當前，AI發(fā)展如火如荼。然而，對于AI的應用和普及，卻是見仁見智。

　　“AI民主化的核心是將科學家在傳統(tǒng)實驗室完成的工作讓更多人使用，降低使用門檻，讓更多的開發(fā)者、業(yè)務人員能夠使用人工智能。”13日，在天云大數(shù)據(jù)主辦的以“AI浪潮下，如何參與DT轉(zhuǎn)型”為主題的論壇上，該公司CEO雷濤指出。

　　人臉識別、聊天機器人，這是很多人理解的人工智能，認為人工智能就是人機交互。

　　“其實這些都是應用場景而非AI的核心，AI的核心支撐技術(shù)是圍繞機器學習構(gòu)建的技術(shù)框架。”雷濤說。

　　當前，人工智能在各個領域的發(fā)展呈不平衡態(tài)勢，如無人駕駛、人臉識別及機器人等領域，因其算法與目的都很明確，又有媒體關(guān)注的推動，在資本與數(shù)據(jù)的聚焦之下容易找到最佳實踐。但針對算法紛繁復雜、數(shù)據(jù)私有與云服務私有的商業(yè)智能領域，AI應用程度參差不齊。在雷濤看來，其實如打車軟件、基因測序、互聯(lián)網(wǎng)快遞等才是AI實際幫助我們解決問題的日常場景。

　　雷濤表示，手機、汽車從誕生到大規(guī)模量產(chǎn)的歷史表明，新技術(shù)的發(fā)展歷程往往經(jīng)歷數(shù)十年乃至上百年，AI的量產(chǎn)也同樣面臨重重困難。據(jù)2017年《紐約時報》報道，一個剛畢業(yè)的AI工程師年薪達到了驚人的300000美元/年，而美國人的平均工資是81000美元/年。據(jù)騰訊研究院預測，到2020年，市場對AI應用的需求將增長300%。旺盛的需求，偏少的人才供給，導致AI人才成本高昂。

　　“這種情況下，只有通過升級大規(guī)模生產(chǎn)工具，才有望滿足需求。”雷濤強調(diào)。舉例來說，某股份制銀行的APP背后，是該銀行多達數(shù)千人的數(shù)據(jù)科學團隊每年生產(chǎn)的600個機器學習模型。因此比起場景，應該更關(guān)注怎樣高效率、低成本地批量化生產(chǎn)模型。“畢竟負擔上千人的數(shù)據(jù)科學團隊，對于大多數(shù)企業(yè)來說都非常有挑戰(zhàn)。”雷濤表示。

　　5月19日，在全球人工智能大會上，Google提出的解決路徑是供給規(guī)模化的AI工具。天云大數(shù)據(jù)同樣也提出了解決問題的規(guī)模化AI工具，通過構(gòu)建支持機器學習特性的PaaS化(平臺即服務)AI平臺MaximAI，成功減少對數(shù)據(jù)科學家的依賴。

　　“AI不是少數(shù)人的專利，AI模型的PaaS化、智能化成為突破AI產(chǎn)業(yè)化應用的關(guān)鍵。未來人工智能發(fā)展更應凸顯規(guī)模化生產(chǎn)能力，讓企業(yè)獲取機器智能像讀書一樣簡單。”雷濤說。(記者 付麗麗)