一、AI 的現(xiàn)狀和不足
山世光(中科院智能信息處理重點(diǎn)實(shí)驗(yàn)室常務(wù)副主任、中科視拓董事長(zhǎng)兼CTO)
我在圖像識(shí)別領(lǐng)域已經(jīng)做了大概有20年,最激動(dòng)人心的時(shí)刻可能就是在過(guò)去的兩三年。因?yàn)樵谶@兩三年時(shí)間里,得益于深度學(xué)習(xí)和我們擁有的龐大數(shù)據(jù)量,以及大規(guī)模的高性能計(jì)算,我們?cè)诩夹g(shù)上有了非常大的進(jìn)步。舉個(gè)簡(jiǎn)單的例子,我們?cè)诮鹑陲L(fēng)控里大量采用人臉識(shí)別技術(shù),它的錯(cuò)誤率在近幾年有了兩到三個(gè)數(shù)量級(jí)的下降。也就是說(shuō),四五年前錯(cuò)誤率可能會(huì)在 1% 這個(gè)量級(jí),那現(xiàn)在很多運(yùn)營(yíng)商都只有萬(wàn)分之一,甚至十萬(wàn)分之一這樣的錯(cuò)誤率量級(jí)??梢?,深度學(xué)習(xí)、大數(shù)據(jù)和高性能的計(jì)算給我們帶來(lái)了怎樣的進(jìn)步。
以上是一個(gè)正面的例子。反過(guò)來(lái)講,以目前大數(shù)據(jù)加深度學(xué)習(xí)這樣一個(gè)技術(shù)組合,在很多其他領(lǐng)域還沒達(dá)到我們想象的,或者是說(shuō)公眾所期待的大進(jìn)步,特別是在一些數(shù)據(jù)量不是那么容易獲得的場(chǎng)景下,AI 技術(shù)帶來(lái)的作用是比較小的。就拿人和 AI 對(duì)比來(lái)說(shuō),我們很多時(shí)候不需要人做大量的數(shù)據(jù),就可以非??焖俚墨@得以圖象識(shí)別為例去做固體的識(shí)別的能力。比如說(shuō)小孩認(rèn)蘋果,不會(huì)有哪一個(gè)家長(zhǎng)給小孩一千個(gè)蘋果去認(rèn),可能只要給幾個(gè)例子就好。從這個(gè)方法論的角度來(lái)看,我們還需要大量的利用數(shù)千年來(lái)積累下來(lái)的知識(shí),再配合某種意義的小數(shù)據(jù),形成一種知識(shí)+小數(shù)據(jù)+推理相關(guān)的方法,才有可能帶來(lái)更大的進(jìn)步。尤其是當(dāng)涉及到因果推理時(shí),即使數(shù)據(jù)量非常大,要從一個(gè)結(jié)果推導(dǎo)出什么原因產(chǎn)生這樣的結(jié)果,仍然很難。
鄭宇(微軟亞洲研究院城市計(jì)算領(lǐng)域負(fù)責(zé)人 、美國(guó)計(jì)算機(jī)學(xué)會(huì)杰出科學(xué)家)
AI 的機(jī)會(huì)其實(shí)不在傳統(tǒng)的 IT 行業(yè),而是在和傳統(tǒng)行業(yè)的結(jié)合,也就是我們說(shuō)的 AI + ,AI 加交通、規(guī)劃、金融等爆發(fā)的力量會(huì)比在傳統(tǒng)互聯(lián)網(wǎng)行業(yè)里發(fā)揮的作用更大。
至于 AI 遇到的瓶頸,我覺得技術(shù)本身不是大問(wèn)題。這么多人傳承下去,技術(shù)問(wèn)題總會(huì)解決的,但人才的培養(yǎng)是一大難題。當(dāng)前數(shù)據(jù)分析師不難找,但真正能夠把傳統(tǒng)問(wèn)題和人工智能算法對(duì)接,最后落地形成閉環(huán)的數(shù)據(jù)科學(xué)家其實(shí)非常少。我們做了很多年,感覺培養(yǎng)這樣的學(xué)生非常困難。這不是讀五年書就會(huì)學(xué)會(huì)的,還需要各種實(shí)戰(zhàn)和個(gè)人的感悟。據(jù)我個(gè)人經(jīng)驗(yàn)判斷,培養(yǎng)這樣一個(gè)真正意義上的數(shù)據(jù)科學(xué)家可能需要 7-10 年。所以,未來(lái)可以想想怎么樣在人才培養(yǎng)的機(jī)制上做突破。如果人才缺失,說(shuō)得再多,最終也難真正落地。
蘇中(IBM中國(guó)研究院研究總監(jiān))
AI 在這一輪里迎來(lái)了很好的機(jī)會(huì),我們?cè)诖髷?shù)據(jù)的基礎(chǔ)上有了很多的在數(shù)據(jù)上的訓(xùn)練的算法,在圖像和語(yǔ)音和自然語(yǔ)言方面有很大的突破。從這個(gè)角度來(lái)講,AI 是在吸收大數(shù)據(jù)的紅利。因?yàn)楝F(xiàn)在的計(jì)算資源,尤其是存儲(chǔ)和網(wǎng)絡(luò)成本越來(lái)越低,我相信這方面仍然有很大的空間要去提高。
至于 AI 面對(duì)的挑戰(zhàn),我認(rèn)為在對(duì)自然語(yǔ)言的理解或者是說(shuō)人機(jī)交互方面, AI 仍然有很遠(yuǎn)的路要走。多數(shù)情況下,我們肯定是希望這個(gè)機(jī)器是有智能的,是吧?現(xiàn)在大數(shù)據(jù)的智能,就像前面舉到的例子,給他一百萬(wàn)個(gè)蘋果讓它識(shí)別,或者給它很多其它的東西,反正最終的結(jié)果就是需要它和人做自由的交互。那么問(wèn)題來(lái)了,不管是人說(shuō)話的語(yǔ)言,還是書面上或其他方式的各種各樣的交流,都是非常非常復(fù)雜的。如果我們能把這個(gè)問(wèn)題處理得更好,機(jī)器可以更好的理解人,我認(rèn)為這才是 AI 真正強(qiáng)大的方式。
顏水成(360集團(tuán)副總裁、首席科學(xué)家、人工智能研究院院長(zhǎng))
談 AI 有點(diǎn)太泛了,我縮小一點(diǎn)來(lái)說(shuō)深度學(xué)習(xí)。深度學(xué)習(xí)在很多公司來(lái)說(shuō)是它當(dāng)前的主要驅(qū)動(dòng)力,如果是在單模態(tài)的一個(gè)垂直場(chǎng)景下,我覺得通過(guò)與工程師一起合力,落地和成功會(huì)變得越來(lái)越清晰。但如果我們跨過(guò)這個(gè)數(shù)據(jù),要想在一個(gè)更通用的場(chǎng)景,現(xiàn)在的屏障是非常大的。
在未來(lái)的 5-10 年里,我覺得從理論層面來(lái)說(shuō),深度學(xué)習(xí)會(huì)從傳統(tǒng)的特征學(xué)習(xí)和分類器學(xué)習(xí),變成結(jié)構(gòu)學(xué)習(xí)、特征學(xué)習(xí)、分類器學(xué)習(xí)相互結(jié)合的形式。另一方面,可能會(huì)有更好的優(yōu)化算法出現(xiàn),讓學(xué)術(shù)界或者是工業(yè)界可以在更短的時(shí)間內(nèi)獲得希望得到的結(jié)果。
另外,我認(rèn)為未來(lái)幾年語(yǔ)意領(lǐng)域和語(yǔ)音領(lǐng)域會(huì)越來(lái)越成熟,原因有幾個(gè)方面:一是市場(chǎng)上圖像人才的量比較充分,而且高校里面有比較多的攻讀圖像的團(tuán)隊(duì);二是大家都在用一些共性的圖像數(shù)據(jù),沒有自己獨(dú)特的數(shù)據(jù),當(dāng)建起一個(gè)龐大的語(yǔ)音庫(kù)時(shí),它可能能支持所有的圖像和語(yǔ)音的公司,難以建立數(shù)據(jù)的壁壘;三是圖像和語(yǔ)音的應(yīng)用其實(shí)沒有普通應(yīng)用的差異性,做一個(gè)成熟的模型出來(lái)后,可能能夠支持中國(guó)的半壁江山。
二、AI + 金融和 AI + 零售的前景
?周伯文:
從作為人工智能的研究者角度來(lái)看,人工智能用在金融行業(yè)有一個(gè)比較突出的問(wèn)題,因?yàn)榻鹑谑袌?chǎng)是人的活動(dòng),有很多情況下有非理性的活動(dòng)。市場(chǎng)過(guò)熱的時(shí)候,個(gè)人投資或者是機(jī)構(gòu)投資有很多非理性的行動(dòng),人工智能如果單單從大數(shù)據(jù)的角度,會(huì)發(fā)現(xiàn)每個(gè)人都在買進(jìn),導(dǎo)致也往這種非理性的行為繼續(xù)推動(dòng)。所以,有沒有具體的想法和辦法去處理這種非理性的人類金融行為,可能和我們一貫講的大數(shù)據(jù)中的學(xué)習(xí)是一個(gè)完全不同的原則,這是第一點(diǎn)。
第二點(diǎn),關(guān)于類似于失聯(lián)這樣的風(fēng)險(xiǎn)控制。我們都知道強(qiáng)化學(xué)習(xí)在金融行業(yè)中很有用,比如說(shuō)智能投顧等各方面。但是強(qiáng)化學(xué)習(xí)一個(gè)很重要的原則是探索和利用這樣一個(gè)平衡。在 AlphaGo 里面這些強(qiáng)化的例子里面包括了德州撲克,這些都是很具體的應(yīng)用。在金融行業(yè)里面要怎么樣控制這個(gè)風(fēng)險(xiǎn),還有待探討。
顏水成:
在金融領(lǐng)域做和人工智能相關(guān)的探索,我應(yīng)該還是一個(gè)初學(xué)者。主要是從公司的業(yè)務(wù),以及外邊的創(chuàng)意公司的交流中得到的一些信息。有意思的是當(dāng)前我認(rèn)為在人工智能的征信方面的應(yīng)用,大家還主要在拼數(shù)據(jù)。其實(shí)在這個(gè)算法層面,對(duì)于大部分的公司來(lái)說(shuō),數(shù)據(jù)并不全面。如果可以實(shí)時(shí)拿到用戶動(dòng)態(tài)數(shù)據(jù),對(duì)用戶的管理是非常有價(jià)值的。另外,如果是做投后管理的話,意味著你要跟很多的數(shù)據(jù)源要打交道。在中國(guó)來(lái)說(shuō),不同的數(shù)據(jù)源之間像一座孤島,并沒有形成一個(gè)聯(lián)盟來(lái)共享一些數(shù)據(jù)。數(shù)據(jù)的孤島一旦打通了,投后管理的話就有很多的事情可以做了。
個(gè)人方面,對(duì)于人工智能產(chǎn)品和技術(shù)的使用還是比較少的。有一些人可能會(huì)寫一些程序來(lái)幫他們炒股,但是并沒有一種平臺(tái)或者是軟件去幫助個(gè)人做這些決策,比如說(shuō)要如何根據(jù)自己的特點(diǎn),智能的決定去投資哪一方面。這個(gè)方面目前是缺失狀態(tài),能夠有機(jī)會(huì)做好的話,應(yīng)該是一個(gè)非常不錯(cuò)的市場(chǎng)。
山世光:
從過(guò)去的無(wú)人售貨機(jī)到商品更加豐富的無(wú)人零售店,個(gè)人認(rèn)為是有這方面的需求的。比如說(shuō)物流基本不會(huì)在大半夜給你送東西,但無(wú)人零售店則可以滿足你的需求。所以我個(gè)人是比較看好這一塊的。從技術(shù)的角度來(lái)講,難以避免的是會(huì)存在著誤差,無(wú)論是商品的識(shí)別還是對(duì)購(gòu)買人的識(shí)別,可能都會(huì)有一定誤差。如何去容忍這個(gè)誤差,以及這個(gè)誤差會(huì)帶來(lái)多少的損失,是解決問(wèn)題的關(guān)鍵。
另外,在誤識(shí)別的情況下,我們往往會(huì)傾向于不要讓顧客多花錢。但即便如此,他們?cè)诟犊钪?,一看價(jià)錢不對(duì)依然會(huì)有困惱。這就需要形成完整的解決方案,來(lái)盡可能解決這些問(wèn)題。
鄭宇:
我的觀點(diǎn)比較務(wù)實(shí),關(guān)鍵是要把實(shí)體店和線上的定位區(qū)別開。能不能做到短平快,物流的算法很重要。如果東西不新鮮了,為什么過(guò)去買呢?定位不精準(zhǔn)的話,這個(gè)東西就沒有深度。所以應(yīng)該用 AI 來(lái)保證物流而不是識(shí)別。識(shí)別不是重點(diǎn),不管是掃碼還是刷臉,只要好用,用戶就可以接受。
三、如何看待中美 AI 戰(zhàn)略的差異
山世光:
我覺得現(xiàn)在中國(guó)在 AI 的應(yīng)用方面,是走在前列的。特別各大企業(yè),包括國(guó)家,都有政策和資金的支持,人力物力財(cái)力各方面都做了大量的投入。有投入就一定會(huì)有產(chǎn)出,我們有這么大的市場(chǎng),我們確實(shí)也走在了應(yīng)用的前列。但是,在聊到這個(gè)話題的時(shí)候,我確實(shí)有一點(diǎn)擔(dān)心,擔(dān)心體現(xiàn)在中美差異上。
在 AI 的基礎(chǔ)研究的層面上,我覺得國(guó)內(nèi)其實(shí)相對(duì)來(lái)說(shuō)要偏弱了一點(diǎn)。這種偏弱可能和我們剛才說(shuō)的資源大量投入到應(yīng)用上面有一定的關(guān)系。從人才的培養(yǎng)角度來(lái)看,我們注意到了研究生的心態(tài),其實(shí)是有變化的?,F(xiàn)在工作太好找了,工資也高,所以特別優(yōu)秀的研究生選擇在本科畢業(yè)或碩士畢業(yè)就出去工作,而不是繼續(xù)投入到 AI 的基礎(chǔ)研究領(lǐng)域。
事實(shí)上,AI 這個(gè)領(lǐng)域,我們只走了萬(wàn)里長(zhǎng)征的前幾步,大量的問(wèn)題沒有解決。在這個(gè)階段如果我們有一點(diǎn)釜底抽薪的味道,把前面的基礎(chǔ)研究過(guò)早砍斷的話,對(duì)后面的長(zhǎng)期發(fā)展未必有利。我有時(shí)候會(huì)反思這樣一個(gè)情況,期望我們工業(yè)界還是要有一點(diǎn)克制,一部分優(yōu)秀人才還是應(yīng)該鼓勵(lì)他們留在基礎(chǔ)研究這樣一個(gè)行業(yè)里面,使得我們不會(huì)后繼乏力。以免等到后面又冒出一個(gè),不是深度學(xué)習(xí)而是其他的方法論來(lái)解決更多的問(wèn)題的時(shí)候,我們又沒有跟上。這是值得我們反思和注意的地方。
鄭宇:
因?yàn)槲覀兌嗄陙?lái)一直和政府合作,我自己也在學(xué)校里面兼職做教授,這么多年下來(lái),我覺得要考慮的是政府、傳統(tǒng)行業(yè)的公司和 IT 公司和學(xué)校如何分擔(dān)自己的責(zé)任,做到四位一體。政府就是出政策,鼓勵(lì)開放數(shù)據(jù)和合作,政府提不出問(wèn)題,大家不要怪政府,因?yàn)檎皇切袠I(yè)專家,更不是數(shù)據(jù)科學(xué)專家,讓政府提一個(gè)具體的問(wèn)題和提需求,不現(xiàn)實(shí)。需求是傳統(tǒng)行業(yè)公司,傳統(tǒng)的交通公司和金融公司,傳統(tǒng)的電力公司要提出來(lái)的。他們提供專業(yè)的知識(shí)和技能, IT 互聯(lián)網(wǎng)公司提供大數(shù)據(jù)、平臺(tái)和基礎(chǔ)設(shè)施保障,然后學(xué)校跟企業(yè)聯(lián)合培養(yǎng)人才。就剛剛山世光說(shuō)的這一點(diǎn),學(xué)校單純靠自己的實(shí)力留學(xué)生是留不住的,而且學(xué)校里面不具備這種條件,單靠幾個(gè)案例,沒有大數(shù)據(jù)的平臺(tái)和數(shù)據(jù)培養(yǎng)不起來(lái)的,最后還是需要企業(yè)和學(xué)校聯(lián)合培訓(xùn)。各個(gè)部門不要越權(quán)干自己不該干的事情,政府搞研究的話本身就不是最優(yōu)的,政府出政策,傳統(tǒng)行業(yè)提需求提問(wèn)題,學(xué)校和企業(yè)聯(lián)合培養(yǎng)人才才有希望。
顏水成:
這件事我是也比較樂(lè)觀的。美國(guó)在理論層面比中國(guó)強(qiáng),這是不爭(zhēng)的事實(shí);中國(guó)慢慢在應(yīng)用層面已經(jīng)趕上或者是超過(guò)美國(guó)的話也是一個(gè)事實(shí)。把 AI 的理論研究透了,可以對(duì)這個(gè)產(chǎn)業(yè)產(chǎn)生價(jià)值是肯定的。但好的是,我們并不需要把理論研究得那么透,也會(huì)對(duì)社會(huì)的方方面面產(chǎn)生積極的影響。
中美的人工智能,我覺得非常像醫(yī)藥。美國(guó)像是西醫(yī),中國(guó)像是中醫(yī)。并不需要去了解里面的所有的理論,以及真實(shí)的成分是什么東西,通過(guò)試驗(yàn),通過(guò)驗(yàn)證,它有效果,而且是有價(jià)值的即可。所以從這個(gè)層面來(lái)說(shuō),我覺得也不要太多的擔(dān)心中國(guó)人工智能的理論,可能目前的人力資源積累并不是特別多。但是它可以給中國(guó)的經(jīng)濟(jì)帶來(lái)積極的價(jià)值,這是明擺著的。另外,我們也看到了有更多的在理論知識(shí)深厚的教授從國(guó)外歸來(lái),在國(guó)內(nèi)的學(xué)校里面或者是研究所里面做研究。
四、怎么平衡 AI 科學(xué)家和企業(yè)責(zé)任之間的沖突
林清詠(哥倫比亞大學(xué)客座教授、Graphen CEO)
我在學(xué)校呆了十幾年,在企業(yè)界呆了二十年。我認(rèn)為二者都非常重要,基本研究很重要,應(yīng)用也很重要。我的策略就是想辦法把我的團(tuán)隊(duì)養(yǎng)大,一部分人專門負(fù)責(zé)基礎(chǔ)往前提升,另外一部分人專門負(fù)責(zé)解決當(dāng)前還沒有解決的問(wèn)題。比如說(shuō)現(xiàn)在我們的基礎(chǔ)團(tuán)隊(duì)利用金融市場(chǎng)和做金融行業(yè)來(lái)把 AI 的能力往前進(jìn),把我們的系統(tǒng)帶進(jìn)美國(guó)排名第一的做癌癥的研究中心,來(lái)分析過(guò)去二十年來(lái)幾百萬(wàn)的病例,讓這樣的 AI 系統(tǒng)同時(shí)可以替人類解決癌癥可能帶來(lái)一線曙光。我們的學(xué)生最近也在用這個(gè)做老年癡呆癥的研究。
山世光:
我覺得還是比較好平衡的。對(duì)我們來(lái)說(shuō),至少在 AI 這個(gè)領(lǐng)域做的大部分事情,無(wú)論是技術(shù)還是產(chǎn)品,它都可以推動(dòng)這個(gè)社會(huì)的進(jìn)步,關(guān)鍵看誰(shuí)在用。從技術(shù)的角度來(lái)講,一句話非常重要,就是價(jià)值會(huì)決定價(jià)格。只要是有存在的價(jià)值,或者是滿足科學(xué)進(jìn)步的需求,或者是說(shuō)滿足用戶的需求,都值得我們?nèi)プ觥?/p>
蘇中:
做了幾十年的技術(shù),心里是希望多做底層的技術(shù),把技術(shù)做專做穿。但因?yàn)楝F(xiàn)在我在 IBM 的研究院,希望把技術(shù)應(yīng)用在實(shí)際的場(chǎng)合中,所以有了另外一個(gè)方面的力量拉動(dòng)我去做技術(shù)產(chǎn)生價(jià)值。這兩者之間有的時(shí)候是矛盾的,有的時(shí)候是契合的,這是一個(gè)螺旋上升的過(guò)程。很幸運(yùn),AI 有一個(gè)很好的年代,我們做技術(shù)的人都有一個(gè)很好的機(jī)會(huì)。
顏水成:
我覺得學(xué)校出來(lái)的教授,普遍會(huì)有一個(gè)毛病,認(rèn)為產(chǎn)品里面技術(shù)是一個(gè)很重要的部分。通過(guò)自己幾年的實(shí)踐,以及我的導(dǎo)師寫的一本書里也有提到,其實(shí)你的技術(shù)在一個(gè)成功的產(chǎn)品里面最多能占30%-40%。要相信產(chǎn)品的成功,除了你之外還有其他的因素,大家一起協(xié)作,一起共贏就可以了。
- 蜜度索驥:以跨模態(tài)檢索技術(shù)助力“企宣”向上生長(zhǎng)
- 被聯(lián)想海外起訴專利侵權(quán) 中興通訊回應(yīng)
- “數(shù)據(jù)要素×”大賽圓滿落幕,啟信寶在金融服務(wù)賽道斬獲佳績(jī)
- JetBrains 面向非商業(yè)用途免費(fèi)提供 WebStorm 和 Rider
- IDC:2024年邊緣計(jì)算支出將達(dá)到2280億美元
- 聯(lián)想集團(tuán)任命前戴爾高管擔(dān)任基礎(chǔ)設(shè)施方案集團(tuán)新總裁
- 報(bào)告稱上半年IT安全軟件市場(chǎng)規(guī)模112.5億元,同比增長(zhǎng)4.1%
- 報(bào)告稱中國(guó)邊緣服務(wù)器市場(chǎng)量?jī)r(jià)齊漲 2028年將達(dá)108億美元
- Gartner數(shù)字化轉(zhuǎn)型調(diào)查:52%的企業(yè)未能實(shí)現(xiàn)預(yù)期目標(biāo)
- 驅(qū)動(dòng)未來(lái):數(shù)據(jù)中心能源的變革與創(chuàng)新
- 數(shù)據(jù)中心如何扭轉(zhuǎn)碳排放趨勢(shì)
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。