巨頭紛紛進(jìn)擊人工智能 看華為小米們?nèi)绾翁剿魑磥?/h1>
編者按：2016年并不是簡單的人工智能60周年，也不是簡單的AlphaGo人機大戰(zhàn)激發(fā)全球新一輪人工智能的“幻想”。這一年，人工智能從漫長的學(xué)術(shù)研究周期迅速進(jìn)入到產(chǎn)業(yè)化階段，人工智能產(chǎn)業(yè)化的第一次大漲潮已經(jīng)到來，巨頭們紛紛圈地囤糧，但是不論巨頭們?nèi)绾芜M(jìn)擊人工智能，專業(yè)化分工將是人工智能生態(tài)的游戲規(guī)則。
窺見未來
本文引用地址：http://2s4d.com/article/201608/295598.htm 在2016CCF-GAIR峰會上，牛津大學(xué)計算機系主任、賓夕法尼亞大學(xué)工程學(xué)院院長、MIT機器人實驗室主任等國際學(xué)術(shù)巨擘向中國產(chǎn)業(yè)界傳遞了最新的研究動向。
牛津大學(xué)計算機系主任Michael Wooldridge身兼Oxford-Deep Mind Partnership負(fù)責(zé)人，他認(rèn)為目前人工智能進(jìn)展已經(jīng)解決了棋類問題、SAT等復(fù)雜問題以及自動駕駛等，即將解決實時口語理解、騎自行車、可靠的語言翻譯等問題，而理解復(fù)雜的故事及回答相關(guān)問題、創(chuàng)作笑話和有趣的故事、解釋一幅圖像的意義等則遠(yuǎn)未達(dá)到接近解決的階段，強AI和通用AI則是完全開放狀態(tài)。
Michael Wooldridge認(rèn)為當(dāng)前談人工智能奇點還為時尚早，甚至人工智能奇點有可能永遠(yuǎn)都不會到來!盡管AlphaGo取得了大幅度的學(xué)術(shù)進(jìn)展，但AlphaGo仍存在諸多問題。比如AlphaGo程序本身并“不知道”它在玩棋類游戲，它也不能解釋自己的策略，也無法從AlphaGo代碼中獲取這些策略，基本上AlphaGo就是一個黑盒子。因此，AlphaGo無法實現(xiàn)通用型AI。
Michael Wooldridge介紹說他的研究領(lǐng)域為“Multi-Agent System”(多個機器代理系統(tǒng))，這個領(lǐng)域其實也體現(xiàn)了他對AI的觀點之一，即在窄任務(wù)領(lǐng)域?qū)ΜF(xiàn)有AI服務(wù)和算法的整合。當(dāng)前，產(chǎn)業(yè)界逐漸把AI嵌入到幾乎所有產(chǎn)品和服務(wù)中，但這些AI服務(wù)都相對獨立和碎片化，那么如何通過單個或多個機器代理系統(tǒng)來整合這些AI服務(wù)就成為人工智能的下一個發(fā)展目標(biāo)。比如個人通過手機的機器代理，與其它人的機器代理之間相互協(xié)商、相互協(xié)調(diào)，共同決策一個會議的日程安排以及各嘉賓的時間安排。
牛津大學(xué)計算機系主任Michael Wooldridge
Vijay Kumar是美國國家工程院院士、賓夕法尼亞大學(xué)工程學(xué)院院長，他被認(rèn)為是空中機器人(無人機)領(lǐng)域開山立派的宗師人物，其學(xué)生遍布全球各大無人機廠商。Vijay Kumar表示對空中機器人或無人機的研究，能夠為學(xué)習(xí)和了解機器人的行為特點和算法積累數(shù)據(jù)。在Vijay Kumar的最新研究中，提出了空中機器人的“蜂群”效應(yīng)。
所謂“蜂群”效應(yīng)，就是指一群低智能的機器人聚集在一起，共同完成某項工程或任務(wù)。由于功耗等限制，無人機等小型和微型機器人無法配置高級計算資源，因而只能具有較低的機器智能水平。對比自然界的蟻群、鳥群、魚群等，雖然都是低智能生物，但卻能群聚在一起共同完成令人驚嘆的復(fù)雜工程。對空中機器人“蜂群”效應(yīng)的研究，還對地面機器人甚至海洋機器人的研究有重要意義。
美國麻省理工學(xué)院(MIT)一直是機器人科技研究的先驅(qū)，MIT機器人實驗室主任、美國國家工程院院士Daniela Rus認(rèn)為未來世界里，每個人都有可能擁有機器人，機器人就像是在路上跑的汽車一樣常見，稱之為“泛在機器人”世界。這些“泛在機器人”的形式甚至包括類似大白或自然界中蛇一樣的軟體機器人，以及水里的機器魚。而如果誤食了魚刺等異物的時候，還可以吞下微型折疊機器人，從腸道中通過折疊形態(tài)把異物包裹起來帶出體外。
美國南佛羅里達(dá)大學(xué)計算機科學(xué)與工程學(xué)院教授、機器人與深度學(xué)習(xí)專家孫宇所研究的機械手被認(rèn)為是非?！昂诳萍肌?，是為數(shù)不多能與人手相媲美的重大成果。孫宇介紹說，人體206個骨骼，其中1/4的骨骼都在雙手里，人體的雙手是非常復(fù)雜的機械結(jié)構(gòu)，是人體最復(fù)雜的器官之一。孫宇表示，機器人智能和計算機智能有所區(qū)別，在于機器人要與自然環(huán)境實實在在的接觸，這是計算機智能沒有涉及到的問題，因此機械手的研究有重大意義。
香港科技大學(xué)教授楊強的遷移學(xué)習(xí)無疑是機器學(xué)習(xí)下一個階段的重要發(fā)展方向，如何能把深度神經(jīng)元網(wǎng)絡(luò)和機器學(xué)習(xí)中訓(xùn)練出的模型提煉出來，并以較小的代價應(yīng)用到新的領(lǐng)域，這是走向通用AI的重要路徑。此外，楊強認(rèn)為，當(dāng)前國內(nèi)的機器學(xué)習(xí)和人工智能算法研究沒有國際上那么均衡，實際上人工智能算法遠(yuǎn)不止深度神經(jīng)元網(wǎng)絡(luò)，而是多元化發(fā)展。
當(dāng)前的大數(shù)據(jù)可以分為20%的即時性數(shù)據(jù)和80%的高時延數(shù)據(jù)。對20%即時性和高重復(fù)的數(shù)據(jù)來說(互聯(lián)網(wǎng)數(shù)據(jù)為主)，用深度學(xué)習(xí)算法能解決大部分問題。而對于80%高時延數(shù)據(jù)來說(例如工業(yè)數(shù)據(jù))則需要用到強化學(xué)習(xí)、增強學(xué)習(xí)、遷移學(xué)習(xí)等多種人工智能算法，才能解決其數(shù)據(jù)處理和產(chǎn)生數(shù)據(jù)智能的問題。
南京大學(xué)計算機科學(xué)與技術(shù)系副主任、機器學(xué)習(xí)與數(shù)據(jù)挖掘研究所(LAMDA)所長周志華表示，接下來機器學(xué)習(xí)技術(shù)的一個大趨勢是要增加機器學(xué)習(xí)的魯棒性。目前很多研究中的機器智能可達(dá)到人類水準(zhǔn)，但是如果遇到一些罕見的情況，就會錯得非常離譜。因此，機器智能在遇到罕見情況的時候，“不能比一般人的處理水平更低”，這是機器學(xué)習(xí)技術(shù)大規(guī)模普及的基本前提。
當(dāng)然，整個人工智能和機器人產(chǎn)業(yè)的發(fā)展，離不開創(chuàng)業(yè)群體。國家教育部長江學(xué)者特聘教授王田苗教授表示，未來五年之內(nèi)，機器人在工業(yè)、服務(wù)業(yè)、智能汽車和無人機等高端產(chǎn)業(yè)三大塊將可能迎來第一波熱潮。由于人工智能技術(shù)和認(rèn)知技術(shù)的成熟，未來機器人在銀行、家庭、醫(yī)院、賓館等服務(wù)業(yè)的地位將逐漸提高。
紫牛基金合伙人張泉靈特別強調(diào)，人工智能創(chuàng)業(yè)的商業(yè)模式這件事，不是在實驗室里就能想出來的。金山軟件兼金山云CEO張宏江的觀點是，中國人工智能公司的創(chuàng)新能力提升的非?？欤c美國等人工智能公司之間的差距正在縮小。一個公司進(jìn)步的關(guān)鍵不是“看別人”，而應(yīng)當(dāng)回歸到自身，搞清楚用戶到底需要什么，腳踏實地朝這個方向努力。
從新加坡政府一個ADAS項目出來的創(chuàng)業(yè)項目Minieye，對標(biāo)的是Mobileye。Minieye CEO劉國清認(rèn)為，人工智能時代的產(chǎn)業(yè)分工將更加專業(yè)化，每一個供應(yīng)商專注在某一項或幾項人工智能技術(shù)上并做到極致，智能汽車等整機廠商的角色更像是PC集成商而無法大包大攬所有的技術(shù)。
加入技術(shù)交流群
窺見未來
本文引用地址：http://2s4d.com/article/201608/295598.htm在2016CCF-GAIR峰會上，牛津大學(xué)計算機系主任、賓夕法尼亞大學(xué)工程學(xué)院院長、MIT機器人實驗室主任等國際學(xué)術(shù)巨擘向中國產(chǎn)業(yè)界傳遞了最新的研究動向。
牛津大學(xué)計算機系主任Michael Wooldridge身兼Oxford-Deep Mind Partnership負(fù)責(zé)人，他認(rèn)為目前人工智能進(jìn)展已經(jīng)解決了棋類問題、SAT等復(fù)雜問題以及自動駕駛等，即將解決實時口語理解、騎自行車、可靠的語言翻譯等問題，而理解復(fù)雜的故事及回答相關(guān)問題、創(chuàng)作笑話和有趣的故事、解釋一幅圖像的意義等則遠(yuǎn)未達(dá)到接近解決的階段，強AI和通用AI則是完全開放狀態(tài)。
Michael Wooldridge認(rèn)為當(dāng)前談人工智能奇點還為時尚早，甚至人工智能奇點有可能永遠(yuǎn)都不會到來!盡管AlphaGo取得了大幅度的學(xué)術(shù)進(jìn)展，但AlphaGo仍存在諸多問題。比如AlphaGo程序本身并“不知道”它在玩棋類游戲，它也不能解釋自己的策略，也無法從AlphaGo代碼中獲取這些策略，基本上AlphaGo就是一個黑盒子。因此，AlphaGo無法實現(xiàn)通用型AI。
Michael Wooldridge介紹說他的研究領(lǐng)域為“Multi-Agent System”(多個機器代理系統(tǒng))，這個領(lǐng)域其實也體現(xiàn)了他對AI的觀點之一，即在窄任務(wù)領(lǐng)域?qū)ΜF(xiàn)有AI服務(wù)和算法的整合。當(dāng)前，產(chǎn)業(yè)界逐漸把AI嵌入到幾乎所有產(chǎn)品和服務(wù)中，但這些AI服務(wù)都相對獨立和碎片化，那么如何通過單個或多個機器代理系統(tǒng)來整合這些AI服務(wù)就成為人工智能的下一個發(fā)展目標(biāo)。比如個人通過手機的機器代理，與其它人的機器代理之間相互協(xié)商、相互協(xié)調(diào)，共同決策一個會議的日程安排以及各嘉賓的時間安排。
牛津大學(xué)計算機系主任Michael Wooldridge
Vijay Kumar是美國國家工程院院士、賓夕法尼亞大學(xué)工程學(xué)院院長，他被認(rèn)為是空中機器人(無人機)領(lǐng)域開山立派的宗師人物，其學(xué)生遍布全球各大無人機廠商。Vijay Kumar表示對空中機器人或無人機的研究，能夠為學(xué)習(xí)和了解機器人的行為特點和算法積累數(shù)據(jù)。在Vijay Kumar的最新研究中，提出了空中機器人的“蜂群”效應(yīng)。
所謂“蜂群”效應(yīng)，就是指一群低智能的機器人聚集在一起，共同完成某項工程或任務(wù)。由于功耗等限制，無人機等小型和微型機器人無法配置高級計算資源，因而只能具有較低的機器智能水平。對比自然界的蟻群、鳥群、魚群等，雖然都是低智能生物，但卻能群聚在一起共同完成令人驚嘆的復(fù)雜工程。對空中機器人“蜂群”效應(yīng)的研究，還對地面機器人甚至海洋機器人的研究有重要意義。
美國麻省理工學(xué)院(MIT)一直是機器人科技研究的先驅(qū)，MIT機器人實驗室主任、美國國家工程院院士Daniela Rus認(rèn)為未來世界里，每個人都有可能擁有機器人，機器人就像是在路上跑的汽車一樣常見，稱之為“泛在機器人”世界。這些“泛在機器人”的形式甚至包括類似大白或自然界中蛇一樣的軟體機器人，以及水里的機器魚。而如果誤食了魚刺等異物的時候，還可以吞下微型折疊機器人，從腸道中通過折疊形態(tài)把異物包裹起來帶出體外。
美國南佛羅里達(dá)大學(xué)計算機科學(xué)與工程學(xué)院教授、機器人與深度學(xué)習(xí)專家孫宇所研究的機械手被認(rèn)為是非?！昂诳萍肌?，是為數(shù)不多能與人手相媲美的重大成果。孫宇介紹說，人體206個骨骼，其中1/4的骨骼都在雙手里，人體的雙手是非常復(fù)雜的機械結(jié)構(gòu)，是人體最復(fù)雜的器官之一。孫宇表示，機器人智能和計算機智能有所區(qū)別，在于機器人要與自然環(huán)境實實在在的接觸，這是計算機智能沒有涉及到的問題，因此機械手的研究有重大意義。
香港科技大學(xué)教授楊強的遷移學(xué)習(xí)無疑是機器學(xué)習(xí)下一個階段的重要發(fā)展方向，如何能把深度神經(jīng)元網(wǎng)絡(luò)和機器學(xué)習(xí)中訓(xùn)練出的模型提煉出來，并以較小的代價應(yīng)用到新的領(lǐng)域，這是走向通用AI的重要路徑。此外，楊強認(rèn)為，當(dāng)前國內(nèi)的機器學(xué)習(xí)和人工智能算法研究沒有國際上那么均衡，實際上人工智能算法遠(yuǎn)不止深度神經(jīng)元網(wǎng)絡(luò)，而是多元化發(fā)展。
當(dāng)前的大數(shù)據(jù)可以分為20%的即時性數(shù)據(jù)和80%的高時延數(shù)據(jù)。對20%即時性和高重復(fù)的數(shù)據(jù)來說(互聯(lián)網(wǎng)數(shù)據(jù)為主)，用深度學(xué)習(xí)算法能解決大部分問題。而對于80%高時延數(shù)據(jù)來說(例如工業(yè)數(shù)據(jù))則需要用到強化學(xué)習(xí)、增強學(xué)習(xí)、遷移學(xué)習(xí)等多種人工智能算法，才能解決其數(shù)據(jù)處理和產(chǎn)生數(shù)據(jù)智能的問題。
南京大學(xué)計算機科學(xué)與技術(shù)系副主任、機器學(xué)習(xí)與數(shù)據(jù)挖掘研究所(LAMDA)所長周志華表示，接下來機器學(xué)習(xí)技術(shù)的一個大趨勢是要增加機器學(xué)習(xí)的魯棒性。目前很多研究中的機器智能可達(dá)到人類水準(zhǔn)，但是如果遇到一些罕見的情況，就會錯得非常離譜。因此，機器智能在遇到罕見情況的時候，“不能比一般人的處理水平更低”，這是機器學(xué)習(xí)技術(shù)大規(guī)模普及的基本前提。
當(dāng)然，整個人工智能和機器人產(chǎn)業(yè)的發(fā)展，離不開創(chuàng)業(yè)群體。國家教育部長江學(xué)者特聘教授王田苗教授表示，未來五年之內(nèi)，機器人在工業(yè)、服務(wù)業(yè)、智能汽車和無人機等高端產(chǎn)業(yè)三大塊將可能迎來第一波熱潮。由于人工智能技術(shù)和認(rèn)知技術(shù)的成熟，未來機器人在銀行、家庭、醫(yī)院、賓館等服務(wù)業(yè)的地位將逐漸提高。
紫牛基金合伙人張泉靈特別強調(diào)，人工智能創(chuàng)業(yè)的商業(yè)模式這件事，不是在實驗室里就能想出來的。金山軟件兼金山云CEO張宏江的觀點是，中國人工智能公司的創(chuàng)新能力提升的非?？欤c美國等人工智能公司之間的差距正在縮小。一個公司進(jìn)步的關(guān)鍵不是“看別人”，而應(yīng)當(dāng)回歸到自身，搞清楚用戶到底需要什么，腳踏實地朝這個方向努力。
從新加坡政府一個ADAS項目出來的創(chuàng)業(yè)項目Minieye，對標(biāo)的是Mobileye。Minieye CEO劉國清認(rèn)為，人工智能時代的產(chǎn)業(yè)分工將更加專業(yè)化，每一個供應(yīng)商專注在某一項或幾項人工智能技術(shù)上并做到極致，智能汽車等整機廠商的角色更像是PC集成商而無法大包大攬所有的技術(shù)。
評論