硬件設(shè)備跟不上的時(shí)候人工智能有什么作用

近期，據(jù)外媒報(bào)道，硬件革命將人工智能推向主流，它大大削減了 AI 系統(tǒng)的訓(xùn)練時(shí)間和成本，沒(méi)有讓 AI 變成了一場(chǎng)鮮有人能夠參與的軍備競(jìng)賽。

人工智能早就不是什么新鮮話題了，茶余飯后我們也經(jīng)常討論以后有哪些行業(yè)可能會(huì)被人工智能替代。然而看到這則新聞的時(shí)候，筆者還是頗受震動(dòng)——又一個(gè)近在咫尺的領(lǐng)域受到了機(jī)器人的“入侵”，這也意味著，人工智能時(shí)代離我們真的已經(jīng)非常近了。

一位在大學(xué)工作的老師給筆者講了另一個(gè)故事：有一次期末考試，他教的那門(mén)課叫外國(guó)報(bào)刊閱讀，考試中是允許學(xué)生使用詞典的。然而臨到考試才發(fā)現(xiàn)，現(xiàn)在大部分學(xué)生已經(jīng)沒(méi)有紙質(zhì)版的詞典了，大家平時(shí)用慣了手機(jī) APP。但是考場(chǎng)紀(jì)律不允許帶手機(jī)，這就出現(xiàn)了一個(gè)窘境。最后學(xué)生不得不臨時(shí)去圖書(shū)館借了一批紙質(zhì)詞典，手忙腳亂了一番才得以進(jìn)入考場(chǎng)。

這個(gè)故事告訴我們，面對(duì)新技術(shù)帶來(lái)的新情況，無(wú)論從制度上還是從技術(shù)手段上，很多時(shí)候我們其實(shí)并沒(méi)有真正做好準(zhǔn)備。

“人工智能來(lái)了”，對(duì)很多人來(lái)說(shuō)這句話似乎還只停留在口號(hào)階段，卻沒(méi)有意識(shí)到人工智能早已滲透進(jìn)了我們生活的方方面面。比如大家還在對(duì)無(wú)人駕駛汽車(chē)保持觀望態(tài)度，卻不知無(wú)人駕駛地鐵已經(jīng)安全運(yùn)營(yíng)十多年了。2008 年建成的首都機(jī)場(chǎng) T3 航站樓擺渡小火車(chē)、2010 年開(kāi)通的廣州地鐵 APM 線，就已經(jīng)采用了無(wú)人駕駛技術(shù)。生病就醫(yī)，幾乎全流程都可以用智能科技解決：在醫(yī)院抽幾管血，回家上網(wǎng)就可以查看體檢結(jié)果;2014 年，筆者的父親接受了機(jī)器人“達(dá)芬奇”實(shí)施的手術(shù)。去年有同事買(mǎi)了幾支翻譯筆，還在嘲笑說(shuō)翻譯得不夠準(zhǔn)確，今年再試，就覺(jué)得有了驚人的進(jìn)步;但即便如此，大家還是堅(jiān)持認(rèn)為，翻譯機(jī)器無(wú)法勝任文學(xué)翻譯……

翻譯機(jī)器真的翻譯不出帶有感情的文字？機(jī)器人炒出來(lái)的菜就一定是“沒(méi)有靈魂”的嗎？筆者倒覺(jué)得，我們對(duì)人工智能的預(yù)判可能太過(guò)保守了。人工智能來(lái)了，現(xiàn)有的行業(yè)都將迎來(lái)顛覆性的變革，如果不能認(rèn)識(shí)到這一點(diǎn)，就說(shuō)明我們對(duì)人工智能時(shí)代還是沒(méi)有做好充分準(zhǔn)備。

如今大學(xué)生在選擇專(zhuān)業(yè)的時(shí)候，也常常會(huì)被這些問(wèn)題困擾：既然翻譯可以由機(jī)器完成，我們?yōu)槭裁催€要學(xué)外語(yǔ)？機(jī)器人可以代替醫(yī)生工作，我們?yōu)槭裁催€要學(xué)醫(yī)？無(wú)人機(jī)都開(kāi)始送貨了，快遞小哥是不是就要失業(yè)了？大家都在試圖尋找一些相對(duì)比較“安全”的學(xué)科和行業(yè)，都希望自己的工作暫時(shí)還不會(huì)受到太大的影響。殊不知，新技術(shù)突飛猛進(jìn)，沒(méi)有哪個(gè)行業(yè)是絕對(duì)安全的。

業(yè)界在談及人工智能的發(fā)展時(shí)往往將算力作為最為核心和重要的因素，從投資情況來(lái)看嗎，算力也是獨(dú)占半壁江山。我們不否認(rèn)算力之于人工智能發(fā)展的重要性，但是核心算法的缺失也會(huì)制約人工智能的發(fā)展和突破。

算法是人工智能早期研究和發(fā)展的熱點(diǎn)，從人工智能概念提出開(kāi)始，算法一直在不斷地發(fā)展和演進(jìn)。從供給的角度來(lái)看，學(xué)術(shù)界是人工智能理論和算法的開(kāi)創(chuàng)者，在人工智能理論和算法的早期發(fā)展過(guò)程中起到了核心的作用，從決策樹(shù)到神經(jīng)網(wǎng)絡(luò)，從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)，推動(dòng)算法不斷演進(jìn)和進(jìn)步。

“中國(guó)有多少數(shù)學(xué)家投入到人工智能的基礎(chǔ)算法研究中？”日前，在上海召開(kāi)的院士沙龍活動(dòng)中，中國(guó)工程院院士徐匡迪等多位院士的“徐匡迪之問(wèn)”引發(fā)業(yè)界共鳴。徐匡迪指出，我國(guó)人工智能領(lǐng)域真正搞算法的科學(xué)家鳳毛麟角，如果這種情況不改變，我國(guó)人工智能應(yīng)用很難走向深入、也很難獲得重大成果。

“徐匡迪之問(wèn)”之所以能引發(fā)行業(yè)共鳴，正是因?yàn)槲覈?guó)人工智能產(chǎn)業(yè)的創(chuàng)新能力不夠強(qiáng)大，產(chǎn)業(yè)發(fā)展過(guò)度依賴(lài)開(kāi)源代碼和現(xiàn)有的數(shù)學(xué)模型，真正屬于中國(guó)自己的東西并不多。

當(dāng)然也有聲音提出，既然代碼是開(kāi)源的，拿來(lái)用就好，為什么還有可能被“卡脖子”？

開(kāi)源代碼是可以拿過(guò)來(lái)使用，但專(zhuān)業(yè)性、針對(duì)性不夠，效果往往不能滿(mǎn)足具體任務(wù)的實(shí)際要求。以圖像識(shí)別為例，用開(kāi)源代碼開(kāi)發(fā)出的 AI 即使可以準(zhǔn)確識(shí)別人臉，但在對(duì)醫(yī)學(xué)影像的識(shí)別上卻難以達(dá)到臨床要求?！袄鐚?duì)肝臟病灶的識(shí)別，由于邊界模糊、對(duì)比度低、器官黏連甚至重疊等困難，用開(kāi)源代碼很難做到精準(zhǔn)識(shí)別。在三維重構(gòu)、可視化等方面難以做到精準(zhǔn)反應(yīng)真實(shí)的解剖信息，甚至?xí)霈F(xiàn)誤導(dǎo)等問(wèn)題，這在醫(yī)學(xué)應(yīng)用上是‘致命’的?！?/p>

是否掌握核心算法將決定未來(lái)的 AI“智力大比拼”中是否擁有勝算。用開(kāi)源代碼“調(diào)教”出的 AI 頂多是個(gè)“常人”，而要幫助 AI 成長(zhǎng)為“細(xì)分領(lǐng)域?qū)＜摇?，需以?shù)學(xué)為基礎(chǔ)的原始核心模型、代碼和框架創(chuàng)新。

在獲得同樣數(shù)據(jù)的前提下，以開(kāi)源代碼運(yùn)行，AI 深度學(xué)習(xí)之后或許能輸出結(jié)果，但由于訓(xùn)練框架固定、算法限制，當(dāng)用戶(hù)進(jìn)行具體的實(shí)際應(yīng)用時(shí)，將很難達(dá)到所期望的結(jié)果，而且難以修改、完善、優(yōu)化算法。

而從底層算法做起，那么整個(gè)數(shù)學(xué)模型、整個(gè)算法設(shè)計(jì)、整個(gè)模擬訓(xùn)練‘一脈相承’，不僅可以協(xié)同優(yōu)化，而且可以根據(jù)需求隨時(shí)修改，從而真正解決實(shí)際問(wèn)題。基礎(chǔ)算法往往是指研究共性問(wèn)題的算法，它涉及到基礎(chǔ)數(shù)學(xué)理論、高性能數(shù)值計(jì)算等學(xué)科，可以應(yīng)用到多種實(shí)際問(wèn)題中;而針對(duì)性強(qiáng)的應(yīng)用算法往往會(huì)應(yīng)用到具體問(wèn)題所涉及的“具體知識(shí)、先驗(yàn)信息”，從而更好地解決實(shí)際應(yīng)用問(wèn)題。

人工智能的時(shí)代依然是應(yīng)用為王的時(shí)代，沒(méi)有實(shí)際應(yīng)用價(jià)值的技術(shù)是沒(méi)有生命力的，對(duì)于人工智能技術(shù)來(lái)說(shuō)，需要找到典型的應(yīng)用和典型的應(yīng)用場(chǎng)景，才能幫助提升該場(chǎng)景下的能力，并解決問(wèn)題，這樣的人工智能技術(shù)才是有價(jià)值有意義的。AI 要應(yīng)對(duì)的現(xiàn)實(shí)生活是復(fù)雜、多變的，當(dāng)能夠“應(yīng)對(duì)自如”時(shí)，才能夠促成產(chǎn)業(yè)的“繁茂”。

谷歌的第二代 TPU AI 芯片。谷歌使用人工智能來(lái)提供諸如搜索、翻譯和面部檢測(cè)等服務(wù)，但它的 AI 芯片在數(shù)據(jù)中心運(yùn)行?，F(xiàn)在，AI 芯片正擴(kuò)展到手機(jī)、個(gè)人電腦、汽車(chē)等領(lǐng)域

這次是 ai 技術(shù)的一小部分運(yùn)用，真正支持 ai 技術(shù)全面曝光，背后的是機(jī)器學(xué)習(xí)以及物聯(lián)網(wǎng)的應(yīng)用，它是利用人腦模擬而建立成的，當(dāng)你使用真實(shí)數(shù)據(jù)，來(lái)訓(xùn)練機(jī)器的神經(jīng)網(wǎng)絡(luò)后，會(huì)變得非常聰明，可以識(shí)別垃圾郵件，攝像頭捕捉下的違規(guī)行為，或者是計(jì)算機(jī)，自己給自己編一段合適的程序。

AI 將變得無(wú)處不在。例如，F(xiàn)acebook 首席執(zhí)行官馬克·扎克伯格（Mark Zuckerberg）在國(guó)會(huì)作證的近 10 個(gè)小時(shí)里，他提到了應(yīng)對(duì)虛假賬戶(hù)和錯(cuò)誤信息的許多潛在 AI 解決方案。同時(shí) AI 也已經(jīng)是蘋(píng)果、三星和華為等手機(jī)制造商常用的熱門(mén)詞匯。

芯片分析公司 Linley Group 的首席分析師林立·葛文那（Linley Gwennap）在處理器會(huì)議上表示：“大多數(shù)新的高端智能手機(jī)都有 AI 加速器，包括蘋(píng)果 iPhone X 的 A11 芯片和華為 Mate10 的麒麟 970。我們已經(jīng)看到，AI 正逐漸應(yīng)用于高檔手機(jī)，隨著時(shí)間的推移，它可能會(huì)繼續(xù)流向低端手機(jī)?！?/p>

AI 芯片可能不僅僅被用于智能手機(jī)上，這得益于公司制定芯片的發(fā)展目標(biāo)，以及來(lái)自移動(dòng)芯片巨頭 ARM 的 Trillium AI 項(xiàng)目等努力。這意味著今天的計(jì)算機(jī)智能革命才剛剛起步，它最終可以幫助亞馬遜和谷歌的數(shù)字助理擴(kuò)展到新設(shè)備上，讓你的汽車(chē)識(shí)別行人和周?chē)囊磺?，讓你的電腦更聰明，可自動(dòng)進(jìn)行照片和視頻編輯等。

以網(wǎng)絡(luò)安全攝像頭為例，它可以讓你的家庭網(wǎng)絡(luò)和寬帶連接成為一個(gè)持續(xù)的視頻流。葛文那解釋稱(chēng)：“你真正想要的攝像頭能夠看到現(xiàn)場(chǎng)，然后說(shuō)什么都沒(méi)發(fā)生，不需要上傳視頻。當(dāng)發(fā)生變化時(shí)，它可以發(fā)送圖像或通知?！备鹞哪穷A(yù)計(jì)，個(gè)人電腦可以在相對(duì)強(qiáng)大的主處理器上運(yùn)行 AI，但隨著更多的軟件使用該技術(shù)，它們也會(huì)得到 AI 芯片。像 Photoshop 和 Premiere Pro 這樣的 Adobe Systems 軟件已經(jīng)將處理器推向了極限，該公司已經(jīng)引入了 Sensei AI 技術(shù)，以加快像照片編輯這樣的任務(wù)。

使用英偉達(dá)技術(shù)的無(wú)人駕駛汽車(chē)，安裝上的各類(lèi)的傳感器，利用英偉達(dá)的圖像處理技術(shù)以及 npc 技術(shù)可以自動(dòng)識(shí)別路上可能遇見(jiàn)的障礙物， 幫助汽車(chē)躲避和剎車(chē)。

隨著無(wú)人駕駛技術(shù)的進(jìn)步，汽車(chē)將獲得 AI 大腦。名為 Synopsys 的公司在會(huì)議上展示了自己的方法，用于管理從雷達(dá)、激光雷達(dá)、攝像頭和其他無(wú)人駕駛汽車(chē)中收集到的大量數(shù)據(jù)。