AI近兩年算是處在風口浪尖了，大有不AI不格調的意思。不可否認的是,AI作為一種及富想象力的技術，給與再多的關注也不為過。但AI是否能獨掌未來科技的大局呢，應該來說是不可能的。AI的基礎是機器學習，不管是機器學習，還是人類學習，都有一個共同的特點，即從外界已知信息，推演未知信息。已知信息從哪裡來呢？這個其實是個關鍵但往往被忽略的問題。
前些年有個朋友想做中醫自動脈診儀，用機器學習使脈診儀可以根據人的脈象來診斷人的疾病。技術上說沒有任何問題，數據的採集也沒有問題，用壓力傳感器結合一些信號處理就可以得到大量的脈搏數據。關鍵問題是，訓練數據的輸出哪裡來。中醫本身就是一個靠經驗和傳承的東西，每個人的判斷可能都會存在差別，並不存在一種“標準”明確告訴機器，這種脈象對應什麼病，那種脈象對應什麼病；而且，機器學習需要大量的輸入輸出，也就是要找很多醫生很多病人的案例來訓練機器，從哪裡找到這麼多可靠數據？
基於人工智能，或者機器學習的中醫自動診斷（或現代化），這個事情10年前就有人在做了，直到今天，還沒有看到真正能應用的東西。
這個例子也只是冰山一角，實際上類似的例子比比皆是。現在都在談人工智能落地，大家的關注點好像都在卷積神經網絡、深度學習、支持向量機這些上面了，而支撐人工智能的另外一些關鍵，比如物聯網、比如通信技術、信號處理、大數據、專家庫，這些似乎被一定程度忽視了。大數據倒是博取了一些眼球，但也以概念炒作為主。物聯網作為數據和智能的支撐，卻僅被理解為藍牙、zigbee,不管從內涵還是外延來說，都遠未達到應有的關注度。
當然，隨著AI從概念炒作嚮應用落地，這些問題開始得到關注和重視，不管怎麼說，這是好事。
分享到:
閱讀更多 無線智聯網 的文章
