AI巨幕之下，数据不只折叠

脑极体

于 2018-11-16 20:16:55 发布

阅读量206

点赞数

本文链接：https://blog.csdn.net/R5A81qHe857X8/article/details/84206878

版权

在人工智能的产业链中有一个有趣的说法叫“数据折叠”，说的是训练算法需要大量数据，而数据标注就成了一项需求极大的工作，而且又没有什么门槛，于是和充满创造性、高净值的AI算法研究不同，数据的标注、清洗、处理等低技术含量的工作被视作新时代的“廉价劳动”，于是在AI的光环之外，这些做数据标注的普通人被折叠起来。

这个说法其实表达了近年来的一种取向，从大数据热发展到AI热，很多人开始忽略了数据本身的价值，而将其看做一个创新含量低的产业，认为数据产业只服从于AI算法，是其附属品。

而在我们看来，这种看法是完全错误的。AI算法与数据应用更多是相辅相成的互相作用，在今天与AI技术相结合，数据产业的创新相比以往只多不少。在最近的2018乌镇世界互联网大会上，我们一直关注的众盟数据就登场发言，提出了用智能商业解决方案协助数字世界的建设。

今天我们就可以以众盟数据为例，探讨在AI时代的大命题下，数据产业面临着怎样的机会。

数据的折叠决定了AI精度，

技术的创新则影响AI在哪

我们知道之所以会有“数据折叠”这一说法，是因为大多数AI算法模型无限追求精准，所以会利用某一领域的大量重复数据反复训练模型，去追求百分之零点零几的识别度提高。这就好比做一个识别狗品种的算法，为了让AI分清柴犬和秋田，不断为两种狗的图片进行人工标注，把希望寄托于神经网络的黑箱。

这样按照算法需要去处理数据，的确在技术含量上十分有限。但我们可以发现一个问题——算法和数据之间，和“鸡生蛋与蛋生鸡”的逻辑怪圈有些相同之处。AI算法促进了数据处理的需求，可也只有在某一领域拥有了足够的数据结构化基础后，才能让算法有用武之地。

例如前文提到的众盟数据，其特点就是对于线下数据的专注和应用创新，借以推动商业智能进入更多线下产业，进而优化效率。而AI恰恰是一项注重融合而非颠覆的产业，在今年，AI进入线下场景、与传统产业相融合成了一个重要命题，这与众盟数据这些一直专注于线下场景的企业本身的目标是一致的。更重要的是，诞生于实验室和科技企业中的AI算法要是想在线下场景高效运转，就更需要这些企业有线下数据的累积和实体商业智能化的经验。

在今年的云栖大会上众盟数据曾经展示过新零售智能商业解决方案，以智能硬件为入口帮助企业利用自己的线下数据资产，通过线上线下消费行为数据的结合，来推动商业更加智能化，如智慧运营、AI营销等。让实体产业的流量和经营价值得以量化，把以往只适用于互联网企业和虚拟经济的技术方法论也赋能给实体产业，这正是通过技术创新帮助AI进入实体产业的最好方式。

如果一味只看到AI当下的需要，就只能做被折叠起来的数据标注工，帮助AI提升0.0001%的准确率，但如果能押注未来的产业发展并进行创新，就能像众盟数据这样，影响AI可以在哪儿生长。

让AI进入细节，

谁在做巨头们来不及做的事？

科技巨头争相扩展AI版图已经是不争的事实，在他们的生态版图中，数据产业往往是“被支配”的下游产业（这也成了数据折叠的又一个论据），而从线上的内容、电商、社交，到线下的零售、工业、城市……无一不被他们列入AI赋能的规划之中。

不过其中的问题在于，巨头们出于战略考虑，通常会将更多的精力投入到大企业或者说大场景之中。而那些中型企业包括小型企业，同样有着强烈的技术升级需求，可巨头们却对于他们的需求没有足够深入的理解，也没有足够的人力去了解他们的需求。就像家乐福、永辉这样的零售巨头，其AI化进展一定有很多科技企业关注，可那些地方性的连锁超市，却很难得到科技巨头的关注。硅谷一直在呼吁AI民主化，也是在鼓励让不同规模的企业都能够获得同等的技术升级机会。

众盟数据联合创始人&COO杨海玲在乌镇世界互联网大会上也提到了这样一种现象，其实每一家服务于线下的企业、门店都有源源不断的数据，但是企业缺乏技术和工具来应用这些数据，对于自己的用户知之甚少。

这时众盟数据这种一直服务于线下场景，自身又有足够AI能力的创业企业，就承担起了重要的作用。这一类企业本身就维系着传统企业、线下软硬件创新和资本流动的小生态，如今更可以借此引导AI技术流入线下产业的细节部分。例如众盟数据推出的数据AI化功能，就可以帮助不同规模的线下企业应用上智慧运营、AI营销等功能模块，这些AI技术本身就来源于众盟数据多年来对线下场景和传统企业赋能的累积，现如今自然可以更好地为他们提供AI服务。

数据产业的关键时刻，

怎样找到开启数字世界的关键钥匙

如今的数据产业，其实正处在一个微妙的时间点上。

首先，数字世界的打造在即，AI产业的发展急需在线下场景中寻找到落脚点。当我们把AI技术看做新时代的“水电煤”时，就已经认定了这项技术不可能仅仅应用于线上场景。但线下世界是混乱而无序的，对于更加适用于结构化数据的AI技术来说，单凭自己的力量去开垦线下场景，无异于是一项不切实际的工作。

同时我们也发现，实体经济对新技术翘首以盼，非常期待接入AI的力量。通过长时间对实体企业和传统企业的接触，我们能明显感受到他们的“技术恐慌”，经历过互联网经济的融合发展，大多数实体企业已经看到了技术如何在经济体之间拉开距离。对于他们来说，AI是一个绝好的机会。

而数据产业，本该作为两者的连接者，如今却又被分割在外独立存在。有些数据企业被默默折叠，成为AI技术的下游工厂。而有些数据企业却只能服务线下，不具备技术上的创新能力。