抵御另一个人工智能冬天的最后一道防线

很多人都担心又一波 AI 寒冬即将到来。虽然 ML 解决方案并不缺乏，但得到企业实际部署的不过十分之一。为此，我们有必要通过五种战术显著降低部署成本。另外，也希望这篇文章能帮助企业 ML 高管、经理以及从业人员深入思考并快速采取行动。这将是我们抵御“AI 寒冬”的一道屏障。

在了解到我在此前文章中提出的“数据科学很无聊”结论之后，来自加拿大某银行的高级经理 Michelle 提出了一项积极的 ML 议程，并跟我进行了热烈的讨论。

Michelle 负责监督该银行的 ML 概念验证（PoC）产品组合。在每个概念验证项目中，她都需要确定某种 ML 技术在 4 到 6 个月周期之内能否给企业带来价值。她希望让目标更进一步——不只是完成更多概念验证，而是真正部署更多 ML 项目。顺带一提，她目前的部署率仅为 13% 左右。

这就引出了两个重要问题: 我们为什么无法部署更多 ML 解决方案？又一波 AI 寒冬是否即将来临？

我先简要回答一下：是的，如果大家还没提升 ML 解决方案的部署率，那么又一轮 AI 寒冬确实来了。你和你的数据科学团队将成为对抗这波寒流的最后一道防线。如何对抗？解决五大核心挑战以继续保持发展势头。否则，你和你的团队将失去这份“二十一世纪最性感的工作”（不是我说的，但网上都这么传）。

自 2012 年以来，我们经历了一波堪称形势大好的“AI 之春”，真可谓是智能春风吹满地。随着技术的突破、深度学习的一步步商业化以及计算资源成本的持续降低，再加上谷歌与英伟达等巨头厂商的推动，人们对 AI 的关注一路水涨船高。

但必须承认，从上世纪六十年代开始，几乎每十年就会兴起这么一波 AI 之春，但随后总会出现严重的 AI 寒冬，具体表现包括：1）怀疑态度占据主流；2）资金投入大幅削减。

现在人们的怀疑态度又占据主流了吗？好像是的（或者至少出现了端倪）。当今市场上出现了各种各样的观点，我们可以通过谷歌搜索趋势进行一番总结。简单来讲，目前的趋势是：虽然关注度仍然很高，但似乎正在趋于平缓。

2019 年 10 月 18 日谷歌趋势图

暂时还没有。目前的资金流主要分为两种：风险投资与企业资金。根据毕马威发布的一份报告，如果将 2018 年第一季度与 2019 年第一季度的投资资本与历史交易进行比较，就会发现整体风险投资市场都有所降温。但风投资金的绝对数额仍然可观，而且 AI 继续在其中充分最热门的领域（直到风投们找到更好的机会为止）。从供应角度看，AI 初创企业与人才可能将继续保持增长势头。

数据整理自 2019 年 10 月 28 日

另一方面，企业定义着 AI 的真正需求与未来命运，这是因为：1）企业才是 AI 初创公司的目标客户；2）企业雇用最多 ML 技术人才。 遗憾的是，企业的内部 AI 项目投资数额大多不对外公开。

因此，我们只能通过以下基本原理进行推断：企业是否正着手部署 AI 解决方案以真正实现（而不只是口头支持）这一新兴技术承诺的价值？如果答案是肯定的，那么他们一定会保持或者增加必要的资金投入。

下面让我们着眼具体层面，看看近年来企业到底如何使用以及部署 AI 功能。

1）N= 来自北美、欧洲以及亚洲的 114000 家机构；2）国际分析机构；3）《福布斯》，2019 年

注意事项: a) 此次调查并不能代表整体情况。某些企业肯定会部署超过 10% 的 AI 项目；我就见过部署比例在 25% 到 40% 之间的公司，但其规模一般比较小。b）我们不清楚 10% 的部署是否算高。由于公开数据比较有限，我们无法比较 ML 与非 ML 概念验证项目之间的部署率差异，也无从判断 10% 的部署率能否带来足够抵消全部概念验证项目总成本的投资收益；但普遍看法是，“我们还可以做得更好。”c）各项调查涵盖不同的企业，但主要面向北美地区的大型组织机构。

我的主要观点是： 如果企业没有部署更多 ML 解决方案，则代表内部对 AI 技术的需求将有所减少；ML 人才将失去耐心并选择离开；风险投资方将把资金转移到其他更有希望的项目当中；高管们会失去信心并削减 AI 项目的资金预算。最终，历史将重演：另一波 AI 寒冬必然到来，我的后背都有点发凉了。

引发 AI 寒冬的原因有很多，可能来自政治、技术以及社会等各个层面。Libby Kinsey 就曾经撰写文章分析目前的具体形势。好消息是：以往的很多限制性因素，例如数据（要提供质量更高的训练数据，势必需要更强大的服务与工具）、处理能力、商业准备程度以及整体数字化水平等，都得到了显著改善。坏消息是：我们仍然面对着一大无法回避的障碍（某些旧问题仍然存在，只不过相对得到了缓解）。

在本次调查涉及的企业中，最核心的问题在于 AI 部署的经济性。正如采用其他任何技术一样，这也是整个 AI 行业必须克服的关键性难题。而且只有尽早采取行动，这些经济因素才能得到解决。

我的好友 Joan Didion 写道 ，“生活中的改变总是在一瞬间发生，普普通通的一瞬间。”我们无法预测事情最终将变成什么样，因此无论 AI 寒冬是否真的存在，我们都应该保持警惕、积极筹备并严阵以待。

因此，让我们深入思考当前企业为什么只部署了大约十分之一的 ML 概论验证项目；我们又该为此做点什么。

简而言之，ML 解决方案部署起来太太太贵了。我们可以把部署工作拆分成以下五个子问题，理解了这些核心问题之后，我们才能逐一将其攻破。

（编辑：ASP站长网）