人工智能产业的四大浪费（下）
　　 上一周的《云栖科技评论》中，我们提到在人工智能产业的高速发展中，正不经意产生本可以避免的浪费，其中包括算力浪费、数据浪费、AI能力浪费和AI人才浪费等方面，虽然AI领域的投资仍然处在高速增长期，但浪费仍然会对产业发展产生负面影响。

　　 存在浪费就需要有针对性的解决方案，在此提出相关建议以抛砖引玉。

　　 首先，针对AI算力浪费来说，使用公共计算平台（公共云）所提供的算力，尤其是AI算力，是一个避免重复建设AI计算平台（硬件基础设施）的重要方式。公共云因其按需付费、资源共享的特性，可以实现公共服务天然带来的边际成本效应的降低，从而能够以更低的成本获得人工智能算力，不仅降低企业获得AI算力的成本，更能避免AI算力的浪费；

　　 其次，就AI能力的浪费来说，公共云平台也是一个很好的选择，一方面，云平台天然解决了企业数据和技术的统一，这也构成了企业获取人工智能能力的最重要路径；另一方面，云服务商将AI能力作为“公共服务”提供，对其易用性、适用性、功能性都有所优化或强化，对于企业来说，可以更加快速和便捷地将其应用到实际业务中去。

　　 第三，数据共享平台的建立至关重要。虽然近年来AI研究者们持续试图在小数据集上实现AI技术突破，但总体来说收效并不明显，数据仍然是AI产业发展的重要基础资源，完整、全面、准确、实时的数据非常关键。因此，建立可信、可靠、可用的服务于AI产业发展的数据共享平台至关重要，当然，这种共享平台必须要保证数据安全、信息脱敏和隐私数据保护。

　　 最后是AI人才浪费的问题，正如上一期所说：由于在AI人才培养中，计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉，造成“AI人才不懂行业，行业人才不熟AI”的局面，AI人才往往变成了“计算机学科人才”而非AI产业人才。

　　 针对这一问题，借助跨学科教育培养新一代信息技术人才已经成为共识：2018年11月，MIT宣布在计算和AI领域投资10亿美元，成立面向全球计算和人工智能领域教育与研究的“苏世民计算学院”，该学院以培养“双学科学者”为目标，让各个学科的专家对计算和AI知识的掌握程度与他们在自己的专业领域一样熟练，从而培养“AI+专业学科人才”，从而保证AI人才在产业中可以学以致用。

　　 　　 　　　　　　　　　　　　　　　　　　 　　　　　　　　　　　　　　阿里云研究中心 崔昊

　　编辑制作：人民网研究院　　内容提供：阿里云研究中心　　本刊仅用于行业交流，非商业用途。编辑或专家观点独立，不代表本刊立场。部分所选用内容，未能与作者取得联系，请联系本刊：[email protected]