新东方人工智能中台建设和AI部门管理经验分享_新东方数据中台

新东方人工智能中台实践经验分享

作者：新东方AI研究院院长张建鑫，网址：https://ai.xdf.cn/
有句话讲，技术总是在短期内被高估，而在长期内被低估。您认为人工智能技术目前是被高估还是被低估呢？
人工智能技术的发展历史已经很久远了，现在的AI顶流-人工神经网络理论研究工作最早发生于1943年，在1980年代由Hopfield完成了基础理论的突破，引发了1985年以后持续的人工神经网络研究热潮， Hinton和他的学生们在基础理论的指导下长期努力，终于在2012年推出了Alex Net取得了技术上的重大突破，在那之后更多的人工神经网络模型被提出来，实用效果越来越好，导致了很多人工智能公司的成立，在2015年微软推出残差网络模型和2018年谷歌推出Bert网络模型后， 人工智能算法的工业化前景越发清晰，很多传统行业公司都跟风成立了AI研发部门，近几年AI技术的发展脚步越来越快，让市场普遍产生乐观情绪，认为未来已来。但是现在的AI技术在模拟人类感知能力方面表现尚可，而在模拟人类认知能力方面依然征途漫漫。理论和算法是人类的公共知识和共同财产，目前在各种商业应用里取得算法竞争优势的首要因素不是作为公共知识的算法，而是具体业务场景规则（熟悉业务）和这个业务场景下用户产生的海量数据（数据优势），通过对数据的自动、半自动和人工标注再加上AI算法的泛化能力我们可以实现在某种程度上的case穷举，把某个业务场景里积累的大数据优势转化为这个业务场景里的算法优势，可以说是在用大数据解决小问题，但由于神经网络算法解决的大多是NP完全问题，因此归根到底其算法推理模型只是一个无限逼近完美的近似解，很难做到100%的准确率。与神经网络算法不同，人类经常可以根据蛛丝马迹的少量信息就推导出正确的结论、甚至还能发现新的规律和符合逻辑的定理公式，所以人工智能理论和技术距离成熟还有很长的路要走，黑盒的人工神经网络模型很可能不是人工智能技术的终极答案，神经网络技术目前依然还是一个依赖大数据和算力的，理论性较弱的，工程性很强的算法。但即便如此，人工神经网络算法目前的进步已经足以让它在很多工业、农业和商业领域取得成功。除了算法、数据和算力这三个因素，为了取得更好的效果，我们还必须重视对业务规则的透彻理解和相关的数据开发工作，重视组织管理，重视基础设施建设和降本增效，确保在使用与竞争对手类似的算法技术的情况下，可以用更低的成本，更快的速度，取得更好的算法效果。2018年后随着AI技术在媒体曝光的大幅增加和资本的踊跃投入，AI技术短期内处于被高估的状态，但是AI技术的落地却显得困难重重，有的企业家讲，在人工智能技术上投入了15个亿，换来的只是网速快了一点点，低效的资本狂欢过后，部分企业家对AI技术的评价不可避免地滑落到低估倾向上。