211service.com
Asiens AI-agenda: Positivt inställd
i samarbete med ADP
Enkätsvararna tillfrågades om de kände att robotik och artificiell intelligens (AI) skulle ha en konstruktiv eller destruktiv effekt på flera marknadssegment. Deras svar rankades från 1 (AI-antagande skulle resultera i förstörelse av jobb och processer) till 5 (AI skulle ge en betydande ökning av branschens värde och effektivitet). I alla branscher var svaren positiva, i genomsnitt 3,8 på den skalan. De var högre i mer teknikberoende branscher, såsom informationsteknik och kommunikation (ITC), logistik och tillverkning.
Talande nog var de tillfrågade ännu mer benägna att se positiva fördelar med AI för sin egen bransch: de flesta branschdeltagare rankade effekten av AI på sin egen sektor högre än genomsnittet. Respondenter från en sektor var dock faktiskt mer pessimistiska. De från finansbranschen såg i genomsnitt AI som ett positivt inflytande, men många kände också att automatiserade processer och maskinbaserade transaktioner skulle förstöra värdet i deras bransch.
Bankbranschens rädsla för artificiell intelligenss destruktiva potential avslöjades också när de tillfrågade ombads bedöma vilken inverkan dessa tekniker skulle ha på Asiens industri-, politik- och konkurrenslandskap. Sammantaget ansåg undersökningsrespondenterna att framsteg inom artificiell intelligens avsevärt skulle öka Asiens konkurrenskraft som ett tillverknings- och servicecenter, gynna statliga beslutsfattare i deras försök att öka innovationen och öka de övergripande tillväxtutsikterna för industrin.
Den enda branschkohorten som inte kändes lika positivt som svarsgenomsnittet var finansbranschen. I genomsnitt kände sig de som svarade i branschen mest uppmuntrade av den positiva inverkan AI och automatisering skulle ha på deras egen konkurrenskraft, och rankade den på 4 av 5. Återigen var optimismen från svarande inom detaljhandeln, ITC och tillverkningsindustrin högre än genomsnittet— medan sentimentet från den finansiella tjänstesektorn var märkbart lägre.
Den relativa försiktigheten och pessimismen bland finanssektorns svarande kan bero på tidigare erfarenheter. 2007 års globala finanskris kanske inte har börjat i Asien eller drabbat regionens banker och finansinstitut så hårt som den gjorde på andra håll, men nedfallet och den kvardröjande bördan för reglering och efterlevnad som den skapade, plågar asiatiska banker än i dag. Dessutom, minikriser framkallade av ny teknik präglar ständigt industrilandskapet; flashkrascher, till exempel, är snabba, skarpa börsfall orsakade av kombinationen av mänskliga fel och algoritmisk handel. Respondenter från finansbranschen kan ha dessa händelser i bakhuvudet när de överväger vad artificiell intelligens betyder för deras framtid.
Med blygsam återhållsamhet från finansrespondenterna har AI potential att påverka ett antal av Asiens utvecklingsutmaningar, från livsmedelssäkerhet till allmän säkerhet, transportnätverk och hälsovård. Lin Yuanqing, chef för Institute of Deep Learning vid Baidu Research (känd som Baidu IDL), tror att allt detta kommer till sin spets på en gång: Det är omöjligt att peka på en industri som kommer att vara 'först' med att ta till sig AI . Kollektivtrafik, logistik – nästan varje kritisk infrastrukturplattform kan dra nytta av det, och de är alla sammanlänkade. AI kommer till alla branscher på en gång, och det kommer snabbare än vi tror.
AI-branschens chefer anser att två sammanlänkade faktorer kommer att tillåta autonoma och intelligenta applikationer att spridas något samtidigt. En är tillväxten av big data i Asien, matad av många hundra miljoner människor i tätbefolkade städer som är anslutna till mobilt internet. Data är den viktigaste resursen för framgångsrik maskininlärningsutveckling, säger Zhang Yue, professor och maskinspråksforskare vid Singapore University of Technology and Design. Och mobildata, stor i volym och rik på sammanhang, ger AI-utvecklare en stor mängd användbar data. Utnyttjande av big data genom analys ger upphov till den andra faktorn som driver utvecklingen av AI: företag är alltmer villiga att inte bara använda analyser för att öka sin egen affärsprestanda, utan att låna och dela automatiserade processinsikter mellan sektorer.
Baidu IDL:s Lin säger att ett framgångsrikt ekosystem för AI-utveckling kräver fyra insatsfaktorer: Big data, kontinuerlig produktion av algoritmer, massiv beräkningskraft och 'stora applikationer.' Lin beskriver denna sista faktor som den mest avgörande: applikationer som attraherar ett stort antal av användare driver snabbt användning, interaktion och dataskapande för att skapa en positiv utvecklingsslinga för djupa neurala nätverk, som ökar i skala och kapacitet när processorkraften blir allt billigare och mer omfattande.
Nästa: Asiens AI-agenda: Humankapital och AI