准备对自家的AI员工Amelia炒鱿鱼,帮助他们在工业应用中扩展IT基础设施、实现OT数据互联

图片 1

电工电气网】讯自从1956年,一批远见卓识的年轻科学家在一起,首次提出“人工智能”以来,已经过去了62年。60年间,人工智能经历了三次浪潮的变革。与前两次浪潮不同的是,正在发生的这一次浪潮,使得海量大数据、计算机运算能力和不断提升的算法交汇在一起。巨头们的AI技术频频突破,也让人工智能在商业市场也变得炙手可热。但如果你对AI的印象仍旧停留在大热的阿尔法狗如何打败人类,那么显然你已经Out了。事实上,人工智能已经潜移默化的深入都生活的各个角落,以一种进化的方式改变着传统人力模式的运作逻辑,重塑着个人、商业与社会的未来图谱。如果说前两次人工智能浪潮是提出问题,那么现在AI研究的核心是如何解决问题。今年4月底,慕田峪长城迎来了一个特别的活动,签约双方分别是英特尔与中国文物保护基金会,这个活动的目的是为了利用先进的AI手段,保护长城这一世界纪念性建筑遗产。长城,作为世界七大奇迹之一,也是首批列入《世界遗产名录》的文化遗产,中国文物保护基金一直担任着维护的职责。近年来,部分长城年久失修,几乎成了断壁残垣,北京箭扣长城就是一个典型的案例,它充分展现着古老长城的惊、险、奇、特,但该段长城自然风化严重,修缮和保护迫在眉睫。然而,由于箭扣长城大多位于险峰断崖之上,且周边草木茂密,修缮人员到达施工现场步履维艰,如果利用传统手段勘察和修缮,短期内几乎不可能实现。中国文物保护基金开始尝试利用新技术来突破障碍,英特尔的AI能力恰恰可以帮助探索解决这一困难的方案。从芯片巨头,到如今的数据公司,英特尔正在利用端到端的解决方案,把AI的能力落地到生活中的使用场景。如今,只需要采用英特尔AI人工智能技术、英特尔猎鹰8+无人机技术及英特尔?至强?可扩展平台,通过高清图像、数据和3D建模,就可以对城墙进行远程检查和制图。在前端,猎鹰8+无人机对城墙进行检测与航拍,获取高分辨率图像以进行清晰准确的3D建模,英特尔猎鹰8+作为一款适用于高效、精准捕捉数据的商用无人机,能够在各种恶劣条件下近距离测绘。紧接着,把无人机采集的高清图像传输到后端,利用以人工智能大数据分析与
VR 3D
内容制作为核心的至强W系列处理器进行快速分析,监测判断出需要被修缮的墙面裂痕和砖瓦缺失。之后,通过英特尔人工智能算法,对采集到的多形态数据进行分析、处理以及虚拟重建,为修缮、维护提供指导,并为修缮工作提供预测数据。修缮长城,不是英特尔AI应用的单一案例。英特尔已经联合德国魏玛包豪斯大学和来自萨克森·安哈尔特州文物保护基金会的专家,利用先进的商用无人机技术协助检测和评估15世纪德国哈尔伯施塔特大教堂的受损情况。同样是使用猎鹰
8+无人机,它可以在不干扰周围环境的情况下,对易损且难以触及的教堂建筑结构进行可视化地检测。如果用传统的方式,使用梯子或脚手架攀爬,一方面检测困难,且过程中容易对原始的艺术机构造成破坏,反而达不到保护目的。值得一提的是,数据显示,在不到一个小时的飞行时间内,英特尔Falcon
8+无人机可以拍摄近1000张详细的图像,这些数据在经过后期处理生成了精确的3D结构模型,以供后期分析和借鉴。无独有偶,英特尔人工智能解决方案还被用来拯救濒临灭绝的北极熊,通过采集准确、可靠的数据,捕捉有关北极熊行为模式的信息。如果是按照以往的模式,人类是无法在白茫茫的冰天雪地里实现追踪任务,也很难获取北极熊的实时数据和健康状况。但有了英特尔无人机的支持,热成像摄像机可以第一时间辨别北极熊,检测它的繁殖、喂养和迁徙习惯,甚至通过北极熊的活动数据,进而用AI分析气候变化对北极生态环境的影响。或许也正是为了把AI的能力释放到更多的应用场景,去年,英特尔还单独成立了
AI
产品事业部。与此同时,作为一家把数据当成石油的公司,英特尔提供了多种处理器来满足大量
AI 应用的计算需求,比如适合在嵌入式IoT设备上进行图像和视频处理的Movidius
视觉处理芯片T,FPGA天生的灵活性,被更多合作伙伴用在云端和边缘设备上进行
AI推断。显而易见,人工智能领域,英特尔正在打造一个AI的多元生态,通过开发者社区、针对英特尔架构充分优化的软件工具和技术,分享应用人工智能未被挖掘的机会,加强对人工智能的理解,用人工智能来解决生活中的大问题。某种意义上来说,英特尔更像一家数据石油勘探公司,它正在把这种独有的石油开采能力一步步复制到金融业、医疗、无人驾驶,甚至是零售、娱乐和服务行业

电工电气网】讯

工业通信及联网领域领导者Moxa正式发布预装微软Azure IoT
Edge的工业互联网边缘网关,为微软Azure用户提供简单易用的解决方案,帮助他们在工业应用中扩展IT基础设施、实现OT数据互联。为促进OT与IT的进一步融合,Moxa还针对工厂自动化、智能运输系统、能源和油气领域的IIoT应用优化了这款工业级边缘网关。

叫嚣着要取代全世界的人工智能,终于在最近陷入了失业的烦恼。据报道,瑞典的一家在线银行Nordnet,准备对自家的AI员工Amelia炒鱿鱼。Amelia去年夏天刚刚入职Nordnet,其日常工作就是帮客户开个银行户头、处理一些银行数据等任务,正常来说速度肯定是应该比工作人员要快,银行的工作效率和效益也该有个明显的提升。

图片 1

但事与愿违,这一年来,Amelia好像并没有表现出一个AI员工该有的能力。

基于Debian开放平台的Moxa工业级Linux系统,享受10年服务支持

其实Amelia并不是第一个被炒鱿鱼的AI。今年一月份,英国的一家超市就解雇了一个上岗仅仅一周的导购机器人Fabio。超市的初衷是希望它一能吸引顾客,二能帮助卖货。然而几天之后,他们发现这两件事儿Fabio一件都没做好,甚至有些顾客看见它就绕道走。

工业级无风扇设计,导轨式安装

这是怎么回事?正常来说,AI在提高工作效率这方面是共识,但上岗不久就被炒鱿鱼,多少令人有点意外。但细细想来,以如今AI发展的程度而言,出现这样的情况似乎也是常事。

-40 ~ 70°C宽温操作,内置LTE模块

应聘自称技术流,上岗才发现活不好

双自感应10/100 Mbps以太网端口

在所有最可能被AI取代的工作当中,银行首当其冲。原因在于,相较于其他行业来说,银行拥有庞大而又相对完整的数据积累,而进行数据分析又正是AI的拿手好戏。一个要算,一个能算,简直无缝贴合。

Moxa工业级Linux系统提供10年独家Linux支持,满足电力、供水、油气、交通和建筑自动化行业所需的长期软件服务,以一系列安全修复方案,提高IIoT项目的安全性和可持续性。

但这并不意味着AI在银行就可以畅行无阻,至少这并不是如今AI能完美而为之的。尽管在实验室中,开发者们已经针对AI可能遇到的各种问题进行了全面模拟,AI也在这过程中表现得游刃有余,但一旦投入实战,其实用功能仍然有可能会受到挑战。以Amelia被炒为例,其可能是由于以下两个原因所致。

预装Azure的UC-8112-ME-T
IIoT网关已开售。欲知更多信息,请访问MoxaIIoT边缘云网关网站。

第一,算法的问题。算法存在问题,其对数据的处理就会存在误差。虽然银行拥有完善的数据,但如果没有合适的算法进行处理,或用了不合适的算法进行处理,其得出的结果仍然是不可接受的。比如在分析报告这方面,目前仍然是人类分析师为主,原因就在于AI对动态性很强的金融业务上可能存在分析的误差。而银行做的毕竟是钱的生意,总是出错,客户肯定不干了。

第二,沟通的问题。既然是用AI系统,那么其要解决客户问题就一定会涉及到语言沟通。银行是一个非常繁忙的金融机构,我们能看到的场景就是银行每天都在排队。如果AI的连续性对话和专业性学习不彻底,其在于客户沟通的过程中很可能会答非所问,造成迟钝、误解等问题,这一定会影响工作效率、消磨客户耐心。

而Nordnet又是一家线上银行,其对AI的语义识别对话能力的要求自然更高。这点儿类似AI客服,说不好话就卖不了货,卖不了货就只能等着被炒了。

对导购机器人Fabio来说,沟通不畅或沟通体验不好一定是超市将其“辞退”的重要因素。也就是说,不是打着AI的名头就一定会生意兴隆。最核心的地方在于,技术是否真的成熟到足以应对任何情况。

本想事半功倍,奈何入不敷出

无论是雇佣AI还是雇佣人力,公司的目的只有一个:赚钱。但公司花了大钱把你招来,你却坐吃等死,那就只能将你扫地出门了。

据Nordnet称,去年为了引入AI技术,公司付出了巨额代价。整个2017年的年利润仅为2.47亿瑞典克朗,是2012年以来的最低水平。虽然不能确定银行利润的降低一定是引入AI所致,但真正实用的消费级AI产品价格尚且不菲,遑论以提高利润为终极目的的企业级AI解决方案。

Nordnet从AI系统提供商IPsoft那购买的解决方案,而不仅仅是一个AI柜员,花了多少钱我们也不得而知。但是看一下AI方面的资金投入数据:百度每年投入100亿元、欧盟计划2020年之前投入15亿欧元、2014年以来中国人工智能累计投入超过600亿元……不仅如此,AI人才动辄百万美元的年薪,这些成本都会加在销售给C端的产品上。

因此,正处于前期布局、投入、研发的AI,有一点是可以肯定的,那就是成本居高不下。从这个角度来说,能在这个时候冒着赔本的风险去品尝AI的公司,都是勇敢者。

物不能尽其用,锅不能AI背

当然,锅也不能全都让AI背了,毕竟能力有多大它自己也没办法。这中间还可能存在的一个问题是,开发者和使用者的断层。

这种断层体现在,开发者穷尽己之所能,没日没夜地做出了自己认为非常完美的产品,觉得考虑到了实际过程中可能产生的所有问题,应用起来完美无缺,结果客户不会用。这就是个大写的尴尬了。这种感觉就像你买了个上万块的手机给奶奶用,她却只拿来照镜子。AI如果是因为这个原因被解雇,实在是有点冤枉。

事实上,这种情况的确值得注意。在关于AI会取代人类的什么工作的大讨论之后,有人就抛出了“AI不能取代教师,但不会用AI的教师将会被取代”的观点,其中的教师可以被换成医生、律师、工人等等诸多职业。可以说,会用AI就像会用手机一样,未来将成为必需品。但对很多人来说,手机的功能并没有被充分挖掘,所以他们很难区分出5000元的手机和1000元手机的差别:不都能打电话装软件?

所以,要让客户能充分发掘AI的潜能,或许可以从以下两个方面出发。

1.开发者“私人订制”。开发者想做好一件东西,而客户想要的是用好一件东西。这就要求产品一定是最符合客户需求的。根据客户的需求,体现出开发产品的差异化,让客户在使用的时候能够更快地上手,才是发挥AI功能的第一步。

2.客户的技能培养。一般来说,客户不需要知道AI到底是怎么做的,只需要知道怎样才能让它按照自己的指令工作就够了。但即便是这样,还是有很多人存在着学习困难。比如很多年纪大的老师一辈子不会用电脑,也不愿意学,投影仪就成了摆设。因此,开发者在进行产品交接的时候提供全套的技术指导,才能在产品符合自家需求的情况下,还能熟练操作,实现AI产品的价值最大化。

那么,通过这种方式来解决开发者和用户之间的断层,显然对洗白AI“无用”的冤屈是有积极意义的。

人机协作效果好,AI“独立”难有为

这就完了吗?

实际上,被解雇的AI只能当作个案来对待,并不能将所有的AI应用一概而论,毕竟有更多的AI应用在如火如荼地燃烧着。这些应用身上也并未出现过所谓“不管用”或者“解雇”之类的尴尬字眼。

我们发现,被解雇的AI和应用得风生水起的AI之间,存在着一个变量,这个变量就是:人为干预。而根据人为干预程度的不同,我们可以把这两类AI分为独立式AI和半独立式AI。

所谓独立式AI,是指人类没有干预或干预较少、AI自主分析决策程度较高,甚至完全自主决定的人工智能类应用。Amelia、Fabio基本都属于此类,因为与客户或消费者进行对话、分析数据并得出结论的过程,基本上是没有人操作的,在此过程中其完成了与客户的直接接触。

我们常见的内容平台的审核方式,也可以算作此类。因为AI可以自主进行审核、通过或者驳回,在这个过程中没有人工参与。这种独立式AI很容易产生问题,比如内容平台频频出事,虽然很多平台都增加了人工审核,但是谁知道呢?

而半独立式AI则指的是人类干预较多,AI只是承担前期的观察、分析,最多再加一点初步结论,最终的决策仍由人类完成的人工智能类应用。比如用AI做各种预测、帮助医生读X光片、招聘、识别古文字、抓在逃犯等等。显而易见的是,这类有人类干预和把控的AI反而是运行得颇为良好。

也就是说,目前AI要完全独立地承担工作任务,也就是“替代”人类,可能还有些难度。有企业耐不住性子而赶鸭子上架,AI也很无奈。正因如此,人们更多地称AI为“助手”。从“助手”向“替代”的转变过程,可能就是AI降低自己被解雇概率的过程,也是AI技术进步的过程。

当然,等到AI替代了人类之后还是会有被炒鱿鱼情况的发生,只不过作出这一决定的可能不是人类,而是更优秀的AI。到那时候,开发者又将面临另一场永无休止的战争。

相关文章

Leave a Comment.