都說(shuō)AI落地難，其實(shí)是把AI想得太神奇。

AI必須在自己能力范圍內(nèi)才有可能落地。以下總結(jié)了四條AI落地前就大致能評(píng)估清楚的問(wèn)題：

最終產(chǎn)品錯(cuò)誤容忍率閾值很高，會(huì)導(dǎo)致孵化期長(zhǎng)，產(chǎn)品化機(jī)會(huì)低

AI一般都有進(jìn)化過(guò)程，對(duì)最終產(chǎn)品錯(cuò)誤容忍率閾值很高的(接近0），孵化期會(huì)很長(zhǎng)，很長(zhǎng)一段時(shí)間只能處于測(cè)試階段或者項(xiàng)目階段（環(huán)境可控），無(wú)法真正全面產(chǎn)品化。

舉例一：最明顯的例子是自動(dòng)駕駛，最終產(chǎn)品涉及人命問(wèn)題，錯(cuò)誤容忍率接近0，即使自動(dòng)駕駛技術(shù)相比人駕駛的事故發(fā)生率在統(tǒng)計(jì)意義上已超過(guò)，還是不能判定為真正產(chǎn)品化。
舉例二：菜品識(shí)別可能有同樣問(wèn)題，從團(tuán)餐管理者角度講，對(duì)菜品識(shí)別的錯(cuò)誤容忍率接近0。假設(shè)菜品識(shí)別正確率是95%，意味著每20盤菜有一盤錯(cuò)誤，如果是每人3個(gè)菜的配置，每7個(gè)人有一個(gè)錯(cuò)誤，需要人工介入，對(duì)團(tuán)餐收銀效率的提升并沒(méi)有多少幫助，何況菜品識(shí)別前期還需要很多額外的標(biāo)注模型建立工作，對(duì)食堂管理者來(lái)說(shuō)，只要正確率沒(méi)有達(dá)到近乎100%，相較之下，寧愿使用人工方式。

視頻算法中單幀檢測(cè)結(jié)果，抽幀檢測(cè)有統(tǒng)計(jì)意義 VS. 必須連續(xù)幀檢測(cè)才有意義，會(huì)有明顯成本區(qū)別

-有些場(chǎng)景，比如后廚，貨架，單幀檢測(cè)就有意義
-有些場(chǎng)景，比如計(jì)算客流，計(jì)算某個(gè)位置的駐足（人頭，熱力圖），使用抽幀也是有統(tǒng)計(jì)意義的
-某些場(chǎng)景，特別是判斷行為，比如收銀防損，如果建立場(chǎng)景中發(fā)現(xiàn)無(wú)法轉(zhuǎn)換用單幀和抽幀檢測(cè)識(shí)別，必須要連續(xù)幀檢測(cè)。這類場(chǎng)景必須先考慮成本問(wèn)題，成本可能成為無(wú)法全面產(chǎn)品化的關(guān)鍵因素。

AI框架問(wèn)題：某些場(chǎng)景邊界定義困難，涉及的認(rèn)識(shí)論問(wèn)題會(huì)導(dǎo)致技術(shù)探路無(wú)法進(jìn)行

AI本身有一個(gè)框架問(wèn)題，如果場(chǎng)景邊界很難被完全預(yù)先定義，場(chǎng)景轉(zhuǎn)換為知識(shí)表示就很難，就會(huì)導(dǎo)致人類默認(rèn)的含義被計(jì)算機(jī)忽略，框架問(wèn)題就會(huì)出現(xiàn)，因?yàn)檫@些含義沒(méi)有被闡明。

現(xiàn)有技術(shù)下，場(chǎng)景建立還是需要人為對(duì)一個(gè)場(chǎng)景進(jìn)行某種形式化，并暗示環(huán)境中的事物不會(huì)任意改變，涉及比較多的認(rèn)識(shí)論問(wèn)題。Epistemology框架問(wèn)題，認(rèn)識(shí)論和常識(shí)約翰·麥卡錫（John McCarthy）和帕特里克·海斯（Patrick J.Hayes）在1969年的文章《從人工智能的角度看一些哲學(xué)問(wèn)題》中定義了框架問(wèn)題，后來(lái)，在哲學(xué)中，框架問(wèn)題成為了如何理解人類判斷事物相關(guān)和不相關(guān)性的問(wèn)題。框架問(wèn)題在技術(shù)上來(lái)說(shuō)不難解決，但是到了哲學(xué)上，這個(gè)問(wèn)題就變得頗為復(fù)雜，其核心問(wèn)題在于，如何知道一個(gè)動(dòng)作會(huì)改變?cè)鯓拥膶?duì)象？一個(gè)動(dòng)作會(huì)改變?cè)鯓拥膶?duì)象涉及常識(shí)，而常識(shí)的困難之處在于它對(duì)我們而言是在太顯而易見(jiàn)了，甚至很難用語(yǔ)言去描述它，進(jìn)而在數(shù)據(jù)中給它打標(biāo)簽。對(duì)于所有“顯而易見(jiàn)”的東西，我們存在巨大的盲點(diǎn)。因此，我們無(wú)法教計(jì)算機(jī)常識(shí)，不僅因?yàn)檫@可能不切實(shí)際，更根本的原因是我們甚至沒(méi)有意識(shí)到“常識(shí)”是什么。直到我們發(fā)現(xiàn)機(jī)器人做了一些很愚蠢的事情，我們才頓悟：“哦，原來(lái)它不懂 ”。From MARGARET A.BODEN：AI: It's nature and future, P44

框架問(wèn)題.png

收銀防損問(wèn)題可能就是這樣一個(gè)邊界定義比較困難的場(chǎng)景，即使場(chǎng)景定義為只關(guān)注收銀區(qū)域的防損，和外盜，內(nèi)盜，自然損耗中的防損概念還是無(wú)法切割清楚，收銀區(qū)域可能出現(xiàn)收銀員故意偷盜，顧客故意漏掃，將非自然損耗算為自然損耗等情景，而這些情景相關(guān)行為也經(jīng)常出現(xiàn)在收銀區(qū)域以外的地方，包括收銀員偷盜商品，外盜不經(jīng)過(guò)收銀直接偷盜，收銀員將無(wú)損耗商品定為自然損耗商品，邊界定義困難。

AI算法是否有潛力加載至邊緣計(jì)算

邊緣計(jì)算是一大趨勢(shì)，能規(guī)避一些隱私法律問(wèn)題同時(shí)，能做成邊緣計(jì)算基本也代表了產(chǎn)品化程度高，不需要根據(jù)項(xiàng)目人工調(diào)參。

如果有能力做成軟硬件一體的AI方案，落地可能性會(huì)大很多。