吴恩达认为,在AI应用方面,消费互联网行业之外的其他行业都面临着三大挑战:数据集很小;定制化成本很高;从验证想法到部署生产的过程很长。
对此,朱鹏飞也深有感触,他以传统制造业为例进行了分析。
“传统制造企业在制造向智造转型的过程中,数据是一个很突出的问题。”朱鹏飞介绍,首先在数据的获取方面存在一定难度。传统制造企业的数据是封闭的,因为很多传统企业并不是新型信息化设备,没有传感器收集实时数据,也没有数据中心,因此数据零散,缺失严重,很难获取像消费互联网企业里那种海量、高质量的数据。
其次,行业内部各个工厂的数据很多具有商业价值,因此工厂都严格保密,这导致数据不流通,没有办法进行共享,进而形成了数据孤岛效应,影响了AI算法模型的优化。
“我们在开发一个AI算法模型的时候,因为数据的保密性,往往得到的数据都是经过‘脱敏’的,这也严重地影响了我们的判断。而传统行业的企业中,又缺乏具有AI算法模型开发能力的技术人员,因此双方在合作研发过程中也存在着很高的壁垒。”朱鹏飞说。
此外,传统行业中的数据来源并不像消费互联网领域那样来自单一场景,复杂的业务场景导致数据往往很“脏”,必须进行“清洗”,去掉大量无效信息,AI算法模型才能高效率的学习以提高精度。“这就像我们教小朋友知识,只讲知识点,小朋友们才能学得快,如果在知识点中夹杂着大量无用的信息,小朋友无从分辨,学习效率肯定降低。”朱鹏飞介绍,而给数据标注“知识点”的工作是巨大而繁琐的,需要企业有专人去做,要花费很多时间精力。
“传统制造业要想获得高质量的数据,就必须对生产设备进行信息化、智能化的改造。”朱鹏飞表示,这种改造需要企业投入大量的时间和精力,还会增加生产成本,这也成为AI在传统制造业中应用的壁垒。
传统行业应用AI面临数据集很小等三大挑战
最新推荐文章于 2024-08-18 21:31:01 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)