阿里云ET挑战IBM沃森?AI进入micro bubble时代

科技茱比莉Jubilee2020-07-31 14:21:07


在人工智能micro bubble时代,中美企业也在对峙,到底是先云后AI,还是先AI后云呢?前者中国的代表是阿里云,后者美国的代表是IBM。





什么是“micro bubble”?记得上一次用到这个词是形容2008年处于萌芽时期的“分享经济”。这个词与3月17日《经济学人》“熊彼得”专栏对整个高科技行业的泡沫情况展开调查后得出的结论“有沫但没泡”异曲同工。那么,在如此微妙的阶段,中美两国在人工智能(AI)领域都有怎样的共识?

一方面,中美两国对AI前所未有的关注

白宫接二连三发布AI相关报告和白皮书,2016年10月《Preparing for the Future of Artificial Intelligence》12月21日《Artificial Intelligence, Automation and the Economy》;3月5日,AI也首次写入中国《2017政府工作报告

另一方面,资金和人才蜂拥而至引发了中美相关人士的隐忧:

千万年薪挖角学术大咖,还有谁能静下心来做研究?大批AI概念创业公司几乎一夜出现,VC开始早期的“撒碎银”阶段,但还没有谁实打实地感受到AI的威力。

2016年年末,硅谷开始反思AI领域是否已经存在泡沫的声音渐起。多数人赞同AI是最新的“micro bubble”。似乎每个公司都在往AI砸钱,但标志性大事件还没有出现。技术发展仍在以可预见的周期稳步进行,并形成宏观趋势。



1

AI的症结在哪里?



AI最大的症结在于,在一定的理论和算法之上,如何持续地供给数据提升AI的场景化应用,这意味着如何打通最后一公里。

毫无疑问,云计算是唯一手段。在人工智能micro bubble时代,中美企业也在对峙,到底是先云后AI,还是先AI后云呢?前者中国的代表是阿里云,后者美国的代表是IBM。

其实,AI与云已经密不可分。这也是为何沃森在2011年美国智力问答节目“危险边缘”中一举成名之后,IBM很快就将沃森搬到云上。为何谷歌大脑负责人Jeff Dean在围棋大赛AlphaGo战胜李世石后,表示“AI将成更高级的云计算”。

一方面,云可以让数据成为AI所需的可持续供给资源。

在稳坐中国市场云计算第一之后,阿里云不仅将眼光瞄向了全球市场,在云计算升级上也开始向AI发力。阿里云首席科学家周靖人就在前不久举行的云栖大会深圳峰会上强调了阿里云的AI目标:作为阿里巴巴“NASA”计划研发成果的对外输出通道,阿里云将受益于NASA面向未来20年在机器学习、IOT、生物识别等重点领域的核心科技储备。

另一方面,云计算也是让AI更为普及的唯一手段。

为了让AI这门综合多门学科的技术,变成开发者只需要拖拽就能可视化完成开发的普惠性技术。阿里云还发布机器学习平台PAI2.0,以更丰富的算法库、更大规模的数据训练和全面兼容开源的平台化产品。此外,云服务价格的下降也将从商业层面推动AI的普及。2016年,阿里云曾17次下调价格,核心云产品最高降幅达50%。此次云栖大会,阿里云又宣布华北3地域超大规模数据中心正式对外开放运营,云服务器ECS全系列降价20%




2

医疗行业AI发力


最简单直接“撇掉泡沫”的方法就是让AI真正落地在行业里应用起来。反过来看,随着数据量呈指数级增长,计算能力显著增强,现在是商业应用从AI中获益的时候了

哪些行业最值得下手呢?衡量因素不一而足,或是数据储备足够丰富,或是最需要被改造,或是最能造福大众。而医疗行业由于文献规范,数据精准,造福大众,成为AI最先落地的领域

此外,从行业风向标的动向可管窥一二。

比如数个AI领域的重磅人物对医疗行业表现出极大兴趣。3月21号吴恩达离职百度后在谈到后续作为:“有很多垂直领域令我感到兴奋,我对医疗领域和教育领域极其感到兴奋——这些是AI大有可为的主要领域。”。同样是3月21日,在微软工作超过25年并拥有5万次引用的机器学习专家David Heckerman离职,加入基基因的健康医疗公司Human Longevity担任首席数据科学家

风投机构也认同这种趋势——以硅谷顶级风投Andreessen Horowitz为例,其合伙人就对外表示强烈看好Freenome和这两家公司,一家是使用机器学习来通过血液快速检测数种癌症,一家是为用户提供身体状况预测。



在中国,阿里云同样选择了把医疗作为重点行业。深圳云栖大会上亮相的ET医疗大脑是一个开放的人工智能系统,除了阿里云的人工智能科学家,也将吸收外部的精良算法和医学经验,让ET可在患者虚拟助理、医学影像、药效挖掘、新药研发、健康管理等领域承担医生助手的角色。

在云栖大会上,阿里云总裁胡晓明现场还介绍了ET医疗大脑如何辅助医生判断甲状腺结节点病变。数据显示,人类医生的平均准确率为60%-70%而当下算法的准确率已达到85%。进一步,ET做出的初步诊断会由医生再做核查,医生也可为ET注入新的知识,把ET“调教”成全能助手

此外,阿里云宣布联合英特尔、linkdoc启动天池医疗AI系列赛,在这个汇集了6万多名AI算法科学家的平台上,寻找早期肺癌诊断的智能化判断最优算法,让机器可以通过原始CT影像图片协助医生进行诊断。

记得IBM最早涉足的商业领域就包括医疗,甚至不惜重金26亿美元收购医疗数据与分析服务提供商,并在全球已经落地不少医疗项目。而阿里云ET在医疗行业的举措也被业界解读为在中国向IBM沃森挑




翔snowman    原创出品

公众号转载需注明来源

科技茱比莉

有视角的科技观察  有态度的科技评论