人工智能被隐藏在隐藏的忧虑网络背后,红色需要冷思考

时间:2019-02-12 18:08:24 来源:农业新闻网 作者:匿名
  

“互联网只是一个启动者,人工智能是主要的菜肴。”在最近举行的2017年百度联盟峰会上,百度董事长兼首席执行官李艳红直言不讳地说:“未来,百度将不再是一家互联网公司,而是一家人工智能公司。”但对于很多人来说,人工智能可能仍然是一个熟悉的陌生人,它会产生什么影响?为了达到未来,哪些山丘要爬?

人工智能,如燃料和与工业的深度整合

1997年5月,IBM的计算机程序“Deep Blue”首次在正常的国际象棋比赛中击败了世界排名第一的球员Gary Kasparov。二十年后,新一代人工智能AlphaGo已经成为像柯杰和李世石这样的顶级国际象棋大师。

除了在屏幕新闻中了解人工智能之外,很多人都从屏幕上了解它:在《黑客帝国》《终结者》等电影作品中,人工智能被塑造成一个强大的图像;在电视品种,百度“小”,搜狗“王仔”等神奇力量,与人类交流,竞争,甚至成为节目“主咖啡”。

“人工智能似乎在过去两年。事实上,人们多年来一直在幕后进行研究。”微软亚洲研究院副院长刘铁燕表示,人工智能已经渗透到人们生活的各个方面:从搜索引擎到物流。仓储背后的网络规划,从人脸识别到机器翻译和语音识别,与人工智能密切相关。在手机中,个性化推荐新闻应用程序,“智能美容”修饰软件,“小冰”,“小娜”和Siri等可以谈到的,都受益于人工智能的发展。 。

这波人工智能研究应用被业界称为“第三波”。在人工智能诞生的61年里,前两次的热情终于沉寂了。在业界看来,这波浪有些不同。

“这次必须更加稳定,”刘铁岩说。 “像燃料一样,人工智能与各种行业紧密结合,并且具有比以往更多的实际应用场景。”

“数据的爆炸式增长,计算能力的飞跃以及深度学习算法的突破是人工智能爆炸的三大因素。”上唐科技首席执行官徐力表示,“人工智能的突破与产品着陆密切相关。它可以迅速引发行业爆发。新技术需要与待验证的应用相结合。当人工智能发展超越人类时水平,它将带来生产效率的显着提高,同时产生新的行业和应用。“热情背后隐藏着一种忧虑。 “净红”需要冷思考。

在人工智能的快速发展背后,政府,企业和资本都有很多重点。

2015年7月,国务院发布《关于积极推进“互联网 ”行动的指导意见》,“互联网人工智能”被列为11项重点行动之一; 2017年3月,首次编写了人工智能《政府工作报告》。在国际舞台上,英国,美国,韩国,日本等也制定了人工智能,并引入了一系列支持政策。

2013年,百度成立了世界上第一家深度学习研究所;在2017年百度联盟峰会上,李艳红明确表示人工智能是百度的核心战略; Facebook和谷歌等巨头也提出了“人工智能第一”的战略转型;在计算机视觉和语音识别等垂直领域,上堂科技和科达迅飞等公司取得了显着成效。 “目前,大公司和小公司都在积极采用人工智能,”徐立说。

在风险投资领域,人工智能尤其受到资本的重视,甚至会导致疯狂的追求。互联网数据和咨询公司IT Orange最近发布了《人工智能产业分析与创业投资盘点》,其中包括467家AI公司和636项投资活动,其中人工智能总投资率为67.65%,是其他行业的2-3倍。发烧太高使刘铁岩认为人工智能已成为“净红”。一些企业的所谓调整策略实际上是由资本市场强制实施的。

当然,与之前互联网发展中出现的“泡沫”一样,“泡沫”已经提出,无序,重复投资,过热和概念包装等问题也出现在人工领域。情报风险投资。出来。

徐立直言不讳地说,国内大多数人工智能企业家都陷入了应用层面。企业家使用开源算法找到一个垂直领域并将“人工智能”的概念纳入其中,但真正从算法层开始到“原始技术”的人并不多。 “而这件作品是核心,它是最需要积累的。”

对于这些隐患,易观国际智库高级分析师薛永峰强调,人工智能仍处于相对早期的发展阶段,花一些时间“冷思考”尤为重要。三个门槛等待被超越。

人工智能告别初级阶段并引发大规模爆发还需要多长时间?专家们也承认,仍有许多瓶颈需要打破。

其中一个瓶颈来自过度依赖大数据和计算。如果您希望机器像人一样思考,您必须将其“馈送”到数据量。 “它必须依赖于大数据和大量计算,这导致许多人工智能在这个阶段过于沉重。”在刘铁岩看来,“这种依赖性很尴尬,未来应该有更轻量级的人工智能。”

第二个瓶颈来自人工智能的“黑匣子”。——人工智能做出的决定与封闭的黑匣子一样难以预测。 “在人脸识别系统中,如果有些人可以识别而其他人无法识别,研究人员可能无法回答原因,因为这是机器从数据中学到的东西,而背后的逻辑并不清楚。”徐力还引用了另一个无人驾驶汽车的例子来描述这个悖论:“无人驾驶的准确性很可能超出了人们,但困难在于你不知道什么时候会撞墙”。

另一个瓶颈在于不成熟的行业生态系统。这在一定程度上限制了人工智能的发展。薛永峰提醒说,有必要防范数据隔离和研发隔离问题。 “人工智能的一些技术专利主要掌握在大公司手中,数据资源难以完全自由化。在语音识别和无人驾驶等许多领域,许多团队都做自己的工作,没有整合“。在一些传统行业中,数据积累的标准化程度和流通效率远远不能达到人工智能技术潜力的程度。

然而,徐力认为,这些缺陷“并不是一个瓶颈,而是未来的主要方向。”

在国内,人才库仍然相对较弱。根据LinkedIn的数据,全球有195万人工智能专业人士,而中国仅占2%,排名第七。 “人工智能工程师和应用型人才存在差距。我们的教育体系应与时俱进,支持课程的发展需求,”刘铁岩说。

幸运的是,人工智能开发过程中的许多进步和变化已经非常明显。

亚马逊,谷歌,Facebook,IBM和微软去年9月宣布成立一个非营利性人工智能协作组,为研究人员提供一个开放的讨论和参与平台。今年4月,百度还正式发布了阿波罗计划,向业界开放了自主驾驶技术,以期进一步降低研发门槛,推动自动驾驶技术的发展和普及。产业链。

soso网