「镁客·请讲」智易科技李杰:技术工具化,打造AI时代的“操作系统”

简介: 在李杰看来,从智能化时代的终局进行倒推,AI将会是一个重要的基础设施,就如同现在的互联网。

在李杰看来,从智能化时代的终局进行倒推,AI将会是一个重要的基础设施,就如同现在的互联网。

AI的出现,为企业提供了一条提升效率、降低成本的新途径。“2017年的时候,AI就已经受到了全社会的广泛关注,人们看到了它与各行各业的结合点,并将它视为未来智能化时代的一个普适性、基础设施般的技术。”智易科技创始人兼CEO李杰表示。

TB167vhJ7voK1RjSZFwXXciCFXa.jpg

图 | 智易科技创始人兼CEO李杰

然而,在企业“智能变革”的步伐越来越紧凑的当下,掉链子的情况出现了——市场有需求,但是作为“供给”存在的“AI人才”却跟不上了。从企业的角度而言,他们的变革需求是较为急切的,并没有数年时间来等待高校培养的AI人才。

AI门槛太高,落地行业需进一步降低技术门槛

“从终局进行倒推,就如同现在的互联网技术,AI将会是一个非常重要的底层设施,而在推动人工智能普及的过程中,通用化工具起到非常关键的作用。”李杰称。

他也表示,AI是一项门槛非常高的技术,若要让它能够在各行各业进行落地,让更多的人能够利用好AI技术,需要进一步的降低技术门槛,才能为各行各业输出更多、更好地解决方案。

在这方面,智易科技的做法是打造一款超低门槛的“一站式AI研发和应用SaaS平台”——深思平台,用AI替代部分AI人才,解决企业智能变革过程中招不到人、投入成本高、研发周期长等问题。

“我们的愿景是让AI触手可及、让智能无处不在。因此,我们认为必须要让大多数人都能够很快、很轻松地掌握使用我们的平台工具,继而搭建各行各业的AI智能化应用,不需要再经过一个痛苦的学习过程。”这其中的关键技术在于AutoML(自动化机器学习)。

基于自研的AutoML,客户可通过可视化操作导入数据,平台将自动化进行清洗、筛选、调整等操作(平台接入多个数据库,支持结构化数据和图像数据),并针对特定的数据集和模型训练目标,进行大量迭代式的计算,从几十种主流机器学习算法中挑选出性能最优、准确度最高的模型。李杰表示,“平台在此期间,会进行大量的自动化调参,最终将以API的形式输出模型。”这一过程中,客户不需要了解任何AI相关的技术名词、复杂算法、模型参数配置等。

TB1_rjdJ6TpK1RjSZKPXXa3UpXa.png

这时候,或许会有人会发出质疑:AI基于数据最终选择和优化的模型值得令人信服吗?

对此李杰表示,目前业界已经有了标准的评估方式,会依据准确率等多个指标进行评估。从客户的角度出发,他们只需要准备一些测试数据集对AutoML最终输出模型的结果进行对比验证,便能以最直观的方式对模型进行判定。“面对客户对模型准确率的怀疑和顾虑,我们通常会直接采取POC(Proof of Concept,针对客户具体应用的验证性测试)的方式。”

打造AI时代的“操作系统”,不与应用层直面竞争

可以明显看出,在用AI赋能企业这一件事情上,智易科技走了一条不寻常的路。

从外部着手,企业若想利用AI进行智能化升级的一般做法是寻求各类AI解决方案服务商的帮助,由后者基于前者的系统、数据等搭建一套“定制化”系统解决方案。从市场角度出发,这类公司似乎与智易科技之间存在着“竞争”的关系。

对此,李杰则给出了不一样的看法。

“我们做的事情其实类似于在PC时代搭建操作系统。”他表示。“操作系统毫无疑问属于偏向底层基础设施的工具层,而我们打造系统的目的并不是为了在将来跟应用层面去做竞争。”

在PC时代,微软搭建并推出了Windows系统这一基础设施。在这之后,微软并没有做过多的上层应用,而是基于系统打造了一个生态,并邀请各行各业的开发者针对性其操作系统展开应用程序的开发,从而才有了后来PC时代应用的大爆发。

TB1FTW_JYvpK1RjSZPiXXbmwXXa.jpg

“我们希望智易深思平台能让AI技术使用者的覆盖面由技术专家扩展至普罗大众一般,基于AI低门槛平台,让大众能够很方便的针对行业进行智能化开发。”李杰称。

与此同时,他也表示现在行业内还谈不上“竞争关系”,整个市场蛋糕将是越做越大,且AI的各个行业的渗透与落地也在不断加速。

“‘AI时代操作系统’这一概念已经引起了大家足够的重视,这在未来必将是商业层面的一个必争之地。”国内这方面,包括巨头、创企在内的不少公司在去年一年已经开始有所投入,水平也正趋近于国外。

最后

自AI第三波浪潮出现以来,“AI+”的口号就不绝于耳。“但现在AI的商业化落地还处于非常早期的阶段。”李杰表示。“AI操作系统的搭建将会是一个浩大的工程,需要经过多年的积累和打磨。”

“在国内做这样一个偏技术型、偏底层的AI平台需要更多的耐心、更长期的投入和积累。”据他透露,去年下半年开始,智易科技已经开始基于产品进行商业上的探索,并取得了令人满意的进展,而他们的新一轮融资计划也已经正式启动。

【镁客·请讲】专注于报道科技创新项目;我们敞开心扉面对每一位创业者,力求为您呈现一群鲜活、有性格的品牌和人物;我们倾听创业故事和人生经历、探讨商业模式和行业趋势、对接资本市场和供需双方,以期为产业发展注入新的活力。

欢迎做客【镁客·请讲】,栏目合作请发送邮件至:post@im2maker.com

相关文章
|
5天前
|
编解码 人工智能 监控
VISION XL:支持四倍超分辨率的 AI 视频修复处理工具,提供去除模糊、修复缺失等功能
VISION XL是一款基于潜在扩散模型的高效视频修复和超分辨率工具,能够修复视频缺失部分、去除模糊,并支持四倍超分辨率。该工具优化了处理效率,适合快速处理视频的应用场景。
43 6
VISION XL:支持四倍超分辨率的 AI 视频修复处理工具,提供去除模糊、修复缺失等功能
|
5天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
9天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
24 5
【AI系统】离线图优化技术
|
3天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
22小时前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
27 10
|
6天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
随着人工智能技术的不断发展,自然语言处理(NLP)已经成为了一个重要的应用领域。本文将介绍一些常见的NLP任务和算法,并通过代码示例来展示如何实现这些任务。我们将讨论文本分类、情感分析、命名实体识别等常见任务,并使用Python和相关库来实现这些任务。最后,我们将探讨NLP在未来的发展趋势和挑战。
|
11天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
25 2
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用