rss 推薦閱讀 wap

智能在線 - 人工智能科技聚合推薦平台

熱門關鍵詞:  as  test  xxx  雲南  請輸入關鍵詞
首頁 今日推薦 人工智能 手機電腦 信息發展 數碼科技 環保節能 系統研究 互聯天下 航天通信 創新創業

人工智能 第三次浪潮OR寒冬?

發布時間:2019-10-17 07:41:40 已有: 人閱讀

  今年似乎什麼時候聊起“人工智能”都顯得不那麼過時,當我們還在消化“5G”、“區塊鍊”到底能如何改變我們的生活時,人工智能突然就已經無處不在。大到城市建設和管理,小到手機指紋解鎖,在醫療、教育、金融、商業、城市管理、工業、農業等衆多領域,人工智能似乎都在悄然進行着一場又一場的。

  當我們一次次談論人工智能又以怎樣的新形态出現在面前時,市場卻正在發生一輪新的變革。在各路人馬井噴式湧入人工智能行業後,去年90%以上的企業卻都處于虧損狀态,當“死亡名單”開始越來越長後,即使是一些幾年時間迅速登頂獨角獸的人工智能企業,也同樣不能幸免。我們又産生了一層新的思考?

  說到人工智能,肯定離不開如今作為美國曆史最悠久的世界頂尖學府達特茅斯學院。因為這個概念的正式誕生,就來自于這個學府上的一場會議。

  1953年夏天,幾個對計算機感興趣的年輕人聚在一起,想編一本關于“是否可用圖靈機作為智能活動的理論基礎”的書籍,雖然書籍慢慢搞成了,但這幾個年輕人卻非常不滿意。所以在1955年夏天,他們決定再次搞一場類似的活動,而其中一位叫麥卡錫的年輕人,突發奇想給1956年舉辦的“達特茅斯學院會議”上,起了一個“人工智能夏季研讨會”(Summer Research Project on Artificial Intelligence)的名字。雖然曆史上對“人工智能”是不是麥卡錫本人創造的詞彙還有很大争議,但必須承認的是,“人工智能”一詞在這一年也正式進入了人們視野。

  但是這個詞誕生之後的發展,卻遠不像大家想得那樣順利。1956-1974年間,或許是對人工智能抱有過高的期待,這些年間無論大學還是政府機構都紛紛在人工智能相關領域傾注包括人力、物力、财力等大量資源。然而,在當時無論硬件還是自身技術,都無法匹配人工智能的發展需要,所以,在經曆第一次大發展後,1974年人工智能迎來了首次寒冬。

  這一次寒冬,業界認為主要是來自于計算機性能的瓶頸,無法滿足發展人工智能所需要的複雜計算以及龐大的數據量,導緻AI領域研究者們一籌莫展。

  這陣寒冬一直持續到上世紀80年代,解決的突破口是一種名為“專家系統”的AI程序的出現,這個系統其實就是一種程序,能夠依據一組從專門知識中推演出的邏輯規則,在某一特定領域回答或解決問題,“專家系統”在全世界範圍内被采納後,在某些範圍内解決了一些問題。此外,非常熱衷于人工智能的日本,也在這個時期通過政府斥資8.5億美元創造出了一台具有超級計算能力和人類智能的計算機,這台被稱為“第五代計算機項目”的機器,目标是可以實現與人對話、翻譯語言、解釋圖像,并且能像人一樣推理。這也吸引了英國、美國開始向AI和信息技術領域的研究提供大量資金。

  這次突破也為行業帶來了第二次發展,但随着1987年“蘋果”、“IBM”崛起,研發出類似我們現在使用的台式電腦,讓AI硬件市場需求突然下跌。再加上人們逐漸意識到,日本人提出的“第五代計算機項目”并沒有實現,所以開始走向失望。這直接導緻價值5億美元的專家系統産業的直接崩潰,并引發了人工智能的第二次寒潮。

  之後幾年,随着互聯網的發展,人工智能才有了穩定複蘇的迹象。此後的标志性事件,就是1997年IBM研發出的計算機“深藍”擊敗國際象棋冠軍加裡卡斯帕羅夫,才讓公衆真正開始意識到人工智能的力量。随後,2011年,IBM的問答系統“沃森”在美國智力競賽節目《危險邊緣》中擊敗了衛冕冠軍布拉德拉特和肯詹甯斯。“Alpha GO”分别在2016年和2017年擊敗九段圍棋選手李世石和世界冠軍柯潔。這些也一次次刷新着人們對人工智能的認知。

  由于硬件設備的突破,機器學習繼續向前發展。計算機的處理和存儲能力呈指數級增長,使企業能夠存儲和處理大量數據,衆多企業和政府機構已成功地将人工智能大規模地應用起來,但與此同時,科技行業面臨着網絡泡沫,人工智能的基金已經耗盡。

  很多人認為目前人工智能的發展已經放緩,即将面臨人工智能發展的第三次寒潮。也有些人認為在強人工智能方面還沒有取得重大突破,而當前企業專注于弱人工智能的研究,抑制了整個人工智能技術水平的發展。也有人批評當前人工智能研究過于集中,可能會危害到社會。不管怎樣,不可否認的是,當前的股票市場由蘋果、谷歌、亞馬遜、Facebook等公司主導,如果人工智能的第三次寒冬真的來臨,不僅AI産業将停滞不前,全世界都将可能面臨下一次經濟危機。

  得益于大數據與大數據技術發展,深度學習的出現以及運算力的提升,當前人工智能已經進入加速發展期。數據方面,大數據的出現為人工智能提供了充分“養料”;算法方面,深度學習颠覆了語音識别、語義理解、計算機視覺等基礎應用領域的算法設計思路。算力方面,GPU、NPU、FPGA等專用芯片的出現,突破了人工智能發展在數據處理速度上的瓶頸。然而單就目前AI的智力水平來說,業界普遍認為它僅與人類三歲小孩智力相當,可以說還處在弱人工智能階段。

  數據、算法和算力是現階段推動人工智能發展的三駕馬車。而在過去60多年間,有礙于數據的缺失和算力水平薄弱,人工智能發展遭遇巨大瓶頸。雖然人工智能當下在很多應用領域可以實現數據的高寫入、高分析和高存儲,但離想象中具有自我思考能力、能夠認知外部世界的人工智能還差得很遠。

  對此,久其軟件産品中心副總經理李紀洲也對《數據》雜志表示,作為當前支撐人工智能的核心技術,深度學習本質上還是統計學層面的技術,也就是說,現在的人工智能對外部信息還無法給出自己的判斷,隻能通過大量數據灌輸來總結概率,從而得出結論。久其人工智能研究院院長龔佶敏,則幹脆将現在的人工智能比作“天才白癡”。

  綠灣科技CTO于建崗也對此表示,在數據處理方面,人工智能的确遠遠超越了人類,但在認知思維方面,目前人工智能可能還相當于零,“很多對于人來講非常簡單的事情,但是從機器學習的角度來說,卻是非常困難的。”于建崗博士解釋道,“光靠數據堆積做統計分析的事情,現在已經做得非常好。但人工智能如何從現在的統計走向思維,這條路還很漫長。”

  從深度學習的角度來說,現階段通過大量數據進行灌輸訓練的方式還顯得過于簡單粗暴,并不能算為智慧。在李紀洲的理解中,如果機器學習能夠擺脫對龐大樣本數據的依賴,那麼人工智能技術發展會有一個巨大突破。

  同樣的構思,中國人工智能學會前理事長鐘義信也曾對《數據》雜志表示,希望可以通過給予目标來讓人工智能系統自動排除非目标數據。鐘義信的理念是,強調目标是一切智能系統的靈魂,用目标來甄别和過濾大數據,将雜亂的大數據變成有用的小數據,這是智能系統區别于計算機系統的重要體現。

  基于這些構思,研究人員也開始将目光重新放回到神經網絡身上。想要學習人的思維能力,就要了解大腦的運行機制,研究人的腦神經。“而人工智能現在正處于從感知智能走向認知智能轉移的初期,屬于非常初級的階段。”于建崗表示,不過他相信,在未來的5-10年内,人工智能的理論研究會在認知推理、邏輯思維方面取得一些突破。

  人工智能在中國的火熱已無須贅言,僅從近兩年人工智能企業的數量增長就可見一斑。據中國信息通信研究院發布的數據表明,中國人工智能企業數量從2012年的300家已經增長到2017年末的1000家左右。從橫向看,中國人工智能企業數量在全球範圍内,已僅次于美國穩居第二。截至2018年6月,美國和中國的人工智能企業數量分别為2028家、1011家,随後排名第三的英國企業數量僅有392家,排名第九的瑞典僅有55家,差距已經逐漸拉大。

  此外,人工智能、大數據企業無疑也是近兩年“獨角獸”陣營中的明星。2018年全球新生獨角獸中,包括新能源汽車、人工智能芯片、機器人、大數據、計算機視覺、雲計算等在内的企業共28家,較2017年增長9家,增長近50%。其中中國共有8家,分布在人工智能、機器人、新能源汽車和大數據領域。

  從這幾年資本的傾斜程度也不難看出市場對人工智能的期待。2013年到2018年一季度,全球AI行業累計投融資數據中,中國占比60%,美國占比29%,合計占比接近90%。根據億歐智庫《2018中國人工智能商業落地研究報告》顯示,2017年中國AI創業公司累計獲得超過500億元人民币融資,但其中累計産生收入卻不足100億美元,絕大多數的人工智能企業是在虧損的狀态。

  繁榮過後不久,95%以上的人工智能創業公司就要迎來倒閉潮。對此有業内人士表示,在IPO提速以及高估值的雙重作用下,2018年已經開始出現了AI公司的倒閉潮。甚至從2018年年初開始,人工智能領域的投融資熱度也已出現明顯放緩節奏。新工場董事長李開複也曾在公開場合表示,在2018年底AI公司估值已經下降了20%、30%,同時他還表示,“要再下降20%、30%,就是AI公司合理的估值了。”

  今年8月中旬,《華爾街日報》就曝光了一家海外僞AI明星公司Engineer.ai。這家成立于2016年、總部設在美國洛杉矶和英國倫敦的公司,号稱可以通過人工智能程序、輔助缺少工程師的公司、自動“組裝”新的代碼。可以像定制披薩一樣,為任何人和公司自動生成自己的各種網站和手機App。他們聲稱,使用AI技術在很大程度上實現了移動App的自動化開發。

  依靠這項理念,在2018年11月,Engineer.ai對外宣布完成了2950萬美元A輪融資。但很快它就被爆出,該公司所聲稱的大部分demo制作和軟件生成,目前都是依靠印度以及其他地方的人工工程師來完成的,而不是使用人工智能。

  ,而不是使用人工智能。風口之上,打着人工智能幌子的公司讓人真假難辨。風投公司MMC曾發布的一份報告顯示,隻要打上“AI”的标簽,企業可以多獲得15%-50的融資。對此業界甚至調侃,很多人工智能公司不是“to G”,也不是“to B”或“to C”,而是“to VC”,這些公司主要研究的是怎麼做PPT而不是怎麼做人工智能。

  第三屆“百度AI開發者大會”上,李彥宏的被潑風波依然餘音未平,不過令人匪夷所思的不隻是李彥宏現場的遭遇,還有他後來接的一句頗有意思的話:在AI前進的道路上會有各種各樣的事情發生,但是我們前進的決心不會改變,AI會改變每一個人的生活。

  AI之路到底有多艱難?尤其對于創業型AI公司來說,盡管能拿到風投,但在開始的兩三年之内,就會因為技術研發基本被燒光,如果這個時候還找不到合适的應用場景去做産品落地,就相當于死亡。而闖過這幾關的公司,也還會面臨數據收集難、産品與用戶需求不匹配、項目産出周期漫長、項目成本高但盈利低等種種難關。

  賺錢慢、燒錢快、磨合時間長,在過五關斬六将的路途上,甚至有大批企業還沒有找到應用場景就已經死掉了。在這樣的情況下,如何走出一條穩妥的路,對創業型人工智能公司來說,可謂是舉步維艱。對此于建崗也表示,AI這波火有點虛熱,國家政策大力支持,VC的錢也大量投進來,但人工智能技術的落地仍然是一大問題,目前除了圖像、語音、視頻這幾塊的智能産品落地能産生價值,其他的到現在還沒有出現。

  所以,為了讓自己能活下去,國内也出現了很多打着人工智能旗号卻用人力來解決問題的AI公司。不過對于這種情況,龔佶敏也表示,并不能因此認定對方是“僞AI”,但可以肯定的是AI的智能水平沒有達到那些公司所宣揚或者人們所想象的那種程度。

  此外,人才問題目前也是我們發展人工智能的一個短闆。近期某互聯網公司給名校人工智能方向應屆博士開出80萬年薪,一度引發社會熱議。但在這件事背後,卻是500萬的AI人才需求缺口、1:10的供需比例、平均年薪約33萬在這些高帽子加持下,人工智能已經超越了曾經的金融、計算機等專業,成為了站在風口最前端的香饽饽專業。今年35所學校獲得首批開設人工智能本科專業的學科建設資格,包括同濟大學、浙江大學、等一批一流學校,可見社會對這一領域人才的極度渴求。對此于建崗也表示,人工智能的發展難題歸根結底是人才的難題。

  産品落地決定企業生死,有無技術決定企業存亡,而當這兩者之間出現矛盾時,企業到底應該是技術先行還是商業模式先行?

  以AI識别技術為例,李紀洲舉了個例子,在一些對結果不容出錯的應用領域,例如監獄服刑人員的監控、點名等場景,除非能完全消除程序的錯誤率,否則再好的人工智能産品都沒有應用價值。李紀洲解釋道,對于AI識别,很多人把“正确率”+“錯誤率”理解成“已識别的”+“未識别的”,但實際上并不準确,應該分為三類:“已識别正确的”、“已識别錯誤的”,和“未識别出的”,相對應的就是正确率+錯誤率+未識别率=100%。而在上述幾個實際應用場景中,對于錯誤率幾乎是零容忍,不管産品的識别正确率有多高,如果無法消除錯誤率,稍微一點差錯都會為用戶帶來更大的麻煩。

  李紀洲表示,當前市場上人臉識别産品的準确率基本都可以達到85%、甚至90%以上的準确率,再想把準确率提高一個點都是件非常艱難的事,一些企業會花大量成本追求這個準确率,但是很少會有人去關注錯誤率的問題。然而一旦落到實地,會發現還是有很多水土不服的地方。在結果門檻高于技術門檻的應用領域,任何一個點的錯誤都會導緻大量的人工核對成本。有客戶就曾說過:“AI可以識别不出來,但千萬不要識别錯了,每錯一個我們都要去人工核查一遍真實情況。”這正是技術與應用場景脫節的地方。

  比如對于2014年才成立的綠灣科技來說,這也不是一個容易取舍的問題。與大多數初創型企業一樣,綠灣科技在獲得第一筆融資後花費了大概三年的時間潛心研究技術,然後在2017年左右開始開拓市場。應用領域從一開始的公安、法院、政務等G端慢慢向金融等B端市場邁進。在王興讓看來,做人工智能的企業一定是以技術為驅動,以市場需求為牽引,同時需要找到相匹配的商業模式來做産品的孵化器,“這三個要素是相輔相成的過程”。

  李紀洲也給出了類似的回答,在久其自己的摸索過程中,也曾經出現過一個很精緻的智能産品做出來不符合用戶需求的情況,然後拿回去大刀闊斧地改,但即使最優秀的産品設計師也不能百分百滿足用戶需求。對此李紀洲也表示:“一家公司裡的銷售團隊和研發團隊永遠都在打架,但是隻要這兩方勢力均衡,這家公司就算是健康的狀态,這就是商業模式和技術該有的關系。”

  不過在商業化探索方面,“目前應該說很少或者說幾乎沒有現成的商業模式可供參考”,綠灣科技運營總監胡大民表示,“從這個角度來看,應該說大家都是在推進技術創新和落地的過程當中,不斷地在摸索合适的商業模式。”

  從2017年開始,人工智能連續三年進入政府工作報告,而2019年的政府工作報告不僅繼續大力推進人工智能發展,更首次提出“智能+”的概念,從頂層設計的角度,将人工智能視為國家戰略中重要的基礎設施,推動其與産業的融合,加速經濟結構升級。可以說我國對于人工智能的重視程度非常高,已經上升到國家戰略層面。

  而回望AI過去兩次浪潮都跌入低谷,很大一部分原因是沒有跟産業結合。但掀起這一次浪潮的更大背景是萬物互聯。大數據、5G、物聯網等這些前沿技術的興起都為人工智能與實體産業的融合提供了充足動力。“AI+”也被寄予着在未來撬動整個社會經濟深度變革和人類文明科學有序進展下去的厚望。

  對于人工智能的未來,李紀洲表示,平民化的産品應該是未來大數據分析的方向,尤其在未來客戶普遍對大數據分析有了一定認識後,做人人可用的産品直接賦能用戶,可以減去廠商和用戶之間大量的溝通成本。總而言之,技術的發展終歸是要讓技術越來越簡單化、平民化。借助于人工智能的技術,未來每一個人都可以成為數據分析師。

  “人工智能不新鮮,但人工智能還很幼小,它未來的潛力無限,但現在人們把這個東西無限放大了,實際上我們離這一步還非常遙遠,人工智能不是像大家現在看到的那樣一下子就來了。”于建崗表示。

  “人工智能有可能是泡沫,但别害怕這個泡沫破滅。”華為創始人任正非曾這樣表示。就像是晦暗河流之上的一座燈塔,人工智能吸引着人類的注視和追逐,我們距離這座燈塔還有多遠?眼下并沒有确切答案,每個走在前沿的AI企業都在無人區摸索前進。而眼下的每一個難關,都是必經之道。作為一項能夠大規模提升生産效率的技術,AI的前景不可限量,盡管當前道路阻力重重,重要的是人類沒有因此停下腳步。

  用“天才白癡”來形容現在的人工智能其實特别合适,我們不能因此否定它現在擁有的智慧。對于目前人工智能的技術發展正處在一個什麼階段,沒法給出準确的回答,但未來是無限可期的。

  人工智能這個行業确實是一個趨勢,但這個趨勢需要幾個要素。第一個是需要技術來驅動,隻有計算機技術、人工智能技術到這個程度了,你才能推進業務發展,所以要技術做源動力。第二個是要需求來牽引,如果沒有業務需求,實現不了商業化,就沒有營收來滋養你的技術進步,所以技術需要需求的牽引力。第三個就是要有配套的商業模式來做它的孵化器。這三者是一個相輔相成的關系。

  為什麼從象棋到圍棋對人工智能來說是個巨大進步,因為圍棋可搜索空間比象棋要多得多。但畢竟圍棋有固定規則,在有規則的情況下做人工智能是比較容易的,但實際生活中的規則太多了,這對人工智能的學習是很大挑戰,這就需要一個行業一個行業地去解決。

  很多的所謂AI應用,從本質上來看還都是大數據的應用。AI隻是露出來的冰山一角,從數據的采集到存儲、管理等都需要一整套大數據平台的支撐。現在的“AI+”更多地聚焦于把系統做得簡單易用,是錦上添花的東西;未來應該更關注于用戶的核心生産場景,真正實現雪中送炭。

首頁 | 今日推薦 | 人工智能 | 手機電腦 | 信息發展 | 數碼科技 | 環保節能 | 系統研究 | 互聯天下 | 航天通信 |免責聲明

Copyright2008-2022 智能在線 juhua575323.cn 版權所有 業務QQ:17468920 Power by DedeCms

電腦版 | wap