改变之三：人工智能要适应任何部署场景

混合云已经成为企业采用云服务的主要模式，当前的AI主要在云，少量在边缘，与企业的业务环境的结合有待进一步深入。

我们认为，未来AI将无处不在，要能够部署在任何场景，并确保用户隐私得到尊准和保护。

改变之四：更高效更安全的算法

算法是推动AI发展的另一个主要动力，但目前运用的主要算法多诞生于1980年代。随着AI的广泛普及，这些算法的不足愈发明显。

我们认为，未来的算法，要能够基于更少的数据需求，即数据高效。也要能够基于更低的算力和能耗，即能耗高效。同时要解决自身的安全问题，并实现可解释…等等，这都是AI全面发展的重要技术基础。

改变之五：更高的自动化水平

今天的人工智能，自身还需要大量的人工，特别是在数据标注环节，今天甚至还诞生了一个新的职业叫“数据标注师”。有人调侃说，今天的人工智能，是没有“人工”就没有“智能”。

我们认为，应该大大提升AI自身的自动化水平，比如在数据标注、数据获取，特征提取，模型设计和训练等环节，要实现自动化或半自动化。

改变之六：模型要面向实际应用

2018年6月，伯克利大学的助理教授 Benjamin 等发表了一篇题目奇怪的论文--《CIFAR-10分类器能否泛化到CIFAR-10？》

该论文指出，在CIFAR-10分类器上测试准确度出色的模型算法，却在作者创建的与CIFAR-10非常接近的另一测试集上出现了偏差，分类识别准确率下降了5-15个百分点不等。这也就意味着，这个模型算法的可用度大幅度下降。

由此，可见当前很多优秀的模型算法，更多的是“考试”优秀，还未达到“工作”优秀。

我们认为，未来的模型必须实现工业级的优秀，即满足工业生产的需要，而不仅仅满足于测试集上“考试”优秀。

相关报道: