找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 116|回复: 1
收起左侧

[科教] 人工智能的冰与火之歌

[复制链接]

1215

主题

188

精华

3756

积分

神级会员

Rank: 7Rank: 7Rank: 7

积分
3756
发表于 2-16-2017 09:42 AM | 显示全部楼层 |阅读模式

亲!马上注册或者登录会查看更多内容!

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

余 凯 中国人工智能学会副秘书长,地平线机器人创始人兼 CEO,前百度研究院执行院长,曾领导百度深度学习研究院 (IDL)、多媒体技术部(语音、图像)等团队,并连续三次荣获公司最高荣誉——“百度最高奖”。

从 2006 年到 2016 年,我感触最深的是,这 10 年是深度学习的普及和推广期,其在很多应用中取得了突破性进展;但所有成果均为感知方面的应用,如图像识别、语音识别等。而从 2016 年开始,最大的不同是像AlphaGo和自动驾驶等人工智能系统,开始从感知过渡到决策;这些系统基于对这个世界的理解,从而主动优化它的决策机制。因此,从感知到决策是最大的变化,人工智能只有做决策才能真正改变世界。我认为在未来的 10 年里,怎么优化地去做决策是人工智能的重点课题。

下面,我就 2016 以来人工智能产业发展中的一些话题,谈谈自己的想法。

2016 年 AI 圈让人记忆深刻的事?

?(1)AI 计算硬件。英伟达的股票在一年时间内从 100 亿美金增长到 500 亿美金,震惊业界。背后的原因是处理器架构因为人工智能的需求正在被重新定义,Google也推出 TPU 来做 Inference。除此之外,包括地平线机器人在内的不少公司正朝着这个方向去探索。

?(2)算法层面。如生成式对抗网络等算法的突破性进展,使我们看到除了CNN、RNN、LSTM,技术还在不断推陈出新,让这个行业变得越来越有意思。

?(3)开源平台。在 2016 年,开源平台体系在不断成熟,如 TensorFlow、Caffe等,特别是由中国学生发起的 MXNet 成为亚马逊 AWS 官方训练平台这件事,很了不起。

?(4)AlphaGo 事件。改写了全社会从街头百姓到政治对人工智能的认知,实现了大家均认为不能实现的事情。

?(5)人才流动。Hinton 的得意门生、 CMU 副教授 Ruslan,最近也耐不住寂寞加入苹果,担任苹果人工智能研究总监。斯坦福大学李飞飞教授也加入了谷歌。

OPEN AI LAB 与嵌入式人工智能?历史上技术创新和商业模式的创新都是相伴相生的,我们也看到,开放总是会打败封闭,怎么打造良性的产业生态是我们非常关心的。因此最近地平线和 ARM、安创空间、全志联合成立 OPEN AI LAB,我们希望把技术向半导体厂商、开发者开放,大家一起去定义嵌入式人工智能的标准。

至于为何要做嵌入式人工智能?过去推动人工智能的核心要素可以概括为大数据、大计算、大平台,其在互联网和云端做人工智能的技术与服务。如果朝更远的方向看,我们会发现除了从云端部署人工智能,其实很多场景下急需在设备端部署人工智能,使这些设备具备环境感知、人机交互、决策控制的能力。以自动驾驶为例,如果有孩子横穿马路,当自动驾驶系统感知到之后,需要把信号传送到云端再做决策,假如当时网络不稳定的话,结果是不可想象的,因此我们需要本地计算去做实时决策。

创业公司做项目一定要选择大公司不大容易进入的维度,BAT 在数据、人才、资源、服务方面的势能,创业公司很难去挑战。但本地低功耗人工智能计算不是他们的强项,也不是他们的业务重点。另外我认为创业一定要选难度较大的事情去做,嵌入式人工智能需要把软硬件结合,并重新定义处理器架构,这是非常复杂的工程。这项任务虽然困难,但我认为只要达到这样的维度才能构建宽广的护城河。我们希望把嵌入式人工智能构建成一种开放生态,使其未来在端上产生很多创新,让意想不到的创新点在此发生:开放式生态可以把许多想法从一个创意变成产品,而这些想法和产品又会反哺地平线。

AI 团队的招聘心得在美国和百度时,招聘是我每天需要面对的事,因此我自身有着相当多的经验。另一方面,在地平线,我们也在积极吸引优秀人才的加入。吸引人才加入是一件很有挑战的事情,因为现在人工智能人才还是比较稀少,我们做的事情又比较难,而且又是一条长线征途,所以有些人不理解我们的方向,我们做的事情在他们看来是既小众又没那么容易变现的事。

我遇到一些从事人工智能算法的同学,他们有几年深度学习经验就迫不及待地想改变世界,所以不太愿意去做一些偏长线的事情,但他们没有意识到真正有价值的事情都是困难的事情、有壁垒的事情。所以我经常告诉他们创业是一场艰苦的修行,而不是一场 Party,如果艰苦的修行走下来,无论是在路上还是在山顶上,那种满足感和成就感都是无法比拟的。

当公司做的方向跟主流方向不一样时,这种情况下吸引来的人才是为难得和特殊的,因为他们是经过自己冷静思考来做事情,这批人往往是推动公司上下做一番事业的人才。地平线确实非常有幸,在很短的时间内招到了顶尖人才,包括算法、软件系统专家和硬件专家。我在百度时领导的团队平均年龄是 26 岁,而地平线工程师平均年龄是 32 岁。因为我们是非常偏技术的公司,确实需要非常资深的人加入。

对于一个商业公司来讲,算法人才和产品经理同等重要。这里我要强调一点,何为研究大牛?我认为研究大牛的特质是 “要有自己的思考和深厚的积累,他能够持续的创新”。其实能创造性地做出世界级成果的人是非常稀缺的。一个算法人才普遍学习过 1~3 年的深度学习,会用开源平台去训练模型,即使是这样的人也不多,而这些人更谈不上是研究大牛。所以我认为研究大牛是一种很稀缺的人才。当然, AI 产品经理也非常重要,因为他定义需求。如果造出来一个东西技术水平高,但不能解决实际问题,技术再高也没有实际价值。因此我们在创办一个商业公司,AI 产品经理也十分重要。

人工智能创业公司与未来发展?从目前来讲,绝大部分人工智能创业公司都是在基于 GPU 这样的计算平台和在基于Caffe、TensorFlow 这样的开源平台,用比较成熟的模型结构来训练,然后做一些解决性问题和 Demo,差异化确实不明显。基于现在的开源模式来做创新,在算法方面壁垒确实也不高。所以这就导致在一些标准问题里,各创业公司的效果都差不多,技术差距也并不大。这里面的核心原因之一就是中国人工智能原创性技术太少。

最近大家在说中国 AI 的人才、技术储备、研究、创新都有优势,这个观点我不太认同。实际上,国内学生在已经讨论出解决办法的情况下去做拿竞赛、刷分,这方面我们很擅长。但真正做出 AlpahGo 这样的创新,咱们还差些火候,而且国内也缺乏孵化这种创新的土壤。今年深度学习原创性的基础研究在大步向前发展,然而我几乎没看到哪些进步是国内产生的。

经过观察国内十几年的产业周期发现:以往多数项目均为 To C 产品,都是以产品创新和微创新为鲜明特征。中国没有经历通过技术创新为主的经济增长模式,而硅谷等地已经历过好几波技术创新,这在中国很少见。中国大部分投资机构和创业者,并不善于技术类投资以及做 To B 这种生意,所以大家还不太习惯对这类公司进行估值。我们一谈到投资和创业,永远面对新的产业方向,然而在面对新的产业方向即便是海外专业投资公司也不一定看得准,所以也能看到像投资 MagicLeap 这样的新型公司都是有争议的。

实际上,人工智能产业仍处于早期阶段,重大应用场景还在不断摸索,产出的确非常低。但如果回到“.com”时代,你会发现当时的商业模式也是探索了很长时间。资本市场确实有追逐短期回报的现象,所以明年下半年到后年,即便整个 AI 投资市场趋冷也并不奇怪。AI 行业与“.com”时代一样,即便是趋冷,但也不会影响到整体的趋势。因为 AI 确实在推动产业发展,实实在在创造价值,它不会进入一个万劫不复的寒冬。实事求是地说,如果按照投资机构的计算方法,AI 泡沫是一定存在的。AI 创业公司确实估值比较高,而且市场进展也并不尽如人意,但是到 2017 年或后年一定会有所变化。从长期趋势来看,适当泡沫纯属正常,就像啤酒有泡沫味道才更好,正是因为泡沫才让各公司都有机会去登上舞台。不论怎样,大家亮个嗓子,在舞台上唱一下。

最后,我想说,我对 2017 年充满了期待,希望未来人工智能处理器硬件行业会有大的突破;同时相关算法上继续持续创新;在某些应用场景上出现重大突破,如医疗、自动驾驶、智能家居等。

0

主题

0

精华

11

积分

新米人

Rank: 1

积分
11
发表于 2-16-2017 10:14 AM | 显示全部楼层
luluXin回帖支持!~~~
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表