5月13日，由ACM TUR-C與IngDan硬蛋主辦的《ACM圖靈獎五十年中國大會——AI技術(shù)的征途》在上海正式召開，前微軟亞洲研究院副院長、現(xiàn)科通集團硬蛋科技CTO李世鵬對當下熱門的人工智能與物聯(lián)網(wǎng)發(fā)表了自己的看法，他認為：
1）人工智能分為三類：AI基礎(chǔ)技術(shù)、AI橫向技術(shù)、AI垂直應(yīng)用；
2）如果今天把所有傳統(tǒng)企業(yè)、傳統(tǒng)領(lǐng)域加上AI，那就會變成一個龐大的新產(chǎn)業(yè)；
3）IOT是真正帶來第四次工業(yè)革命；
4）不同層次的數(shù)據(jù)被硬件廠商控制，而不是用戶，用戶的數(shù)據(jù)完完全全由廠家來擺布；
5）我們現(xiàn)在沒有一個規(guī)范或者標準來對數(shù)據(jù)安全、隱私保護、數(shù)據(jù)交換使用、授權(quán)進行一些限制，或者一些引導；
6）我們的設(shè)想是建造一套協(xié)議，從最簡單的設(shè)備互聯(lián)開始，做到人機互聯(lián)、數(shù)據(jù)互聯(lián)，再做到知識互聯(lián)，然后到服務(wù)互聯(lián)。
以下是李世鵬的演講實錄：
人工智能說簡單一點，其實就是一個計算技術(shù)的革命。從最開始人教計算機怎么做事情，到今天我們教計算機去學習怎么做事情，就是這一點點區(qū)別。
為什么說人工智能又變很熱？
三個原因：1）我們有海量的數(shù)據(jù)，現(xiàn)在數(shù)據(jù)我們都處理不過來；2）我們有一些更快的計算平臺；3）雖然在傳統(tǒng)上，我們心有余而力不足，但數(shù)據(jù)完全改變了人工智能的發(fā)展，所以突然變得熱起來，再加上去年AlphaGo打敗李世石，這樣的事件造成了人工智能變成一個老百姓都知道的熱詞。
我把人工智能分成了三類：1）AI基礎(chǔ)技術(shù)；2）AI橫向技術(shù)；3）AI垂直應(yīng)用。
在基礎(chǔ)技術(shù)這塊主要是云計算的基礎(chǔ)設(shè)施、算法、計算，第二橫向技術(shù)里會有語音識別、人臉識別、視覺識別、自然語言處理、大數(shù)據(jù)分析。最后一個垂直應(yīng)用，這方面其實有海量的應(yīng)用，但今天應(yīng)該還沒有發(fā)掘出來。
AI基礎(chǔ)技術(shù)基本上被大公司所壟斷，這是一個現(xiàn)實。一些創(chuàng)新公司，他們的機會在哪里？也許在客戶端，也許在專用領(lǐng)域，也許專用算法還有機會。
橫向技術(shù)在語音識別、人臉識別這塊，BAT已經(jīng)形成了一個規(guī)模，自然語言處理這塊還在不斷進展，真正的、通用的或者強AI技術(shù)還遙遙無期，但垂直領(lǐng)域在少數(shù)領(lǐng)域發(fā)展比較快，比如說個人助理、智能家居、無人駕駛這塊，我覺得它發(fā)展很快，還有機器人上面也都有一些發(fā)展，但更多機會是在傳統(tǒng)企業(yè)，比如怎么樣把傳統(tǒng)企業(yè)改造成為智能企業(yè)，把傳統(tǒng)制造變成智能制造。
如果我們今天把所有傳統(tǒng)企業(yè)、傳統(tǒng)領(lǐng)域加上AI，那就會變成一個龐大的新產(chǎn)業(yè)。
我根據(jù)自己的理解，對人工智能做了一個簡單分層，從最開始做物聯(lián)網(wǎng)，就是一個簡單的通知，第二層是感知，第三層是認知，第四層是預知，第五層是相知。
什么叫通知？很簡單，像我們家里的物聯(lián)網(wǎng)，一個傳感器感應(yīng)到屋里溫度比較高，也不知道空調(diào)有沒有開，溫度上升到30攝氏度，一個傳感器就會通知用戶室內(nèi)溫度，通知解決了通信渠道的問題就完了。
但感知是通過對物理數(shù)據(jù)的判斷，我覺得語音識別是一種感知，人臉識別實際也是一種感知，它比較簡單，只是從一個原始數(shù)據(jù)翻譯成到另一個單一數(shù)據(jù)，對內(nèi)容并不是很了解，語音識別可根據(jù)物理上的指數(shù)翻譯成文字，但對文字專業(yè)程度是沒有的。
認知要更進一步，對內(nèi)容進行了解，比如語音識別，除了產(chǎn)生一些文本，對文本里面的內(nèi)容什么意思，需要用自然語言的技術(shù)來處理。
預知需要用戶有足夠了解，在用戶進行下個動作之前開始預測用戶想做的事情，同時預先把一些東西做好了去幫助用戶，這是預知。
最后一個是相知，機器可以幫助人做決定，這不僅涉及到機器對人有足夠了解，還有人對機器也要足夠了解，人知道機器做決定不會超出他的預期，這是一個雙向認知的過程。
深度學習帶來了AI的春天，帶動了AI在深度學習算法上的很多突破。
深度非監(jiān)督的自我學習適應(yīng)很多了新的變化，它可以在挖掘一些新的東西，可以在多個數(shù)據(jù)源里得到對全局的認識，這是深度學習的功能。
深度學習可以從多用戶中學習到很多新東西，它可以把這些知識從一個任務(wù)傳遞到另外一個任務(wù)中。現(xiàn)在AI應(yīng)用落后于AI技術(shù)的發(fā)展，尤其在傳統(tǒng)里面，第一個首先是人才，人才是傳統(tǒng)企業(yè)尤其缺乏懂AI的人才。
不但是傳統(tǒng)企業(yè)，整個產(chǎn)業(yè)都缺，有好的人才都被特別牛的公司或者特別有錢的公司高薪挖去了，傳統(tǒng)企業(yè)就很可憐。
很多初創(chuàng)公司如果沒做過個領(lǐng)域的事情，把經(jīng)驗落地到產(chǎn)品，傳統(tǒng)企業(yè)要做人工智能的事情，往往也不需要從一開始去做最基本的東西，也許一些解決方案很快讓他們?nèi)ヂ涞?，回過頭來講，尤其在傳統(tǒng)企業(yè)這塊，更多AI的東西取決于物聯(lián)網(wǎng)，也就是IOT。
IOT是真正帶來第四次工業(yè)革命
物聯(lián)網(wǎng)最大的核心價值是把傳統(tǒng)上基于感性認識變成術(shù)語化，今天我們可以用數(shù)據(jù)化處理物理很多事情，這是IOT的重大革命。
物聯(lián)網(wǎng)是一個閉環(huán)，把我們物理數(shù)據(jù)變成數(shù)字化，數(shù)據(jù)輸送給我們計算機，還有一個執(zhí)行器，同時反過來影響，這個路是一個完整的閉環(huán)。
物聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展，我們看到只是一些設(shè)備的集合，不同的品牌、不同型號、不同代的AI頂多在物理層可以兼容，且每個廠家都在試圖建造自己的生態(tài)，而且數(shù)據(jù)到服務(wù)完全鎖定在生態(tài)里面去，不同層次的數(shù)據(jù)被硬件廠商控制，而不是用戶，用戶的數(shù)據(jù)完完全全由廠家來擺布。
數(shù)據(jù)在完全授權(quán)的情況下不能給用戶完全來使用，所以封閉的人工智能系統(tǒng)造成了很多數(shù)字孤島，互聯(lián)不連，用戶交互、數(shù)據(jù)、知識、服務(wù)方面現(xiàn)在還缺少很多互通互聯(lián)。
我們對用戶的完整認識取決于對用戶多個數(shù)據(jù)源的掌握，如果我們不能把數(shù)據(jù)開放出來，讓它互通互聯(lián)，我們的人工智能永遠停留在一個單一的設(shè)備或者單一的數(shù)據(jù)源這個層次上。一個數(shù)據(jù)的標準模型，我們現(xiàn)在沒有一個規(guī)范或者標準來對數(shù)據(jù)安全、隱私保護、數(shù)據(jù)交換使用、授權(quán)進行一些限制，或者一些引導，這都是現(xiàn)在物聯(lián)網(wǎng)發(fā)展的一些現(xiàn)狀。
物聯(lián)網(wǎng)有六個特征，這里面最重要的是兩個，一是一致性，二是連續(xù)性，一致性測量的數(shù)據(jù)，不管什么時候測量的我們數(shù)據(jù)還是準確的，連續(xù)性不是只記錄幾個月后面就沒有了，比如大家常用的做智能手表、智能手環(huán)，每過一段時間換一個廠家的東西，很以前采集的數(shù)據(jù)其實就丟掉了，因為這些廠家不兼容，你的數(shù)據(jù)被鎖定它的云里面，甚至那家公司倒閉了之后你的數(shù)據(jù)找都找不回來，這是很悲哀的事情。
我們的設(shè)想是建造一套協(xié)議，從最簡單的設(shè)備互聯(lián)開始，做到人機互聯(lián)、數(shù)據(jù)互聯(lián)，再做到知識互聯(lián)，然后到服務(wù)互聯(lián)。
知識互通互聯(lián)，我們不單在數(shù)據(jù)方面互通互聯(lián)，我們也想在更高一層比如我們對數(shù)據(jù)進行處理以后，對人有一些學習，可以互相分享，帶來了我們對AI+互聯(lián)網(wǎng)平帶的要求，我們要有開放的平臺，要開放硬件、軟件、云服務(wù)，還是智能交互，我們還要開放兼容的系統(tǒng)，我們要做到讓用戶來決定誰可使用可可存儲，智能硬件變成一種服務(wù)，我們的等級計算有人叫做云計算或者物計算，這是很重要的領(lǐng)域。
微信掃一掃
