最近跟同事聊天，聊起了一个特别有意思的事，关于人工智能的。
去年有一个跟公司有关的业务机会，是给高铁检测装置采集的一些图像进行分析来判断设备健康状态。那时在了解这个需求的过程中，形成了一个固有认知，就是基于该业务图像的分析是需要通过对所有设备对象建模，然后把这些模型组合同图片对比，从中找出存在问题。这个解决方法的认知决定了我认为我们基本上不可能搞定这个事情。因为有大量的建模工作要做，这是个特别基础的工作，而且建模的水平和对比的适配度对分析结果影响甚大。所以得出的结论是做这个事的团队应该有两个基本条件：
1、是个传统的专业做图像分析的团队
2、该团队需要在图像分析行业有一定的技术经验和积累
然后认为这个事我们不具备条件就不了了之了。
上周上了两天关于AI的课，是卡耐基梅隆大学的人工智能专家邢波教授讲的“AI思维”。通过刑波老师的授课我对人工智能有了一个进阶的理解。其中最大的影响有四点：
我知道了原来人工智能距离我们并不是遥不可及，以我们的水平是可以参与进来的，尽管会慢，但很清楚现在进入开始参与，一点不晚。
看清了人工智能方向的市场现状，明白了如果认真去做改变工业环境中现有的工作状态的人工智能是一件靠谱的事，而且机会不小。
通过基础技术知识的学习，想明白了在去年图像分析这件事原来不该去为器件建模，而是应该通过深度学习不断训练提高识别率，通过人工智能的方式去解决问题，豁然开朗。
这样的积累会形成长期积淀，对个人和公司都会是一个线性的增长，但前提是能够持续地走下去。
时隔不到半年，对同一件事情的两个解决方案的理解存在如此差距，是个很奇特的体验。这种感觉就是我的世界观一下子从牛顿世界观跨入到了爱因斯坦世界观，让我有种通透的感觉。
目前市场上人工智能的两个方向：
一个是文艺魔幻的AI
这个方向上舆论热议，资本追逐，如智能驾驶，聊天机器人，生活服务智能以及大家热论的机器人是否会对人类产生威胁这样的问题。
另一个是靠谱的、有用的、可用的AI
在工业领域和生活领域有大量的传感器产生数据，他们不能直接被利用，需要有一系列的设备及程序把他们提取、分析、学习、产生价值，这个会在底层产生很多基础价值，而这个方向鲜有探讨。
在整个行业声势大躁的现状下，资本横行，很多人和公司着急着去做一些看起来炫酷的人工智能业务。其实是有那么一小撮人在扎扎实实做一些能够解决生产和生活中遇到的真真正正的问题，而这些工作是需要较长期不断精进迭代的，是可以有产出有效能的。这些事情慢慢做，AI就能越来越扎实的为社会、为我们的生活提供更多的便利和好的体验。
