从 2011 年开始，深度神经网络学界发生的重要进展越来越多，促成了人工智能技术的又一次新浪潮。和之前上世纪 70、80 年代不同的是，这一次受益的行业不限于科技业，人工智能进入更多行业，和人们生活的更多方面的结合已经在发生。

日前，在PingWest品玩于硅谷举办的 SYNC 2017 科技峰会上，计算机视觉创业公司 Orbeus（后被亚马逊收购） CEO 李轶和美国顶级科技人工智能科研公司的研究人员们，再一次就“人工智能从研发到应用”这个话题进行了讨论。他们认为，最快在今年年底、明年年初，人们就会在更多领域内见到人工智能释放能量。

在 Google Brain 担任 Staff Engineer 的刘小兵（Xiaobing Liu）指出，Google 经常有一些有趣的实验想法，而他的工作就是证明想法的可实践性。最终，被证明了有价值的想法和技术，一些会进入 Google 的产品，也有很多会被 Google 公开给全人类使用。

他认为，在人工智能的助力下，“医疗健康会成为一个很有前景的行业。”这是因为新的机器学习技术让计算机视觉变得更强大——它能替代医生望闻问切中的“望”，能够替代医生完成一些重复的工作量。事实上，PingWest品玩几个月前采访了 Google Research，为了让计算机能够帮助眼科医生诊断糖尿病性视网膜病变（发展中国家居民失明的最主要致因之一），该机构训练了一种名为“深度卷积神经网络”的复杂计算机算法，然后用数万张人类视网膜眼底图库对其进行测试。结果喜人：算法发现症状的敏感度和判断症状的准确性比人类高出四个百分点。

IBM 沃森杰出工程师 Rama Akkiraju 同样认为，在短期来看人工智能的最大意义就是提高人的工作效率，而医疗会是一个体现人工智能价值场景。医学和我们每一个人都有关，因为我们都会生病，但即使是医生都无法随时和最新的医药研究成果同步，更别提本身就受信息门槛和信息不对等制约的病人。

“在 IBM 沃森，我们把 AI 理解为‘增强人类智能’(Augmented Intelligence)。现在每天都有无数的医学论文出来，讨论病症、病理、什么药物最有效等等。我们可以让 AI 成为医生的助理，用 AI 整合这些论文的信息成一个知识库，什么样的症状和什么病症有关，帮助医生让他们把工作做得更好。”

参与到讨论中的英特尔政府 AI 项目 (Federal AI) 负责人 Hanlin Tang，曾有多年从业和研究经验。他发现这一波浪潮最让他感到激动的是，在人工智能热潮的表面之下，那些不太热门的，却在实际生活中有着重要意义的问题，得到了更多研究者的关注。这些方面的人工智能研发进展很快，实验室中的技术很快就会投入实际生产生活。

“比如给机器人开发系统，让它能替代人去高危场所进行安全检查，比如输油管道或者高速路。这些都是短期内很容易实现的目标，或许听起来没自动驾驶有趣，但我认为会带来深远的影响。”Tang 表示。

尽管人工智能投入实际应用的前景可观，人工智能研究和工业连接处的一些无奈的制约，也让每一名参与讨论者感同身受。圣何塞州立大学的机器学习教授 Maya Ackerman 表示，不是所有大学的教授和研究者都像斯坦福一样——对于绝大多数的高等院校研究机构，从实验室成果到工业界的产品之间，优秀技术的转化缺乏基础性的制度，而无法转化意味着没有商业利益作为研究的回馈激励，长此以往学校很难持续做出优秀的项目。硅谷几乎每一个优秀院校的研究人员都在被科技公司和业界追逐着，人才很难保留，Ackerman 自己也出来找投资，创立了自己的创业公司。

Hanlin Tang 则发现，以工业投产为最终目的的学术研究，并非搭建、训练、出论文、下一个项目这种流程一样简单。“比如我们为机场安保训练一个计算机视觉系统，现实是季节会变化，人们穿的衣物有增减。所以在生产环境下，我们还要建立一个系统去监控已训练好模型的性能，有时甚至还要调整甚至重新训练一个模型。”这是他在从研究到实际应用的过程中，发现和之前纯研究自己所做的事情最大的不同。

作为全球最大的企业服务提供商，IBM 每天在做的事情是获取、计算和分析企业数据，提供更具智慧价值的分析报告。“我们越来越发现，从企业获取的 80-90%数据都是非结构化的。直到 AI 到来之前，这些数据的价值因为数据本身无法分析而被搁置了。”

“现在有了机器学习和云计算技术，IBM 可以和这些客户合作，提取非结构化的数据进行分析获取智慧。比如在钻探业，我们现在不仅可以用企业自己的数据，还可以外部信息源（比如天气），或者结合社交网络上对钻探的讨论，结合所有这些在结构上不统一的数据。信息对我们更有价值了。”Akkiraju 说。

以下是他们在 SYNC 2017 上讨论的现场视频

与品玩本条资讯有关的所有精彩评论，戳这里即刻拥有