 近十年來，出現(xiàn)了一些令人驚嘆的技術(shù)。隨著 2000 年代后期 iOS 和 Android 應(yīng)用程序商店的推出，移動應(yīng)用生態(tài)系統(tǒng)已經(jīng)成熟。任何一個有好點子的人，都能開發(fā)出一個應(yīng)用并進行發(fā)布。比如像 Uber、Snapchat、Instagram 這樣的科技巨頭都是這樣誕生的。同時，我們也看到，云計算逐漸成為大家獲取計算資源的主流，而人們也不需要再購買昂貴的服務(wù)器。 這十年，人工智能也成為人們關(guān)注的焦點。如果說，移動應(yīng)用和云計算是對弱勢者的顛覆性技術(shù)（它們提供了平等的競爭環(huán)境），那么人工智能就是對大公司更有利的技術(shù)，與大公司相比，創(chuàng)業(yè)公司可能不太適合采用這項技術(shù)。原因主要有以下三點。 人工智能是由數(shù)據(jù)驅(qū)動的，這意味著你擁有的數(shù)據(jù)越多，結(jié)果就越好。如果人工智能不能獲得正確數(shù)量的數(shù)據(jù)，它的結(jié)果將會差強人意。 一般情況下，初創(chuàng)企業(yè)收集的數(shù)據(jù)量遠不及大公司已經(jīng)擁有的數(shù)據(jù)量，因為初創(chuàng)企業(yè)沒有足夠的客戶基礎(chǔ)和流量來產(chǎn)生大量的數(shù)據(jù)。比如，F(xiàn)acebook 就曾用來自 Instagram 公共賬戶中的 10 億張圖片來訓(xùn)練一個計算機視覺模型，而一般的初創(chuàng)企業(yè)則很難做到這一點。 雖然有一部分初創(chuàng)公司依靠諸如 ImageNet 這樣的公共數(shù)據(jù)集來進行人工智能訓(xùn)練，但即便是經(jīng)過世界頂尖大學(xué)教授們長達 9 年的數(shù)據(jù)收集工作，ImageNet 的圖片數(shù)量仍僅為 1400 萬張。 此外，初創(chuàng)公司還面臨來自數(shù)據(jù)質(zhì)量的挑戰(zhàn)。人工智能所需的數(shù)據(jù)要被準備分類、標注，并且數(shù)據(jù)得是正確的。大公司有足夠的資源和客戶來收集大量的數(shù)據(jù)，然后再進行標注，從而保證數(shù)據(jù)的質(zhì)量。 雖然人工智能是最常被濫用的技術(shù)流行詞，但它仍是一個日益增長的領(lǐng)域，并且人才短缺。 一位人工智能專家需要精通統(tǒng)計學(xué)和線性代數(shù)，理解如何建立模型，以及如何定義問題、問題的參數(shù)和結(jié)構(gòu)。目前來看，擁有人工智能經(jīng)驗的人才是很有限的。并且對于初創(chuàng)公司來說，情況則更是雪上加霜，因為初創(chuàng)公司很難支付起巨額薪水。 而對大公司來說，則可以憑借雄厚的財力以及良好的發(fā)展前景雇傭到成熟的人工智能研究人員。目前，一些大型技術(shù)公司甚至在挖人工智能領(lǐng)域的教授，這也使得人工智能領(lǐng)域的研究生人才數(shù)量進一步下降。對人工智能專家來說，也更愿意與擁有資源的大公司合作。 人工智能帶來的成本問題是初創(chuàng)公司的另一個擔憂。像深度學(xué)習(xí)這樣的人工智能訓(xùn)練模型需要大量的時間和計算來訓(xùn)練。要建立一個“足夠好”的模型，至少需要幾個迭代的訓(xùn)練，以便對超參數(shù)進行調(diào)整和優(yōu)化。因為模型需要多次訓(xùn)練，計算能力和開發(fā)時間都會付出很大代價。 僅僅對一個已有的模型 （比如 BERT）進行再訓(xùn)練，就會花費掉一個工程師的月薪。除計算成本外，初創(chuàng)公司還必須處理 MLOps 的基礎(chǔ)設(shè)施。對大型企業(yè)而言，這沒有什么挑戰(zhàn)，因為它們擁有大量資金、專業(yè)的 IT 人員和管理計算和人工智能相關(guān)培訓(xùn)成本的資源。 與大公司相比，初創(chuàng)公司采用人工智能可能會面臨以上三個方面的挑戰(zhàn)。因為資源有限，客戶群不大，所以對于初創(chuàng)公司來說，部署人工智能模型，并在此基礎(chǔ)上作出業(yè)務(wù)決定是一件非常麻煩的事。人工智能是未來，但它需要用資源、專門的技術(shù)和時間來研究以及部署最新的人工智能模型。初創(chuàng)公司想采用人工智能技術(shù)的話，還需仔細考量。 Gaurav Aggarwal，Sleek 和 Forbes U30 的聯(lián)合創(chuàng)始人，工程師出身的企業(yè)家，幫助小企業(yè)通過人工智能生存和發(fā)展。 原文鏈接： https://www./sites/forbestechcouncil/2021/04/23/three-key-factors-making-ai-adoption-hard-for-startups/?sh=4aefd1c3796e |
|
|
