人工智能的發(fā)展方向與機(jī)遇
?編輯導(dǎo)讀:近幾年人工智能大熱,幾乎所有人都在討論關(guān)于人工智能相關(guān)的話題,同時(shí)各個(gè)領(lǐng)域的突破也不少。本文作者對(duì)當(dāng)前人工智能的目前發(fā)展情況進(jìn)行了梳理,并分享了自己對(duì)人工智能未來的一些猜測(cè)與看法,與大家分享。
01 現(xiàn)階段人工智能的瓶頸
現(xiàn)在人工智能有很多突破,尤其在應(yīng)用上有大量突破,但是實(shí)際上人工智能底層的技術(shù)研究的進(jìn)展其實(shí)并不多。最近值得說的進(jìn)展就一項(xiàng),就是曾經(jīng)研制出了AlphaGo,戰(zhàn)勝了李世石的公司DeepMind。DeepMind在前段時(shí)間研究了一個(gè)系統(tǒng),戰(zhàn)勝了人類的德州撲克選手。
玩過德州撲克的朋友是可以感受到的,德州撲克要比玩圍棋復(fù)雜得多。因?yàn)閲逅械男畔⒍际浅浞中畔?,是已知的;而德州撲克,你?duì)面的玩家肯定不會(huì)讓你知道他手里的牌,所以是不充分信息。在不充分信息的情況下能戰(zhàn)勝人類選手,某種程度上說明人工智能又進(jìn)了一步。
不過這種進(jìn)步只是弱人工智能。正如《前哨》中所說:弱人工智能比人強(qiáng),強(qiáng)人工智能比人弱。迄今為止在強(qiáng)人工智能方面還沒有任何進(jìn)展。
美國著名的計(jì)算機(jī)專家、圖靈獎(jiǎng)的獲得者Judea Pearl的在去年的新書《為什么》中,就提到了一個(gè)很有趣的,甚至讓人工智能專家都有點(diǎn)尷尬的事實(shí):“人工智能評(píng)價(jià)這個(gè)系統(tǒng)的好壞,并不能從結(jié)構(gòu)上或者理論上來評(píng)價(jià),比如你的結(jié)構(gòu)更優(yōu)或者理論更好,只能從結(jié)果來評(píng)價(jià)?!比斯ぶ悄芩闶且婚T科學(xué)嗎?答案成疑。所以Pearl就很毒舌地說:“人工智能現(xiàn)在已經(jīng)變成了煉金術(shù)?!?/p>
所以人工智能在現(xiàn)階段最大的瓶頸,就是理論上和實(shí)際底層技術(shù)的發(fā)展。
下面是筆者在讀《為什么》時(shí)的筆記導(dǎo)圖,強(qiáng)烈建議對(duì)人工智能感興趣的朋友讀下原書。
02 人工智能的三大發(fā)展方向
雖然面臨著理論和底層發(fā)展的瓶頸,人工智能終究還是有進(jìn)展的,根據(jù)王煜全老師在2019年的報(bào)告中的闡述,結(jié)合筆者對(duì)人工智能領(lǐng)域的理解,可以總結(jié)為以下三個(gè)發(fā)展方向。
1. 大數(shù)據(jù)向小數(shù)據(jù)過渡
過去機(jī)器學(xué)習(xí)要用海量數(shù)據(jù)做訓(xùn)練,現(xiàn)在希望用盡可能少的數(shù)據(jù)做訓(xùn)練。
小數(shù)據(jù)不等于沒數(shù)據(jù),因?yàn)槿斯ぶ悄芷襁€是基于歸納總結(jié)原理做出來的,也就是說在人工智能系統(tǒng)里面其實(shí)統(tǒng)計(jì)學(xué)更有意義。
但人工智能絕不能滿足于此,人類是會(huì)推理的,可以在沒有數(shù)據(jù)的情況之下判斷事情該怎么做,小數(shù)據(jù)也不能真實(shí)模擬人類的這種判斷。
我們可以想象這樣一個(gè)場景:在一個(gè)雨夜里,你在一個(gè)崎嶇的山路上開車,前面路中間有一堆土,土堆邊上有一個(gè)看似穿著警服的人在揮手,搖著一個(gè)旗子讓你下來,你下還是不下?如果你不下,勉強(qiáng)可以沖得過去,但如果你下來才是遵守指令。這種時(shí)候,我們普通人會(huì)有很復(fù)雜的推導(dǎo),比如這附近治安好不好?晚上天很黑的時(shí)候附近治安會(huì)不會(huì)有問題?另外我們?nèi)藭?huì)看這個(gè)警察,他身上的裝扮是不是真正的警察制服?周圍的交通疏導(dǎo)裝置是不是都安上了?如果只有一個(gè)人站在那,而沒有相應(yīng)的交通疏導(dǎo)裝置,很多人會(huì)認(rèn)為這是假的,就會(huì)想辦法沖過去。
這些所有背后的復(fù)雜判斷,不只是一個(gè)路面的問題,而且涉及到了社會(huì)安全,以及很多其它和交通無關(guān)的問題。這些問題是迄今為止自動(dòng)駕駛都無法判斷的。
這也就是五級(jí)自動(dòng)駕駛幾乎接近于永遠(yuǎn)無法推向市場實(shí)現(xiàn)商業(yè)化的原因。除非下一次人工智能的突破到來,使得人工智能真正具備智力分析能力。雖然現(xiàn)在人工智能的一個(gè)方向是小數(shù)據(jù),但依然不是沒數(shù)據(jù),依然是基于統(tǒng)計(jì),而不是基于推理和因果關(guān)系,這也是《為什么》這本書質(zhì)疑人工智能的地方。
2. 邊緣計(jì)算
筆者不是技術(shù)出身,對(duì)計(jì)算能力上的概念理解也是有限,簡單描述下該方面的發(fā)展方向。
從計(jì)算能力上來說,一方面,我們要有充分的計(jì)算能力;另一方面,5G的來臨使得我們的云端計(jì)算能力也可以得到極大的加強(qiáng)。而且因?yàn)轫憫?yīng)速度提升了,所以云端計(jì)算能力可以對(duì)局端、對(duì)邊緣的計(jì)算能力實(shí)現(xiàn)更好的補(bǔ)充,使得云端和終端形成一體化的人工智能計(jì)算能力。
這其實(shí)對(duì)整體來講是錦上添花,而并不是一個(gè)革命性的變化。
3. 終身學(xué)習(xí)
現(xiàn)在機(jī)器也可以終身學(xué)習(xí)了。
機(jī)器一旦有了終身學(xué)習(xí)能力,就會(huì)使得我們整個(gè)人類或者說企業(yè),尤其是行業(yè)里面采用人工智能的策略產(chǎn)生本質(zhì)性變化。如果機(jī)器不能終身學(xué)習(xí),我們?cè)谝肴斯ぶ悄艿臅r(shí)候就不用太著急,等到人工智能系統(tǒng)足夠好的時(shí)候再引入即可。但是如果機(jī)器能夠終身學(xué)習(xí),最好的策略是第一時(shí)間引入人工智能,因?yàn)殡m然引入的時(shí)候它可能還不那么智能,但是它不斷學(xué)習(xí)、不斷完善自己,就會(huì)比引入晚的競爭對(duì)手領(lǐng)先一大截,這個(gè)時(shí)候甚至和硬件都沒有那么大的關(guān)聯(lián)。
所以,各個(gè)行業(yè)都需要去看人工智能能否更快、更好地引入到自己的行業(yè)領(lǐng)域里面來。因?yàn)槿斯ぶ悄艽_實(shí)是像互聯(lián)網(wǎng)一樣,所以很多人都說人工智能是互聯(lián)網(wǎng)的下一代,就是因?yàn)樗袕V泛的適用性,所有的行業(yè)都有可能因?yàn)槿斯ぶ悄芏@益。
03 人工智能技術(shù)在哪些應(yīng)用上有優(yōu)勢(shì)?
現(xiàn)在采用人工智能還是有一些障礙的,尤其是對(duì)于不是這個(gè)行業(yè)領(lǐng)域的公司。一些傳統(tǒng)領(lǐng)域的公司通常認(rèn)為,建立了人工智能部門,也招了很多做人工智能的人,就是在做人工智能了。但實(shí)際上迄今為止,人工智能專家依然是稀缺的,人工智能專家在未來五年之后可能就不再稀缺了,但是現(xiàn)在依然是稀缺的。
稀缺的一個(gè)主要的特征,就是很多大IT公司都在喊:現(xiàn)在和我們搶奪人工智能人才的,主要的競爭對(duì)手是華爾街。為什么呢?因?yàn)槿斯ぶ悄芗夹g(shù)基本上到頂了以后,你就可以判斷它在單項(xiàng)上有很強(qiáng)的優(yōu)勢(shì)。這種單項(xiàng)優(yōu)勢(shì)就會(huì)被各個(gè)行業(yè)領(lǐng)域采用,最早采用的一定是利用這個(gè)優(yōu)勢(shì)獲得大量收入利潤的行業(yè),金融無疑是最理想的行業(yè),所以用人工智能炒股已經(jīng)幾乎變成華爾街的標(biāo)配了。
雖然獨(dú)立的人工智能炒股的基金公司并不多,但實(shí)際上,大多數(shù)的基金公司都儲(chǔ)備了人工智能的人才。判斷短時(shí)的漲跌,用人工智能做短期操作一定比人強(qiáng),這已經(jīng)是事實(shí)了。當(dāng)然,這并不代表人沒有機(jī)會(huì),因?yàn)楝F(xiàn)在單項(xiàng)上人工智能比人強(qiáng),但是多項(xiàng)綜合人就顯著地占有優(yōu)勢(shì)。
如果你判斷短期的股票交易,基本上就根據(jù)以前的交易行為來判斷,那一定是機(jī)器比人強(qiáng);但是如果判斷一個(gè)企業(yè)的長期發(fā)展,尤其是判斷一個(gè)企業(yè)未來的科技產(chǎn)品有沒有可能在未來的科技市場當(dāng)中占優(yōu),機(jī)器就不一定比人強(qiáng)。
因?yàn)檫@些判斷是非常綜合的事情,涉及到了科研發(fā)展的趨勢(shì),包括研發(fā)的進(jìn)展、技術(shù)能力的變化,包括產(chǎn)業(yè)格局的變化,甚至包括企業(yè)經(jīng)營特點(diǎn)的變化,還包括市場的接受程度、用戶的變化。
從這個(gè)意義上講,人工智能相對(duì)來說是判斷不清晰的。也就是說,你問人工智能明天可不可以買一個(gè)股票,它的回答一定比問一個(gè)人要好,但是你問一個(gè)公司五年之后發(fā)展得好不好,你最好去問人類的專家。這說明人還是有機(jī)會(huì)的,不要和人工智能去爭奪單項(xiàng)的長短,而要在綜合上面取得優(yōu)勢(shì),甚至每個(gè)單項(xiàng)上都用人工智能輔助我們,但是在整體上我們可以超越人工智能。
這是一個(gè)相對(duì)來說比較特例的地方,因?yàn)槿斯ぶ悄苣転槠髽I(yè)帶來大量的錢,所以整個(gè)華爾街現(xiàn)在非常歡迎人工智能專家,以至于現(xiàn)在很多IT公司都把華爾街當(dāng)成競爭對(duì)手,這個(gè)競爭指的不是市場的競爭,而是指人才的競爭。而隨之而來的,大多數(shù)情況之下,人工智能專家不太愿意去傳統(tǒng)行業(yè)的企業(yè),因?yàn)閭鹘y(tǒng)行業(yè)往往有很長的研發(fā)周期,它不像短線炒股,研發(fā)周期很短,迅速就有結(jié)果。
04 人工智能獨(dú)角獸著臨著巨大的壓力
現(xiàn)在中國的人工智能有一個(gè)很大的問題,就是過熱了以后產(chǎn)生了一批人工智能獨(dú)角獸。
獨(dú)角獸就是還沒有上市,但是估值已經(jīng)超過了10億美金的公司。我們都知道很多公司其實(shí)估值不到10億美金就可以上市了。但是這些獨(dú)角獸之所以沒有上市,是因?yàn)槭杖肜麧櫜]有清晰地顯示出來,也就是說其實(shí)它還不符合上市指標(biāo)。但是因?yàn)槭袌鰺崤?,所以它的估值非常高,這樣的話這些企業(yè)就會(huì)有特別強(qiáng)大的壓力。
壓力體現(xiàn)在兩方面:
一方面,它必須要持續(xù)不斷地從市場網(wǎng)羅人才。因?yàn)樗仟?dú)角獸,它給期權(quán)的時(shí)候會(huì)顯示期權(quán)的價(jià)值特別高。雖然這個(gè)期權(quán)顯示很高,不代表員工真正獲取了這個(gè)價(jià)值。但是市場承認(rèn)這個(gè)價(jià)值,所以它就會(huì)對(duì)人才形成很強(qiáng)的吸引,造成現(xiàn)在很多的人工智能人才愿意去獨(dú)角獸,因?yàn)橛懈咝接钟懈咂跈?quán),而不愿意去傳統(tǒng)行業(yè)。傳統(tǒng)行業(yè)的薪水沒那么高,而研發(fā)又需要一個(gè)周期,不能立竿見影看到效果,回報(bào)產(chǎn)生了落差,因此大多數(shù)人會(huì)選擇去獨(dú)角獸企業(yè)。
獨(dú)角獸企業(yè)有另一個(gè)致命的問題,因?yàn)樗乐颠^高了以后,就要盡快地在收入利潤上兌現(xiàn)它的承諾。這就意味著這些獨(dú)角獸企業(yè)在長期研發(fā)上投入不足,同樣是盯著那些眼前最能賺錢的業(yè)務(wù),人工智能現(xiàn)在最能賺錢的業(yè)務(wù)是什么呢?這其實(shí)也是大家普遍關(guān)注的一個(gè)話題。
因?yàn)槿斯ぶ悄茉谌ツ?、前年就在喊這樣一個(gè)話題了,今年甚至還會(huì)再繼續(xù)喊,就是所謂人工智能叫好不叫座。雖然人工智能非常熱,各種新的應(yīng)用層出不窮,但是你去看人工智能企業(yè),似乎它們收入利潤的增長沒有那么令人滿意。
05 在人工智能細(xì)分領(lǐng)域的機(jī)會(huì)
1. 硬件層
該層級(jí)主要是涉及人工智能相關(guān)的硬件企業(yè)。這些企業(yè)坦白講其實(shí)未來還很難預(yù)測(cè),做這種專業(yè)領(lǐng)域的研發(fā)(FPGA)的公司機(jī)會(huì)相對(duì)還大一些,現(xiàn)在做類腦計(jì)算芯片、人工智能計(jì)算芯片,通用性相對(duì)強(qiáng)一點(diǎn),壓力會(huì)比較大。因?yàn)閷?shí)際上這種芯片是需要構(gòu)筑生態(tài)的,這種芯片的一個(gè)領(lǐng)軍企業(yè)就是NVIDIA(英偉達(dá))。
英偉達(dá)有幾千個(gè)工程師,去幫它的芯片做各種應(yīng)用的場景開發(fā),或者是應(yīng)用的支持,加強(qiáng)了英偉達(dá)的生態(tài)的健全。例如,同樣做自動(dòng)駕駛解決方案,英偉達(dá)更看重的是,我如何能讓客戶得到全面的服務(wù)?;诖?,英偉達(dá)做了一套虛擬的試車系統(tǒng)。這套虛擬系統(tǒng),讓自動(dòng)駕駛系統(tǒng)在虛擬路面去跑,可以把速度倍速。另外,可以同時(shí)在多個(gè)虛擬環(huán)境跑,顯示好像是有100輛車、1000輛車同時(shí)跑,很快地積累到了足夠的里程,由此人工智能系統(tǒng)就足夠地強(qiáng)壯、足夠地智能了。
這就是它對(duì)環(huán)境的構(gòu)建,這是非常重要的。而國內(nèi)大多數(shù)芯片企業(yè),只是盲目地強(qiáng)調(diào)自己計(jì)算能力的優(yōu)越,沒有這種生態(tài)構(gòu)建的能力,其實(shí)是很難跟英偉達(dá)競爭的。當(dāng)然英偉達(dá)也有一個(gè)緩慢的苦盡甘來的過程,其實(shí)在兩三年以前黃仁勛在演講時(shí),他還在暢想人工智能在各個(gè)行業(yè)領(lǐng)域的突破,非常地發(fā)散,但是到去年的時(shí)候業(yè)務(wù)已經(jīng)非常地聚焦,一定能實(shí)現(xiàn)足夠大的收入利潤。
2. 基礎(chǔ)服務(wù)層
這個(gè)層級(jí)主要聚集著在基礎(chǔ)平臺(tái)和基礎(chǔ)應(yīng)用上發(fā)力的企業(yè),比如云計(jì)算提供者。
在美國幾乎所有的IT巨頭都花巨資去建立大的云計(jì)算平臺(tái),而且都要有強(qiáng)大的人工智能的支撐能力,其中最領(lǐng)先的就是亞馬遜的AWS和谷歌這兩家公司。所以這幾乎變成了一個(gè)業(yè)內(nèi)共識(shí),未來云計(jì)算+人工智能,甚至到了5G以后,使得云計(jì)算+人工智能無所不在,成為標(biāo)配,很快就會(huì)發(fā)現(xiàn)人工智能會(huì)像自來水一樣,隨處都可以獲得。
中國也是一樣,現(xiàn)在比較領(lǐng)先的就是阿里云,騰訊、百度也在發(fā)力,但是現(xiàn)在看起來阿里還是比較領(lǐng)先的。當(dāng)然華為也在做自己的云。中國也會(huì)誕生幾朵大云,也有很大的市場空間,因?yàn)橹袊腎T市場不比海外小多少。
所以這一層會(huì)發(fā)展起來。而這一層的核心就是除了提供基礎(chǔ)的云計(jì)算能力以外,一定要提供一些附加的人工智能能力。而這種人工智能能力就會(huì)使得人工智能的基礎(chǔ)應(yīng)用,不是由人工智能提供商來提供,而是由云平臺(tái)直接提供。
什么是基礎(chǔ)應(yīng)用呢?現(xiàn)在其實(shí)沒有明確的定義,在此筆者舉出幾個(gè)例子,供大家了解與討論。
視覺識(shí)別,包括面部識(shí)別會(huì)變成基礎(chǔ)應(yīng)用。因?yàn)樵诟喙矆鏊谋O(jiān)控加上視覺識(shí)別之后,可以快速抓捕逃犯,有助于社會(huì)治安。這就形成了一個(gè)巨大的市場,現(xiàn)在大量獨(dú)角獸都在追逐該市場。
但從長期來看,這個(gè)市場對(duì)于獨(dú)角獸們恐怕不是很友好:一方面,政府會(huì)形成統(tǒng)一的大市場,未來應(yīng)該是打通的,就從全國到處都是客戶變成一個(gè)客戶,這個(gè)市場也就某種程度上不存在了;另一方面,不管是幾個(gè)客戶,提供者很可能都不是今天的這些獨(dú)角獸們,而是由基礎(chǔ)云平臺(tái)直接提供,比如阿里、騰訊或者是華為這個(gè)量級(jí)的企業(yè)。
主要原因就是這個(gè)能力并不復(fù)雜,尤其有了云以后,從云上直接提供是最簡單的,未來各地只要有攝像頭,就可以利用云端的能力實(shí)現(xiàn)智能的面部識(shí)別或者是圖像識(shí)別的功能。
除了面部識(shí)別以外,現(xiàn)在一個(gè)大熱點(diǎn)就是動(dòng)作的識(shí)別,甚至把它叫做動(dòng)作指紋。我們每個(gè)人的步態(tài)、動(dòng)作、姿態(tài)都有自己的特定規(guī)律,經(jīng)過人工智能的分析,可以只通過我們的動(dòng)作就知道這個(gè)人是誰。現(xiàn)在還有一個(gè)特點(diǎn),就是跨攝像頭、跨領(lǐng)域的連續(xù)分析。也就是說通過動(dòng)作捕捉,你可以跨多個(gè)攝像頭,這就可以了解一個(gè)人的行為軌跡。雖然這個(gè)人的臉并沒有被識(shí)別,但是通過動(dòng)作就可以識(shí)別出來。雖然今天人工智能還是作為科研任務(wù)在搞,但是很快就會(huì)變成一種基礎(chǔ)能力,通過云計(jì)算提供出來。
除此以外,還有一些基本的圖形識(shí)別能力,包括另一個(gè)熱門的市場,就是醫(yī)學(xué)的圖像識(shí)別。醫(yī)學(xué)里面X光或者B超這樣的圖像識(shí)別,未來很有可能也會(huì)被整合到云端,提供者可能是第三方公司,也可能是云端的大IT服務(wù)商,但是未來都會(huì)由云端來提供,這也變成基礎(chǔ)服務(wù)了。
最后,語音語義識(shí)別和翻譯未來很有可能也變成云端的基礎(chǔ)服務(wù)。今天如果你要翻譯的話,還需要隨身帶翻譯機(jī),但是其為什么不是整合到手機(jī)里呢?據(jù)搜狗的CEO王小川介紹,搜狗的翻譯機(jī)里有6個(gè)GPU,這樣使得它翻譯的時(shí)候計(jì)算能力能夠跟得上。但是未來如果云端的處理能力加強(qiáng)了,所有這些語音全部送到云端去處理,然后把結(jié)果返送回來,這種時(shí)候我們每個(gè)人的手機(jī)就可以是翻譯機(jī)了,而不需要一個(gè)單獨(dú)的設(shè)備。
3. 行業(yè)結(jié)合層
根據(jù)上文,很多基礎(chǔ)能力未來很可能都會(huì)變成一個(gè)云端提供能力,而真正的應(yīng)用能力應(yīng)該是不那么基礎(chǔ)、不那么通用,而且和行業(yè)要有充分結(jié)合。雖然它也會(huì)用到很多基礎(chǔ)能力,甚至是云端的基礎(chǔ)能力,但是因?yàn)樗行袠I(yè)特異性,所以不是云端這個(gè)云提供者能夠提供的。
比如,因?yàn)檎Z音語義識(shí)別的成熟,包括翻譯能力的成熟,結(jié)合行業(yè)所組成了一個(gè)已經(jīng)啟動(dòng)的市場,那就是智能客服。呼叫中心小企業(yè)雖然不像大企業(yè)一樣有呼叫中心,但是其實(shí)有呼叫中心的需求?,F(xiàn)在如果用人工智能來做呼叫中心,回答用戶問題的并不是一個(gè)人,而是一個(gè)人工智能系統(tǒng),小企業(yè)也可以通過租借或者購買這個(gè)SaaS系統(tǒng)來滿足自身需求。所以這個(gè)市場會(huì)迅速地崛起,甚至呼叫中心市場會(huì)繁榮,但是呼叫中心那些接電話的人會(huì)失業(yè),這是冷冰冰的事實(shí)。
其實(shí)很多人工智能系統(tǒng)都是這樣的,自動(dòng)駕駛會(huì)繁榮,意味著車可能會(huì)更多,而不是更少,但是司機(jī)可能會(huì)失業(yè)。
這個(gè)層次會(huì)有大量的人工智能相關(guān)的應(yīng)用公司繁榮起來。這些應(yīng)用公司很明確,一定要有自己本行業(yè)的特色,因?yàn)?、人工智能這個(gè)技術(shù)本身沒有辦法形成壁壘,真正能夠形成壁壘的地方一定是行業(yè),也就是說行業(yè)數(shù)據(jù)、行業(yè)經(jīng)驗(yàn)和行業(yè)準(zhǔn)入會(huì)是你的壁壘。這需要我們?nèi)フ业竭@個(gè)壁壘,從而把業(yè)務(wù)做起來。
所以任何先進(jìn)領(lǐng)域不代表只要領(lǐng)先就好,還必須找到自己的壁壘和競爭優(yōu)勢(shì),才能夠做得好。
本文由 @Pete 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自 Unsplash,基于CC0協(xié)議
- 目前還沒評(píng)論,等你發(fā)揮!