阿里巴巴周昌：AI从业者应“放下论文，注重落地”

　近日，在由21世纪经济报道主办的2018中国智造业年会上，阿里巴巴AI大脑专家周昌分享了“面向制造的云端视觉AI”，他从AI一线工程师的角度，介绍了视觉AI在工业制造领域的应用场景和发展潜力。

　　不过，作为一个新兴领域，AI在落地过程中显然也会面临不少挑战。在接受21世纪经济报道记者专访时，周昌表示，如何做好业务和技术的融合，是当前AI应用的一大课题，这需要人工智能从业者“放下论文，注重落地”。

　　视觉AI解放人力

　　视觉AI在工业领域有哪些应用场景？周昌对21世纪经济报道记者表示，主要有两个方面，一是传统生产线上的机器视觉，更多体现的是视觉AI硬件化，即生产线上的摄像头AI升级；二是非生产控制场景的视觉AI应用，如质量检测、车间/产区监控、安全监控等等。

　　后者是解放人力的重要落地方案。据他介绍，工业制造领域的视觉应用均呈现出长尾、碎片化的特点，云端视觉AI正是通过构建一套应用方法，并建立相应的AI落地策略，提高视觉应用领域的效率，以减少人力投入。

　　他重点介绍了视觉AI在制造业领域的应用场景之一：缺陷检测，例如太阳能电池片的生产，检测出有缺陷的产品，往往要耗费大量的人力、物力，在专业领域，一个员工识别出缺陷产品，至少要培训1-3个月的时间。

　　再例如，火车的保养工作通常要用榔头敲打各个部件，铁路公司在进站的轨道上放置摄像机，将这些检测图片传至办公室内，办公室内的工作人员进行远程观测。但事实上这个工作非常“辛苦低效”，对企业来讲也是人工成本高、情绪对质控影响大。

　　在视觉AI的解决方案中，机器视觉工程师会全程参与，去现场搜集缺陷的类型、图像的种类，并制定召回或修改的指标，结合企业的成本控制要求，完成对视觉信息的有效输出。同时，对于各个流程中的人工干预，方案也会进行更为合理的规划。

　　周昌表示，在面向制造业、农业、环保等领域时，视觉AI的落地是实战型的AI，其中最容易突破的点就是解放繁琐工作。“在各行各业，繁琐工作大量存在，这些点最适合AI落地的产品。”

　　“实战型”AI落地

　　在AI应用的过程中，周昌强调，面向产品不追求“一击必中”，但追求有效输出，“效”既是效果也是效率；而面向业务，他尤其重视AI这道“主菜”之外的“配菜”作用。

　　周昌认为，目前AI落地最大的机遇是，AI技术本身这几年的突破式发展（以深度学习为代表）和沉淀之后，不少技术点到了可以落地的程度，而且短期内也不会有重大颠覆，这个时间点落地价值最大。

　　但同时，他指出，在落地时，我们需要的不是炫技型的AI，而是实战型的AI，它落地的关键之一在于业务和技术的融合，这需要人工智能从业者“放下论文，注重落地”。

　　“我们在实施人工智能项目落地的时候，要围绕着客户的痛点问题，而不是围绕着AI这个单点，单点的突破只能吸引用户，无法解决用户真正的问题。”周昌对21世纪经济报道记者表示，所谓“配菜”，就是指那些围绕客户痛点问题进行的研发工作，而这些工作大都不是AI相关的。

　　以阿里巴巴的“城市大脑”项目为例，这是AI在安防产业的应用。事实上，目前在安防行业中，传感器所搜集的数据量已经足够大，但这些数据并没有应用到位，周昌形容为“盲人摸象、灯下黑、雾里看花”。城市大脑正是通过感知、决策、搜索、预测、模型五个步骤，力图解决这一现状。

　　周昌介绍，在杭州的“城市大脑”应用实践中，相当一部分存量摄像头进行了智能化改装，云端智能对这些存量摄像头有一个“云扫描”功能，通过有限的算力，每半个小时便能将城市的一万个摄像头扫描一次，达到实时监控的效果。

　　在应用层面，“城市大脑”除了协助城市交通、安全管理之外，还可以进行“视频搜索”，在人员走失、群体事件预警等方面均能起到简化人力、提高利率的作用。据周昌介绍，如果把一条街一个月的视频搬到云上，一个小时甚至十几分钟之内便可以全部分析完，找到想要找到的信息。