AI进入下半场，打法上的一些变化

Can't agree more!

阿钟 发表于 2020-5-17 04:00
为什么player里面没有 gg cloud ai和aws machine learning

我也想问这个问题，这会是很重要的玩家啊

Sunny.Day 发表于 2020-5-17 05:37
当然有了！大场ai team我还真知道很多例子。大部分靠向外部企业卖ai product的team基本亏钱，但公司亏得起 ...

依靠大厂有很多优势 比起自己创业 毕竟云服务在那摆着 它的数据都已经在云上了，再购买增值ml服务也是比较方便的做法。

为啥要出去创业233，其实现存AI技术也就比较平均，没什么太黑的科技。所谓比别家的领先其实是背靠其它的领先（比如gg是因为它确实research不错，aws是因为云服务占比多，微软有office 365）。以所谓技术创业实在是不看好，比起这些player来讲没有优势。大厂养得起自己AI team，小厂为什么要risk和创业公司合作而不去寻求大厂的ai服务，反正数据都在云上，方便省心一条龙……你说一个startup，和一群gg research scientist，我要是一个不懂ml的，我信谁？我还是信gg。

ai team现在亏钱是一码事，我觉得几年以后是不是还亏也不好说。起码aws现在在扩张这个team。ai服务这个事，是个趋势，但是startup并不是很好做，不看好。

一点个人补充和看法，欢迎讨论：

传统行业既不缺数据，也缺数据。这涉及到数据的时效性，产品在变，工艺在改善。虽然积累了十几年的数据，但可能一两年前的数据已经毫无用处了。而要对一个新产品建模，近期的数据量其实是不足的。当对近期数据建好模型，工艺流程可能又改善了，导致模型上线的表现并不一定好，需要长期有人维护。

至于外部公司想得到数据是很困难的，主要涉及到专利和公司对自家产品的遮丑。虽然对外宣称产品质量过硬，但内部数据会显示产品的一些不想让客户知道的问题。所以基本上只有内部team才有机会染指。

另外利用ML是能够生产工艺等进行改进，但落实到具体生产线/产品，产生的效益不一定很大。因为公司有几十上百条新老不一的生产线，每条生产线的配置都有所不同，没法做到一个模型适用所有生产线，只能对特定的生产线建立相应的模型。这样拉一个七，八个工程师组成的项目小组，花几个月时间采集数据，建一个模型，收益可能也就几万到几十万，都未必够发工资。

mountsouth 发表于 2020/05/17 07:17:52
一点个人补充和看法，欢迎讨论：

传统行业既不缺数据，也缺数据。这涉及到数据的时效性，产品在变，工艺在改善。虽然积累...

是这样的。补充一点就是，规模小一点的传统公司还是有外包AI的需求的，因为雇不起DS团队。但因为规模小，所以扣的一逼。。

传统行业很多不缺数据，但是缺AI能够使用的数据，当开发AI应用时，越深入越发现，现有的数据虽然够，但缺了一些重要的field，因而能够做出的AI模型比较差，可是又没有积累下来那些缺失的field的数据，。

楼主好厉害啊👍🏻

yjhbnbqq 发表于 2020/05/17 06:10:07
个人的一点看法 传统行业 特别是金融 内部做AI的的一个难点是这个团队大部分情况下不是一个BU 所以手上大多没有项目 都...

对，就是第一类玩家，天天beg for data，做好了还有可能被own data的组take over，直接白送

zhang3x7 发表于 2020/05/17 05:46:07
这个学期刚好在做RL，其实对一些特定场景来说，数据本身是可以被模型自己生产出来的。我在训练的机器人甚至物理上根本就不存在...

但凡你做一个想落地的东西，实际场景的数据总是需要的

yjhbnbqq 发表于 2020/05/17 06:05:39
这一类就是data robot 或者h2o一类的customer data scientist 专门给别的公司培训怎么用...

传统行业看重interpretability，因为跟钱息息相关，data robot出来的东西谁敢用，亏钱了找data robot么？