过去10年，在5G、大数据、云计算等新兴技术的赋能下，人工智能（AI）加速发展。然而，AI技术“落地难”的问题也随之而来。日前，《深圳经济特区人工智能产业促进条例(草案)》首次公开并送审。探索建立与人工智能产业发展相适应的产品准入制度，支持低风险的人工智能产品和服务先行测试。这也是国内首个人工智能领域地方性法规。AI产品落地难并非孤例。如何让AI产品顺利落地，打通创新“最后一公里”，成为人工智能应用阶段亟待解决的问题。要落地，首先要有好的数据。人工智能不仅可以提高劳动效率，还可以解放劳动力。但在各个行业的实际应用中，进展相对缓慢。为什么？“AI落地是一个说起来容易做起来难的过程。数据是制约AI能否成功落地的主要因素。因为AI依赖数据来训练基础算法，获得有意义的高质量数据对AI的成功至关重要。”如果缺乏统一、标准化、高质量的数据，AI应用可能就是无米之炊、无源之水。”远望智库人工智能事业部总监、图灵机器人首席战略官谭明洲在接受科技日报记者采访时表示，有专家指出，数据有一种“罪恶”——“自由与自由”。“慢”。“自由”是指当你依赖某些服务器收集数据时，你会发现很多数据有问题，根本无法使用。比如英国调查机构发现，80%的人出生于1911年11月11日，之所以会这样，是因为有些受访者不愿意回答一些隐私问题，需要输入出生日期的时候，想输入00，但是系统不允许输入00，所以大家输入11，所以80%的人的生日都是随便填的，“散”就是数据散落在各处，“慢”就是数据的更新速度慢，再比如制造业、《产业基因数据量大，数据质量和数据管理问题很重要。”谭明洲指出，但制造业数据可能存在偏差、过时，甚至错误百出。特别是在生产车间等繁重的制造环境中，在极端、恶劣的操作条件下收集的数据。此外，数据的风险和合规方面也不容忽视。“人工智能让企业习惯于严重依赖机器来帮助他们做出决策。这个过程会带来隐私保护、人工智能可信度、伦理和社会问题等，这些都需要在人工智能实施过程中得到解决。””谭明舟强调，规模化也是一个大问题。大部分企业的AI创新都是点状、实验性、局部创新，缺乏规模化、商业化、运营布局。降低成本是实现业务的关键。到全球化业界普遍认为，任何新技术想要在行业内实现规模化应用，都需要为企业降低成本、提高效率，为企业寻找创新机会，就目前AI技术水平而言，很多时候，“降本、增效、创新”只能在行业的某个环节、某个步骤实现，只有在极少数情况下，人工智能技术才能完全取代人类。”行业主要分为三大类，即智能感知、智能交互和智能决策。在这三类场景中，AI要想真正落地，需要降低算力成本，提升算法和框架的性能。只有这样，人工智能落地时，才不会因为成本过高而失去商业价值，进而实现商业化和规模化。”谭明舟说。谭明舟指出，应用场景、资源与基础设施、算法与模型、智能设备、数据构成了AI技术落地的五大要素，如何在落地场景中统筹这五大要素是关键。AI技术，是技术落地的另一个关键点，在实现智能感知、智能决策、智能交互的过程中，任何一个要素的变化往往会引起其他要素的变化，比如算法模型发生变化，设备资源调度也会随之变化，结果就是在真正落地的时候，算法专家、设备专家、资源专家、应用开发伙伴都需要在场，最终导致AI落地成本高，无法实现真正在工业应用中大规模铺开，如何才能快速降低整个人工智能实施的成本达到商业价值的水平？“需要让这些要素并行发展，而不需要随时兼顾所有要素。换句话说，算法专家不需要关心应用情况，设备供应商也不需要关心算法问题，这五个元素解耦，让一个元素比其他元素更透明，从思维上看，这有点像PC操作系统，通过标准化的协议屏蔽了鼠标、键盘等所有设备的复杂性，让它们相互解耦，各自专注于自己擅长的方向，从各个方面降低成本。只有这样，AI才能真正实现规模化，取得商业上的成功。”谭铭洲说。什么样的应用才是真正的AI应用，储备懂AI思维和语言的人才？”未来还是需要重新设计场景和用户体验，用AI本身的方式去思考，生产出真正的AI应用.人工智能应用。”云知声董事长兼CTO梁家恩认为，未来5年，将会有真正的AI应用，AI的能力将发挥到极致。届时，AI作为“后台技术”已经普及而消费者不会察觉——因为技术应用的最高境界是技术变得麻木不仁。人工智能专家丁磊在新作《AI思维》中强调，AI不仅仅是一种技术，一种工具，更是一种思维方式它可以帮助我们有效地分析大量数据，从中得出预测，甚至帮助我们做出决策，那么在AI落地的过程中，储备真正懂AI思维和AI语言的人才就显得尤为重要。事实上，在大型一些企业场景中，工程师和科学家讲一种语言，而企业领导者讲另一种语言，他们之间没有良好的沟通渠道，这种情况进一??步使得实施AI的重用很困难。TanMingChau说，经验丰富的AI专业人才很难招到，这对所有行业的企业来说都是一个挑战。实施AI项目通常需要建立一个由数据科学家、ML工程师、软件架构师、BI分析师和SME组成的网络。由相关人员组成的跨学科团队。而AI落地的关键在于加大对企业主或企业领导者，甚至是一些一线企业领导者AI思维的宣传和教育。当这些人真正理解AI的数据思维，采用AI的闭环逻辑时，AI的落地就会顺畅很多。建设高端人才队伍、开设人工智能专业的高校无疑是“抢手货”。如今，一些高校开始注重培养学生的交叉学科意识，结合自身特色专业，制定关于“人工智能+”的培养计划。谭明洲表示，人工智能教育本质上不是知识的教育，而是思维能力和思维方式的教育。我们应该从小做起，帮助年轻人树立人工智能意识。不断提高他们的科学素养，激发他们对人工智能的兴趣和热爱。目前，中小学的人工智能相关课程偏向基础编程教育。通过模块化操作，可以实现一些智能功能，比如让机器人踢球、走路等，可以帮助青少年培养机器学习思维，让中小学生对人工智能有初步的认识。
