下载掌阅APP，畅读海量书库
立即打开
与应用结合是技术探索的锚点之一，在产业应用中证实自身价值是评判技术能力的关键标准——深度学习之所以能够掀起又一轮AI创新的热潮，核心原因恰恰在于技术投射至应用层后被迅速且顺畅地变现。尽管深度学习依旧在技术和学理等层面存在不足，但它在一系列数据集测试中压倒性的表现，还是让各界不得不承认其具有广阔的价值空间。
随着深度学习走向兴盛，一大批技术成果被相关产业快速吸纳，小到每天解锁手机时使用的人脸识别，大到以AI技术赋能工业智能化发展、打造可实现城市精细化管理的城市大脑。AI技术构建或加持的应用可谓蔚为大观，已融入我们工作和生活的点滴细节。
但是，这还远远不够。我们只是刚刚触碰到因AI新科技结合数字化3.0而衍生出的产业应用想象空间的一隅而已。
以AI为钥，我们开启了第四次工业革命的大门。随着时间的推移，我们看到越来越多的技术演进趋势和产业跃升可能。从一隅到全局，将一个个创新节点联结成网，我们会见证AI新物种的不断涌现，与此同时，人类也很可能会在AI的辅佐下进化到与历代前人都不同的全新层次。
深度学习算法和AI技术正在由浅入深地改变着物理世界和数字世界。根据埃森哲于2017年发布的人工智能报告，到2035年，AI技术将推动中国劳动生产率提高27%，经济总增加值提升约7.1万亿美元。不久，从每个人的生存状态到整个世界都会变得更加智能，凡是有责任感的科技工作者都不会错过这样的历史性机遇。
AI如何与产业应用深度耦合？大体来看，AI至少可以从两个方面创造价值。一是创造出新的行业、新的职业、新的岗位，比如近年来已然成真的AI训练师、AI架构师，抑或是自动驾驶产业、AI +药品开发产业等。这些行业、岗位乃至相关产业链在某种意义上都来自被AI激活并刷新的未来产业。二是将AI作为赋能型技术，用以升级固有的信息技术基础设施，进而改造、优化各个行业的生产关系。
在提及AI赋能产业时，我们往往会联想到“提质增效”等关键词。这些关键词既展现了AI技术的产业价值，也透露出产业应用对于AI技术的期待。很快，AI有能力改变或塑造的应用场景将比比皆是、不计其数。例如，在仓储场景中，AI可以根据库存状况、货物位置与人员配置状况来优化仓储布局，从而大幅减少仓储工作人员的日均行走步数；在工业质检场景中，AI可以替代传统的人工识别模式，自动且精准地检测工业产品的缺陷，这不仅能将质检工作人员从高强度的重复劳动中解放出来，还能带来比人工质检更高的准确率。
在思考未来的科研方向时，我采用了从桑纳福实验室的老领导柯蒂斯·雷蒙德·卡尔森那里学到的NABC价值主张。
●N（Needs，需求）：我们的研究能否填补行业或市场的巨大空白？
●A（Approach，方法）：我们的研究能否以独特且合理的方式满足客户或合作伙伴的需求，并创造出有竞争力的发展模式？
●B（Benefits relative to costs，成本与效益）：我们的研究能否为客户或合作伙伴提供清晰、领先的价值？
●C（Competition，竞赛）：我们的研究成果能否比同类机构的成果更具吸引力？
依据这样的价值主张，首先，我们的科研方向必须使技术能够为企业、行业、社会带来真正的帮助，帮助他人、帮助更多人，这应是一切技术的起点与终点；其次，我们应尽量选择具备重大产业变革意义的方向，集中产学资源深耕于此。最后，选择领军者自身擅长的方向，将多年所学、所专、所业、所精与时代潮流相结合。
一言以蔽之，未来的发展方向将是智能+ X（AI + X），即把日渐强大的AI能力投射到千行百业。“X”不是某个被收购并更名的社交平台，而是无限可能的产业、无限产业的可能。除此之外，我相信，AI还将大大加速各经典学科的新发现，尤其是生物、化学、环境和材料等科研领域，数字化与实验自动化的进程正飞速推进。一场名为“科学智能”（AI for Science）的变革已悄然拉开了帷幕。