發(fā)力底層技術 讓機器更聰明

2018年，人工智能告別喧鬧，投融資市場漸趨冷靜，底層技術研發(fā)持續(xù)推進，從衣食住行到教育醫(yī)療，人工智能全方位改變著生活的樣貌。

近日，由斯坦福大學主導、來自MIT、OpenAI、哈佛、麥肯錫等機構的多位專家教授聯(lián)合發(fā)布的人工智能指數(shù)年度報告出爐，報告顯示，在人工智能這一領域，美國依然是當仁不讓的王者，但中國的AI技術，無論在學術界還是產(chǎn)業(yè)界，都正以極快的速度向前追趕。報告中有幾個驚人的數(shù)字：與2000年相比，2016年中國人工智能學者發(fā)表的論文被引用的次數(shù)提高了44%。清華大學去年學習人工智能和機器學習方向的學生數(shù)量是2010年的16倍。

更前沿的技術突破、更廣泛的應用場景、更充足的人才準備，當熱潮漸漸褪去，這個被押注了未來的行業(yè)，依然承載著人們對明日世界最廣闊的想象。

發(fā)力底層技術 讓機器更聰明

讓機器能夠像人一樣思考、感受和認識世界，是人工智能科學家們孜孜以求的終極目標。為了實現(xiàn)這個目標，他們提出各種技術方案對機器進行訓練，這種底層技術的進步也是人工智能技術進步的基礎。

今年4月推出的人工智能Aliwood，在研發(fā)過程中引入了“情感計算”能力，給視頻所配的音樂建立起了情感模型。

情感計算是為了讓機器“具備人的感情”，它指的是關于情感、情感產(chǎn)生以及影響情感方面的計算。MIT媒體實驗室數(shù)據(jù)顯示，在識別表情方面，計算機已經(jīng)可以超越人類，對于真笑和苦笑的實驗中，機器學習的成功率是92%，大幅優(yōu)于人類。不過雖然情感計算已經(jīng)深入生活，而要讓機器人更加懂你卻并非易事，還需要人機交互、心理學、認知學等多學科領域共同努力。

類腦智能以計算建模為手段，受腦結構與機制、認知行為機制啟發(fā)，企圖通過軟硬件協(xié)同實現(xiàn)機器智能。簡單說，科學家希望機器能像人類感知和探索世界。類腦智能系統(tǒng)在信息處理機制上“類腦”，認知行為和智能水平上“類人”，目標是使機器實現(xiàn)人類具有的多種認知能力及其協(xié)同機制，最終達到或超越人類智能水平。目前，類腦計算研究還處在前期探索階段，清華大學類腦計算研究中心已研發(fā)出具有自主知識產(chǎn)權的類腦計算芯片、軟件工具鏈;中科院自動化研究所開發(fā)出了類腦認知引擎平臺，具備哺乳動物腦模擬的能力，并在智能機器人上取得了多感覺融合、類腦學習與決策等多種應用，以及全球首個以類腦方式通過鏡像測試的機器人等。 大家都在期待，未來的類腦智能研究會在哪個領域產(chǎn)生突破。

繼續(xù)完善標準 掌舵產(chǎn)業(yè)發(fā)展

標準化工作是人工智能發(fā)展的基礎和前提。一旦缺失標準，人工智能的研發(fā)和應用將變得混亂。我國雖然在某些領域已具備一定的標準化基礎，但標準化程度不足，分散的標準化工作不足以支撐起整個人工智能領域的發(fā)展。

今年初，在國家人工智能標準化總體組、專家咨詢組成立大會上，《人工智能標準化白皮書(2018版)》(以下簡稱《白皮書》)出爐。

隨著人工智能的深入發(fā)展，標準化工作將越發(fā)龐雜，不僅標準化的對象將越來越復雜，而且以往標準化工作從未出現(xiàn)過的交叉、融合等也給人工智能標準化帶來巨大挑戰(zhàn)。目前，人工智能標準化體系建設相對滯后的影響已經(jīng)顯現(xiàn)。比如目前最熱的智能家電產(chǎn)品，每個產(chǎn)品都有自己的APP，協(xié)議不兼容，跨品牌間互聯(lián)互通困難。明確規(guī)范、可執(zhí)行的國家標準、行業(yè)標準，可以為我國人工智能的持續(xù)健康發(fā)展掌舵。

深入普通生活 解決廣泛需求

“母豬杜洛克C7259號，沒有懷孕，請在12小時內(nèi)再次安排配種!”很快，這樣的提醒就會出現(xiàn)在國內(nèi)一些豬場的工作人員電腦上。最近，阿里云披露的一份資料顯示，其工程師正在同養(yǎng)豬科學家合作研發(fā)能判斷母豬是否懷孕的算法，以提升豬場產(chǎn)仔量。除了監(jiān)測母豬是否懷孕，AI還可以服務于農(nóng)業(yè)智能生產(chǎn)系統(tǒng)、檢測農(nóng)作物病蟲害、作用于農(nóng)產(chǎn)品無損檢測等，在農(nóng)業(yè)領域大展拳腳。

聽來有些不可思議，但人工智能技術帶來的改變，確實發(fā)生在各個意想不到的領域。比如英國拉夫堡大學的研究人員和切爾西足球俱樂部聯(lián)合開發(fā)了一套AI教練和球探系統(tǒng)，系統(tǒng)可以通過收集、分析球員近幾個賽季的數(shù)據(jù)建模并科學訓練球員，比如根據(jù)球員的特點制定賽前戰(zhàn)術、賽后對技戰(zhàn)術進行復盤等。人工智能HR也已經(jīng)出現(xiàn)，并在求職中發(fā)揮作用。

AI已經(jīng)讓一些技術邊緣人群享受到技術進步帶來的福利，這種福利“看得見、摸得著”。比如專為盲人研發(fā)的人工智能輔助視覺系統(tǒng)Seeing AI，這套由可穿戴眼鏡和智能APP組成的系統(tǒng)，能基于微軟智能云上的視覺識別和自然語言處理技術，識別出攝像頭拍攝到的場景，如“一個穿紅衣服的女孩正在踢球”“一個男孩正在練習滑板”。Seeing AI的目標是幫助全球2.85億視力受損人群實現(xiàn)無障礙的生活。

技術必須考慮并解決廣泛的需求，包括老年人、殘疾人、機會匱乏的人等。人工智能和公益的“跨界合作”正在激發(fā)更多有益于社會的創(chuàng)新，讓更廣泛的人群因技術的進步而受益。

人工智能+醫(yī)療 或成最佳落地領域

投資熱度高漲、新產(chǎn)品層出不窮，AI在醫(yī)療領域的應用已經(jīng)成為其最亮眼的應用之一。普華永道去年10月發(fā)布的全球AI報告分析了各個主要行業(yè)受人工智能技術發(fā)展的影響，認為影響最大的是醫(yī)療健康和生物制藥產(chǎn)業(yè)。目前，全球有近100家初創(chuàng)企業(yè)已在探索用于研發(fā)新藥的人工智能方法?？梢灶A見，人工智能技術對傳統(tǒng)技術的改進以及由其引發(fā)產(chǎn)生的新型藥物研發(fā)技術，將極大縮短新藥研發(fā)周期、降低研發(fā)成本，顯著提高藥物研發(fā)的成功率。

不過業(yè)內(nèi)專家也紛紛表示，我們距離真正的“人工智能+醫(yī)療”距離顯然還很遠，甚至AI診療究竟會不會成真，都需要打一個問號。要跨越的障礙很多，如醫(yī)療信息提取，醫(yī)療數(shù)據(jù)等。

不過能為患者提供初步的診療意見、為醫(yī)生提供科學的決策建議、站上手術臺實施復雜的外科手術……人工智能在醫(yī)療領域的扎實推進，已經(jīng)開啟重構醫(yī)療體系的嘗試。

論文數(shù)量大漲 研發(fā)能力攀升

在論文方面，中國人工智能科學家已經(jīng)成為這項智力產(chǎn)出的主力。根據(jù)人工智能指數(shù)年度報告，從2007年到2017年，中國的年發(fā)表AI論文數(shù)增長了150%?；诮?jīng)同行評議論文數(shù)據(jù)庫Scopus的數(shù)據(jù)，2018年發(fā)布AI論文最多的地區(qū)是歐洲(28%)、中國(25%)和美國(17%)。從市場表現(xiàn)看，以BAT為代表的中國公司的研發(fā)能力上升得非?？?。

從知識產(chǎn)權角度來看，國內(nèi)人工智能專利的申請數(shù)量也令人欣喜。據(jù)《2018人工智能行業(yè)創(chuàng)新情報白皮書》統(tǒng)計，目前全球人工智能專利申請集中在中國、美國、日本三國，其專利申請量分別為：99264件、48870件、31158件。中國申請的人工智能專利數(shù)量穩(wěn)居第一。

過去十幾年，中國互聯(lián)網(wǎng)的創(chuàng)新集中于模式創(chuàng)新，但在這一輪人工智能的競賽中，底層技術的創(chuàng)新越來越引人矚目，也誕生了一批前景無限的技術型創(chuàng)業(yè)公司，如地平線、商湯、曠視等，成為行業(yè)領頭羊。

但在繁榮背后，我國人工智能產(chǎn)業(yè)還存在重應用技術、輕基礎理論，底層技術積累薄弱;商業(yè)化應用路徑尚不明確，商業(yè)落地痛點突出，近期實際商業(yè)價值變現(xiàn)難度較大;從基礎層、技術層到應用層人才嚴重不足等問題，要想行穩(wěn)步遠，還需迎頭追趕。

PK內(nèi)容升級 人機大戰(zhàn)不斷上演

AI的橫空出世離不開圍棋大戰(zhàn)，這種人與機器的鏖戰(zhàn)既吸引眼球，讓AI熱度高漲，又以最通俗的方式科普了人工智能技術的現(xiàn)狀和應用。今年，人機大戰(zhàn)依然令人樂此不疲，人與機器孰強孰弱的問題總能瞬間點燃輿論，似乎誓要在每個領域分出高下。

寫作大概是人類最自負的“山頭”，不過AI也沒打算放過，寫詩有微軟“小冰”，寫文案也有了“莎士比亞”。這個專為寫商品文案而生的AI一秒鐘可以作出千條文案，號稱讓編輯下崗。這套系統(tǒng)基于平臺自身在商品標簽和搜索數(shù)據(jù)庫層面積累的大數(shù)據(jù)，從句子層面做結構解析、訓練模型和語言生成，從而能夠一秒鐘生成千條文案，系統(tǒng)還能根據(jù)用戶對文本的選擇實現(xiàn)機器算法的優(yōu)化。但網(wǎng)站編輯別慌，目前的人工智能協(xié)作還非常初級，既需要人工干預，也受到特定場景的局限。

另一場引發(fā)討論的人機大戰(zhàn)來自游戲領域，馬斯克創(chuàng)立的人工智能非營利組織OpenAI宣布，由5個神經(jīng)網(wǎng)絡組成的OpenAI Five，已經(jīng)能夠組成5v5團隊在經(jīng)典戰(zhàn)斗競技類游戲《刀塔2》中擊敗人類業(yè)余玩家隊伍。這次事件更是被比爾·蓋茨稱為“里程碑”，因為OpenAI Five展現(xiàn)出了類似于人的長期規(guī)劃和團隊協(xié)作能力，也展現(xiàn)了極高的智能決策能力。

游戲AI涉及推理和決策等認知智能，這也是研究者熱衷于這項研究的原因。不過相關研究者也表示，真正的認知智能還有很多問題沒有解決，比如推理過程的表示、決策優(yōu)化算法，以及如何讓AI使用更少的計算量做到更好的推理、讓AI消化吸收學習的速度更快等。因此，這階段人類著實無需擔心機器的威脅。在認知智能上，AI還有相當長的路要走。

重視倫理爭議 行業(yè)規(guī)范待定

伴隨人工智能的高歌猛進，相關的“噪音”也越來越多，比如數(shù)據(jù)隱私、AI偏見、AI造反……相關話題引發(fā)了數(shù)次討論甚至恐慌，人們開始疑問：AI是不是太強了?它會失控嗎?

麻省理工學院媒體實驗室曾出品一個名叫諾曼的“暗黑版AI”，它會以負面想法來理解它看到的圖片。團隊希望通過諾曼的表現(xiàn)提醒世人：用來教導或訓練機器學習算法的數(shù)據(jù)，會對AI的行為造成顯著影響。

但其實，當人們談論人工智能算法存在偏差和不公平時，罪魁禍首往往不是算法本身，而是帶有偏差、偏見的數(shù)據(jù)。

偏見、刻板印象、歧視這些人類社會的痼疾，已經(jīng)深入社會肌理。在這樣的語境中產(chǎn)生的數(shù)據(jù)，攜帶著大量復雜、難以界定、泥沙俱下的觀點。如果研究者沒有意識到或著手處理這一問題，機器學習的偏見幾乎無解。真正的“公正算法”或許是不存在的。但通過正確地校準標簽、數(shù)據(jù)的均衡和可靠等，機器出現(xiàn)偏見、謬誤甚至失控的可能會相應減少。此外，研究者也應該著手建立一種預防的機制，從道德的約束、技術標準的角度對人工智能進行價值觀的干預。

還有一個重要的憂慮來自隱私，相對于AI的偏見或失控，人類對隱私的擔憂要真實可感地多，畢竟，我們每天的吃住行都已經(jīng)充分數(shù)字化，與之相伴的隱私暴露風險也指數(shù)級上升。

目前，國內(nèi)從消費電子領域到安保、數(shù)字金融等領域都在逐步引入人臉識別， 特別是隨著“刷臉支付”的普及，用戶的姓名、性別、年齡、職業(yè)等身份信息，甚至用戶在不同情境狀態(tài)下的情緒等信息都被機器收集。這些信息如果得不到妥善保管而被泄露，用戶個人信息就處在“裸奔”狀態(tài)。保護公民個人信息的安全，需要管理者、相關行業(yè)企業(yè)、公民個人的協(xié)同努力。目前在人臉識別技術領域，我國尚無相應的安全監(jiān)管機制，應及早籌謀，完善法律法規(guī)、提升應用程度及存儲設備的安全程度、強化網(wǎng)絡安全和信息保護意識、規(guī)范行業(yè)信息收集標準等。

關鍵詞：