021-80392549
您好,欢迎光临工博士,我们将竭诚为您服务 点击这里给我发消息
 
首页 > 资讯 > 人工智能 > 正文机器人 新零售 人工智能 物联网IoT 5G 3D打印 企业新闻 业内资讯 行业趋势 产品应用 方案应用 人物专访 本站原创 展会资讯 

行进中的AI的“麻袋”与“书”

放大字体  缩小字体 发布日期:2019-09-04  浏览次数:448
      AI热潮不减。过去一周,“双马对话”拉开世界人工智能大会的讨论热潮,同一时间, 百度在北京举办“百度云智峰会”喊出“AI工业化”的口号。京东云发布智能城市战略。仅一个周末,由陌陌推出的AI换脸APP,一夜“ZAO”热……

放眼国内,AI技术正展现大变革潜力,AI赛道也日益拥挤。站在今天回看,2017年或许是中国人工智能发展的一个重要节点。从那一年开始,人工智能风起云涌。一夜之间,仿佛所有的公司都变成了人工智能公司,资本、人才向人工智能领域快速涌入。“人工智能”成为科技界、学界、企业界最热门、最受追捧的词汇之一。而彼时,科技巨头Google、IBM等对人工智能的研究已逾十年,近几年部分研究成果已经进入商业应用。

从这些维度来看,人工智能可谓已经迎来一个非常好的时代,但是热闹背后一些问题也浮现出来。在释放巨大应用价值和商业价值的同时,人工智能的推广使用也产生了一些“副作用”。个人隐私信息被非法采集、利用大数据实施精准诈骗等,已开始露出苗头;“人工智能可能拉大数字鸿沟、取代工作岗位”的猜测,也引发了一些担忧。

人工智能需要“交通法规”

回应社会上对人工智能的种种担忧,又为这一技术保留了足够的创新空间。前不久,国家新一代人工智能治理专业委员会发布了《新一代人工智能治理原则——发展负责任的人工智能》,明确了人工智能治理的框架和行动指南。

这意味着,正在快车道上飞奔的中国人工智能多了一部“交通法规”。 作为一项影响深远的颠覆性技术,人工智能技术可能带来的“副作用”不可小觑。特别是在人工智能进入实用的新阶段,鼓励创新和规范应用必须双管齐下。我国已是人工智能发展大国,尽早立下“包容共享、敏捷治理”等规矩,将为人工智能的健康发展保驾护航。

消除偏见,打造负责任的人工智能

在探讨人工智能可能带来的偏见和歧视问题时,微软的研究团队,正在从称为“单词嵌入”的自然语言处理工具做起,试图解决文本搜索中的性别偏见的问题。

所谓单词嵌入,是一种用来将单词转换为向量数字的算法,它能够以来自新闻数据或者网页数据的海量文本数据为依据,为每个单词赋予一个对应的向量数字。通过在向量坐标系中,比对常见词汇与“他”、“她”这两个性别代词之间的关联度,研究人员发现了一些明显的特征,例如“sassy(刁蛮)”、“knitting(编织)”这样的词更靠近女性,而“hero(英雄)”、“genius(天才)”更靠近男性。

算法之所以会为这些词汇赋予性别特征,原因在于训练算法用的基准数据集——通常是来自新闻和网页的数据——本身就存在着由语言习惯造成的“性别偏见”,算法也自然“继承”了人类对这些词汇理解的性别差异。其结果就是,当微软用试验算法,根据梅林达·盖茨的 linkedIn 信息推测其职业时,得到了“教师”的判断,但只要将人称代词换成“他”,盖茨夫人的职业就会变为“律师”。为了解决这个问题,微软的研究员提出了一个简单易行的方案:在单词嵌入中,删除区分“他”和“她”的判断维度,从基准数据集中消除偏见。

AI芯片喧嚣背后市场痛点犹存

AI芯片已成为中外科技企业竞争的焦点之一,以至于清华大学微电子所所长魏少军用“无产业不AI,无应用不AI,无芯片不AI”这样的话语描述当下的人工智能热潮。

“我们离人工智能还有多远?目前很多企业所做的只是增强智能而不是真正的人工智能,离真正的人工智能还差得很远”。魏少军表示,人工智能网络能够崛起取决于三个因素,算法、数据和算力。当前,AI芯片面临两个现实问题:其一,算法仍在不断演进,新算法层出不穷,每隔几个月算法就发生新的变化;其二,一种算法对应一种应用,没有统一的算法,而让芯片处理不同的算法十分困难。

在魏少军看来,AI芯片应该具备的要素包括可编程性、架构的动态可变性、高效的架构变换能力、高计算效率、高能耗效率、低成本等。按照这些要求,目前业界流行的一些做法均不是理想的架构。过去几年,AI芯片领域一个重要变化就是架构的变化。人工智能芯片不在于追求算力,而在于架构创新。业界也需要找到一种针对人工智能计算的全新计算引擎。

云从科技副总裁张立认为,传统芯片企业通常更关注是如何把芯片做成通用化,以支持各种不同应用场景。但这样的通用化,在AI场景落地时会遇到问题,比如公司对AI芯片考虑较多的是单位功耗,而芯片企业对功耗要求可能不是首要优先级。公司在将AI场景落地的过程中,发现通用芯片完全满足不了需求。这给从事AI解决方案和核心算法的企业带来了难题——公司的算法是统一的,但需要在不同的场景适配不同的芯片和模组。

“目前,AI芯片发展还处在婴儿期”。张立表示,现在企业使用的很多AI芯片因为工艺要求较高,很难在大陆流片,都是在台积电进行流片。同时,也正因这工艺复杂度较高,导致芯片价格较高,使得下游很多使用其模组的产品无法量产。

AI+教育的变革与反思

日前,某人脸识别系统在课堂上的应用在笔者朋友圈引起热议。图中显示,两名在教室中的女生身边,显示出了相应的课堂行为数据,比如趴桌子、玩手机、睡觉、听讲、阅读、举手等等。业内某名嘴犀利点评:非常反感这种应用,且毫无意义!教育,跟养猪的区别还是蛮大的!

行进中的AI的“麻袋”与“书”

联合国教科文组织在2019年3月份发布过《教育中的人工智能:可持续发展的挑战和机遇》报告,比较系统综合了各国人工智能和教育相结合的做法。报告的愿景是促进人工智能教育可持续发展,但更重要的目标是怎么样体现教育个性化、包容化、公平性,驱动教育管理步入全新的轨道,以及帮助学生为“就业革命”做好准备。

上海市人工智能学会理事长、同济大学企业数字化技术教育部工程中心主任、同济大学教授张浩就曾指出,数据驱动的智能教育主要考虑几个因素:一方面是个性化“教”,作为教师,应该体现教学中的个性化。过去老师都是猜,现在可以通过数据辅助。另一方面是个性化的“学”,以前的学生总是听,现在可以通过个性化数据辅助,可以学得更有序,从此建立个性化学习模式。目前,大数据主要还是推动个性化教育”。

未来学校的功能是转变的,教育的内容是转变的,教育的环境也是转变的。教育是永恒的话题,AI结合教育刚刚开始。《中国教育现代化2035》中提到“智能”为先驱,以人才培养为核心,有四大方面的考量:提升校园智能化、新型教学模式、教育服务新业态、推进教学治理方式变革。人脸识别在课堂上的应用,相信只是AI落地教育领域的最初尝试,经过不断的试错、调整,最终真正地辅助教育的目的。

人工智能要做高产值关键要以人为本

人工智能要做高产值不是什么难事,关键是要以人为本。”上海人工智能安全专委会主任、中科院院士、计算机软件专家何积丰表示:“上海人工智能的发展取得了很大的进步,政府投入了大量的资源,给予了高度重视,但是在全面性方面仍然有待完善。

何积丰院士所说的全面性,是指要关注科研创新体制改革,以及关注新技术带来的新挑战,包括人工智能的安全性、人工智能的人才培养、核心基础研究的投入以及相应的配套设施的建设。

以安全为例,何积丰院士援引数据称,上海人工智能三年的产值规模要达到500亿人民币,五年产值规模要达到1000亿人民币。“要做高产值很容易,理论上一部分信息通信技术(ICT)行业的产值也可以算到人工智能领域。但要真正打造人工智能高地,让人工智能服务于我们的社会经济,还有很多工作要做。”何积丰院士表示。

他强调,人工智能要解决的是基础的算法问题,因此数学基础研究很重要。他认为,由于中国基础研究长时间地被边缘化,要鼓动基础研究人员参与其中需要更大的努力。此外,何积丰院士还强调应让人工智能技术与5G技术充分结合,尽快建设完善各类网联基础设施,让城市完成智慧协同,实现精细化的治理。

无数据,不AI

2018年,全球人工智能市场突破2700亿元,其中中国超过360亿元,相比2015年的203亿元复合增长率为21%。飞速上扬的曲线背后是科技发展的日新月异,于互联网下半场,AI已经成为很多公司、企业面向未来的武器和底气。

与之对应的是另外一组数字,据We Are Social公司统计,全球独立移动设备用户渗透率超过了总人口的65%,活跃互联网用户突破了40亿人,接入互联网的活跃移动设备超过了50亿台。根据IDC预测,2020年,全球将总共拥有35ZB的数据量。

这是一组每天都处于千万亿次增长的数据曲线。

人工智能,算法是发动机,数据是燃料。对于大部分公司的AI业务来说,获取海量而优质的标注数据是进行人工智能的先决条件。算法模型是计算机基于大规模的训练数据集,归纳出的识别逻辑,以实现精准的物体和场景识别。可以说,实现机器精准识别的重要一步,就是获取海量而优质的标注数据。

但在现阶段工业界的AI应用研发,标数据是一定跳不过去的,可能10年之内都要依赖于标数据。”一位业内人士表示。

就当下而言,从最基本的构建模式来看,数据是人工智能的原料;但如果将数据与人工智能技术的整体发展相比,如今数据的采集和标注方式却是后者发展的“木桶短板”。

这门生意正在进步。从粗放型到如今的精细化运作,数据的生意模式正在不断升级。身处这个赛道的玩家们,则是给它做了最佳注脚。可以预测,“无数据,不AI”将会成为常态。

结语

经历了这个夏天,AI热度有增无减。但是相比最初由产业界、投资界所推动的热潮,现在学界和基础研究领域也在逐渐产生一些革命性变革,人才缺口问题也越来越受到重视,有望从根源上得到解决。

用一麻袋的钱买书,书看完了,卖了书却发现钱不够买麻袋。生活中很多事情往往会落入这个套路。

无意于用这个逻辑来暗讽AI创业的某些乱象。只是希望热潮退却时,不只是烧掉了投资人的钱,还有许多落在实处的有意义的应用。

退一万步说,读书也好,投资也好,最重要的意义不在于是否能够回收麻袋成本,而是在这个过程中明白,自己是否真的需要麻袋,以及在这个过程中,那些无法用金钱来衡量的收获。

工博士工业品商城声明:凡资讯来源注明为其他媒体来源的信息,均为转载自其他媒体,并不代表本网站赞同其观点,也不代表本网站对其真实性负责。您若对该文章内容有任何疑问或质疑,请立即与商城(www.gongboshi.com)联系,本网站将迅速给您回应并做处理。
联系电话:021-31666777
新闻、技术文章投稿QQ:3267146135  投稿邮箱:syy@gongboshi.com
分享到: 

分享与收藏:  资讯搜索  告诉好友  关闭窗口  打印本文 本文关键字:

新闻视频

 
推荐资讯
最新文章
 
 
工业品代运营:您好,欢迎光临,我们将竭诚为您服务 广告业务:您好,欢迎光临,我们将竭诚为您服务 会员管理:您好,欢迎光临,我们将竭诚为您服务 售后服务:您好,欢迎光临,我们将竭诚为您服务 新闻投稿:您好,欢迎光临,我们将竭诚为您服务 战略合作:您好,欢迎光临,我们将竭诚为您服务 沪公网备31011402005898号