今天阅读的内容来自于声网物联网业务负责人侯云忆，内容虽然是2019年发布的，但是内容仍然值得阅读。作为物联网的从业者，她认为AI不可能颠覆世界，但AI正在改造传统行业。

具备三种条件的行业是AI改造的目标：超大规模、非标准化、面临较大不确定性。接下来，侯女士分条进行阐述。

超大规模

简而言之，AI特别依赖于数据量，越海量的数据越容易改造。类似考古这样的行业不纳入考虑范围。

比如养猪，对于一个猪场，收集2,000头猪作为样本不超过两周。原计划之后将人脸识别的方法改成“猪脸识别”即可。只不过这个一维思维不适用了。半年时间足以让一头猪从佩奇成为八戒。你看，一个维度确实比较难。

所以，将猪脸识别改为“猪只识别”。从数据上，综合面部、体型、纹理、外貌等多维细节特征作为输入，目的是提升辨识度。另外在聚类上，采用一个辨别身份的电子标签，形成身份辨识。对于猪生病，结合红外监控和环境传感器即可。此外，对于猪的异常死亡，通过运动轨迹、行为分析和步态识别又可以降低2%~3%的死亡率。

在这个案例中，实际上就是利用到了故障诊断和状态监测方法。这正是需要规模超大的底层数据作为支撑。

非标准化

对于标准化和重复性的工作，流水线模式就已经改造完成了。AI针对的是个性化问题的解决，也就是个性化、可迭代的模式。特别是靠经验、凭感觉、纯人工的养殖方式。

即便采用了自动化，也只能做到形式上的“平均主义”。在同样设备、环境和流程下养的猪也有环肥燕瘦。比如说自动化投喂机不可能做到每头猪吃的一样，猪会抢食，所以“自动化≠高效”。

而AI可以对猪的体重通过摄像头进行分析。就相当于一个老师傅一看就知道猪胖了还是瘦了。再根据分析结果，结合生长模型和营养学的知识图谱，就可以决定：什么时候喂猪，喂多少效果最好。可以稳定控制出栏的肥瘦标准。

比如猪的情感问题。得了抑郁症的猪往往绝食、厌食。以往用听音乐的方法乏善可陈，而现在通过表情识别，可以推理猪的喜怒哀乐。你看，这种不确定变为确定，这就是一个进步。

中国是世界上唯一能够提供超大规模数据的国家。看待同一样事物的视角不同，得出的结论也会完全不同，原先以为的问题可以变为新的机会。

在可见的未来，技术的优势将会越来越大。我们也必将体会到“凡墙皆是门”的真实。
——Guangran（向光者主理人）