浮在實驗室與測試數(shù)據(jù)中的AI技術急于走向臺前，國家和產(chǎn)業(yè)對實用化AI的需求同樣也十分迫切。你是不是也蠢蠢欲動，想要在AI江湖中一展身手？別急，我們也在現(xiàn)場幫大家向上面的優(yōu)秀“課代表”們?nèi)×巳〗?jīng)——想要打造一個致用型AI，需要具備哪些前提？

1.放棄將AI“神化”的幻想。

用開發(fā)者的話來說，AI開發(fā)真正注意的東西，都是跟AI開發(fā)無關的一些東西。比如一個基本的常識，AI技術只是一個個螺絲刀、老虎鉗這樣的工具，最后如何解決問題，應該用這個老虎鉗還是一個螺絲刀就能搞定，這種對產(chǎn)業(yè)問題的基礎判斷能力，找到AI技術適用的場景和方式，才是開發(fā)者應該具備的特質(zhì)。

2.有多少人工，就有多少智能。

找對了工具（算法），也不意味著能夠立竿見影地解決問題?！坝卸嗌偃斯?，就有多少智能”，看似是一句笑談，也是AI世界里的樸素真理。

采訪中，就有兩個細節(jié)特別打動我。

MV的開發(fā)者分享了一個自己的親身經(jīng)歷，高精度3D結構光的數(shù)據(jù)量相比2D是幾何倍數(shù)的增加，即使做了成像壓縮，一塊1T的硬盤也可能裝不了兩個人的人臉數(shù)據(jù)。為了保證算法訓練的數(shù)據(jù)量，往往是在豐臺的辦公室采集完了之后，由開發(fā)者自己拿一個啤酒架一樣的架子，裝滿硬盤給百度大腦的技術人員送過去，常常需要往返數(shù)十趟。就是在這樣的人力工作之下，才誕生了3D人臉識別算法的雛形。

米文未來的延誤識別算法，也是在這樣不辭辛苦的人工干預下完成的。在不同光線、時間、背景，室內(nèi)、室外等各種環(huán)境條件下，米文的開發(fā)者大概花費了幾百個小時“點燈放火”，才積累到了幾十萬張數(shù)據(jù)，完成了算法的訓練。

所以說，AI開發(fā)中要面對的真實問題往往比預期和實驗室中復雜很多，運用一切辦法、動用一切力量去解決問題，這是一條不好走的路，但這才是一個AI開發(fā)者的自我修養(yǎng)。

3.不輕技術，更不輕應用。

在AI狂飆突進的過程中，很多開發(fā)者把AI算法本身看的很重，日常沉迷跑分與論文。這樣做低估了AI產(chǎn)業(yè)化的難度，也低估了產(chǎn)業(yè)端的價值。很多時候，技術在真實的產(chǎn)業(yè)場景里可能會缺位。比如生物識別、火焰識別等等，這可能是科學家們一般不會思考的問題，卻是切實存在、富有價值的產(chǎn)業(yè)需求。

在采訪中，來自中科院的王聰田這樣理解自己的定位——應用的人如果掉進技術的坑里，可能就跑不出來了，可以利用百度EsayDL這種人家已經(jīng)訓練好的簡單易用的模型，不要深挖技術上的東西。

同樣想法的還有很多，例如視派爾科技，作為數(shù)字圖像處理的技術方案服務商，視派爾的開發(fā)者也強調(diào)，自己的重點在打磨體驗和場景，做好AI所需要的前端圖像處理外，還要做更貼合市場的定制化服務，至于平臺化的SDK等軟件層就就依靠百度這樣的合作伙伴。在和百度大腦的合作過程中們也體會到和看到了這一商業(yè)模式的潛力。

畢竟，深入應用場景的產(chǎn)品及深度定制化的創(chuàng)新要比重新造輪子緊迫得多，產(chǎn)業(yè)化才是讓AI普惠更快被大眾感知和享有的關鍵。

總而言之，對AI“致用”的合理認知，才是一切想象力與奇妙故事的起點。