人工智能是一个蓬勃发展的技术领域，正在改变着我们的产品和生产方式，这给需要把人工智能融入到系统的团队带来了挑战。在日前举办的MATLAB EXPO 2019北京站上，MathWorks首席战略师Jim Tung发表了以“超越智‘我’ 对AI的洞见、实现和集成”为主题的演讲，剖析了当今的工程师和科学家如何使用MATLAB和Simulink成功设计并将AI集成到下一代智能互联系统中。

　　创建AI系统的三大必备因素

　　在Jim Tung看来，人工智能是一项革命性的技术，在提高生产率方面具有巨大的潜力。然而要创建一个人工智能驱动的系统，仅仅是开发智能算法是不够的。现实中因为各种各样的因素导致人工智能失败的案例比比皆是，诸如没有数据科学家、数据太多或不够、团队力不能及、缺乏完整的工具、无法与其他系统交互等，这些因素都可能导致系统创建的失败。

　　“要创建一个成功的人工智能驱动的系统，在开发智能算法之外，还要求系统具备以下三个特质：即洞见、实现和交互。” Jim Tung。

　　所谓洞见，即将人类的洞察力带入人工智能，人工智能系统需要多领域专家的见解，以生成所需的测试、模型和场景，从而全面建立整个系统的信心。只有将人工智能模型与科学和工程的洞见相结合，并伴随可跨科学与工程和数据科学的工具，才有可能在人工智能方面取得成功。

　　所谓实现，就是设计解决方案，包括测试数据分析报告、开发概念原型设计部署、建模与仿真、验证和确认的整个工作流程。而且完成的人工智能系统还需要与系统的其他部分连接起来。在这个过程当中，使用跨越整个设计流程的工具链是促使设计成功的有力保障。

　　所谓交互，即和复杂环境的交互、与所有其他系统、包括人力工作流的交互。一个AI系统实际工作环境是非常复杂的，要求它可以预测关键事件，做到持续监控、早期察觉、早期干预，从而才能得到良好的结果。因此设计重要考虑如何集成系统并在他们的环境中进行交互。

　　MATLAB R2019a在人工智能方面的功能更新

　　Mathworks针对AI领域中比较受关注的深度学习、机器学习、增强学习分别更新了一些新的功能。从算法到应用部署都会有相应的工具推出。R2019a 中就引入了Reinforcement Learning Toolbox，进一步增强了支持AI的 MATLAB工作流。这一新工具箱促成了新型机器学习功能，通过与环境的相互作用反复试错来训练“代理人”，以解决控制和决策问题。它重申了公司对致力于 AI 的承诺，建立在Deep Learning Toolbox 的基础上，通过支持 NVIDIA GPU Cloud、Amazon Web Services 和 Microsoft Azure 得到增强，并且通过支持 ONNX 交换格式实现了互操作性。R2019a 版本对 AI 的支持还包括 Computer Vision Toolbox、Data Acquisition Toolbox 和 Image Acquisition Toolbox 的重大改进。

　　Jim Tung表示，当前人工智能的“落地难”问题对于Mathworks来说即是挑战也是机遇，最大的挑战和最大的机遇就是如何将AI与工程相结合。“在很多企业里面，做AI的团队和做工程的团队往往是两个不同的团队，我们要做的工作就是尽量拉近这两个团队之间的距离。还有一些企业甚至没有单独AI的团队，这就需要工程师团队去学习AI技术，掌握AI的应用。借助 R2019a，MathWorks使工程师能够快速而有效地拓展他们的AI技能。”