”
员工在手机报销系统上传发票照片，这时候，文字识别软件识别发票上的日期、金额、地点等信息。语音识别员工动动嘴“填入”信息，最后点击提交，报销流程完毕。贴发票，烦死。丢发票，亏死。
人机协同，让发票报销翻开崭新一页。细心的人会发现，图像识别、文字识别、语音识别、语义理解等技术，暗藏其中。
暗藏的不止技术，还有出差报销机器人。
人们有时会对机器人产生误解，狭义上机器人是硬件实体，广义上软件也是机器人，比如阿里的小蜜、小米的小愛、百度的小度、微软的小冰，客服机器人偷偷藏在客服电话的背后。
机器人是为人类服务的工具，以目前的技术，机器人还无法做到随心所欲，但是机器人也有所擅长。计算机围棋程序AlphaGo战胜人类高手之后，极大地唤起了世人对人工智能的关注与兴趣，一些媒体借机把人工智能渲染到几乎是科幻的地步。
更有甚者，直接把科幻电影当事实来描述人工智能技术，宣传“今日之科幻，就是明天的现实”，以致社会上有些人对人工智能产生不必要的担心与恐惧。
中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃博士在科普演讲中谈道：“现在的机器人，连开门都费劲，你还担心它今天抢了你的工作？”
他提出，“将来一定是人和机器一起工作，不是物理机器人，而是软件定义的知识机器人。手机就是它的雏形。” 手机也是原始形态的人与机器，人和手机难舍难分，根本离不开。
AI的槽点之一是用起来成本高昂，定制化工程复杂。但是，AI工程化是象棋里的楚河汉界，AI独角兽化身为卒，只能前进，不能后退。
一开始，AI独角兽抓住单点技术带来的市场机遇，比如人脸识别。这个时期对AI产品化的要求并不高，需求明确，就是比较、寻找。很多AI公司在这个时候都揽尽风头。
随后，深度学习算法红利消耗殆尽，以AI算法起家的头部科技公司，纷纷迈向更具战略意义的新征程。从某种意义上讲，都在“拼命”寻找AI工程化的“捷径”。
路很难走，投资人的耐心耗尽，烧了几年研发投入，留给创业团队的时间不多了。
需求从明确变为模糊和复杂，用奇思妙想找需求，凭经验找需求。
此时，分析需求和解决问题被分化成两个重要问题，没有价值的需求不能成为目标。不能创造价值的解决方案就是笑话。
无法复制、无法规模化的产品需求都要放弃。
AI，进入到下一个竞争周期。也可以说这是AI的第二步，AI工程学是其中一个特征。
AI工程学，可以理解为通过视觉、语音等感知技术和自然语言理解等认知技术闭环，将技术行业化、场景化。AI工程学也可以理解为，平台、算法、产品、解决方案的模块化、通用化，将以往由技术和产品为主的应用变成解决方案为主，实现快速调用，部署，修改。
正如汽车工业中工业化、流水线生产的理念，用AI工程学的方法解决AI生产力快速提升的目标。利用AI工程学提升10倍效率，行业化、场景化后，实现行业价值闭环。
这些枯燥的描述也意味着，AI顾不上说俏皮话了，留下的都是毕恭毕敬的“商务风”，因为是企业级服务。
此时，AI独角兽既有共同点，也有不同的战略选择。
政策层面，2019年，中央全面深化改革委员会第七次会议指出：“构建数据驱动、人机协同、跨界融合、共创分析的智能经济形态。”
而美国也在AI战略中提出：研发有效的人机协同方法，创建增强人类潜能的AI系统。现实层面，人机协同是目标，但谁也没达到，现在的阶段最多算人机交互，人机融合。
部分产业专家的共识是，随着更多行业与AI深入地结合，AI广泛存在，将以人机协同的方式嵌入到所有业务流程中，就像现在的互联网一样。
现在，人只有断网的时候才会感知互联网的存在，打开手机、电脑就是联网的，有些电子设备要终身联网才有意义。
现在，没有纯粹的互联网行业，每个行业都必须与互联网结合。直播的美女主播自我介绍的时候，不会说自己是干互联网的，但是没互联网能干直播吗？
互联网是无感存在的，而AI未来也是如此。
AI发展到一定程度也会达到这个里程，人机协同是一个重要的，并不可能回避的形式。
罗马城不是一天建成的，智能之城也是。
那什么是人机协同系统呢？
通行的说法是，人机协同系统作为中间件，将行业专家知识结构化，服务行业用户，用户反馈修正信息到人机协同系统，再协调专家改进系统方案。用好人工智能，要懂行业，懂业务。 细致地讲，人工智能在深入行业的时候，行业专业知识与经验必不可少。比如医疗，主要矛盾是稀缺的专家资源与海量的病患需求。
比如疫情期间，我们都希望有更多的“钟南山”来服务大家，但是很遗憾，钟南山只有一个。
但将来我们就可以依靠人机协同平台把“钟南山”的知识技能模型化、自动化，自动判断过滤90%以上诊疗信息，集中处理10%的关键性问题。
使医疗专家的服务能力扩大10倍以上，那我们就有1千个1万个钟南山，让普通医生在医学领域上得到AI提供的专业能力。
医生和AI配合，不是AI取代医生，而是医生有了AI助理。 所有人都能从中获益。类似的矛盾遍布在教育、金融领域，从校长助理、教师助理，到行长助理、柜员助理。机器人有知识，人机协同的空间很大。
大门可以是人类拉开，但是口罩检测、疫情重点人员识别、AI测温等功能，可以交给机器，它们更擅长。
也有人认为，这是人工智能第三浪潮，主要特征是人机协同关键技术成熟，通过新一代人机交互体验，实现智能化内容的高效生成，极大释放生产能力，提升生产效率。
AI将以助手协同的方式帮助创造者，极大释放创造力，极大提高生产效率，实现产品和服务内容的极大丰富。
AI独角兽，下一站，不再只是人脸识别、语音识别的人工智能技术工具型公司，而是围绕平台、解决方案的智能技术服务公司。
2020年8月18日，云从科技正式向广东证监局提交了上市辅导登记，有望年底登陆A股科创板。我们来观察两个云从科技的合同。
2020年9月30日，中國海关政府采购网发布公告，云从科技成为“海关总署2020年动态人脸识别综合应用系统”解决方案提供商，项目标的额1247.8万元。
2020年10月15日，从广州公共资源交易中心获悉，云从科技中标广州市南沙区卫生健康局中山大学附属第一（南沙）医院信息基础设施与智能化管控平台建设项目，标的额3.12亿元。
细看这两个高额标的，“解决方案”和“平台建设”是关键词。单纯的算法合同很难、也不会有这个量级的合同金额，养不活团队，更别说创造利润。
以云从科技为例，短短5年，在银行和民用枢纽机场达到了AI技术的市占率第一，业务覆盖400余家银行14.7万网点、30个省级行政区公安、80余家机场，实现银行日均比对2.16亿次、公安战果超5万起、机场日均服务旅客200万人次。
亿次、万人，都是服务规模化的特征。需求被拉动，技术产品化，工程规模化。 机会仍有，但是人工智能仅靠算法商业化，成长为大公司的大门已经变窄了。头部厂商的优势非常明显，因为解决方案和平台建设，不是十几个人的硅谷车库创业公司，算法团队套一家集成商合力能够完成的。
观察医院的智能化合同内容：“通过人机协同平台以及云从超脑为该项目建设AI智慧中枢，提供人机交互、融合、共创能力。
项目将从医院弱电系统全面接入物联网，与视觉网络融合，通过云从超脑AI决策反向控制，实现建筑全感知、绿色节能、看病全流程一脸通、寻人寻车的智能化监管。”
可以说，这是一个大包大揽的整体化合同。医院的供电、中央调控、网络、决策，甚至节能、车辆，全部能够装进去。
人机协同操作系统是松耦合结构，没有松耦合，公司的所有精力都被绑在定制化的死胡同里。AI工程化有很多种办法，现行通用做法是，做到标准化的API和连接一切设备。
它和AI操作系统的区别，或者说独特之处是，除了基于深度学习的人工智能外，还加入了结构化的专家知识，比如海关专家、公安专家。
人机的路线有三个阶段：人机交互，人机融合，人机共创。
沿着人机的路线，云从科技会进化成一家人机协同操作系统和解决方案公司。也诚如公司介绍所讲，云从科技企业战略，人机协同体系以实现“定义智慧生活，提升人类潜能”。
理解人机协同，对理解人工智能发展非常重要。2020年11月，倡导人机协同的周曦博士，与71岁的马克·雷波特在线上不期而遇。
雷波特是世界第一的机器人公司波士顿动力的创始人，ATLAS、SPOT、HANDLE都是大明星机器人。
周曦博士是人工智能独角兽云从科技的创始人。 可以说，云从科技和波士顿动力两家公司均是所在领域的佼佼者。在创始人的对话中，周曦博士给机器人点赞，他谈道：“波士顿动力的机器人非常棒，它可以跳跃、翻转，延展了人的四肢，让我们去到去不了的地方，或者帮人类做一些危险的工作。”
那人工智能和机器人的关系是什么？ 周曦博士认为，人类的动作是有边界的，思维却没有边界。人工智能跟机器人的关系是，波士顿动力的机器人相当于人的躯干和四肢，人工智能相当于大脑，叠加在一起才能产生更大的效果。我们的智能，要看得见、听得懂、能思考。
疫情中涌现出大量需要做智能化分析的地方，我们清楚地认识到，技术没有达到完美，甚至差得特别远，现在仍然处于很早期。
但是，每次的科技进步都是一个效率的提升，都是对人的延展。我们做人工智能不应该抛掉人的智慧来做，要延展人的智慧，我们有钟南山院士，可是他一个人可能忙不过来。我们复制一万份他的智慧，这是人工智能想要发展的方向，把人的智慧延展出去。