您当前的位置：首页 > 无限物联

互联网巨头为何都开始深挖人工智能？

2017-05-11 21:57:04

1、人工智能悄然兴起

“人工智能”涵盖了很多前沿技术和分支，却很难用1句话来定义，由于它1直处在发展当中。比如，1些在过去看来很“人工智能”的事情，现在却变成了简单的“机械重复”，像是数字的高速计算、图象的处理等。但整体上来看，“人工智能”的本质和目的1直没有产生太多变化，那就是“完成人类的部份脑力工作”。

20世纪60年代开始，就有许多科幻电影和科幻小说描写着人类对“人工智能”的向往和恐惧，比如此皮尔伯格的知名影片《人工智能》。不过在现实中，久长以来，遭到技术、科技发展和利用层面的限制，人工智能只是1件人人都在说，都以为他人在做，但事实上却没多少人知道该怎样做的事——不管在学术研究层面还是在利用层面都是如此。

人工智能曾在20世纪90年代互联网泡沫破裂前风行1时，到了21世纪伊始却变成了1个忌讳，大家开始怀疑它是不是存在。而到了2011年，美国资本市场再度为人工智能而疯狂。风险投资机构和顶级科技公司们开始频繁投资这个领域的创业公司，投资范围从利用层面的机器人、增强现实，到底层技术层面的深度学习算法、神经网络芯片等，人工智能项目也遍地开花。比如，Google接连投资了虚拟现实创业公司Magic Leap，收购了人工智能公司DeepMind；Facebook收购语音辨认公司Wit.ai，等等。

除投资外部团队以外，像IBM、Google、Facebook和百度等国内外科技巨头们也纷纭加强自己的人工智能方面的专业团队，招募了1批人工智能特别是深度学习相干领域的科学家，如深度学习鼻祖之1Geoffrey Hinton加入了Google，Yann LeCun加入了Facebook担负人工智能实验室负责人，Andrew Ng(吴恩达)加入百度负责深度学习研究院等。

2、驱动人工智能发展的内外动因

“人工智能”的再度兴起并不是偶然，外部环境和人工智能本身都在产生演变。我们认为，驱动人工智能领域发展到现在程度的外部动因有：

1.传感器能力和数量的大幅提升：LIGA等微电子技术的日益成熟，推动着传感器的能力有了质的奔腾，而大量智能装备的出现则进1步加速了传感器领域的繁华。这些延伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的条件之1。

2.计算本钱的大幅降落：摩尔定律使得计算本钱在迅速降落，同时云计算的出现、GPU的大范围利用使得集中化的数据计算能力变得史无前例得强大。大范围的的集中式计算使得人工智能的发展速度指数级加快。过去仅训练深度神经网络模型对某1物体的认知就要花费近1年时间，而现在这个时间被缩短到几天内。

3.海量数据的出现：根据预计，2015年全球产生的数据总量将到达10年前的20多倍。如此海量的数据给机器学习的提供了足够多的素材(但是需要注意的是，在其中真正有标注的数据不超过总量的10%)。

固然，更重要的驱动因素是内因——算法的进步。当下人工智能领域最早进、利用最广泛的核心技术是深度神经网络(深度学习)。而且，直到2006年，深度神经网络才得到快速发展，逐步成为人工智能领域的主流研究方向。

21世纪人工智能的里程碑事件之1是，2006年Geoffrey Hinton发表的论文《A fast learning algorithm for deep belief nets》。他在此文中提出的深层神经网络逐层训练的高效算法，让当时计算条件下的神经网络模型训练成了可能，同时通过深度神经网络模型得到的优良的实验结果让人们开始重新关注人工智能。以后，深度神经网络模型成了人工智能领域的重要前沿阵地，深度学习算法模型也经历了1个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network, Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络(Convolutional Neural Network，CNN)更是成为图象辨认最炙手可热的算法模型。

目前，随着GPU和CPU集群的出现，云真个计算资源已渐渐不再是人工智能的发展瓶颈。而人工智能算法模型的进1步丰富和改进和本地化人工智能的实现成了人工智能新的主要发展方向。

3、人工智能的3步走

从人工智能的全部发展历程来看，依照利用场景和人工智能资源的集中度，可以大致分成3个阶段。

第1阶段：实验室研究阶段，这1阶段的人工智能资源高度集中。人工智能在2011年前的发展大致还处于实证研究阶段，资源高度集中在国家或大学资助的研究机构中，用于算法模型的训练和研究，人工智能还只能为极少数人接触到。这1阶段大量的工作除在算法模型本身的研究外，还包括建立计算能力本身。

第2阶段：企业利用阶段，这1阶段的人工智能资源被少部份科技巨头掌握。在人工智能表现出1定的实际利用价值后，科技巨头们1拥而上，纷纭希望在这个领域获得突破。在少部份核心企业掌握了大范围的人工智能资源以后，其它小范围的企业1般会利用这些核心企业提供的人工智能资源接口和其支持的人工智能利用为本身的发展提供服务。由于掌握大范围的计算资源是这1模式的条件，因此这1阶段人工智能资源的集中度依然非常高，而这将是人工智能在企业场景下的主要利用情势，即集中计算，散布使用。

第3步：个人利用阶段，这1阶段的人工智能资源被分散到个人手中。明显，依赖于云端大范围计算资源的人工智能算法限制着人工智能在消费者场景的利用，由于集中式计算意味着巨量的网络资源消耗，并且由于网络问题，难以在消费者利用场景中有稳定的表现。因此，人工智能的本地化，也就是从集中走向散布(细化到智能手机、可穿着装备等)实现将是人工智能在消费者场景中得到普及的关键1步。伴随着人工智能的本地化实现，将使得人工智能真正延展得手持装备、家用电器、汽车等消费级利用。

人工智能本地化实现的难点在于本地的计算能力在如今动辄几个G的算法模型眼前无济于事、无能为力。1部iPhone 6手机采取1般的CNN算法去处理1张200*200像素图象的ImageNet千分类问题需要的时间是300毫秒，但这样的处理速度对用户体验来讲是灾害性的。要提高本地的图象辨认处理速度，目前能够想到的途径有3条：1是精简算法模型，根据实际的场景适配需要的精度，让模型尽量简化，2是提升CPU的计算能力。目前的智能手机CPU已在20nm制程以下，依照传统线路，CPU提升的极限可能在7⑴0nm，这其实非常有限。而且，大功耗也是1般移动装备难以承受的，因此只有为人工智能算法模型重新开发专门的芯片才有可能满足本地的计算要求。

从这个角度来看，人工智能在消费者场景实现的关键是对算法模型优化和用户场景的综公道解，和底层硬件的设计制造。而人工智能的企业利用则会是巨头们的游戏。

4、人工智能的产业生态

人工智能产业主要由底层可利用技术(图象辨认、语音辨认、自然语言处理、硬件技术等)、计算资源(大范围GPU集群)、基础数据服务，和企业/政府/消费者利用组成。遵守产业的1般发展规律，人工智能的发展路径依然是从底层可利用技术的成熟开始，再到商业化计算资源、数据服务等基础设施的完善，最后构成企业和消费者利用的繁华。

目前还是人工智能的初期阶段，我们需要关注的是3方面的发展：1方面是底层可利用技术的突破，包括算法的和硬件的；另外一方面是中间的数据服务和计算资源利用的进步；最后也是最重要的是，基于现有技术的利用场景的发掘。其中，底层技术不1定是“独门秘技”，能够把底层技术商业化的公司1定是由于本身的本钱曲线优于大部份用户的本钱曲线。如果不满足这个特性，那末某些企业即便有短暂的技术领先，最后都难以实现大范围商业化。

5、风起于青萍之末

乍看上去，人工智能是个巨头间的游戏，巨头企业不管从资本、人材还是技术积累上仿佛都更有优势。但是事实未必如此。如果以汽车行业做类比，汽车电动化的先驱并不是宝马、大众这样的传统汽车巨头，而是特斯拉这样的“小”公司。这其中的缘由在于，大公司面对创新变革时，常常看不上小机会，由于小机会对它们的吸引力实在太小了。巨头们常常喜欢憋大招，喜欢1步到位，从而完全甩开竞争对手。但是创新、特别是针对大众消费者的创新却是按部就班的，所谓“大招”中其实包括着很多对用户需求的毛病假定。小步快跑，不断寻求和用户互动，积跬步终能致千里。因此，创业公司在人工智能的创新变革中反而会更有机会。从Google和Yahoo在搜索领域，到Facebook和MySpace在社交领域，再到Apple和Nokia在手机领域，终究变革的主导气力其实都是“小”公司。

基于这个方向判断，有志于在人工智能领域挑战巨头的创业者们需要先想清楚3件事：

1、人工智能改变了甚么。伟大的产品或技术1定是改变了消费者在某些场景下的行动，有无都1样的产品，很难给消费者使用它的理由。人工智能相干产品核心是要能够替换1部份人的功能或提高人的效力，那末在这个大条件下要斟酌两个小问题，第1个是，产品对应的用户场景下人的参与频次高不高，频次决定了这个产品的天花板。第2个是，这个利用场景下替换掉的人的价值有多大，明显替换掉的这部份价值转化成了产品的内在价值。最后无妨做1个乘法，把产品所替换的工作／操作的频次乘以每次工作／操作能够产生的价值，这个乘积越大说明人工智能在该利用场景中发挥的作用越大。

2、该方向上的人工智能是不是能够实现。人工智能的许多技术都还没到非常成熟的地步。之条件到，创业者的优势在于小步快跑，因此在人工智能还不成熟的领域，1味寻求技术上的突破来解决所有问题其实不可取。没法解决1个通用处景就从几个专门的场景先入手，没法做出1个“万能”的产品无妨先做出1个可以用的产品。只有用户使用了产品并给予反馈，才可能真正知道自己产品的缺点和下1步的方向。

3、人工智能能否成为该产品的核心竞争力。核心竞争力是1个产品的拳头，如果拳头不硬，这个产品无疑打开不了市场。因此产品的核心竞争力如果是人工智能，那末该方面的人工智能必须是完善适用于该特定场景的。如果产品倚重的是还存在很多瑕疵的人工智能技术，那末这个产品本身的被接受程度就会很不理想。但不要笼统地认为人工智能技术的某些局限会成为产品的绊脚石。以特斯拉电动车为例：电池性能至今还在很多方面限制着电动车的表现，仍然有很多用户青睐特斯拉，缘由是特斯拉的核心竞争力在于它出色的启动、智能化的驾驶体验和简易的保护，电池虽然是1个短板但不是核心功能。因此，关键依然在于定义自己的核心竞争力，并确保在核心竞争力上的技术是经得起斟酌的。

人工智能已走出了象牙塔，在企业和消费者真个利用有了明显进步。但这依然不够。如何让消费者手中的装备具有尽量多的处理能力，需要技术和利用的双端突破，这也正是人工智能领域创业公司的机会和任务所在——人工智能之风，在未来会起于青萍之末。

TAG：