Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

2016 Code大会精彩回顾:描绘机器智能宏伟蓝图

导言:如果你错过了上周的 Code 大会,可能会错过许多。这场技术和媒体盛事汇聚了最顶尖的人物,让他们在同一个平台上畅所欲言。机器学习、人工智能、深度模拟、或如 IBM CEO 所坚称的认知计算,已成为几乎每一位 Code 大会发言者的关注焦点。今年,每个人似乎都没有所隐瞒。Code 大会之前已经见证过了一些颠覆性的变化,举几个例子:数字媒体、移动设备和智能手机。如今,这场盛会也为我们描绘了一幅宏伟蓝图:人工智能技术正以难以置信的速度和深度快速扩展。人工智能已经成为了技术领先企业中的一项主流技术;而且在不久的将来,这项技术就将成为几乎每一种领先的产品和服务的组成部分。


当你将顶尖公司领导者、资深科技精英观众、最优秀的面试官这三重身份重合在一起时,会得到什么?答案是 Code 大会。已经是第十三次举办这种独一无二的大会了,大会依旧展示了它一如既往的时效性、启发性和趣味性。


尽管大会经历了一系列诸如所有权的更迭、改名、场地变换(包括座位重排)等事件,但 Walt Mossberg 和 Kara Swisher 以及众多支持他们的 Recode 的作者始终在不懈努力着,以期营造一个场所,让我们能够听见(或看见)技术、商业趋势是如何被时下顶尖公司创造、使用或运作的。


曾经有许多年代被称为元年(比如 iPod 的出现,甚至Windows 或 Office 的发布),而其他则更多的被关于破坏的争论所淹没(比如网络中立性或音乐发行)。


在过去 12 届大会的历程中,或许曾有一些被每个人都提及的主题,但是,我们无法回想起任何一个场景曾在某个技术上汇聚如此一致的前瞻性思考。演讲者们用大量篇幅全面阐述,他们的用户将如何从产品和服务中的智能技术(我们称之为「人工智能」)中受益。

为什么这不仅仅是技术发展周期道路上的一个路标?一种简短的回答是,因为作为消费者,我们每天都在手机上「使用」智能。我们必须承认的是,在过去一年中,人工智能已经从理论付诸实践,转变成日常使用。


如今对于人工智能的使用不再是纸上谈兵,已成现实。

全面解析


在聆听演讲者回答关于人工智能在他们各自的企业中将会或正在扮演何种角色的题的过程中,最吸引人的部分就是人工智能技术如何横跨设备、战略以及商业模式。尽管我们每个人可能会对某一个特定案例比较熟悉,演讲者却为我们描绘了一幅宏伟蓝图——人工智能技术正以难以置信的速度和深度快速扩散。


Google CEO Sundar Pichai

image.png

刚刚结束 Google I/O 大会的 Google CEO Sundar Pichai 带我们领略了人工智能在 Google 的发展史。显然在过去这段时间中,尚未有其他公司在人工智能的钻研和使用上拥有如此的深度和广度。毋庸置疑,人工智能一如既往地定义了谷歌,但直到近几年这一点才被广泛的理解。照片、收件箱、搜索、广告、助手、自动驾驶汽车以及更多项目都被 Pichai 作为例子来阐述 Google 在人工智能方面不间断的投入。如果人工智能本身是一个平台,那么, Google 很有可能是投入最多、最适合成为这个平台领导者的企业。


以下是 Walt Mossberg 与 Pichai 对话中有关人工智能的内容:


谷歌推出了一系列产品,但其中贯穿一条主题,你给谷歌设定的主题是人工智能,机器学习,这是下一个十年的热点,我们正迈向人工智能,你是怎么看出来的?


这是一个很好的总结。我们肯定看到了巨大机遇,看到了拐点。大概三四年前, 我们感觉到了拐点,当时我们将深度学习用于语音识别,还有计算机视觉,都取得了巨大进步。我们花了很长很长时间做这方面的研究,其实很早很早以前,就开始训练我们的算法,在许多特定实例中机器学习真的可以更好地完成很多任务,这都是有原因的。三四年前感觉到拐点后,谷歌内部也经历了一次大的转变,我们开始注重如何将这些技术付诸于外。我们感觉移动端是很大的平台,可以帮助我们实现这个转变。这是一个完全不同的范式。用户一直使用手机,也希望迅速得到帮助。我们就是这样看出拐点的。


人工智能方面,微软有 Cortana , FB 有人工智能人工智能, 苹果有siri,亚马逊也有自己的Alexa等,为什么你认为谷歌会比他们做的更好?


首先,我们的研究时间更长,看看今天运行规模,无论是其中的计算能力还是我们投入的时间,无论你用什么质量指标给这块市场定基准,比如和谷歌进行各种对话,其回答能力具有内部扩展性,它可以进行 follow on 对话。这些领域展现了谷歌其他公司的真正区别所在。这是我们长时间研究的结果,用户向谷歌问答也很长时间了,语音方面也存在这样的趋势,谷歌的询问体量不逊任何人。无论是使用还是体量规模方面,我们都更好。


你是说,你们比微软,苹果等对手要好?


你提到的这些公司都是现象级公司。这不是一场《权力游戏》更像是NBA冠军赛。当谈到将机器学习和人工智能以一种有意义的方式带给用户时,还不能自豪地说我们完全做到了,目前我们大家都还处于早期阶段。我们做了各种基准研究,我们大致感觉领先。


语音理解方面,比如说,「接通我妻子的电话」,系统最开始要学会谁是我妻子,然后记住。如果你说「接通sweetie」,这个单词语义很多,怎么解决这个问题?


理解文本非常难,人类很擅长。计算机很擅长某些事情,不过,情况正在改变,过去两三年,为什么从事这个领域的研究非常让人兴奋,因为我们现在已经开始做一些更加智能的事情,比如理解context,理解所处情景,比如理解谁在问。现在正在解决类似的重要问题。


几年前,我拜访过Google Now 的语音团队,还有你,在包装谷歌语音产品方面,你们做的不太好,不像 Siri 和后来的 Cortana,GoogleNow 的语音部分甚至没有自己的名字...


部分原因在于,我们认为,这款产品应该因用户不同而有所不同,以某种方式打造专属每个人自己的谷歌。我们思考着如何回答,对用户做出反应,比如一位十岁印尼男孩或者还是你(Walt Mossberg )这样的身份,我们还不能完全确定什么样的身份可以在所有那些情况中奏效,因此我们希望它用起来有点怪(eccentric),我认为,打造一款能随着时间推移,日益智能化的系统,需要能够理解用户,成为他们的助理,成为朋友,实现这一点,需要时间。我们认为,系统会不断成长和演化,有很多实现的方式,在这么早的阶段,我们还不想把自己局限在一条路上。我们想看它往何处发展。


几年前,语音团队告诉我,你们在研究让系统记住对话状态,就像人类对话一样,不用重复对话内容,比如,你问它新西兰有多只羊。谷歌回答说,比如说,4000万只。接着你问,总统是谁?系统会给出新西兰首脑的名字,因为它记得对话领域(domain)。


这属于自然语言处理领域。这就是我们可以做多好的例子,比如系统需要理解代词。你说的绵羊的例子只是例子之一,很多时候,你可能谈到电影,第二天说想买电影票,你会希望系统完成这个任务。实现这一点,还需要深入研究。在我看来,智能助力要能真地理解对话,这很难,就像我们接着以前的话题继续聊,实现这个目标,还有很长的路要走,这也是这项研究让人兴奋的地方。


人们可以通过很多平台和渠道使用谷歌搜索(不仅仅是安卓系统),有些人认为,其他公司的人工智能助手可能会吞噬谷歌的搜索地盘,你怎么看?


在我看来,这就像是 PC 朝移动端的转变。你仍然看到人们在使用 PC,不是取代,而是说 PC 和移动端并存。整体而言,计算在变大,同样,人类对信息的需求也在暴增,因此人们通过很多不同方法去获取信息,我们希望能够帮助他们。这是一个自然演化的过程,前面还有更大的增长,所以,我真的不认为这是一个零和博弈,而是一个重要的拐点。


为什么你觉得谷歌的家庭硬件(home hardware)会比亚马逊的 ECHO 更好?


下一个五到十年里,真正的对话理解,进行对话,这种技术是我们与对手的区别所在,也是我们一步步计划实现的,硬件不过是这些技术的一个体现。我们想要帮助用户使用这些技术完成工作。很多工作,我们都做在了前面。想想之前的谷歌地图、邮件,都是第一个地图和邮件产品,当然,搜索不是,我们的眼光放得非常长远,也投入了大量金钱和力量。


隐私问题,亚马逊的产品在用户家里倾听一切,谷歌产品可能也会给用户这种起鸡皮疙瘩的感觉。


人工智能和机器学习可以帮助我们更好地实现隐私控制。


Amazon CEO Jeff Bezos

image.jpg



亚马逊 CEO Jeff Bezos 用大量篇幅讲述了人工智能在公司的突破性产品—— Echo 中扮演的角色。从许多方面来说,Echo 已经象征了多重技术的真正潜力——包括语音指令、代理中介、机器学习等,而这些功能都被打包集成在一个极其简单的消费者设备中。此外,Bezos 也概述了 Echo 的基础技术 Alexa 如何既是一个可定制平台又是一个可嵌入技术。开发者可以为 Alexa 构建新的「技能」并使之「学习」以提供新的能力(正如 Mossberg 所说的,Echo 的拥有者每周都会收到邮件,里面详细说明了最新增加的技能)。制造者可以在他们自己的设备中嵌入 Alexa 技术,其中一个被提到的例子是闹钟——这使得一个普通的技术转变为另一个人工智能使能的末端节点。


以下是 Walt Mossberg 与 Bezos对话中有关人工智能的内容:


亚马逊的家庭助理 Echo 使用 Alexa 作为平台支撑,现在你正逐渐将 Alexa 开放给其他开发者使用,是吗?


我们是开放了 Alexa 的语音服务。Alexa 有两个软件开发工具包,一个是 Alexa 语音服务(Alexa Voice Services),你能够通过一套 VPI 将其嵌入到你自己的设备或程序应用中。例如,你可以将它嵌入到你自己制作的闹钟里。另一个开发工具包,是 Alexa 技能包(Alexa Skills Kit),它能让你「教」Alexa 新的技能。


目前,其它的大公司也在通过机器学习,加快了在人工智能领域研究的步伐,有些是智能机器人,有些是语音智能。你认为这是继智能手机热潮之后的下一个市场热点吗?


是的。我认为再怎么强调人工智能/机器学习在下一个20 年对社会的影响都不为过。但这不意味着智能手机会从人们的视线中消失,智能语音系统并不会取代手机屏幕的地位。只要我们还有眼睛,人们就需要屏幕,并在电子屏幕上进行相关操作。在语音智能这方面,很早的科幻小说里就有各种能够与你自然交谈的智能电脑。


我认为,对新的更好的算法的有效结合、计算能力的提升、以及对大型训练数据的使用,是我们能够在机器学习上取得显著进步的主要原因,它们也将为市场提供更多智能产品。


那么亚马逊也会逐渐转向以人工智能为重心吗?


必须的。这四年来我们一直在背后努力着,光在 Echo 和 Alexa 之后,就有超过一千人的团队在进行研究和维护。但这仅仅是一个开始。我十分激动,因为我认为我们即将踏入一个新的「黄金时代」。不仅仅是大公司,还会有许许多多的创业公司出现,以及许多我们难以预见的新技术。现在大公司更有优势,是因为大公司拥有更大的数据库;但是现在我们所训练的算法,与人类实际上思考的方式是有很大差别的。人脑在使用数据上是极其有效率的:我们无须那么多的数据,就可以总结出复杂事物的规律。同时我们在使用能量上也非常有效率。


谈到大数据,隐私保护一直是人们关心的话题,目前也有许多争论进行着,尤其是往往我们收集人们日常活动的信息,仅仅是为了更有针对性地投放广告。对于隐私的问题,你怎么看?


从亚马逊的商业操作上来说,我们收集客户的使用数据,是为了向用户推荐他们可能会感兴趣的商品。过去 20年的使用也证明,大部分用户是喜欢看到我们有针对性地推荐商品的。同时,我们在收集和储存数据的时候,会非常明确我们这么做的目的。同时,在必要的情况下,我们会让用户知道,系统是存有他们的数据的。例如,当你再次登录亚马逊的时候,页面会显示「欢迎回来,XXX」,这样你知道你在亚马逊上不是匿名的——我们是知道你的名字的。在技术上,我们和苹果使用的是同一种加密协议。但是,即使现在的加密技术已经发展到连开发商本身都无法解密的程度,黑客的攻击也是不可能被根除的。我认为隐私保护问题正是我们这个时代的问题。坏人会越来越先进,那么好人也必须越来越先进。我想我们无法杜绝黑客的入侵,但我们必须不断进步,这就像是一场不停歇的猫追老鼠,我们知道保证永远走在坏人前面就可以了。


对于接下来的五年,你有什么新计划吗?


我们已经种下了许多种子,接下来我们会继续等待谁会长成参天大树。其中一个我比较看好的项目是Amazon Studios。此外,我们还是会继续发展 Echo, Alexa 和其它自然语言理解项目。事实上,我相信未来出现许多的人工智能代理,就像现在种类繁多的网站和手机应用一样。不同的助理可能会有不同的长处,你不会让一个人工智能完成所有的任务,所以人们可能也会同时使用多个人工智能。对我来说,这是一个非常激动人心的前景,也是我们正在努力的方向。我热爱投身于这样的工作,我们的队伍也特别地酷。


(观众)许多大型客机公司都已经在可穿戴设备上投入了许多精力,而亚马逊在这一领域似乎还没有什么动作,对此你是怎么想的?


我认为这是一个非常有趣的市场,而同时这也是一个仍处于初步发展阶段的市场,所以,未来会有很多的可能性,我们也会看到许多非常有趣的产品。


Elon Musk


image-1.jpg

马斯克分享了一个称作「神经蕾丝(neural lace)」的实验想法,他认为,这或许可以降低人类沦为超智能生物的宠物的风险。「这个似乎是最棒的解决方案,即植入一个AI层,」他说道。「所以想想吧,如果你有自己的表皮系统,皮下组织,以及一个数字层——他们运作良好并与你合而为一。就像你的皮下组织与你的表皮系统共生一样,这个数字层将会与你身体的其他部分共生。」

简而言之,这个神经层将会增强我们的输入输出能力,或者处理与交换信息的能力。「我们就是半机械人了,」马斯克说,重复着关于类似手机的设备及诸如因特网的系统实时赋予我们超能力的论点。「但是这种约束就在于输入输出,」他继续道。「我们受到输入输出限制——尤其是输出限制。」

尽管我们能够感知并整合巨大的输入信息,我们不能大量炮制同一纬度的信息。我们只能更快的打字和说话。而在神经蕾丝的世界,理论上,允许我们用数字方式连接和交流,以克服生理上的缺陷。

马斯克回避了神经蕾丝是通过外科手术亦或种族繁殖的方式植入人体的问题,但是他也暗示了对皮质神经元采用直接接口的必要性,以及这可能会通过连接着神经元的静脉和动脉来实现。马斯克没有提及他已经在研究神经蕾丝,也没有坚持说工作正在进行。「有人会去做的,」他说。「如果没人做,我觉得我就会去做。」

另外,虽然没有透露公司名称,但是马斯克承认的确有一家人工智能公司让他担忧。



以下是与 Musk 对话中有关人工智能的部分:


许多科技行业的人们都相信,人工智能带给人类的未来是光明的,它们能让我们的生活变得更好。在这方面,你似乎有不同的观点,可以详细解释一下吗?


人工智能可能带来的未来有很多可能性,我比较关心的是其中不那么乐观的结果。如果我们真的能够创造比我们强大很多的人工智能,那么我们最好能够保证它们带来的影响是积极的。我创立了 OpenAI,它事实上是一个非盈利的组织,在管理中我试图保证,我们研究技术不是以开发产品为目标。很多此类公司没有一种急迫感,而我们的工作节奏是很快的,近期也有很多非常棒的人才加入了我们。


OpenAI 建立的目标,是让人工智能更加民主化。Lord Acton 第一次提出「权力腐败」这个概念,他曾说过,「自由是由权力的合理分配组成的,而独裁就是权力的完全集中。」如果我们拥有强大的人工智能,我们需要保证它不会被少数人操控。


你觉得那样的未来是什么样的?


许多人称之为奇点,因为我们难以预见那到底会是什么样的。你可以将所有的可能性以光谱的形式表现出来——有最好的结果,也有最坏的。OpenAI 在努力做的事情就是,尽我们所能,让人工智能不被少数人操控,从而能将未来引向好的一面。


但是将人工智能技术开放之后,你是否担心它也会被用于邪恶的目的?


是的,这是一个潜在的问题。所以关键在于,人工智能的能力应该被广泛地分布,例如,让每个人拥有一个人工智能助理。这样,即使有少数个体想要利用人工智能制造麻烦,其它的人工智能能够共同协作,来对抗邪恶的那一个。但是,如果那一个人工智能比其余的要先进上百万倍的话,当它被操控于邪恶的目的时,我们恐怕就拿它无能为力了。所以这是一个实实在在的风险,而最大化避免它发生的关键,就在于民主化。


(观众)这是一个奇怪的问题,但我觉得你能给出正确的回答。如果我们真的创造出全面的人工智能,那么它们可能就是一种模拟人类,而这证明,任何足够先进的文明都能够创造一个像我们人类这样的物种。所以,这是否意味着,我们人类本身可能就是另一种生物的模拟?


首先,我想能够支撑我们是某种模拟的最有力的论证是这样的:40 年前,苹果开发出了最初级的电脑游戏 Pong——它的组成部分只有两个长方形和一个球;现在,我们已经有像照片一样逼真的 3D模拟游戏。这些游戏拥有成千上万的玩家,并且它们的技术每年都在不断进步,未来,我们还会有虚拟现实等等。不论你假设技术会以怎样的速度发展,我们最终都会达到一个终极阶段,使得人们难以区分游戏和现实。即使你假设技术发展速度为当前的千分之一,或者说我们一万年后才能达到这一步,这点时间从进化的角度看,都根本不算什么。既然我们难以避免地一定会制作出与现实无二的游戏,而且成千上万的人们可以在任何设备上运行这些游戏,而且可能有数十亿的设备在运行这些游戏——那么这样看来,可能有十亿分之一的概率,我们是在某一个游戏中。


那你怎么看?


我认为我们是那十亿分之一,因为这是唯一的结论。事实上如果这是真的,那么这是件好事,因为一旦文明停止进化,那么这就可能是因为生成文明的东西出现了问题,(这样我们就有办法重启)。所以,如果我们无法创造出模拟人类世界的软件,那么这意味着文明总有一天会消失。


(观众)你认为完全自动化的无人车什么时候可以成为现实?例如,一个不会开车的老人家能够让车把她安全带到机场。同时,你认为什么时候人类驾驶汽车会成为严格限制的行为,甚至会成为违法的?


我认为自动驾驶汽车很大程度上可以被视为已经解决的问题了。


即使是在北京这样的地方?


北京确实是路况很复杂的地方,车流量也非常大。但是,事实上,密集的车流反而是非常易于自动驾驶的,因为你不需要考虑超车等等的问题,只需要和周围车辆保持安全距离就可以了。在没有路障、路况良好的高速公路上,使用自动驾驶汽车也是很容易的事情。我认为,让普通人使用无人工操作的汽车,应该在汽车完全自动化的两年内就能实现。但是,政府可能至少还需要一年来通过,因为决策者们需要看到在长距离、各种路况下的大量试驾结果,来证明这是百分之百安全的。


同时,我个人希望人们拥有充分的自由,所以我不支持完全禁止人类驾驶汽车,但是,未来的驾驶执照可能会对驾驶人有更高的技术要求。


IBM CEO Ginni Romety

image-2.jpg



IBM CEO Ginni Romety 基于 IBM 长久以来在人工智能领域的耕耘成果,概述了是什么使得公司近乎押注在了技术投入上。她讨论了从卫生保健到教育、从商业 IT 到第三方开发者、从云到企业预置等多种场景中 IBM 努力促进和支持人工智能的使用。


最有趣的是那些 IBM 努力提供的开源或免费的解决方案——Rometty 说这些行为时有悖于 IBM 的历史的,但对于公司继续前进却是本质而必要的。当我们许多人认为是 IBM 的 Big Blue 或Jeopardy促成了 Watson 时,IBM 关于人工智能的历史却可以追溯到这个领域最初的时候,那时享誉世界的 Watson 实验室是在翻译、语言处理、演讲和手写识别甚至更多方面拥有最早构想的先驱者。尽管困难重重,Rometty 关于技术的展望以及IBM如此深度的参与程度还是给人们留下了深刻的印象。


以下是 Kara Swisher 与 Ginni Romety 对话中有关人工智能的部分。


你在人工智能领域已经拥有超过十年的名气了。


我想在每个人的一生中,都有那么几个需要作出重要决策的时刻,而我们做出了这样的决定。事实上,我一般不称之为人工智能(尽管它好读又好拼),原因是这样的:在 2005 年,我们意识到当时的信息量和数据量在飞速膨胀,已经远远超出了人脑能够处理的范围,我们认为我们需要做些什么,于是我们开始了在这一领域的研究。我们研究的目的,是做出更好的决策,以及解决悬而未决的问题,这也是为什么我们最先选择了健康医疗领域。这一领域仍旧缺乏一个整体的系统,并且其资金浪费是巨大的,我记得是高达 8 兆美元。


沃森在 2011 年成为智力竞猜冠军时引发了巨大的反响,而你事实上很早就开始这方面的工作了。你是如何将沃森的技术商业化的?


当我们开发出沃森之后,我想:为什么我们不能把它应用到日常生活中呢?因为我已经确确实实预见到,我们的未来无法避免认知人工智能的普及化。


在商业应用方面,我们将其应用到健康医疗、教育、金融服务等等行业。前段时间我参观了我们一个客户的工厂,负责人说,一般他们先人工处理任务,然后再让沃森处理一遍,而往往沃森所发现的问题,是工作人员永远无法发现的。


我认为,对于人工智能的未来,我们还需要考虑一些方面。对此人们往往会想到,我们需要处理很多无结构的数据,例如之前在大会上谈过的自然语言处理和图像等等。然而,除此之外,我认为我们还需要考虑专业领域的知识,以及理解因果和进行学习的能力。如果你能在某一领域达到这样的水平,一切就会完全不一样了。如果你是一个生态学者,你会如何观察白板上的所有信息和材料,形成你自己的假设,并对其作出评估?而当专业人士需要决策建议的时候,他们需要的不是一个单一的答案,而是一套比较和分析的过程,包括不同选择的利弊和潜在影响等等。例如,一个癌症病人可能非常不希望自己的头发掉光,因为这对他来说很重要。所以,没有绝对正确的答案,而这就是帮助我们处理灰色地带的工具。


Facebook COO Sheryl Sandberg , Facebook CTO Mike Schroepfer

image-3.jpg



或许我们体验到的对于人工智能最频繁的使用,就是在手机上使用 Facebook 。Facebook COO Sheryl Sandberg 和 CTO MikeSchroepfer 概述了在网站、广告以及虚拟现实等领域关于人工智能的诸多努力。有人认为,在人工智能方面,产品功能以及应用研究深度都未得到广泛认可。比如,几周以前,Facebook 向 ICLR 提交了十几页论文。正如下文所说,我们每个人作为「人」的角色(而非「用户」——根据两位演讲者的说法),为公司提供基于人工智能的功能服务做出了巨大贡献,比如,我们觉得十分有价值的照片标记功能。

eBay CEO Devin Wenig


image-4.jpg


尽管花费了大量时间区分自己的公司和亚马逊,eBay CEO Devin Wenig 仍详细描述了 eBay 在提升购物体验以及通过使用人工智能消除欺诈方面令人惊叹的成果。Wenig 描绘了通过使用人工智能的方式,公司将会提供一个高度个性化的 eBay ——一个受过调教的、具有高相关度的 eBay。他声称(来源于 Lauren Goode 的后续访谈,来自 Recode 的 Vox 合作伙伴 The Verge)通过使用人工智能技术,欺诈行为已经成为一个「无意义」的数字。

Ford CEO Mark Fields

image-1.png



福特 CEO Mark Fields 努力使Code 的听众们相信,尽管福特未必拥有人工智能或云技术方面的固有优势,但他们正积极的寻求合作(比如和Pivotal )并将需要的技能带入到企业内部,以确保福特汽车参与到这一波技术浪潮中。尽管 Fields 没有深度清晰地解读人工智能的远景,但他使用了关于保养维护和导航方面的实例来阐释公司的投入和决心。


Bill Gates


image-2.png


以下是与盖茨夫妇对话中有关人工智能的内容。


人工智能是当下的热门话题,你认为这是否确实是一项重要的话题?它是否有潜在的危险?


我认为人工智能确实是当下一件非常重要的事情,实现人工智能可能是所有计算机工程师的梦想。现在,在语音和视觉方面,我们已经开发出了比人类还要强大的系统,所以过去五年里人工智能的发展达到了前所未有的高峰。


在接下来的十年内,我们可能会在现实世界的任务上有更多的尝试,例如开车、做家务等等,最终我们会拥有比人工成本更低的机器人,来完成这些体力任务。


(梅琳达)同时,我们十分关注女性在计算机行业的发展。在我从计算机专业毕业的时候,34% 的毕业生都是女性,而现在却下降到 17%。但是,我认为在人工智能方面,我们也十分需要大量的女性工程师的加入,来让我们的产品更多样更全面,特别是在类似于健康护理这样的领域。


Cisco CEO Chunk Robbins


思科 CEO Chunk Robbins 以类似福特的方式谈及了公司数以千计的软件工程师投入到人工智能的研发中,并将集成人工智能到福特现有的产品线中去。他讲述了通过使用人工智能可以带来更好的管理,并帮助理解将会包含数以百万计的各种类型的末端节点的现代网络。


为什么是今年?


可以肯定地说,Code 大会之前已经见证过了一些颠覆性的变化,举几个例子:数字媒体、移动设备和智能手机。人工智能正被证明是一种不同类型的改变——一个不是让人们抗拒和担忧会破坏其原有业务的变化,而是一个所有人都在拥抱和朝那个方向发展的变化。


一路走来,人们关注的有趣问题将不再是哪家公司使用了人工智能,而是哪家公司以全新的方式最大化地利用了人工智能。这一领域还有大量的发明要做,因为即使这项技术正在快速发展,但总归仍旧处在非常早期的起步阶段。例如,微软在两年前的 Code 大会上给出了预览的 Skype Translator 正在使用最现代的深度学习人工智能技术进行打造。


今天人工智能是如此的主流,以至于数十位使用该技术明晰其公司执行规划的 CEO 为该技术的愿景中的四个重要改变做出了直接的贡献。这些技术是怎么以这样一种高科技的方式组合到一起的,使从实验室到实际部署的功能成为可能?我认为这是值得反思的。


模型的原始计算能力:尽管我们乐于谈论摩尔定律提供了这么大的推动力,但当涉及到人工智能时,推动力则来自应用于并行架构的摩尔定律,而非英特尔的标量的那种。图形处理单元(GPU)上更多晶体管的应用已经成为了人工智能技术的关键推动力。云架构也是推动力中非常重要的组成部分,因为企业再也不需要在它们自己的 GPU 数据中心上构建就能使用人工智能训练模型的力量了,而且还能按需订购所需的规模。


用于训练的海量数据容量:所有人都开始了解到更多数据是训练人工智能模型的唯一方法,而且再多数据也无妨(但却很容易陷入数据过少的境地)。只是直到最近,云架构才在保存和获取训练所需的数据量上变得「普遍」和「经济可行」。Facebook 提供了对此的一个最容易想象的视角:其在每天超过 3 亿张照片(大约半个 PB)的基础上训练对人的识别。IBM 使用放射图像的案例为我们理解存储的演进对人工智能的重要性提供了另一个视角。


有标签数据的难以置信的可用性:就像数据对训练很重要一样,没有标签(labels)数据也不会很有用。这是我们在技术的使用中扮演了一个重要部分的地方,就像互联网的开放性一样。我们不只是将照片上传到 Facebook 上,我们还标记我们知道的人;而在这么做时,我们就帮助训练了图像识别引擎。对 eBay 来说,说其希望提供一个个性化的商店是不够的,而还需要我们登录并购买商品来为其个性化引擎提供信息。这是在我们过去思考点击流或猜测某人是否是回头客的方式之上的一种进步。


除此之外,我们手机中的传感器还提供了运动和位置数据,从而增强了我们所做的一切。清楚而显然的是,所有这些都存在隐私和安全问题,但与此同时,我们每个人在使用这些服务时所得到的个人好处也都是前所未见的。这种数据可用性超越了我个人所产生(和标记)的数据,还包括了因为开放和基于云的解决方案而可用的数据集和 API(例如,来自政府的经济和人口数据),这些数据集和 API 可以被整合为训练模型的一部分。


技术基础的开放实现:人工智能解决方案的兴起中最迷人的方面是:如此之多的核心技术在开放的环境中进行开发(通常由许多企业的研究军团主导),或至少在这项技术演化的相对早期阶段以一种开放的方式提供贡献。谷歌的 TensorFlow、Facebook 的 Torch、IBM 的SystemML 和加州大学伯克利分校的 CAFFE 以及一些用于数据的技术(如 Spark)都是公开可用的平台元素。可以很肯定的是,这遵循了类似 HTML/HTTP 的同样模式,这意味着其经济效益将会从系统的其它地方产生(当然是在数据、训练和模型中)。


未来如何?


在很短的时间跨度内,人工智能实现了一次飞跃,并且很可能已经越过了幻想破灭的低谷。我对此可是很明确的。


尽管未来几年出现的一些成果中毫无疑问会有一些让人失望的东西,但同样毫无疑问的是,这样的怀疑将会通过大量受益于人工智能的书写和通信工具进行交流。没有什么能以每个人喜欢的方式做到每个人想要的每一件事。


不需认证,很显然人工智能已经成为了技术领先企业中的一项主流技术;而且在不久的将来,这项技术就将成为几乎每一种领先的产品和服务的组成部分。



入门人工智能谷歌机器学习
暂无评论
暂无评论~