人工智能应用的“人机料法环”五要素模型

您当前位置：首页 > 中为资讯 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-09-14 17:20:53】【打印】【关闭】

相关报告

借鉴制造业质量管理经验，构建人工智能应用的“五要素模型”。在传统的制造业质量管理实践中，

针对发现的产品质量问题会将各种可能的因素拆分成“人机料法环”（人员、设备、原材料、方法

工艺、生产环境）五个方面寻找真实的原因并逐个改进。相应地，如果将人工智能应用看作最终呈

现的产品，同样可以将决定“产品质量”的各项要素分成五个方面，形成人工智能应用版本的“人机料法环”五要素模型，即人才储备、计算设施、数据积累、技术算法、应用场景。

人工智能应用的“人机料法环”五要素模型

人才储备：“人才”是第一资源，包括算法领域的专家，以及熟悉应用场景和市场的人才。

计算设施：能为算法的实现及应用的运行提供强大计算能力的硬件设施及开发工具包平台等。

数据资源：用于算法模型训练的数据，足够的样本才能尽可能避免过拟合风险。

技术算法：算法是人工智能实现的核心，算法的实现，尤其是不同场合的因地制宜很重要。

应用场景：无论最终是具体产品还是技术支持，人工智能的落地必然要与具体的场景相结合。

人工智能应用五要素中，计算设施和数据积累都是相对长期的积淀过程。前者更多与计算机硬件研

发密切相关，后者更多依赖于企业的业务积累以及行业的数字化程度。对于一般企业而言，“机”

和“料”这两个要素，即计算设施和数据积累，除了自建，还可以通过从第三方外购的形式取得，获取难度和成本已经大幅下降。

基于平台的基础计算设施和开发工具一般由科技巨头提供。基础设施的建设和维护投入很大，投资

回报周期长，主要玩家是科技巨头，巨头会在这些设施基础上构建平台，搭载最基础的数据存储和处理技术以及一些基本的算法应用。并且除自用以外，一般还会提供接口，开源趋势明显。

但数据积累除了外部来源，还有相当一部分依赖于企业自身的业务和场景积累。获取难度和成本的

下降也只是与过去的相对比较，不同行业和不同场景的数据存在差异，获取渠道和处理办法也各有不同，尤其是涉及安全、隐私和所有权的情形下依然可能存在壁垒。

普通企业很难在计算设施获得竞争优势，却可以从巨头处购买资源，所以本篇报告对此不再单独展开。第二章主要涉及“技术算法”和“人才储备”，第三章则主包括“数据积累”和“应用场景”。

本文地址：http://www.zwzyzx.com/show-269-232199-1.html

分享到：

上一篇：基本条件俱备，人工智能乘风而起

下一篇：模型的构建和训练仍需要技术诀窍（法）