AI应用落地传统行业，高质量数据是应用前提

　　过去这10年，大部分AI的研发和应用是“以软件为中心”驱动的。在海量数据的支撑下，不断优化软件和算法，来获得更高的算法精度。在传统行业无法提高数据质量和数量的情况下，吴恩达认为，传统行业应该采用“以数据为中心”的模式，把重点放在获得质量更好、匹配度更高的数据上。 　　“在这种思路下，传统行业也涌现了一些不错的应用案例。比如医学领域的影像识别AI系统，可以帮医生‘看’CT影像片子，对肿瘤等病变加以识别，辅助医生做出判断。”朱鹏飞介绍，由于很多数据都由专业的放射科医生在影像片子上进行了标注，因此数据比较准确，AI算法模型在学习的过程中进步很快。目前很多影像识别系统的准确率都能达到90%以上，由于是辅助医生，最后还需医生做医疗决策，但这个水平的准确率在很大程度上降低了医生的工作强度。 　　“尽管传统行业有了一些应用AI技术的成功案例，但是要想更好地和AI结合，还得在提高数据质量方面下功夫。”朱鹏飞建议，首先对于已经积累了海量数据的传统行业，在保证数据安全的前提下，主动开放数据。挖掘数据中蕴藏的价值，和需求关联起来，会有很大的发展空间。其次，对于新兴行业，比如新能源汽车等，在构建智能工厂规划的时候，就把获取数据、智能化的因素考虑进去。 　　不过朱鹏飞强调，在传统行业用好AI技术的同时，也不要滥用AI技术，在应用前做好评估，如果不能提高生产效率，对行业整体有所提升，那么盲目强行使用AI技术，就是对资源的浪费。“比如一些应用场景需要AI算法达到99%以上的精度才可以使用，通过评估，现有模型算法只能达到90%的精度，那么这个场景就没必要强行上马AI技术了。” 　　“总而言之，对于AI技术的应用要数据先行，有高质量的数据再谈应用，没有好的数据很难有好的应用。”朱鹏飞说。