我曾在过去几期会员通讯里多次指出,当下不同领域的人对于人工智能的理解是有偏差的,这种偏差并非简单意义上的对与错,而是缺乏一个对话频道,导致多数人自说自话。而在本期的会员通讯里,我会提供一系列围绕人工智能的多角度观点和思考,有从业者的反思、智能机器行业年度总结报告以及一篇颇具含金量的演讲。
创业者的反思
华盛顿大学人工智能博士徐宥曾在 Fitbit 负责机器学习,去年离职后参与到人工智能创业大潮中,他在 2016 年年底写了篇反思人工智能创业和投资的文章,他直言这个行业已经开始浮躁:
这一波的 “AI” 创业热潮,准确的说应该是“深度学习算法”创业潮…….而大量的创业公司都纷纷采用 .ai 做为域名后缀,实质上只是在“深度学习”这个子领域,解决一些特定的,以前只能靠人的智慧才能解决的问题。
就和 .com 时代一样,域名后缀的符号意义远大于实际意义。媒体,投资人和创业者都默默接受了 .ai 这个集体幻觉。总的来说,目前 AI 公司的井喷,是深度学习这项技术完成其技术扩散 (diffusion of innovations) 的体现。在 Google, Facebook 等技术领先企业的示范和大笔收购下,风险投资大量向 AI 倾斜。许多掌握机器学习和深度学习的人才,认识到深度学习可以用来解决一个具体的问题,也流动到创业公司开始创业。因为 AI 入门门槛很高,目前还是很容易从创业者的教育和工作经历来甄选到底一个公司做的是不是深度学习,还是挂羊头卖狗肉的。
其次,创业公司的真正机会在哪里?很多投资人在人工智能领域投资时会关注创始人的价值,比如早前蓝驰创投就在一篇分析报告中认为:
现在来看美国比中国还是领先不少,美国有4大名校:MIT、斯坦福、卡内基梅隆、纽约大学,还有Google、Facebook、MS这些大牛公司,培养了很多人才。在语音识别,图像处理等领域国际很多顶级专家都是华人。国内也有很多专家,行业薪资待遇越来越好,会吸引更多的优秀人才进来。这批人目前可能在百度、腾讯和阿里,将来可能加入创业大军(已经出现)。
然而摆在创业公司创始人面前的,还有产品方向的问题,徐宥提出他的思考:
AI 创业,还是要落实在深入解决一个非标准(不能拿标准的深度学习模型一套就能用)的问题上。只有在非标准的问题上,切实的了解用户需求才变成可能。标准的问题,如图像识别,自动驾驶,可以说,最终产品的亮点大家都差不多,因此人工智能也就不自动成为一个亮点。在非标准的问题上深耕,无形中就构建了两个护城河:1,竞争对手需要花时间了解这个问题之后才能提出解决方案和产品;2,你比竞争对手先收集许多解决这个领域特定问题的数据,因此在同一时间节点上,你的模型永远领先对手几个月。这就像微软的搜索引擎或许使用的模型很先进,但因为没有足够的数据因此质量永远落后 Google 几个月一样。
人工智能相关行业的发展汇总
从语义的角度来说,物联网、人工智能、机器学习、自动化其实没有任何真正含义,常将这些用于挂在嘴边的人也大多是外行人(比如,投资人),但在过去的 2016 年,上述四个领域还有一些值得关注的现象,尤其是一些可能会在 2017 年影响到技术行业发展的重要因素。
比如亚马逊的 Echo 和 Google Home;紧接着,VR、AR 以及 MR (Mix Reality)的持续火爆,尤其是 PokemonGo 引发的 AR 游戏热潮,而当 Google 的 AlphaGo 一举击败人类选手之后,人工智能、机器学习的热潮开始席卷全球;另一个战场上,Uber、百度、Google 又紧锣密鼓地争夺无人驾驶的未来话语权。
事实上,「物联网」这个词的外延也很大,从字面的角度来说,所谓物联网,是一些从前没有连接的物体被连接起来,比如过去我们会在书桌上使用笔记本,尽管笔记本是可以联网的,但书桌并没有联网,而物联网要做的,则是将这些传统意义上不具备智能属性、联网属性的物体连上互联网。
在 2016 年,物联网领域最有代表性的突破就是新一代交互模式的成熟,这就是基于声音的交互模式;但另一方面,物联网所遇到的挑战也非常大:Dyn 服务器被攻击导致 Twitter、Netflix 下线,再次引发了人们对于大量物联网设备接入网络后所面临安全风险的担忧;Google Nest 团队新产品难产,部分意义上也说明了这笔高达 32 亿美元的收购或许就是一个败笔;在可穿戴设备市场,Pebble 卖身 Fitbit,Android Wear 出货大户 Moto 360 无限期推迟新产品计划,只剩下 Apple Watch 苦苦支撑…..
下面这幅图以时间线的方式非常直观地展现了 2016 物联网领域的发展状况:
从硬件领域,以下这些事件影响深远:
- Nvidia 通过 GeForce GTX 1080、1070 继续统治 GPU 市场,这些图形处理器也加入了很多支持 VR 的特性;与此同时,Nvidia 还在机器学习领域和包括 Facebook、IBM 在内巨头公司建立合作,将其自身研发的 Tesla 图形处理器装备到这些公司的服务器上。
- 英特尔这年完成两笔重要收购:Nervana Systems 和 Movidius。接下来,英特尔计划通过整合上述收购,并结合自身的产品,比如 Altera、Phi、Xeon 处理器等产品,从而打包推出人工智能套件产品。
- 高通 390 亿美金收购了汽车芯片制造商 NXP (恩智浦半导体),而软银也在今年花费了 310 亿美元买下 ARM 公司,TDK 则用 13 亿美元将一个重要供应商 InvenSense 收入囊中;
- 9 月份的时候,Particle.io 与Google 云平台达成合作,将通过云端加速整个物联网的开发部署;
软件层面,语音交互之争还在另一个战场继续,三星买下了曾经一手缔造了苹果 Siri 的 Viv 团队;目前来看,语音交互呈现一超多强的局面,Alexa 继续领先,而 Google、Apple 与三星将争夺接下来的市场,这也会成为 2017 年最值得关注和期待的领域。
机器学习在过去的 2016 年迎来重大发展,这不仅包括 AlphaGo 历史性胜利,也还包括创纪录参会人数的 NIPS (神经网络研究大会),更重要的则是,围绕机器学习的大量创业公司的出现,也进一步推动了整个行业的发展。fnn这其中,深度学习毫无疑问赢得了几乎所有人的主力一,下面是 CB Insights 针对创业公司的梳理:
下面不妨来看看巨头们的动向:
- Google DeepMind:由 AlphaGo 引发的公众情绪一定程度上也加速了人工智能行业的发展。而在强化学习之外,DeepMind 还在其他领域取得突破:比如研发了 Differential Neural Computer (DNC),这是一种建立在神经网络概念上的计算机,通过结合深度学习模拟思考的方式,而不再局限在模式识别。另外,DeepMind 还在还在研究如何让小规模数据集条件下,进一步提升机器学习的训练效果。
- Google 大脑:就目前来看,Google 内部的人工智能项目也有两个团队,除了上文提到的 DeepMind,还有一支 Google 大脑。《纽约时报》年末用了大量篇幅报道了这个团队现在所做的事情,从中也可以基本归纳出Google 大脑和 DeepMind 的区别之处:Google 大脑更侧重于深度学习与 Google 自身产品的结合,比如在翻译产品方面的突破就得力于深度学习了;而 Deepmind 则在基础算法研发上保持优势。
- Facebook:在 Yann LeCun 的领导下,FB 人工智能实验室主要聚焦在卷集神经网络和图像处理方面。2016 年,FB 发布了一款名叫 Caffe2GO 的工具,这是一个可以让深度学习网络在移动设备上完成部署的工具。
- OpenAI:在 Elon Musk 的努力下,这家名叫 OpenAI 的非盈利人工智能研究公司终于成立了,这个机构背后还有包括 Reid Hoffman、Peter Thiel 等人。OpenAI 的研究者在 8 月份提出一个 infoGAN 的模型,这是一个基于海量数据、非监督性学习下的生成式模型。
- 微软:和 Google 一样,微软在机器学习领域布局甚广。今年主要的突破是在语音识别领域,2016 年 10 月,微软的研究人会员宣布其语音识别系统的准确性已经达到人类的水准。而大量与机器学习相关的产品模块也融入到微软 Azure 云端。
技术观察家的「警世恒言」
Maciej Cegłowski 的名声并不大,他的影响力更多的还是局限在程序员、极客的小圈子。从履历上说,他曾在雅虎做过程序员,同时开发了一款书签产品 Pinboard,同时也是一位画家和作家。在他的个人网站 idleword 上,有很多对科技发展睿智的思考,包括文章和演讲。比如这篇以人工智能为主旨的演讲。
Maciej Cegłowski 这篇演讲更多地站在技术伦理的层面,去探寻人工智能、智能机器所带来的各种影响——这并非杞人忧天,而是现实境况倒逼的选择。
1945 年的时候,随着一群美国物理学家准备测试原子弹,一些关于原子弹的疑问也开始增多,比如有人就质疑:「原子弹真的能在大气层里爆炸吗?」
这个问题并不愚蠢,因为构成大气的主要成分是氮,而氮是一种非常不稳定的元素。这就意味着物理学家们需要精确计算原子弹爆炸时的各种环境参数,既要保证能够完成爆炸,又要避免原子弹点火前出现任何偏差。
而在一系列精密计算之后,物理学家们给出一个答案——这个答案的公式对我们来说并无真正意义,但你我都清楚一件事:那就是人类能够活到现在,就是因为这一次的计算非常准确。
现在,人类遇到了另一个需要计算的「武器」——机器智能或人工智能。其实名字并不重要,重要的是这些技术将给人类的生活、工作带来重要影响。比如提升生产效率、比如让驾驶变得更安全,但另一方面也带来一系列隐患和担忧,就像当时人们对于原子弹的担忧一样——我们如何让新技术的发展不影响到人类生存?
英国牛津大学学者 Nick Bostrom 提出了一个思考框架,在他的畅销书《超级智能》[1]里,Nick Bostrom 进一步阐释了这个逻辑,用 Nick Bostrom「迷妹」Elon Musk 的话来总结:人工智能就是被召唤的恶魔。
仔细去看 Nick Bostrom 的分析框架,其实是有以下几个前提:
- 前提1:一些显而易见的重要证据
- 前提2:大脑是符合经典物理的存在
- 前提3:相信生物进化
- 前提4:相信计算能力的进化
- 前提5:当计算能力达到一定高度后,时间变得无足轻重,比如 AlphaGo 只需要几天的时间就能完成一个职业棋手几年才能熟练掌握的棋谱;
- 前提6:机器可循环的自我提升
如果你认同六个前提,那么一定程度上也可以接受 Bostrom 的观点,但更多的问题和争论也就此开始了……结合这几年不同行业、领域的疯狂反应,Cegłowski 特别指出了一点,也是我觉得最具洞察的一点:当下对人工智能的某种狂热就像一门新的宗教。他这样写道:
What it really is is a form of religion. People have called a belief in a technological Singularity the “nerd Apocalypse”, and it’s true.
It’s a clever hack, because instead of believing in God at the outset, you imagine yourself building an entity that is functionally identical with God. This way even committed atheists can rationalize their way into the comforts of faith.
The AI has all the attributes of God: it’s omnipotent, omniscient, and either benevolent (if you did your array bounds-checking right), or it is the Devil and you are at its mercy.
Like in any religion, there’s even a feeling of urgency. You have to act now! The fate of the world is in the balance!
And of course, they need money!
最后,让我们好好听听 Cegłowski 的这个精彩演讲吧:
- 我曾写过这本书的书评 人工智能毁灭人类?或是二十一世纪末日论的新变种 ↩