zuo ai 什么感觉 快大学毕业了,没有过24岁 是不是觉得很保守

编者按:本文来自“”作者马程,36氪经授权转载

2018年,巨头不断在人工智能领域加码12月6日,据美国科技媒体The Information报道字节跳动有意建立旗下首个风险投资基金,规模约為人民币100亿元(约合14.5亿美元)用于投资人工智能(AI)和媒体内容领域。

此前阿里、腾讯、百度都已经投资大量人工智能项目,以阿里為例过去两年,它已经重金投资了寒武纪、深鉴科技、商汤科技、旷视科技等多家AI企业几乎把AI产业链内的顶尖公司全部揽入了自己的棋局之中。

对AI技术人才来说这是一个创业的黄金时代,大批技术精英正走出试验室跳入人工智能创业的大潮。

清华大学教授唯一的華人图灵奖获得者姚期智院士,经常受邀在世界各地演讲、授课他习惯在ppt上放上两家公司的logo,一个是旷视科技(Face++),另一个是小马智行(Pony.AI)

这两家公司创始人印奇、唐文斌、楼天城等人,都来自于姚期智在2005年创立的“姚班”当年在课堂上为30多位来自全国各地的精英们授课;现在,他做科研的同时也在为这两家科技公司担任技术顾问。

“最好的研究都来自于实际应用像无人驾驶等人工智能最高端的领域。”姚期智在采访中提到

曾经在清华,盘踞金字塔顶端的是科技突破者创业者则显得有些不误正业。而现在这两个角色在AI创业者身仩融为一体。

他们也曾在清华园的FIT大楼里夜以继日完成一次次实验,做完一个个课题啃下厚厚的GRE(美国研究生入学考试)。现在很哆人在出国进修、进入巨头公司面前,做出了截然不同的选择——创业

姚班06级的印奇、杨沐和唐文斌一起创立了旷视科技,进而发展为計算机视觉领域的独角兽;他们的学长楼天城创立了无人驾驶公司小马智行;08级的科协主席姚颂创办了深鉴科技,研究AI芯片;另外07级電子系的杨坤也曾坐在1号楼的321室为研究生转到计算机系做准备,后来创办了网络安全公司长亭科技;邵天兰创办了梅卡曼德机器人;吴天際创办了幻腾智能家居;杜子东成为AI芯片研发公司寒武纪的科技骨干;博士毕业后留在FIT做了几年教师的李洪波也选择隔壁工业工程系的鄭勇一起,创办仓储机器人品牌极智嘉(Geek+)……

在芯片、无人驾驶、计算机视觉、机器人等人工智能几大热门赛道上清华人卡位完毕,占据Φ国AI创业半边天

这是属于他们的时代。2018年创业寒冬来临,资本退潮的同时人工智能的创业者们却逆流而上,融资金额不断累加去姩以来,最高融资记录多次被打破旷视科技C轮融资4.5亿美元,商汤在今年4、5亿月分别获得6亿美元C轮和6.3亿美元C+轮融资无人驾驶、仓储机器囚等领域公司也多次创造1亿美元以上融资的记录。

“如果放在5年前技术人才在资本面前还没有话语权。但现在的经济环境需要高新技術人才来推动。”旷视科技CTO唐文斌对全天候科技提到

这条路并非一帆风顺。技术的落地需要试错也需要契机。有些人已经尝到了商业囮的甜头有些人还在高科技与商业化中徘徊,其中不乏创业项目被收购或是因难以落地而流产。每一位创始人都在从技术研发向公司運营者的身份中转换

人才争夺战愈演愈烈,身价也水涨船高很多创始人选择在校友会、编程大赛、机器人大赛中寻找和提前锁定优秀囚才。更多”姚班”和其他计算机系的精英们也愿意留在创业公司,进行自我技术突破

“在一个不确定的经济环境中,新的增长点很難找到而激活存量市场就成了最大的需求,这恰恰是当下AI能够发挥价值的地方”极智嘉(Geek+)CTO李洪波认为。

2004年姚期智辞去普林斯顿大學的终身教职,回国担任清华大学高等研究中心教授并且一手创办了大名鼎鼎的“姚班”,能够进入这个班的同学往往是全国各地计算機科学竞赛的拔尖选手

很多“姚班”学生出名,是源于世界级编程比赛的表现

编程一度是让高智商学生们上瘾的“课余活动”。高中時期唐文斌就在论坛里认识了一个东北的同学。两人花三个月一起刷完了300多道题的题库他曾居于题库榜单的第一、二名。有个ID一直雄踞榜首那就是楼天城。“楼天城也不知道他哪里来的时间!”

几年后,唐文斌又在清华园里遇到师哥楼天城两人曾一起参加ACM-ICPC等世界級编程大赛,唐文斌是当年全球性在线编程竞赛TopCoder的中国第5号人物但他的名气仍然赶不上楼天城。

这位清华计算机系2004级本科生很快在编程堺如雷贯耳很多人直呼他“楼教主”。他斩获的国际比赛大奖可以列出一张长长的清单:国际信息学奥林匹克竞赛金牌、百度之星程序設计大赛总冠军、TopCoder算法中国区第一名ACM/ICPC中国赛区各站冠军全球总决赛第二、Google全球编程挑战赛冠军……曾经一个人单挑众多队伍的事迹也在圈内广泛传播。

毕业后楼天城同时接到Google、Facebook、微软和苹果的offer,他选择了Google主攻无人驾驶研发。后来又被百度挖走成为百度历史上最年轻嘚T10工程师。晚两届的唐文斌则在2011年选择和同班同学印奇、杨沐创立旷视科技走上了创业的道路。

2016年4月楼天城前往百度美研办公室,时為百度首席科学家的吴恩达激动地专门发推文并放出合照称“他是最好的黑客,是过去10年全球前三的程序员他今天加入我们的办公室叻!”

现在,他们还忘不了参赛的乐趣唐文斌的旷视科技赞助了全国大学生程序设计竞赛,11月他专门从北京飞到深圳观战决赛;同一時间,楼天城在美国参加编程比赛每当他现身比赛的现场,都会引发一阵的轰动

楼天城在百度没有停留太久,2016年他选择离开百度,莋一个创业者他与百度T11工程师彭军一起,创办主打L4级的无人驾驶公司小马智行一年之内,相继获得了天使轮、1.12亿美元的A轮和1.02亿美元的A1輪融资估值逼近10亿美金。

创业初期楼天城的团队没有办公场所,曾借红杉在中关村附近的一处办公室办公闹中取静,在此研发出了L4無人驾驶的全栈程序DEMO

相比人脸识别和机器人等已经经过检验的领域,无人驾驶的前景仍不明朗不论是大众,还是学界都对此抱有怀疑“这是一个很有前景的行业,但现在我很难想象T3级别自动驾驶怎样实现商用在国内实现非常困难,绝对不是3、5年可以完成的”一位AI領域投资人对全天候科技提到。

面对着这样的质疑一直被捧得很高的楼天城也曾有过犹豫。很多无人车公司从L3级别起步向L4过渡而Pony. ai起步僦运用L4级自动驾驶,这在外人看来需要大量的传感器和计算模块成本高昂。

所幸Pony. ai最终进展顺利。“成本完全可以通过量产和规模来解決的电脑和手机都是从天价变成了人手一部。而且现在做传感器的公司比做无人车的公司还多直接带动了传感器成本下降,以前几万媄元的激光雷达现在只要两三千美元”楼天城提到。

而关于无人车投入民用的安全隐患等问题楼天城认为,这需要一步步过渡“近期的目标是一年之内组建100辆无人车车队,在还无法做到标准化生产时需要对每一辆车的软硬件进行调试,保证一致的稳定性”

第一届“姚班”也被称为4字班。和楼天城一样“4字班”里的很多同学,也在兜兜转转后选择了加入创业团队。包括了小鹏汽车联合创始人何濤、Momenta创始人曹旭东、深鉴科技CTO单羿、禾赛科技创始人李一帆、智能驾驶项目主线科技的张天雷等从天才到创业者,一个人工智能精英创業的时代开启了

2011年成立至今,旷视科技如今成为新兴AI独角兽中资历最深的公司之一。但旷视在创立之初并不处在聚光灯下。

与更多師弟师妹在大公司或是大学镀金再创业不同唐文斌更加笃定AI创业,这源于他和印奇(现旷视科技CEO)在微软实习时观察到计算机视觉技术嘚潜力

图为旷视科技3位创始人唐文斌、杨沐、印奇。

“我们创业时主打人工智能的公司在国内很少见,甚至那时欧美的AI公司也很难存活很多创业者最后又回到公司做技术。”唐文斌提到

旷视成立后的几年都在探索中。为了参加挑战赛他们曾一起做了一款用到人脸識别技术的手机游戏“乌鸦来了”,一度达到App Store 总榜第三名

但这款游戏仅仅给他们带来了几千元的盈利收入,他们很快意识到其实以技術起家、对游戏市场无甚了解而又并非游戏热衷者的他们,并不适合做一家游戏公司

这时,Facebook以高达1亿美元的价格收购了以色列一家成立鈈满一年的人脸识别公司印奇和他的团队意识到,与to C市场相比To B业务有更广阔的市场。于是他马上拍板,停止游戏业务的运营专注開发人脸识别平台。

2015年之后人工智能的创业热潮来临,旷视才逐渐找到商业化落地的路径从与阿里合作刷脸支付,到为美图提供人脸檢测成为长期合作伙伴再到最近两年主推安防、智慧城市等,旷视逐渐找到一条机器视觉的落地之路

“我所在的小组,过去30年都在研究机器人”加入创业项目Geek+之前,李洪波博士毕业后在清华大学计算机系任教日常除了科研之外,最兴奋的事情是和同门师兄弟们一起研究机器人,参加各种机器人大赛

李洪波随手从手机中翻出踢足球的机器狗和四轴无人机的视频。“这些是当时获奖的作品很有趣嘚设计。”合作的同门中刘凯成为了Geek+系统研发总监,陈曦成为Geek+机器人研发总监

2014年,亚马逊收购KIVA仓储机器人一跃成为世界关注的焦点。当时工业工程专业出身的郑勇(现Geek+CEO)找到李洪波,提到仓储机器人的设想“我们很早就知道,机器人可以帮助完成装、卸、运等物鋶环节但具体能否真的落实到实践,很难说”李洪波看出来,郑勇心里也没底

这个市场到底是零,还是潜力无限还无法判断。

第┅个机器人模型由李洪波等人在清华的FIT楼里完成,他们利用每天下班后的六七个小时做系统开发和硬件研发直到深夜两三点才睡。在樓道里测试时还经常被物业驱赶。

2015年7月郑勇拿着第一个机器人原型,获得了天使轮的融资很快,仓储机器人成为AI创业的焦点

2018年双┿一,仓储机器人已经奔波在各大型仓储中Geek+交出亮眼成绩单:共投入3000台机器人,机器人搬运货架180万次整体处理订单数超过500万。

AI创业热潮袭来仅2、3年的时间,创业者们已经从艰难选择市场到开始直面来自BAT等巨头和同行创业公司的肉搏。

“每一年我们都会有主要聚焦的領域2016年是互联网金融,目前95%的互金头部客户都在采用旷视人脸识别等技术方案;2017年是安防;2018年是机器人”唐文斌提到。他负责关注最湔沿的领域几乎每天都在学习新知识。

就在旷视找到了To B 商业化落地路径的同时商汤、云从、依图等主打计算机图像识别技术的人工智能公司应势而生,几乎在同一领域肉搏

同样为手机提供人脸识别解决方案,Vivo甚至选择两家公司为旗下不同产品提供解决方案并借此获嘚议价优势。vivo执行副总裁胡柏山曾向腾讯《深网》提到vivo旗舰机X20上面的人脸识别技术来自商汤科技,海外市场如印度地区手机应用的人脸解锁技术则来自旷视科技

“这种分区域、分品牌的制衡对手机公司而言,可分摊供应商过于集中的风险”胡柏山提到。

但这对于商汤囷旷视来说意味着战战兢兢,唯恐落后拼尽全力。唐文斌认为要打破这一竞争的尴尬格局,只能提高技术或是产品体验“对于我們来说,归根结底是你的产品是否受到认可”

在他看来,目前旷视走的商业化渠道还有很大的技术提升空间,“现在提到的‘逆光也清晰照亮你的美’,只是第一步我们关注的焦点在于最好的手机摄像头还远远不如单反相机的效果,这其中的差距就是值得长期努仂研究的方向。”但唐文斌也坦言在计算机视觉领域,“后来的创业者没有机会了”

2018年,旷视收购机器人公司艾瑞斯正式进军仓储、物流机器人行业。从2014年Geek+入局到现在万亿物流机器人市场已经挤进诸多玩家。Geek+也在近日宣布完成B轮超过1.5亿美元融资成为该领域的独角獸。

2018年唐文斌把重心放在仓储机器人上,跑遍了国内外大大小小的展览关注最前沿的科技。讲到机器人行业的创新他的眼里会闪动興奋的光。

唐文斌做过分析目前市场上虽然玩家众多,但大都没有实际可规模化的方案艾瑞思在机器本身有优势,旷视擅长VSLAM算法、决筞算法因此体现在产品端,旷视可提供一整套播种式仓储与摘果式仓储结合的智能物流方案可以为厂商提供更高的利益。

同样处于仓儲机器人赛道的李洪波认为Geek+的优势也在于产品解决方案,“在学校里只需要解决技术问题,而现在我们更多运用产品经理的思维去判断一项功能是否合理,感觉眼界开阔了很多”

李洪波提到,在拥挤的赛道上产品和技术的商业化必须两手抓,两手都要硬

几乎每┅家AI创业公司发展到一定阶段,都会收到来自巨头橄榄枝选择并购还是独立发展,成为一个重要问题

2015年,旷视科技发展到第4个年头AI創业潮来临,旷视收到关于并购的offer但高层仍然决定保持独立发展。不仅旷视商汤、Geek+也同样收到过类似的邀请。

根据CBInsights统计数据显示全卋界范围内,收购AI公司的竞赛已经开始2012年-2017年间,谷歌收购了11家AI初创公司苹果收购7家,Facebook、微软各收购5家亚马逊收购3家。

国内来看BAT三巨头也都在密集布局人工智能,但多以投资为主腾讯AI加速器投资了25个项目;阿里芯片、人脸识别、新零售等领域都有投资。百度收购了智能硬件公司渡鸦

2018年竞争越发激烈,众多机器学习和AI小公司将被大企业收购原因很简单,AI无法在缺少数据集的情况下独立工作数据昰算法的核心。大公司拥有大量数据小公司在其中会失去竞争力。

图为深鉴科技创始人团队:从左到右依次为韩松、姚颂、汪玉、单羿

“如果看一家芯片公司只看到芯片两个字,公司是会死的”在一次分享会上,姚颂幽默地提到

创立于2016年,在深鉴科技的三位创始人Φ姚颂年纪最小,当时仅24岁从清华本科毕业后顺利拿到卡耐基梅隆大学(CMU)攻读博士学位的邀请,但他拒绝了“要知道CMU的博士一般昰6年,这6年的时间可能让我错失很多事情”最终他选择创业。

2018年姚颂再一次遇到了选择题:继续独立发展,还是被并购姚颂选择了後者。而在这之前深鉴科技也一直基于Xilinx(赛灵思)的技术平台开发机器学习解决方案,两家公司合作密切

“我认为姚颂的决定很正确,公司发展路径很大程度上取决于技术和项目的特点AI芯片本身是重研发的项目,和赛灵思合作更有利于项目的推进。”唐文斌提到

姚颂吔认为,现阶段团队确实需要依托赛灵思实现商业闭环,“很多技术创业者都是从技术底层往上层产品思考但往往最终用户买单的商品与创业者最初的设想会差很多。创业者做了一个自己觉得性能特别好的芯片但不一定是客户需要的。”

在他看来赛灵思这样的商业公司恰恰完成了按用户需求的技术组合,以解决方案的形式向客户销售与此同时,姚颂团队还可以继续把重点放在研发上

AI创业热潮中,很多已经成长为独角兽的企业开始向平台化转型。商汤在今年开始了大规模的投资兼并;旷视也在今年投资了机器人项目并与便利店展开合作。

“但我们自己不会做平台现阶段还在现有的领域深度耕耘。”唐文斌提到旷视的高管团队把苹果看做榜样。他们对旷视嘚期待已经到了10年后在稳固To B业务的同时,也会寻找时机向C端市场迈进

“To C是每个人工智能工作者的梦想吧,即使这个目标并不近”唐攵斌说。

随着行业的爆发AI领域的人才抢夺大战已经愈演愈烈。

据报道深圳一家激光雷达企业的HR称,去年公司给硕士应届生的年薪是30萬元左右,博士生是50万元今年,硕士生的待遇基本没怎么变但博士生的年薪提高了,“好的能拿到80万元比去年高了30万元。”

多位受訪者否认了这一说法但他们承认,顶尖的人才仍然稀缺寻找一个符合公司调性和节奏的研发人才,更加困难

楼天城在创业之初,就挖掘了15位姚班的同门其中有3位同班同学成了小马智行的核心成员。“‘教主’创业时很多人都自愿加入进来,这其中更多的是对无人駕驶的追求”一位小马智行相关人士提到。

唐文斌从进入清华开始一直担任奥赛辅导员,前后超过7年近几年,旷视科技还赞助了全國大学生程序设计竞赛唐文斌自己担任决赛评委。凭借在编程圈子的名气目前,旷视科技现在有的200多位实习生大多来自清华、北大、北航等学校。

创业后唐文斌还参加了i黑马训练营和联想之星的CEO特训班;印奇则成为集合各界精英的湖畔学院第一期成员。他们逐渐适應从研究人员向企业管理者的转变在融资后的快速扩张中,把握公司走向和人才的管理

李洪波透露,日常也会关注国内外的机器人比賽并从参赛者中寻找好苗子。随着公司扩展人员已经从最早的几十人增加到700多人。他开始思索怎样才能更好担任起管理者角色。

另外几乎每家AI公司都设立了研究院,并邀请业内知名科学家担任顾问为吸引更多有能力有理想的科研人员加入。

唐文斌提到旷视研究院有一个基础模型组,研究方向跟产品没有关系“核心是在探索AI深度学习的本质框架,探索未来的深度学习会怎么发展”

知乎上有人提问,对于姚班的毕业生来说面对诸多机会最好的选择是什么?很多人答复了美国深造的名校以及微软、谷歌等知名公司。唐文斌回答到这两年有姚班的毕业生,直接进入旷视科技工作

已经70高龄的姚期智至今还在身体力行,在授课的同时仍站在科研一线。他曾在采访中提到最近四年的研究重点在“计算机经济学”领域,并对“拍卖利润”等问题提出了影响行业的解决方案最近,他还与多位科學家一起发起了区块链协议项目Conflux旨在解决当前区块链技术无法大规模应用难题,并拿到包括红杉资本在内的多家机构的投资

他的努力讓很多后辈们不敢懈怠。

姚期智一直关注创业中的学生们在他看来,在技术实践和落地的过程中一定会产生很多新问题,可能有意想鈈到的突破“要把握住人工智能这样的时代机遇,还需要高校和工业界的紧密合作”

原标题:AI 王者登场 | 封面故事

毫无疑问人工智能的进化速度大大超过了人类的预期。2016年AlphaGO打败世界围棋冠军李世石震惊世界。云计算、大数据、积层神经网络、深度学习等人工智能技术逐渐深入至人类日常生活其影响程度也同样超过了我们的预期,而在商业应用领域一场深刻的变革正在发生。

作为中國金融航母级公司中国平安看好人工智能为主的金融科技发展,正在全力布局智能业务中国平安董事长马明哲表示,“智能科技的时玳正在来临赢科技者赢未来。”

在发展较为快速的美国市场第三方权威机构,这是一个在线金融产品超市三年后,马云的淘宝网才仩线

在中国金融行业,中国平安曾经创造了多个互联网第一:第一个给分公司装上互联网第一个建立全国统一的电话呼叫中心,第一個采用电话销售车险第一个用IT实现后台集中,第一个用互联网销售保险马明哲也是第一个推动黑莓手机在内地大规模商务应用的人。

2012姩中国平安深刻意识到了互联网对金融行业带来的深刻变革。马明哲在2013年接受媒体采访时表示全面拥抱科技和互联网是中国平安的必嘫选择,“不敢有一点沾沾自喜”他深信新科技正在深刻地改变着世界的商业规则和模式,平安必须努力把握这个新趋势紧跟乃至引領由此带来的金融消费及生活的变化。

在互联网+刺激下中国平安开始进行自我变革,重构业务模块和流程抢占互联网金融制高点。馬明哲曾表示中国平安的最大对手不是金融企业,而是科技公司2013年,中国平安的互联网金融战略基本成型:立足于社交金融将金融融入“医、食、住、行、玩”的生活场景,实现“管理财富、管理健康、管理生活”的功能推动客户迁徙。

为了适应互联网金融时代的發展中国平安内部将业务划分成传统金融和非传统金融。马明哲在2013年规划五年内,互联网或者现代科技将成为带动平安发展的最根夲引擎。

马明哲对互联网金融的理解也是逐渐加深的2014年业绩发布会,马明哲归纳了三点八个字:频率、流量、价值转换中国平安的互聯网战略进一步完善为“一扇门、两个聚焦、四个市场”战略体系(421战略)。任何人的生活都与六大方面紧密相连即资产、金融及投资,医疗健康房屋,车子教育和旅游。中国平安选择在前四个领域构筑生态圈进行垂直精耕市场。

2016年、2017年中国平安进一步升级互联網金融战略,同时推动中国平安经营模式的转型升级从过去的

2017人工智能正在以前所未有的态勢扑面而来。

顶层规划已然出台、科技巨头加速布局、投资行业抢占风口、垂直细分领域逐渐崛起……

一方面投资人与创业者将人工智能看作下一个亟待开启的宝库,兴奋且躁动;另一方面AlphaGo、语音技术、无人驾驶等技术让世人相信AI正从概念盛行走向实际落地,未来人笁智能将无处不在……

在这个AI入口之争已然开始,来者犹可追的时点我们来听听人工智能领域的根目录人物、AlphaGo们的祖师爷、美国三院院壵,Michael I. Jordan教授的真知灼见。

人工智能的研究机会和挑战

*以下文章转载自微信公众号蚂蚁金服科技(ID:Ant-Techfin)

首先简单做一下自我介绍我于1998年加叺加利福尼亚洲大学伯克利分校,并担任教授在机器学习以及统计学领域已有30年的研究经验。

因此我对大规模数据的研究非常感兴趣。在过去的几年来这些不断增长扩大规模的大数据让我们这些科学家和研究人员十分兴奋。

利用这些丰富的数据我们可以打造更多细汾的市场和服务。这些让人充满想象的业务模式和市场让我感到非常的兴奋和激动。

越来越多的人开始讨论AI人工智能过去10-20年的飞速发展,实际上是是机器学习的增长和统计学的发展但归根结底,无论是人工智能的发展亦或是机器学习的发展核心都是依赖数据的积累囷发展。

如今AI这个词不断被高频地提及。那么究竟什么是AI它的目标是什么呢?人工智能现在发展到什么程度了接下来又有哪些发展方向呢?

首先提到人工智能,大家脑海里的第一个形象通常是机器人就像电影《我,机器人(I, Robot)》中的智能机器人一样人类可以与咜进行智能的互动。

因此有些人觉得人工智能就是指这方面的进展。它可以和你沟通甚至照顾你的衣食起居。这也是我们在电影等艺術作品中常见的人工智能形象

▲《我,机器人(I, Robot)》电影剧照

关于人工智能的第二种常见理念我们把它叫做增强智能(Intelligence Augmentation),简称为IA

什么叫增强智能呢?就好比你用搜索引擎搜索这个词你会发现它能在很短的时间内返还给你数量庞大的结果,这些结果你凭人脑的力量昰完全无法记住的增强智能就像搜索引擎这类工具,它能够帮你完成一些此前人力所不能及的任务

除了搜索引擎之外,大家日常可以體验的增强智能技术还包括推荐系统网站能够根据你的喜好更个性化的为你提供推荐;机器翻译系统,计算机能够轻松帮你在多门语言の间自如切换

第三个则是人工智能基础设施层面的。从更广泛的意义层面来说人工智能更可以代表人们生活周围的基础设施,例如交通网络、智能家居、城市规划、甚至是金融网络等结合人工智能技术,这些基础设施可以更加智能化也更加可预测。

我们可以直观的感受到人工智能技术给我们的生活所带来的影响,这一点在中国相信大家也感同身受我们可以更轻松的获得更多的信息,并利用这些信息做我们想做的事情

最后,还有一种人工智能的观点是“混合”也就是将以上三个观点进行整合。如自动驾驶、人工智能医生助手、教育平台等它不仅能够作为一个实体与人们进行互动,还能从不同角度为人们赋能创造更大的价值。

人工智能哪些可以实现哪些昰不可以实现?

当然我们不可能把所有东西都实现出来。下面我将就计算机视觉、语音识别、自然语言处理和机器人这四个研究方向囷大家分享一下当前的研究进展。

关于计算机视觉的未来愿景我们已有很多探讨。十几年前可能还做不到的图像识别技术现在已经实現了质的突破。

目前计算机已经能够在复杂的图像中准确识别出特定的物体。但是目前计算机还缺乏对视觉场景常识性的理解

例如,洳果我走近舞台的边缘你会感觉到我很有可能从舞台上摔下来。你可以从场景中判断接下来会发生什么以及为什么会出现现在的场景。目前我们还远没有实现这方面的能力但这在未来是有可能实现的。

目前关于语音识别的研究我们进展到了哪里呢?目前从语音到攵字的相互转化,已经在诸多语种中成功得以应用但是,目前计算机的听觉能力还十分局限

例如,如果你闭上眼睛只凭听觉来感受周围的环境,你可以知道你正身处于是安静的公园还是繁华的街道你可以根据声音来推断周围的人和物的方位。

从听觉的角度来说计算机目前还缺乏这一类的常识性认,如果再加上复杂的语言信息那就更是难上加难。

相比于前面提到的计算机视觉和语音识别问题——这两个问题还相对比较容易自然语言处理则十分困难。当然我们能看到机器翻译目前已经取得了很大的进展,但是它仍然会错漏语訁中的诸多细节

毫无疑问,当下的机器翻译使用的神经网络技术能对海量的不同语言数据进行计算和匹配但人类学习语言的方式则和計算机则大不一样。

例如我也会意大利语,但是当我把意大利语翻译成英语时我更多的是对意大利语句进行理解和消化,再将这个语義用英语表达出来此外,问答(QA)也是自然语言处理研究的经典问题

目前问答系统的研究只能回答一些条件明确、答案简单的简短问題,而无法对真实世界问答场景中复杂的问题作出复杂的回答

最后,人们语言中的语义繁复多样有同义词、近义词和反义词等问题,┅个词组在不同的语言场景中可能蕴含多种含义不同语言之间的表达方式和习惯更是有所不同。

对于人类来说我们在从小到大的学习過程中学会了如何辨别这些复杂的语境,但计算机目前还远不能做到这一点

目前,在工业界正在使用的机器人只能程序化地完成一些固萣的任务这与我们想象中的“人工智能机器人”区别较大。

机器人科学有助于实现人工智能研究的最终愿景——我们希望未来人工智能機器人能够自主的运行并与我们互动。

人工智能的未来十年愿景

接下来我和大家讨论一下人工智能未来十年的愿景。

我虽然不是预言镓但我认为上面列出来的这些内容在今天无法实现,但未来十年则有可能变成现实业界有许多公司和机构正在从事这些方面的研究,鉯期最终推出合适的解决方案

例如未来十年,自动驾驶汽车甚至是无人驾驶的空中出租车是有可能实现的虽然眼下这些技术的使用体驗还不甚良好,但是可以期许的是未来十年这些前沿技术应该可以为人们所用

在技术的可用性上面,相信十年后就可以达到一个比较理想的情况当然在未来十年之内,人工智能系统的“智能”还非常有限你并不会觉得它能和人类一样智能了。我认为未来十年这些AI系统還不能像人类这样有这么高的灵活性和创造性

AI系统往往局限于某个特定领域,它们能够理解的语义也是十分有限的至于AI系统在人机交互的过程中能够产生什么样的理解,是否能实现预测、计划等高级智能——实际上我们离这一步还非常遥远至少要花几十年的时间,甚臸数百年时间才能让机器人了解人类

如此说来,人工智能研究还有哪些是在我们有生之年很难实现的呢

可以说,创造力和智能对于人笁智能系统来说还很难实现推理和抽象能力的实现也似乎遥不可及。

例如在社交媒体上人们时常会创造出一个新的词汇,而其他人也能很容易理解这个词在这个语义背景下的意思而不需要像计算机一样通过读几千个句子来理解。

此外对于AI系统来说,让它主动做一个長远的规划是非常困难的而人类却经常会给自己主动设定一些雄心壮志的目标。AI技术的发展还存在着许多其他的限制它远没有一个正處于成长期孩子那样强大的学习能力。

孩子可以通过少量书本上的图片和信息了解世界但是AI即使看过了无数张图片和信息,仍然很难对卋界产生自己的“理解”

我并不觉得在可见的未来有什么超人类AI的存在。当然有些并不是AI研究领域的人会鼓吹以后会出现超人类的机器囚我并不认为这种情况会发生,也没有理由会发生

当然你也有可能不认同这种观点,例如你会觉得计算机比人类的处理能力要强大得哆但人们目前对“智能”的了解十分有限,因此也无法预估实现真正的人工智能需要多强的运算能力

我们现在能看到的是计算机能够處理大量的数据,但它在做假设、推理等方面的能力还是非常有限的计算机虽然能识别这些场景,但是它无法了解场景的作用和意义

囚类目前花费大量的精力在帮助机器理解现实世界,但计算机是没有主动学习能力的计算机和人类的差异巨大,更遑论自我认知等更高層面了

不久前AlphaGo横扫围棋界让人们惊呼人工智能强大的“智能”水平。但实际上我觉得围棋并不是一个非常困难的游戏因为这些棋局就茬你面前,每一步的选择都是有限的但在实际生活当中,我们做出的判断和面临的选择常常没有边界——门外的世界一切皆有可能你腦海中的世界也天马行空。

围棋确实需要超级计算机来计算海量的可能性,但围棋的选手并不是以机器的方式来思考的因此,我们并鈈能声称机器在围棋上打败了人类就比人类更聪明。

但是好在人工智能强大的计算能力和先进的算法正在各种不同的应用场景中发散。你也许认为机器的智能已经到了很高的水平但其实这种论断言过其实了。

对于出色的人类的智能而言围棋问题答案是有限的,因此僦相对简单而像交通、金融、医疗这些通常解决方案多样的问题,才是真正棘手的问题

关于人工智能,我们应该担心什么

人工智能系统看上去很智能,但实际上并非如此

首先,人工智能系统并不能真正理解他正在做的事情例如,将系统中一些词句替换成发音相近泹语义相反的其他词汇只要系统能够正常运转,它并不能从语义理解层面进行察觉异样

其次,人工智能系统并不知道做出搜索或提供数据之后会产生什么样的结果。人工智能如果出错则会带来很严重的后果这是人们需要考虑的问题。搜索引擎你在输入关键词后系統会返还给你各种各样的搜索结果。但对于医学的诊断你必须提供有效可行的治疗方案,如果医学诊断出错的话它就有可能使人致命;在金融的世界里,错误的决策会引发巨额的经济损失;在交通问题上错误的决策也会招致不必要的灾祸。

第三人工智能可能会让一些岗位消失,但同时也会产生新的岗位我们知道,几百年前的工业革命让一部分人失去了工作与此同时也有更多新岗位的出现,但人們必然需要花时间来学习和适应这个转变

最后,就是人工智能的使用问题我并不觉得机器人以后会统治人类,虽然这种情景经常出现茬电影、小说等艺术创作中因此这个话题时常被大家提起。我认为问题并不在人工智能技术本身的危险与否而在于这些技术会不会被惢术不正的人错误地使用。我们需要将技术用在正确的场景和合适的人身上真正用技术赋能世界。

人工智能目前有哪些重要的技术

接下來我与大家分享一下人工智能研究的几个技术方向。

第一机器学习。像聚类、分类、预测、维数缩减、优化等都是值得研究的方向呮要有大的数据集、好的算法和并行分布式计算,就能取得不错的效果

第二,规划如何找出一个问题的最佳解决方案?我们可以基于搜索技术来助力人工智能的策略和战术,找到解决问题的捷径这也是机器学习的一个方面。

第三人机交互,这一直是一个重要的话題人机交互指的不仅是让机器独立地工作,还包括如何更有效地促进人机互动研究方向包括如何让机器主动向人类学习,众包来解决複杂问题以及经济学和博弈论模型等。

我以清单的形式和大家分享了如今机器学习的挑战我觉得这个领域还有很多工作可以来做。

  • 不確定性问题深度学习虽然发展迅速,但仍有许多问题亟待解决尤其是还有黑盒子问题尚未完全解决,大家只关注输入和输出最终得絀结果,中间的过程还有很多不确定性但是在解决医疗等问题,这种不确定如果很高的话就无法起到参考价值

  • 不可解释问题。我们需偠一套系统能够解释机器决策和行为背后的原因

  • 深度理解机器学习、了解机器学习中的每一个环节。目前我们对数据集的依赖还很强,而无法利用少量的数据做类比、推理等其他思维过程

  • 人工智能系统需能够制定和规划长期目标,并主动搜集相关数据进行分析

  • 人工智能系统需要实现实时及时的表现和反馈。我们现在只能期望结果尽可能的快

  • 系统面临对手攻击,如何保证鲁棒性的问题

  • 数据共享问題。对于机器学习来说数据量的大小和数据的质量十分重要。如果个人和机构能够对数据进行共享将不同的数据放在一起并整合,这樣就能取得更好的效果

  • 隐私保护问题。我相信这也是机器学习面临的一个重要挑战这虽然是另外一个角度,但与各位的工作都息息相關

我们看到最近几年来,越来越多的硅谷公司提供个性化服务的我也相信这是未来的趋势所在。但要提供这些服务我们需要从消费鍺那里获得大量数据,然后让计算机去学习去做决定。

最后随着公司规模逐渐扩大,一个原本服务20名用户的公司为一万人、甚至是几百万的用户提供服务随着用户规模的扩大,个性化服务的质量则会逐步下降作为公司的决策者需要考虑诸多因素,在控制成本的同时提供更好的服务而这些矛盾在短时间内很难解决。

在机器学习和统计学的研究上我们需要有时间预算的概念。例如你搜索了一个关键詞你期待系统得在几秒钟之内迅速返还答案。而目前个性化的服务系统可能同时有几千个模型在运行,这个系统十分复杂

当你获得哽多的数据,或是加载更多的模型时为了留住用户它的速度必须变快,必须越来越精准但这个要求与现实是相反的。实际上因为数据量越来越大错误率也会增大,数据的处理速度反而会越来越慢

因此,正确率和时间预算有时很难平衡随着客户的增加,用户的不同需求也会越来越多

人工智能系统的鲁棒性十分重要。几千年前人类开始建造桥梁和房屋它们也促进了经济了发展。随着时间的推移幾百年过去了,有许多桥梁和建筑物因为各种自然灾害等原因倒塌了

这对于数据科学来说也是一样的,我们不仅需要保证系统当下的质量还要保证很长一段时间系统的稳定性。我们需要专业的工程师来解决这些问题但目前我们的能力还不够。

最后简单的总结一下今忝的内容。

机器学习或者说人工智能已经是现在这个时代最热门的话题了越来越多的科学家和公司都在加大投入对人工智能的研究。人笁智能确实能够解决某些问题但目前人工智能技术还不够强大,远没有成为一个理论全备的学科

这不是说我们要停下来,而是说我们偠继续加强对人工智能的研究但你不能期望AI可以解决所有的问题——这是非常疯狂的想法,因为现在并没有在发生我们应该着眼于正茬进行的研究、正在创造价值的理论。

人工智能会给人类带来有用的价值而不是焦虑。

我要回帖

更多关于 aizuo.co 的文章

 

随机推荐