传统行业应用AI面临数据集很小等三大挑战

　　吴恩达认为，在AI应用方面，消费互联网行业之外的其他行业都面临着三大挑战：数据集很小；定制化成本很高；从验证想法到部署生产的过程很长。 　　对此，朱鹏飞也深有感触，他以传统制造业为例进行了分析。 　　“传统制造企业在制造向智造转型的过程中，数据是一个很突出的问题。”朱鹏飞介绍，首先在数据的获取方面存在一定难度。传统制造企业的数据是封闭的，因为很多传统企业并不是新型信息化设备，没有传感器收集实时数据，也没有数据中心，因此数据零散，缺失严重，很难获取像消费互联网企业里那种海量、高质量的数据。 　　其次，行业内部各个工厂的数据很多具有商业价值，因此工厂都严格保密，这导致数据不流通，没有办法进行共享，进而形成了数据孤岛效应，影响了AI算法模型的优化。 　　“我们在开发一个AI算法模型的时候，因为数据的保密性，往往得到的数据都是经过‘脱敏’的，这也严重地影响了我们的判断。而传统行业的企业中，又缺乏具有AI算法模型开发能力的技术人员，因此双方在合作研发过程中也存在着很高的壁垒。”朱鹏飞说。 　　此外，传统行业中的数据来源并不像消费互联网领域那样来自单一场景，复杂的业务场景导致数据往往很“脏”，必须进行“清洗”，去掉大量无效信息，AI算法模型才能高效率的学习以提高精度。“这就像我们教小朋友知识，只讲知识点，小朋友们才能学得快，如果在知识点中夹杂着大量无用的信息，小朋友无从分辨，学习效率肯定降低。”朱鹏飞介绍，而给数据标注“知识点”的工作是巨大而繁琐的，需要企业有专人去做，要花费很多时间精力。 　　“传统制造业要想获得高质量的数据，就必须对生产设备进行信息化、智能化的改造。”朱鹏飞表示，这种改造需要企业投入大量的时间和精力，还会增加生产成本，这也成为AI在传统制造业中应用的壁垒。