首页 > 智能 > 正文

芯片、算法、算力、数据、云等人工智能技术创新的基本元素正在揭开

2019-03-20 09:58:40来源:三思派  

在业界的持续关注下,芯片、算法、算力、数据、云等人工智能技术创新的基本元素正在揭开人工智能技术的经济和社会应用新篇章,风险、安全等

在业界的持续关注下,芯片、算法、算力、数据、云等人工智能技术创新的基本元素正在揭开人工智能技术的经济和社会应用新篇章,风险、安全等关键词也随之成为热议对象。一场面向人工智能的大考正拉开序幕。上海市科学学研究所副研究员孟海华分析指出,当前人工智能领域的发展有七大关注点:一是人工智能芯片的终端市场机会;二是算法层面的神经网络互操作性的突破;三是算力的巨大需求;四是人工合成数据;五是应用领域的协同发展;六是人才问题的再认识;七是潜在的社会风险。

芯片、算法、算力和数据蕴含机遇

孟海华认为,人工智能芯片的云端市场已被英伟达(Nvidia)、谷歌等巨头瓜分殆尽,创业公司生存空间几乎消失,而人工智能芯片的终端市场被更多芯片厂商所关注,更多的AI芯片厂商瞄准场景来应用自己的人工智能芯片。比如,国芯发布全新芯片GX8010——搭载NPU的物联网人工智能芯片,它将为各种物联网产品赋能。

AWS,Facebook和Microsoft合作构建了开放式神经网络交换(ONNX),使得经过调试的神经网络模型向其他框架移植成为可能。目前,已经有阿里云、百度云、英伟达等一批公司加入到ONNX之中。

在人工智能应用推动数据存储呈现指数增长的背景下,需要重新估计与数据训练相匹配的新的体系结构和数据管理技术相匹配的计算资源。全球知名的IT研究与顾问咨询公司高德纳(Gartner)预测,2019年到2021年,全球人工智能处理器收入将增长3倍;到2023年,人工智能需求的计算资源将比2018年增加5倍。

上海浦东改革与发展研究院副院长徐建博士认为,与过去不同的是,当前这一轮人工智能大发展是由产业界而非学术界率先启动并驱动。背后的逻辑值得玩味,也即资本加持下的科技加速突破。正是资本趋利逻辑和科学探索逻辑的结合,造就了现今人工智能全面开花、蓬勃发展的景象,让我们几乎每一年都能看到人工智能从基础研究到应用示范再到伦理反思的新动向、新趋势,也推动了经济社会的全面新跨越。

人工智能需要大量的培训数据才能产生良好的应用效果。孟海华表示,人工合成数据有望满足中小企业海量数据需求。人工合成数据是从实际数据集中获取抽样数据,在此基础上拟合生成数据,或者是通过创建模拟场景,以合成完全新的数据。与真实世界的数据相比,合成的数据量可能更深、更宽。人工合成数据自动标注,精度更高。人工智能预培训可以利用合成数据进行,然后对真实世界的数据进行微调。人工合成数据可以规避知识产权、隐私伦理、敏感性等风险,有利于创建符合通用数据保护条例(GDPR)要求的数据集。

人工智能将在交通、医疗、教育、制造等领域深入推进

上海依图网络科技有限公司副总裁范婧艳认为,人工智能从视觉到听觉、语义理解、运动控制会在今后几年快速突破。多元AI技术的叠加,与各场景的深度结合,将解锁更多场景,赋能实体经济,提高产业效率。

孟海华预期,2019年的人工智能将在交通、医疗、教育、制造等领域深入推进、大显身手。交通方面,基于高性能GPU并行处理器,人工智能系统对路面机动车、非机动车、行人等所有目标进行深度分析,准确的提取更多的深度特征、检测/采集更多的深度信息、挖掘更多的深度价值,使交通管理和治安管控更加高效;医疗方面,通过计算机视觉技术对医疗影像进行快速读片和智能诊断,快速准确地标记特定异常结构来提高图像分析的效率,通过智能设备进行身体检测,血压、心电、脂肪率等多项健康指标便能快速检测,依托可穿戴设备和智能健康终端,持续监测用户生命体征,提前预测险情并处理;教育方面,人工智能将首先引发高等教育的变革,启动融合式教育模式,把通识教育、专业教育、行业教育和管理教育融合起来,把学习、实习、在岗训练、创业和未来发展融合起来,形成一种价值链创造和价值链共享,最后形成学、研、训、创、产高度融合的一种新型教育模式;制造方面,人工智能技术助力于制造业中自动化与柔性化生产的推行,从而促进工业机器人在高端制造业领域的广泛应用,对人工智能技术的要求更高更全面,市场空间更加巨大。

对人工智能应用的前景,云知声(上海)智能科技有限公司创新事业部总裁陈吉胜认为,人工智能从玩技术概念阶段转向拼场景、拼落地,是 2018 年 AI 行业里面非常重大的趋势。这种趋势会在2019 年进一步延续。AI行业发展依旧滚滚向前,不同是的泡沫将逐渐褪去,商业化会成为主旋律。

人工智能领域的人才观将被新认识颠覆

范婧艳指出,AI发展依赖三个资源要素:人才、市场(应用场景和技术迭代平台)和数据,服从“富者更富”的规律,头部效应明显。

Gartner建议大多数组织,应该集中精力雇佣熟悉经典机器学习方法,如回归、统计方面的数理人才,而不是那些拥有引人注目的深度学习工作经验资历,但是不擅长处理数据的人,因为了解事情的工作方式和原因比使用TensorFlow、PyTorch或Caffe等工具更重要。真正的人工智能人才应该对统计学习有深入了解,而不仅仅是一些使用或参与过神经网络项目的人。

提前关注个性化人工智能技术可能带来的社会风险

孟海华分析指出,防范风险一是注意人工智能个性化解决方案带来的安全风险,二是注意数据收集不完整、挖掘不充分带来的经济风险。在未来的社会,人工智能不是一种专门的技能,而是一种人人都可使用的工具,是解决问题的若干工具的重要组成部分。因此,人工智能可能不仅带来道德层面的问题,更多的是为城市社会运转埋下了安全隐患。但是,目前大多数的组织缺乏处理和应对人工智能威胁的能力,因此人工智能的安全风险会大幅度增加,甚至会引发社会问题。

人工智能自动化技术能够支撑普通公民成为该领域的专家,但是对于普通人来说,能够掌握的数据的量是非常有限的。虽然业务流程普遍实现智能化,但是数据的获取途径、处理充斥着个性化,这种碎片化的认识和分析,是滋生社会偏见的土壤。这种偏见蔓延到经济领域,会持续增加房产、贷款、股票、证券等领域的不稳定因素,而始作俑者会运用自己的身份或者成功经历,掩饰表面上的一种精确性,从而增加国家和社会的经济运行风险。

徐建表示,重大变革难免带来恐慌,这是人类面对未来巨大不确定性的本能反应。但无论任何,人工智能是人类的胜利,我们能做的无外乎是顺应、适应和调整,在这个过程中实现人类的新发展,这与人类历史上曾经的科技革命进程并没有本质上的差别。

推荐阅读