起航学习网

经历了2017的疯狂炒作之后，人工智能热潮正在退去。未来人工智能究竟能走多远？

2017整整一年，围绕人工智能的巨头投资、创业押注不绝于耳，融资额度不断刷新纪录。但是无论是图像、语言交互，还是算法、机器学习都不足以与实际场景结合，换句话说，落地成为最大的难题。

另一方面，越来越多新技术、新概念的出现，也让人工智能逐渐遇冷。2017下半年随着比特币的大涨，区块链成为大家关注的新热点，几乎占据了投资人、媒体人的朋友圈。

讲技术 却找不到应用场景

大家都知道人工智能代表着未来，但是在现实生活中，除了某些特定场景之外，大家几乎无法感受到人工智能带来的便利。

举个例子来说，智能音箱可以说是借着人工智能浪潮最先起来的产品之一，2017年一度呈现“百箱大战”的局面，也是阿里、京东、小米等巨头抢滩的要地，但是作为核心卖点之一的语音识别在体验中并没有大众所期待的那样优秀。

首先，语音识别需要庞大的数据库支持，但是当我们真正使用时会发现有很多表达习惯并不能被机器所理解。虽然很多语音识别公司都说自己的技术识别率已经到95%，甚至是98%，但是在方言、咬字、吞音等常见情况下，大部分产品都无法做出合理反馈。(感兴趣的读者可以查看IT耳朵评测文章，了解更多内容)其次是声音采集的准确性，虽然智能音箱主打的场景是客厅和卧室，但是使用时场景是比较复杂的，人说话的声调、语速等都不相同，采集声音时会受到其他人员、环境杂音、甚至是音箱自身的干扰，这都会导致准确率下降影响体验。最后也最重要的是缺乏交互自然性。几乎所有智能音箱产品都需要一个类似“芝麻开门”的语音密钥来唤醒，且每次发布指令时都要重复一遍唤醒词，这就让用户与产品之间产生明显的距离。

综合看来，智能音箱的产品形态确实足够新颖诱人，但是其本质还是一个语音助手，并不能完全胜任智能家居中控的角色。

另一个明显的例子自动驾驶技术。大家习惯把自动驾驶分为L1-L5这五个等级，近期我们也采访了一些自动驾驶(辅助驾驶)的公司，他们普遍认为自己的技术还处在L3等级，即高度自动驾驶阶段，在应对激烈情况时仍需人为介入。而这样的技术是如何实现的呢?

特斯拉对于周边环境的识别是通过设置在车辆上的12个长距离超声波距离传感器Ultrasonic Sensors、1个长距离雷达Radar和1个前向摄像头Forward-facing camera来实现的，而国内其他公司的解决方案也都类似。但是通过长时间的走访和观察，我们也发现其中的一些问题，首先雷达或者超声波是会相互干扰的，试想一下十几辆车堵在路口，他们之间会形成强烈的干扰从而导致收集到的数据出现偏差。其次前向摄像头也不是万能的，想想微博上热议的“远光狗”，想想繁华街市的各色霓虹灯，这些都是对摄像头最大的挑战。在一次与四维图新自动驾驶研发部负责人聊天中，他也坦言，目前自动驾驶使用的摄像头在弱光、逆光、或者多种光源的复杂环境下仍然很难准确做出判断，甚至在一些没有道路标志线和明显路边的地区也很难精准识别。

人工智能在2017年发展最快的两个典型案例中，表现都不能让人满意。再看看其他的应用场景机器人、智慧物流、智慧城市似乎又离消费者太远。各大人工智能公司频频爆出融资消息，发布会也没少开，但是却很少听见落地的案例。

玩概念 却做不好体验

如商汤、旷视、依图、图森这些国内人工智能风口上的企业大部分是做算法的，由于技术的商业化程度不足，往往只能通过项目定制的形式为客户提供AI技术服务，即简单粗暴地卖模型、卖算法，如人脸识别技术服务、基础语言识别服务、金融领域的知识图谱工程等。但以人和算法作为企业核心能力是不可持续的，尤其目前深度学习领域的算法红利期变得越来越短。

以面部识别为例，经过iPhone X的教育，手机面部解锁正在成为越来越多厂商的标配。但是作为消费者来说98%的识别率和99%的识别率在体验上几乎没有区别。而用过面部解锁的用户都知道，在移动(晃动)中无法解锁才是其目前无法取代指纹解锁主要原因。

文章出自：http://qh.itpxw.cn/ai/python/201838246.html

文章标题：人工智能在2018年还能在火爆吗

免责声明：本站文章均由入驻起航学习网的会员所发或者网络转载，所述观点仅代表作者本人，不代表起航学习网立场。如有侵权或者其他问题，请联系举报，必删。侵权投诉