云思智学与华东师范大学共建教育数字化战略实验室 | 特斯联AI伦理研究院:科技向善是本 | 工信部副部长张云明:多方参与 构建网络安全协同共治新格局 | 腾讯云首次推出水泥行业全真互联产线解决方案助力行业数字化转型 | 腾讯游戏连续两年获联合国环境规划署认可,《碳碳岛》模拟还原"碳中和"实践路径 | 做好联想“科技瞭望塔”,构建多赢联动生态 | 2022联想CVC创投周 | 激发市场创新活力 城市更新成为产业互联网新引擎 | 新的起点:蔚能BaaS服务合作签约会成功召开 | 中科院《互联网周刊》2022上半年排行,平安知鸟蝉联职业教育榜首 | “就地离现” SIF携手Pico强强联合呈现2022砂之盒沉浸艺术季 |
 
当前位置: 新闻>滚动>

观点洞察:算法价值应如何评估?主要看这三大关键维度!

发布时间:2022-07-13 11:15:05  |  来源:中国网科学  |  作者:袁岳  |  责任编辑:科学频道

本文作者:零点有数董事长 袁岳

当前,我国数字化建设正处在由建设数字化系统和呈现平台而走向建设数字化内涵集成,数据中心、算力中心和算法中心并重,应用数据提升问题处置与对策能力的阶段。《2022年AI指数报告》显示,全球涌入人工智能领域的投资资金从2020年的1195亿美元增长到了2021年的1764亿美元[1]。同时,算法也受到了越来越多的关注。自2020年元旦以来,“算法”的百度搜索指数稳步上升[2];中国的一项调查显示,56.1%的受访者表示关注《互联网信息服务算法推荐管理规定》,其中15.7%的受访者非常关注[3]。

算法与算法治理程度是我们是否拥有数智化脑核,是否能够穿越现有的管理系统与平台化数字化阶段,上升到数据智能应用阶段的关键,即算法决定了算量和算力的应用价值和意义。但算法价值的认同、算法开发能力的培育、算法人才的汇聚、算法团队的维护、算法产业化的政策支持相对来说都还远未到位。

算法产业化发展普遍受到忽视

从产业界角度来看,虽然有部分地方政府在全国先行推动算法创新行动和算法产业化部署,也有诸如应用算法实践典范(BPAA)等算法创新应用赛事出现,但目前仍普遍存在忽视算法产业化发展的倾向。

首先,由于普遍不熟悉算法,因此把注意力、资源和政府支持都首先集中于算量和算力的发展,导致行业发展要素严重缺环;其次,由于我国在算法研究和培养方面极其薄弱,因此即使是高等数字技术人才通常也没有太强的算法概念;再次,由于全球基础算法的研发和开源主要由美英日德以等国贡献,因此中国与其相比存在着相应的知识偏差、技术偏差和能力偏差;最后,由于算量与算力发展已具备规模化特征,政策上也获得了先行发展和基础建设的位置,商业投资回报的现实价值更明显,因此无论数字技术龙头企业还是地方政府,都更愿意关注这两个要素资源。

从算法落地角度来看,算法产业化发展遇阻的原因主要有两点。一是算法模块相对分散。从商业落地的角度来说,一个产业场景就需要一套算法来解决此类问题,专业知识要求较高。二是算法的可评判性相对模糊,导致其效果检验难度高,会遇到较大挑战。比如使用某种算法对电信诈骗案进行侦查,若破案率没有得到提高,使用者便会对算法的可靠程度产生质疑。

有效性、创新性、应用性是算法落地评估的关键维度

一般来说,可以从时间、空间、成本等方向对算法进行评估,算法的好坏通常看花费的时间、占用的内存以及成本问题。而聚焦到算法产业化层面,我们可以从有效性、创新性、应用性三大关键维度来对算法和产业结合的情况进行判断。

有效性指算法的每个步骤和策略都能够成为可执行的操作,也就是算法聚焦的应用场景本身需要具备实际意义,其问题通过算法模型得以解决后也可以带来一定的经济效益或社会效益,例如解决交通拥堵、政务服务时间冗长、人力成本昂贵等问题。具体来看,算法模型需要具备扎实和充分的业务经验和规则提炼,其训练数据和测试数据的选择是否公平公正也是需要评估的重要指标之一。此外,算法应用进行开放和训练所支持的数据的充分程度也应当纳入考量。

创新性是评判算法是否有迸发新活力、能为行业乃至社会带来变革性影响的重要维度。该算法应用是基于创造性的集成算法还是基于经典的、开源的算法?是“无中生有”还是“站在巨人的肩膀上”?是否能花费更少的时间和资源来解决问题,节省劳动力和成本?其答案的不同则直接影响到其创新性的强弱。

应用性是指在解决实际问题的过程中,不仅要考虑算法本身,也要考虑现实因素,即成本相关问题,包括人力、算力、推广成本、覆盖成本等。一是该算法是否能够进行复用推广,如果算法能反复利用,解决更多的具体问题场景,且门槛相对不高,则更为有利;二是所形成的算法是否周全,能否覆盖大部分应用场景,如果算法落地应用需要花费大量的劳动力成本,与传统的成本情况相比并无突破性的收益,则不利于该算法的大规模推广。

算法产业化亟需应用成效的算法典范和前沿团队

可喜的是,目前已有许多优秀的应用算法技术团队独立研发、与客户合作开发、借鉴升级了大量应用算法,并分布于公共、商业、金融、工业、医疗、安全等诸多领域,形成了行业算法实践。

落地应用程度是一个算法项目是否能真正赋能行业的关键所在。行业算法在商业应用上发挥着关键作用。举例来说,在机电产品的检测、故障诊断方面,快速运转的生产线上的轴承通过自动检测仪的扫描,利用算法识别即可瞬间得出它的表面是否存在瑕疵;在电商领域,算法在将消费者的行为习惯和行为关联逻辑提炼出来以后,可以极大地提升推荐精度,减少消费者挑选商品所需要的时间精力,甚至直接替消费者做决策;在医疗领域,算法可以服务于AI医疗诊断,实现重症早筛等等。

算法产业化不仅需要市场端的需求拉动,也需要人才端的推动,国内亟需更多优秀的算法团队,海归人才、海外算法人才与本土算法人才协作配合,形成更多能够面对真实问题、切入需求场景、并产生应用成效的算法典范和前沿团队。期待在未来有更多的算法团队出现,能在算法产业化开始得到重视的今天,突破发展瓶颈,结合更多的市场与政策资源,从而进入发展快车道。