編輯導語：近年來，AI行業急速發展，各項技術和應用都在不斷升級更新，但是對於企業來說，AI技術的使用率卻很低，那麼如何將人工智慧低門檻化呢？本文作者為你解答，感興趣的一起來看一下吧。
近日，熱搜上AI數羊的新聞吸引了一大波網友的關注與討論。新聞中甘肅牧民運用AI技術來數羊，讓人倍感驚奇。
無獨有偶，此前也有新聞報道，養殖戶企業藉助AI技術來「相牛」，通過AI演算法來估算活牛的品質與質量。AI的應用竟然可以如此接地氣，大家討論的聲音也多集中在AI應用的廣泛普及上。
AI經過近些年的飛速發展，經過了初始的技術探索期與應用推廣期，從高高在上的產業應用，如智慧城市、自動駕駛、黑燈工廠等高端應用走下了高精尖的「神壇」，走向了牧區，深入到了產業的最底層，在我們想不到的一些地方紮根落地。
在AI這些年的市場教育中，千行百業對人工智慧的應用與價值都有了基礎的了解，也建立了AI助益生產的降本增效共識。
但對於整個國內的市場，能夠使用調用AI能力資金雄厚的企業、大廠畢竟是少數。
中國的企業中，遍布了無數如毛細血管的小微企業，這些小微企業因為成本、技術、人才等局限，AI技術並沒有深入到這些產業的毛細血管中，對於這些產業深處的角落， AI如何高效低門檻、規模化的應用普惠到這些產業深處的細微單元中？
一、AI數羊與「相牛」
倍增的效率提升
想要回答這個問題，我們可以從畜牧業中的AI數羊和「相牛」的案例見微知著，看這些困擾畜牧業的痛點問題，是如何通過低門檻的AI應用解決。
在傳統的畜牧業中，因為適度放牧的背景要求，很多牧區散養戶或小型養殖場環保不達標、檢疫和驗收等環節不合格而被強制淘汰，整個畜牧產業日趨集約化的發展。
對於大型養殖戶來說，數量增多的牛羊群對於企業來說養殖管理的難度增加。拿養殖戶最基本的盤點任務來說，傳統的日常盤點羊群數量靠人力進行，對於蜂擁入圈的羊群，短時間內靠人眼來進行盤點，容易出現清點遺漏、錯誤的現象，耗時費力。
而部署簡單的AI封裝工具，在草場羊進出的通道上方部署AI相機，就可以對羊群進行出欄量與存欄量的統計。簡單的低門檻AI部署，不僅提高養殖戶統計羊群的效率，也能降低成本。
AI相牛，也是個離高大上AI較遠的邊緣應用。傳統的牛類交易集中在線下的牛市，在開集日，牛市聚集了許多牛販、買家、「牛經紀人」，在牛市中最吃香的是「牛經紀人」，他們擁有豐富的相牛經驗，可以憑藉經驗判斷牛的重量與品質，決定著牛議價的關鍵環節。
一些金牌的「牛經紀人」，甚至能將牛隻重量誤差控制在5斤以內，可以挑出品質最好、病死率更低的牛。
這種原始靠人眼積累的經驗難以結構化，牛交易的市場定價不清晰透明，交易過程中信息嚴重不對稱。
養殖和交易過程中如何可知可控，降低養殖風險，提升收益是養殖戶的集中痛點。如何讓AI習得人眼的能力，將傳統相牛人的經驗轉換為演算法模型，讓機器也能一眼識別牛的體重、體尺，成為養殖戶們都想獲取的能力。
養殖企業最終找的解決方案也是通過在零門檻的 AI 開發平台進行訓練，只需要採集牛場中幾百頭牛的數據，導入到零門檻的AI開發平台中。
零門檻的AI開發平台提供一站式的智能數據標註、模型訓練、服務部署等全流程功能，即使沒有演算法基礎，養殖企業的員工也可以輕鬆上手。
通過提高模型精度的訓練，AI系統最終可以做到當牛從過道中經過時，過道兩側的攝像頭便可以快速採集到牛的各種體尺數據和點雲數據，輕鬆獲取牛的關鍵數據。
從靠人力目測到用機器標準化的測量，即使沒有AI技術的相關能力，也可以解決產業中最落地的問題，數羊與「相牛」這類簡單卻耗人力的場景問題，低門檻AI可以有效解決這些細碎的應用。
在整個產業中，這類分散、非標準、獨特的需求很多，接受度友好的平民化AI成為許多行業細微顆粒的共同需求。低門檻AI的應用趨勢在這些龐大的需求中也有廣闊的發展天地。
二、低門檻AI發展的「奇點」
低門檻的AI應用工具，國內以百度飛槳為主，在這些平台中，開發者可以自由選擇，對於一些簡單的任務，可以無需代碼基礎，只需要對場景的理解進行數據的收集與「投喂」，通過簡單地拖拽平台封裝的工具就可以使用。
開發者可以根據自己的需求進行AI模型的開發、高效訓練和多端多平台部署。
零門檻是一些AI開源平台工具的主打特色，零代碼基礎的用戶可以實現在電腦本地就進行安裝與高效建模。
在百度飛槳平台中，有許多沒有代碼基礎的個人開發者，通過「單打獨鬥」用低門檻的AI解決了工作中的難題。
在開源的AI平台中，我們發現了一個有趣的案例。一位沒有代碼基礎的武漢鐵路局年輕工人，他的工作內容中有一項重複、枯燥且極易出錯的任務：在貨運列車檢修中，為車輛重新噴塗與核對車號。
火車身上的這串號碼，相當於身份證，一旦出錯就會影響列車的調度、運行，甚至會導致行車事故發生。而每年需要人工維修並重新噴塗車號的鐵路貨車數量巨大，雖然任務簡單，但是僅靠人力，龐大的工作量下每年都會發生車號噴錯的情況。
這位年輕的鐵路工人在了解到AI在車輛車牌識別中的應用，開始嘗試使用AI工具開發套件，最終只靠自己在開源的AI平台上構建鐵路車身檢測項目，實現了鐵路貨運車號的高準確率自動識別。
在這類傳統且AI難以深入覆蓋的領域中，這些細微的需求不會被龐大的企業機器看到，身臨一線的基層員工雖然會注意到這些難題，但也因為自身的技術能力局限毫無辦法。
而AI開源平台的低門檻化，也讓這些需求可以僅靠對業務的理解就能解決。我們在這些案例中，也會發現低門檻AI應用「奇點」起勢的緣由。
企業在數字化的浪潮中，業務的基礎場景中存在著大量的簡單問題需要運用AI能力解決，這些問題散落在產業的角落中，非標準、散碎但又與專業的領域掛鉤，需要定製化的AI能力解決。
對於產業來說，擁有AI技術能力與人才的企業是少數，運用封裝的低門檻AI平台去定製化解決是這類小微企業的最佳選擇。
而從技術的發展來說，AI能力的開源與工具的模塊與封裝，讓零基礎、低門檻解決這類問題成為可能。
從數羊、相牛到各類低門檻的AI應用，行業內的嘗試越來越多，在科學計算、農業、工業、畜牧業、交通等行業領域中都有覆蓋。
在高校中，一些沒有代碼基礎的學生與老師，也嘗試運用開源的AI平台解決科研的計算問題來發表論文。低門檻的AI平台也為對AI感興趣的人群開展相關內容的教學，線下的討論會與線上的直播教學內容豐富，供對AI感興趣的開發者學習。
一直以來，AI是大公司、高級別AI技術人才的「專利」，參與應用的門檻很高，這也極大地影響了AI的產能。
而隨著AI在千行百業中的普及和規模化應用，頭部的企業與AI開發人員開始普惠AI的能力，將一些AI的工具與框架開源出來，打包成模塊，集中到開放的AI平台中，讓越來越多的行業與人員去參與到AI的開發應用。
在AI技術應用門檻不斷降低的背景下，在這些開源的AI平台上，AI活躍開發者規模不斷在增長，平台中的AI工具應用到實際場景的案例數量不斷在豐富，應用人工智慧的企業數量也呈現出多行業繁榮的景象。
三、向外「輻射」的邊界
對於大部分簡單、邊緣的AI場景需求，都可以使用AI開源的平台來解決。不過也需要一些限制的條件，畢竟這些平台也不是萬金油，可以解決任何低頻次的AI場景需求。對於數量眾多的中小企業來說，零散的AI需求與自身IT能力的限制中，如何將外部的服務能力與業務場景恰當的融合，為企業的數字化進程價值賦能，是其接下來重點思考的方向。不過在引入與使用低門檻AI的應用過程中也會存在一定的邊界。
- 市場教育的普及。雖然AI的普惠教育已經傳遍了大江南北，但對於傳統行業來說，因為對AI相關技術信息的關注有限，或者對於AI能力的邊界有錯誤的認知。對於低門檻化的AI平台與工具，仍然存在教育的空白，需要進一步的市場普及與教育。
- 改革阻力。對於部分企業來說，引入新的平台工具可能會改變一些企業的現有工作流程，甚至是對一部分運用信息差獲取利益的團體造成影響，雖然工具平台可以降本增效，但對求穩的小微團體來說，改變的阻力比較大。
- 需求難匹配。對於相較複雜的AI需求，低門檻化的AI平台並不一定能夠解決複雜的需求，一方面是對使用AI平台的開發人員對技術的能力有要求。另外一方面，就是低門檻的AI平台無法解決較為複雜的需求。低門檻的AI也只適用簡單的場景需求，難度高的需求需要算力與演算法模型更加複雜的架構解決。
對於一些數據缺乏、界面效果要求較高、演算法複雜、高性能複雜系統架構、要求較高的底層開發等，都不適合使用低門檻的AI平台去解決。
對於一些簡單的場景，在AI技術普惠的發展下，AI門檻會越來越低。我們在開源的AI框架平台中也看到了許多案例。
許多開發者都藉助這些AI平台解決了邊緣的場景問題，改變了曾經重複性、危險性、繁重性的一線工作，哪怕沒有代碼基礎，也靠自驅應用上了最前沿的AI工具解決了最接近生活的難題。
有了這些平台，對於小微企業來說，AI升級轉型也不再是奢望。人工智慧引領的第四波工業革命浪潮，已經滾滾而來，大企業擁有隨時入局的能力。
但中小微企業由於資金薄弱，AI人才匱乏，很難邁過智能化的高門檻。可AI的產業價值又讓無數人渴望躋身AI領域不被時代拋棄。
低門檻AI的應用，給了許多小微企業、開發者破浪前行的工具，讓螞蟻雄兵一般的中小微企業、數量廣大的個人開發者，登上「AI號」戰艦，參與到智能未來的建設，普惠未來的智能生活。
#合作媒體#
腦極體，微信公眾號：腦極體。寫讓你腦洞大開且能看懂的人工智慧、流媒體、海外科技。
本文原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基於CC0協議。