AI和物联网的潜在应用

Posted on Edited on In
如题.

前言

基于目前AI和物联网的发展, 在可见的未来必然有无数的领域受到严重影响.
就我思考的范围而言, 此文列举出技术上基本可行的几种应用, 只是需要在商业模式, 技术细节上需要进一步考虑.

AI的发展模式

AlphoGo 在围棋上的完胜绝对是意义非凡. AlphoGo是真AI, 而不单单是一堆0,1+逻辑运算的机器.

数学上有个概念叫建模, 本质上就是一种抽象. 只是这种抽象需要用数学表达出来, 便于他人理解和使用.
有了这么一个模型后, 就能描述系统的因果关系和相互关系.

大家都知道数学建模很难, 但实际上, 不严格的建模无处不在, 人类的经验就是对某个事物/系统/过程的一种建模结果,
依靠这种经验, 人去判断事物/系统/过程的因果关系和相互关系. 但经验很难学习和表达!

AlphoGo 就是基于人类的过往经验和自我训练, 形成了自己的对围棋的一套认知, 一组经验.
这种经验的形成设计者可以去查看前因后果, 但恐怕很难去描述和理解.

关键点就是:

  • AlphoGo 对围棋进行了抽象, 有自己对围棋的经验, 或者说”理解”., 其抽象能力高于所有的人类棋手!
  • 围棋有规则, 有边界, 但无法穷举运算. 也就是需要一定程度的抽象来解决问题.
  • 智力至少是和抽象能力正相关的. 智商高的一般抽象能力更强, “理解”的更快更深更透.

现阶段的AI

目前阶段的AI需要人类设定目标和范围, 需要大量的数据进行前期训练已获得对抽象能力, 或曰”经验”.
通过良好的训练, 这种”经验”可以远胜于人类! 而且人类很难去理解.

这一阶段的AI必然被广泛应用于特定目标, 譬如股市, 人像识别, 军事领域.
人们对这一阶段的AI也会觉得比较放心, 因为目标是人给的, 训练数据也是人给的.
至少这台机器只有智力, 没有创造力! 但毫无疑问, 即使在这一阶段, 也会造成大量人员的事业, 金融业已经发生了!

训练好的机器可以单机运行, 因此AI机器人从技术上讲, 已经可行了. 譬如蔬果采集机器人.

第二阶段的AI

第一阶段的AI, 最繁琐的部分就是前期训练, 让AI获取数据, 用以获取”经验”
自然而然, 人们会想着办法偷懒, 让机器自己去获取数据, 自我训练. 这不就是”自我学习”么.
这阶段依然是安全的, AI有如一个听话懂事又聪明的小孩, 给定目标, 拼命学习, 执行任务.
但是, 其实人们已经渐渐失去了对AI的控制, AI能自学后, 人们越来越难理解AI的”思考”方式, 追踪整个过程变得复杂而不现实.

这一阶段, AI飞速发展, 在各个特定领域展露手脚… (人们或许可以自娱自乐获取财富? 或是踩脚踏车?)

第三阶段的AI

量变是会造成质变的. 当人们越来越依赖于AI的时候, 或许不仅会让AI自学, 还会为了解决更复杂的问题, 让不同的AI相互交流和学习.
譬如做城市规划的AI, 必然可以读取人口预测AI, 建筑规划AI, 地质天气信息预测AI,
说不定为了达到目标, 这个大AI还会自动分配一个小任务: 城市人口迁徙预测AI (分配目标, 自学去)
这个时候, 人们已经完全无法了解城市规划AI所做决定的前因后果了… 这个AI的目的可能是明确的, 但其边界已经不由人类控制.

如果此时给AI若干终极问题 (目标明确, 边界由AI自行决定):

  • 帮助人类永生 (即人类一直繁衍生存下去) …
  • 让所有人幸福 …
  • 探索宇宙 …

希望到这时候, AI还没有学会用欺骗来达到目的, 这样人们可能还有机会提前知道AI给出的解决方案, 来决定是不是要拔电源…

物联网的基础模式

目前物联网发展日趋成熟, 共享单车的技术方案充分展示了这种技术上的成熟度!

IoT_structure

节点端

主要功能就是信息的采集和发送.
主要技术难点是供电持久性, 便携性, 稳定可靠性.
部分涉及音视频传输的节点, 技术上就更复杂.
不同的应用领域有不同的需求, 是一个需要定制的设备.

云端

云端即数据库, 进行数据的收集, 存储和再分析. 需要注意安全性, 吞吐量.
未来, 数据即价值所在. 因为目前的AI需要前期大量的数据来训练, 训练成功后有无穷的潜力.

客户端

没啥好说的, 目前高度集中于两种展示平台:

  • 浏览器
  • 苹果手机APP
  • android手机APP

潜在的商业应用

天马行空, 随便聊聊. 作为一个技术人员, 可以肯定技术上已经可行或即将可行.

一般的物联网应用

更多在于发现潜在的商业机会, 挖掘特定行业的物联需求.
技术实现有一定复杂度(跨度太大, 从硬件到云端, 完全自行开发不现实).

物联网方案公司

考虑到大多数初创公司没有能力进行全程研发, 建立物联网方案公司, 帮助其解决技术难题.
自我定位要准确: 帮助别的公司完成研发, 要考虑别的公司的核心利益.
因此, 采集的核心数据要开放出来, 不能私有.
对没有研发能力的公司可以收取服务费维持系统运行,
对于发展到一定程度, 希望全部自己控制的公司可以进行技术买断.

收费模式为: 低进入费, 稳定的服务费, 高买断费.

共享汽车

灵感来源于共享单车和无人驾驶车.
若无人驾驶车量产后, 政府允许真的无人汽车自主运行. 那汽车租赁有机会在城市里蚕食掉大部分私车市场.
因为呼之即来, 挥之即去(就近自动找停车位). 不用担心停车, 维护问题. 每辆车的高频率使用也意味着单次出行的低成本.

农业收割

单机版AI+机器人, 可以完成非标准化的蔬果采摘工作.
提前训练好AI, 用来识别特定的水果, 以及采摘方式.
将此AI植入合适的机器人, 即可实现高效的自动农业收割.

当然, 都AI机器人了, 自然也是结合物联网上传采摘了多少果子之类的简单功能了.

原创于 DRA&PHO