年终盘点:这一年,人工智能在争议中前行
2018年,人工智能告别噪音,投融资市场逐渐平静,基础技术研发继续推进。从食物、衣服、住房和交通到教育和医疗,人工智能全方位地改变了生活的面貌。
最近,由斯坦福大学和来自麻省理工学院、开放教育学院、哈佛大学、麦肯锡等机构的专家和教授联合发布的人工智能指数年度报告发布了。报告显示,美国仍然是人工智能领域无可争议的王者,但中国的人工智能技术正在学术界和工业界以极快的速度迎头赶上。报告中有几个惊人的数字:与2000年相比,2016年中国人工智能学者发表的论文数量增加了44%。去年清华大学学习人工智能和机器学习的学生人数是2010年的16倍。
更多尖端的技术突破,更广泛的应用场景和更充足的人员准备,当热潮逐渐消退,这个一直在赌未来的行业,仍然承载着对未来世界最广阔的想象。
推动底层技术,让机器更智能
让机器像人类一样思考、感受和了解世界是人工智能科学家追求的最终目标。为了实现这一目标,他们提出了各种技术方案来训练机器,而这一基础技术的进步也是人工智能技术进步的基础。
今年4月,阿里巴巴的人机自然交互实验室与达摩研究所机器智能技术实验室和浙江大学推出的人工智能阿里伍德(Aliwood)合作,在研发过程中引入了“情感计算”能力,并为视频配乐建立了情感模型。
情感计算是为了让机器“具有人类情感”。它指的是情绪的计算、情绪的产生和情绪的影响。麻省理工学院媒体实验室的数据显示,计算机在面部表情识别方面已经超过了人类。在真实微笑和苦笑实验中,机器学习的成功率为92%,远远优于人类。然而,尽管情感计算已经渗透到我们的生活中,但让机器人更好地理解你并不容易。这也需要在人机交互、心理学、认知等许多领域的共同努力。
类大脑智能以计算建模为手段,受大脑结构和机制以及认知行为机制的启发,试图通过软硬件协同来实现机器智能。简而言之,科学家希望机器能像人类一样感知和探索世界。类脑智能系统在信息处理机制上是“类脑”,在认知行为和智能水平上是“类人”。目标是使机器能够实现人类所拥有的各种认知能力及其合作机制,最终达到或超过人类的智力水平。目前,对类脑计算的研究还处于探索的初级阶段。清华大学类脑计算研究中心开发了具有自主知识产权的类脑计算芯片和软件工具链。中国科学院自动化研究所开发了一个类似大脑的认知引擎平台,能够模拟哺乳动物的大脑。它在智能机器人上实现了多感官融合、类大脑学习和决策等应用,也是世界上第一个通过类大脑镜像测试的机器人。每个人都期待着未来类大脑智能研究的突破。
继续提高标准,引导行业发展
由于上汤科技正式支持在智能视觉国家建设新一代人工智能开放创新平台,该人工智能国家团队正式集结了五名成员:依托百度公司建设自主的全国人工智能开放创新平台,依托阿里云公司建设城市脑全国人工智能开放创新平台,依托腾讯公司建设医学影像全国人工智能开放创新平台,依托HKUST迅飞公司建设智能语音全国人工智能开放创新平台,以及新增上汤科技。这一系列人工智能开放平台可以降低相关小企业进入市场的技术壁垒,聚集优秀的技术力量,共同开发和优化人工智能产业生态。
标准化是人工智能发展的基础和前提。一旦标准缺失,人工智能的发展和应用就会变得混乱。虽然我国在一些领域已经有了一定的标准化基础,但是标准化程度不够,分散的标准化工作不足以支撑整个人工智能领域的发展。
今年早些时候,在全国人工智能标准化总小组和专家咨询小组的首次会议上,发布了人工智能标准化白皮书(2018年版)(以下简称“白皮书”)。据中广金桥投资合作伙伴、品友网创始人罗浩源介绍,白皮书的核心内容包括基础标准、平台/支撑标准、关键技术标准、产品和服务标准、应用标准和安全/伦理标准等六个部分,基本连接了人工智能产业的整个链条。
随着人工智能的深入发展,标准化工作会变得越来越复杂,不仅标准化对象会变得越来越复杂,而且以往标准化工作中从未出现的交叉和融合也会给人工智能标准化带来巨大的挑战。目前,人工智能标准化体系建设相对滞后的影响已经显现。例如,目前最热门的智能家电都有自己的应用程序。协议不兼容,并且很难跨品牌互连。明确的标准、可执行的国家标准和行业标准能够引导人工智能在我国持续健康发展。
深入日常生活,解决广泛的需求。
"母猪杜洛克C7259,未怀孕,请在12小时内安排再次繁殖!"不久,这种提醒将出现在中国一些养猪场工人的电脑上。最近,ariyun透露了一个数据显示,他的工程师正在与猪科学家合作开发算法,可以确定母猪是否怀孕,以增加养猪场的小猪数量。除了监控母猪是否怀孕,人工智能还可以服务于农业智能生产系统,检测农作物病虫害,对农产品进行无损检测等。,并在农业领域做出巨大贡献。
听起来不可思议,但是人工智能技术带来的变化确实发生在各种意想不到的领域。例如,拉夫堡大学和切尔西足球俱乐部的研究人员联合开发了人工智能教练和球探系统。该系统可以收集和分析球员最近几个赛季的数据,对球员进行建模和科学训练,如根据球员的特点制定赛前战术,赛后重新制定战术。人工智能人力资源也出现了,并在求职中发挥了作用。
人工智能使一些处于技术边缘的人能够享受到技术进步带来的好处,这些好处是“可见和有形的”。例如,专门为盲人开发的人工智能辅助视觉系统“视觉人工智能”,就是由可佩戴眼镜和智能应用程序组成的系统。基于微软智能云的视觉识别和自然语言处理技术,可以识别摄像头捕捉到的场景,如“一个穿红衣服的女孩在踢足球”和“一个男孩在练习滑板”。看到人工智能的目标是帮助全世界2.85亿视障人士过上无障碍的生活。
技术必须考虑和解决广泛的需求,包括老年人、残疾人、缺乏机会等。人工智能和公共福利之间的“跨界合作”正在激发更多有益于社会的创新,让更多的人受益于技术进步。
人工智能+医疗或最佳着陆场
今年,腾讯推出了其产品“腾讯图像搜索”,将人工智能技术应用到医疗领域。据报道,截至7月,“腾讯影像搜索”已帮助医生阅读了1亿多张医学影像,为90多万名患者提供服务,并提示了13万例高危病变。
人工智能投资巨大,新产品层出不穷,已成为医学领域最有前途的应用之一。普华永道(PricewaterhouseCoopers)去年10月发布的全球人工智能报告分析了人工智能技术的发展对各大行业的影响,认为医疗卫生和生物制药行业受到的影响最大。从最初为患者回答问题、初步分诊、提供治疗程序等信息的“晨间医生”,到以456分通过临床医师考试的HKUST迅飞“智能医疗助手”机器人,再到“醒目”肺结节等图像识别系统的应用,人工智能给传统医学带来了巨大的想象空间。
尤其是人工智能在新药研发中的价值,给这个昂贵且通常无效的行业带来了希望。目前,全球近100家初创企业一直在探索开发新药的人工智能方法。可以预见,人工智能技术对传统技术的改进以及由此引发的新药研发技术将大大缩短新药研发周期,降低研发成本,显著提高药物研发成功率。
然而,业内专家也纷纷表示,我们离真正的“人工智能+医疗”还很远。即使人工智能的诊断和治疗能否实现也需要一个问号。有许多障碍需要克服,如医学信息提取、医学数据等。
然而,它可以为患者提供初步的诊断和治疗意见,为医生提供科学的决策建议,并在手术台上进行复杂的外科手术……人工智能在医学领域的坚实进展已经开始了重建医疗系统的尝试。
论文数量激增,研发能力提高。
就论文而言,中国人工智能科学家已经成为这种智力输出的主力军。根据人工智能指数年报,从2007年到2017年,中国每年发表的人工智能论文数量增加了150%。基于Scopus(一个同行评议的论文数据库)的数据,2018年发表人工智能论文最多的地区是欧洲(28%)、中国(25%)和美国(17%)。从市场表现来看,以英美烟草为代表的中国企业的R&D能力正在快速提升。
从知识产权的角度来看,中国人工智能专利的申请数量也是喜人的。据《2018年人工智能产业创新智能白皮书》统计,目前全球人工智能专利申请集中在中国、美国和日本,专利申请分别为99,264、48,870和31,158件。中国在人工智能专利申请数量上一直排名第一。
中国YC首席执行官刘淇曾表示,人工智能在中国的优势是人才众多、市场发展迅速、政策环境友好有利,其中结构性优势尤为突出。13.8亿人、11亿部智能手机、2亿辆汽车和200多家汽车制造商带来的海量数据为人工智能的创新和发展提供了决定性的支持。“尽管美国在高端技术和人才方面仍处于领先地位,但中美之间的距离越来越短。”
在过去十年左右的时间里,中国的互联网创新主要集中在模式创新上。然而,在这一轮人工智能竞争中,底层技术的创新越来越受到关注,一些有前途的科技初创公司如零点、上汤和师旷等纷纷涌现,成为行业领导者。
然而,在繁荣的背后,中国的人工智能产业仍然侧重于应用技术而忽视基础理论,基础技术积累薄弱。商业应用的路径尚不明确,商业登陆的痛点突出,近期难以实现实际商业价值。从基础水平、技术水平到应用水平,人才严重短缺。如果我们想稳步前进,我们仍然需要迎头赶上。
人机大战继续
人工智能的出现离不开围棋之战。这种人与机器的较量不仅引起了人们的关注,使人工智能成为热点,而且以最流行的方式普及了人工智能技术的现状和应用。今年,人机大战仍然令人兴奋。关于人和机器哪个更好的问题,总是立刻点燃公众舆论,就像发誓要在每个领域竞争一样。
写作可能是人类最自负的“山顶”,但人工智能也不会放弃它。写诗包括微软的“小冰”,写文案包括“莎士比亚”。这款人工智能是专门为撰写商业文案而设计的,它可以在一秒钟内完成1000篇文案,声称可以解雇编辑。该系统基于平台本身在商品标签和搜索数据库层面积累的大数据。它从句子层面执行结构分析、训练模型和语言生成,从而在一秒钟内生成数千份拷贝。系统还可以根据用户对文本的选择来优化机器算法。然而,网站编辑不应该恐慌。目前,人工智能协作还很初级。它需要人工干预,并且受到特定场景的限制。
引发讨论的另一场人机战争来自游戏领域。由马斯克创建的人工智能非盈利组织OpenAI宣布,由五个神经网络组成的OpenAI五人组已经能够组建一个5v5团队,在经典的格斗竞技游戏“刀塔2”中击败人类业余玩家团队。这一事件甚至被比尔·盖茨称为一个“里程碑”,因为“开放五号”展示了与人类相似的长期规划和团队合作能力,以及极高的智能决策能力。
游戏人工智能涉及推理和决策等认知智能,这也是研究人员热衷于这项研究的原因。然而,相关研究人员也表示,现实认知智能中仍有许多问题没有解决,如推理过程的表示、决策优化算法,以及如何使人工智能用更少的计算实现更好的推理,使人工智能更快地消化和吸收学习。因此,在这个阶段,人类真的不需要担心机器的威胁。人工智能在认知智能方面还有很长的路要走。
关注悬而未决的伦理纠纷行业规范
随着人工智能的迅速发展,出现了越来越多的相关“噪音”,如数据隐私、人工智能偏差、人工智能反叛等...相关话题引发了多次讨论,甚至恐慌。人们开始问:人工智能是不是太强大了?会失控吗?
麻省理工学院媒体实验室曾经生产了一种叫做诺曼的“黑暗人工智能”,它可以用消极的想法来解释它看到的图片。该团队希望通过诺曼的表现提醒世界,用于教授或训练机器学习算法的数据将对人工智能的行为产生重大影响。
但事实上,当人们谈论人工智能算法的偏见和不公平时,罪魁祸首往往不是算法本身,而是有偏见的数据。
偏见、刻板印象和歧视是人类社会的慢性病,已经渗透到社会结构中。在这种背景下生成的数据包含大量复杂、难以定义和混合的观点。如果研究人员没有意识到或开始处理这个问题,机器学习的偏见几乎是不可解决的。真正的“正义算法”可能不存在。然而,通过标签的正确校准以及数据的平衡和可靠性,机器偏差、误差甚至失控的可能性将相应减少。此外,研究人员还应该着手建立一个预防机制,从道德约束和技术标准的角度干预人工智能的价值。
另一个重要的担忧来自隐私。与人工智能的偏见或失控相比,人类对隐私的担忧更加真实和理智。毕竟,我们的日常饮食、生活和旅行已经完全数字化,与之相关的隐私暴露风险也呈指数级增长。
目前,人脸识别正逐步引入国内领域,从消费电子到安全、数字金融等领域。特别是随着“刷面支付”的流行,用户的身份信息,如姓名、性别、年龄、职业,甚至用户在不同情况下的情绪都被机器收集。如果这些信息没有被妥善保存和泄露,用户的个人信息将处于“裸奔”状态。保护公民个人信息安全需要管理者、相关行业企业和公民的共同努力。目前,在人脸识别技术领域,我国还没有相应的安全监管机制。要及早规划,完善法律法规,提高存储设备的应用水平和安全水平,增强网络安全和信息保护意识,规范行业信息采集标准。(记者崔爽)