AI能說(shuō)和聽(tīng)，這事兒大伙都知道。比如足夠普及的智能音箱和手機(jī)里的語(yǔ)音助手、語(yǔ)音輸入法。

而在感知智能這個(gè)大方向里，AI當(dāng)然不只能說(shuō)，同時(shí)還能看——比如說(shuō)在張學(xué)友演唱會(huì)上抓個(gè)逃犯啥的。但AI的“看”不僅是識(shí)別人臉，同時(shí)也可以認(rèn)識(shí)和判斷物體。比如谷歌的猜畫小程序就是依靠AI識(shí)物來(lái)實(shí)現(xiàn)的。

但這個(gè)領(lǐng)域，似乎還沒(méi)有找到太多商業(yè)化的辦法。人臉識(shí)別可以進(jìn)行大規(guī)模安防應(yīng)用，但AI識(shí)物在今天的更多應(yīng)用展示，還是停留在游戲與炫技的層面。

有沒(méi)有辦法讓AI識(shí)物的能力從“鬧著玩”，變成“能賺錢”？

國(guó)內(nèi)外各種AI勢(shì)力正在努力破解這個(gè)問(wèn)題。理想總歸是美好的，而現(xiàn)實(shí)是緩慢摻雜著殘酷。

AI之眼，似乎還沒(méi)有帶給商業(yè)世界足夠的魅惑。

Google lens：下一個(gè)時(shí)代還是又一塊雞肋？

普通人能夠應(yīng)用的AI識(shí)物能力，最主要還是集成在手機(jī)攝像頭當(dāng)中。當(dāng)用戶把攝像頭對(duì)準(zhǔn)想要識(shí)別的各種東西，AI系統(tǒng)就會(huì)通過(guò)圖像識(shí)別以及OCR技術(shù)，給出相應(yīng)的結(jié)果。

聽(tīng)起來(lái)還是蠻帶感的。

而這個(gè)領(lǐng)域目前探索幅度最大的，還是AI巨頭谷歌。在2017年I/O大會(huì)上，谷歌發(fā)布了集成在Google Photos里的Google lens功能。通過(guò)這個(gè)功能，手機(jī)用戶可以將攝像頭對(duì)準(zhǔn)各種各樣的東西，然后讓AI開(kāi)口說(shuō)話，告訴你ta看見(jiàn)了什么。

確切來(lái)說(shuō)，lens的很多功能還是相當(dāng)具有實(shí)用性的。比如當(dāng)旅行者面對(duì)一個(gè)不知名的文物古跡，可以用Google lens 來(lái)獲知相關(guān)的歷史以及文化知識(shí)；對(duì)準(zhǔn)一瓶葡萄酒，AI可以告訴你這瓶酒的各種信息，比如年份、品飲方式、價(jià)格等等；在異國(guó)他鄉(xiāng)拍攝交通指示牌，AI會(huì)借助谷歌翻譯的力量把這些信息翻譯出來(lái)。

谷歌沒(méi)有公布lens到底能識(shí)別多少東西，但就目前情況來(lái)看，其可識(shí)別種類已經(jīng)相當(dāng)多。在今年的I/O大會(huì)上，該功能還被進(jìn)一步升級(jí)，可以用來(lái)拍照識(shí)別文字信息、推薦穿搭風(fēng)格，甚至還能識(shí)別海報(bào)給出藝人資料與作品。

從一年的發(fā)展來(lái)看，谷歌對(duì)于lens的期待很大，不僅升級(jí)了它的產(chǎn)品地位，還不斷激發(fā)新功能，并建立與谷歌其他AI應(yīng)用的聯(lián)系。

但看似無(wú)所不能，什么都能識(shí)別的lens也有軟肋：lens的真實(shí)工作流程，是將識(shí)別物體與數(shù)據(jù)庫(kù)進(jìn)行匹配。換言之?dāng)?shù)據(jù)庫(kù)的大小直接影響著lens的使用體驗(yàn)。而其技術(shù)本身的創(chuàng)造力則乏善可陳。比如吳恩達(dá)去年就無(wú)情嘲笑過(guò)，lens的識(shí)花功能其實(shí)早就是百度玩剩下的。

目前來(lái)看，lens在真實(shí)生活中還是“偶爾驚艷，日常癡呆”。當(dāng)然對(duì)于中國(guó)消費(fèi)者的不便就更多了，比如lens目前并不支持中文。

但是AI識(shí)物這條路卻是兵家必爭(zhēng)之地，微軟就不斷宣稱bing搜索中的拍照搜索一點(diǎn)也不必lens差。

可無(wú)論是谷歌還是微軟，都無(wú)法解決AI識(shí)圖搜索的根本問(wèn)題：用戶打開(kāi)率低，商業(yè)化程度較差。

垂直行不行？國(guó)內(nèi)的玩AI識(shí)物的幾個(gè)場(chǎng)景

相比于谷歌非常強(qiáng)勢(shì)地推出了“用我可以識(shí)別一切”的AI識(shí)物功能。國(guó)內(nèi)AI企業(yè)，無(wú)論是BAT還是創(chuàng)業(yè)公司，似乎都還處在這一技術(shù)應(yīng)用初級(jí)開(kāi)墾階段，同時(shí)也更聚焦于快速商業(yè)化的可能。集中表現(xiàn)就是，國(guó)內(nèi)AI識(shí)物的應(yīng)用大多集中在幾個(gè)場(chǎng)景中：

1、識(shí)圖購(gòu)物。這個(gè)功能已經(jīng)屢見(jiàn)不鮮，無(wú)論是淘寶天貓還是京東，都已經(jīng)投放了識(shí)圖購(gòu)物的功能。讓用戶可以通過(guò)拍照進(jìn)行商品匹配，較高效率獲知現(xiàn)實(shí)中商品在自家平臺(tái)上的價(jià)格。就技術(shù)解決方案來(lái)說(shuō)，由于拍攝商品往往是特征較明顯、信息比較明確的AI識(shí)別品類，比如衣服、箱包等等，所以這類識(shí)圖技術(shù)難度不高，加上完整的商品數(shù)據(jù)庫(kù)，并不需要很強(qiáng)的技術(shù)探索能力。但缺點(diǎn)也很明顯，那就是用戶打開(kāi)的針對(duì)性太強(qiáng)，

2、識(shí)花。各種各樣的識(shí)花軟件和產(chǎn)品功能，早已經(jīng)洗禮了中國(guó)用戶的AI常識(shí)。目前花卉植物的AI識(shí)別能力已經(jīng)被做得相當(dāng)精準(zhǔn)。問(wèn)題可能集中在大部分這類應(yīng)用還是需要調(diào)用云端數(shù)據(jù)庫(kù)進(jìn)行匹配，識(shí)別速率并不高。而跟識(shí)圖購(gòu)物同樣的問(wèn)題，在于應(yīng)用場(chǎng)景太狹窄。畢竟大家都沒(méi)空天天春游……

3、識(shí)字。相比于識(shí)別花卉，文字識(shí)別其實(shí)對(duì)于OCR糾錯(cuò)、模糊識(shí)別等領(lǐng)域的技術(shù)挑戰(zhàn)更大。尤其是識(shí)別手寫體以及古文字。而國(guó)內(nèi)很多AI創(chuàng)業(yè)公司已經(jīng)開(kāi)始聚焦于拍照識(shí)別文字的細(xì)分應(yīng)用領(lǐng)域。比如我們已經(jīng)能看到AI識(shí)別和錄入名片、用AI拍照并實(shí)現(xiàn)外文翻譯；以及旅行中用AI來(lái)識(shí)別碑刻、匾額、金石文字等等，為旅游增添樂(lè)趣。

4、批作業(yè)。從文字識(shí)別引申出國(guó)內(nèi)另一個(gè)AI識(shí)物的主要流派，是用AI來(lái)識(shí)題和批改作業(yè)。這一領(lǐng)域要求足夠的數(shù)據(jù)支撐和手寫體識(shí)別能力，目前只能說(shuō)還處在早期應(yīng)用階段。但對(duì)于數(shù)學(xué)等科目來(lái)說(shuō)，AI批改作業(yè)和判試卷已經(jīng)基本能夠?qū)崿F(xiàn)。而且批作業(yè)的AI還引申出另一個(gè)應(yīng)用——用AI來(lái)答題的考試作弊神器。

這四大領(lǐng)域當(dāng)然各有市場(chǎng)可能性，但同樣的問(wèn)題在于用戶可能不會(huì)花費(fèi)大量時(shí)間沉浸在某個(gè)細(xì)分識(shí)別領(lǐng)域。畢竟拿起手機(jī)來(lái)拍攝物體，很難變成一個(gè)隨時(shí)發(fā)生的使用習(xí)慣。

要全能還是要專精，AI識(shí)物到底應(yīng)該是一門怎樣的生意呢？

想象力與困難并存的AI視覺(jué)應(yīng)用

從谷歌的產(chǎn)品邏輯中，我們能夠發(fā)現(xiàn)其對(duì)于AI識(shí)物的野心，是希望用戶能夠面對(duì)生活中各種東西：無(wú)論是貓狗、花草、海報(bào)信息還是街道建筑，都拿出手機(jī)拍一下，讓AI告訴你這背后的答案。

這個(gè)讓AI告訴我們一切的方案，出發(fā)點(diǎn)當(dāng)然是好的。但問(wèn)題在于這違背了大部分用戶的搜索引擎習(xí)慣，而且我們生活中遇到的絕大多數(shù)問(wèn)題，都不是貨真價(jià)實(shí)擺在眼前的物體，而是某個(gè)知識(shí)、信息或者答案。這些東西都是無(wú)法用拍照來(lái)搜索的，甚至信息的搜索強(qiáng)度遠(yuǎn)遠(yuǎn)大于對(duì)眼前真實(shí)物體的不知所措。

另一方面，AI識(shí)物的準(zhǔn)確度還有待提高，一兩次發(fā)現(xiàn)AI識(shí)別錯(cuò)誤或者惡意賣萌之后，用戶自然就很難再形成嘗試沖動(dòng)。

所以萬(wàn)能的AI識(shí)別一切，似乎并不是這門生意的真正面目。

然而場(chǎng)景化的使用，問(wèn)題在于出現(xiàn)頻次不高，很難培養(yǎng)用戶的使用習(xí)慣，當(dāng)然也就很難沉淀到商業(yè)化的層級(jí)當(dāng)中。目前來(lái)看，這個(gè)問(wèn)題的解決方案很可能在于將AI識(shí)物的技術(shù)與某些相對(duì)高頻發(fā)生的移動(dòng)互聯(lián)網(wǎng)需求相聯(lián)系，在營(yíng)銷的幫助下形成場(chǎng)景化習(xí)慣。

最有可能的當(dāng)然是旅游。我們能夠發(fā)現(xiàn)，無(wú)論是識(shí)別花草，識(shí)別碑額，還是識(shí)別名勝古跡、翻譯交通指示牌和菜單，這些都是旅行中的某個(gè)因素。而識(shí)花用識(shí)花的APP，翻譯用翻譯機(jī)，識(shí)別古跡再調(diào)出專門的小程序，這種體驗(yàn)恐怕大部分人會(huì)覺(jué)得很煩。

因此來(lái)看，在旅行場(chǎng)景的統(tǒng)一規(guī)劃下，整合各種AI識(shí)物應(yīng)用，形成一站式旅行AI，似乎在今天比較有機(jī)會(huì)。而BAT和旅行APP由于坐擁技術(shù)和數(shù)據(jù)優(yōu)勢(shì)，似乎更有可能成為這個(gè)領(lǐng)域AI應(yīng)用的整合者。當(dāng)然，能借助機(jī)器視覺(jué)能力誕生新的AI巨頭，是我們更加希望看到的。

與旅行類似，AI識(shí)物的另一個(gè)機(jī)會(huì)在于兒童市場(chǎng)和教育市場(chǎng)。兒童需要用AI來(lái)識(shí)別和感知的東西更多，而讓AI來(lái)給好奇寶寶提供關(guān)于生活中各種事物的解答，似乎也比較能夠被年輕父母所接受。而更重要的識(shí)別類應(yīng)用在于教育，無(wú)論是老師批作業(yè)，家長(zhǎng)輔導(dǎo)孩子，甚至于學(xué)生尋找答案，毫無(wú)疑問(wèn)都是很痛苦的過(guò)程。能夠用AI來(lái)整合和激活這個(gè)市場(chǎng)，那么前景應(yīng)該是相對(duì)客觀的。

就像AI語(yǔ)音的理想狀態(tài)，是通過(guò)對(duì)話來(lái)控制生活中的一切，包括智能家居硬件、內(nèi)容、手機(jī)與購(gòu)物。AI識(shí)物的理想商業(yè)狀態(tài)，也是能夠形成超級(jí)平臺(tái)，讓我們?cè)诿鎸?duì)生活中所有不解和好奇時(shí)，都拿出手機(jī)來(lái)拍一下，讓AI告訴我們答案。

但世界搜索的需求限制，以及技術(shù)目前本身的瓶頸，確實(shí)在降低這種超級(jí)平臺(tái)的誕生可能性。但在垂直場(chǎng)景中，毫無(wú)疑問(wèn)AI識(shí)圖是能夠提升人機(jī)交互效率，并且非?？犰庞行偷乃阉鞣绞?，商業(yè)市場(chǎng)也依舊是足夠充沛的。

但目前也有若干問(wèn)題在限制這一技術(shù)的應(yīng)用度。比如上文說(shuō)過(guò)的模糊識(shí)別精度不高問(wèn)題，經(jīng)常會(huì)造成用戶的需求與AI答案之間南轅北轍；再比如中文知識(shí)圖譜體系不夠完整，很多領(lǐng)域我們目前還沒(méi)有足夠AI回答的中文數(shù)據(jù)；還有一個(gè)問(wèn)題，是很多AI識(shí)物的場(chǎng)景，其實(shí)是對(duì)攝像頭的反應(yīng)能力有要求的，這就放棄了很多低端機(jī)入門機(jī)搭載AI識(shí)別應(yīng)用的可能性。

讓AI幫我們看世界，已經(jīng)足夠近，卻還比較遠(yuǎn)。遠(yuǎn)近之間的故事，可能才是需要無(wú)數(shù)科技公司想破了腦袋去參悟的。

本文轉(zhuǎn)自微信公眾號(hào)“腦極體”，作者風(fēng)辭遠(yuǎn)，原標(biāo)題《AI識(shí)物，到底是門怎樣的生意？》。文章為作者獨(dú)立觀點(diǎn)，不代表芥末堆立場(chǎng)。