东方锐智—让教育更美好

当前位置:锐智首页 > 行业动态 > 正文
人工智能“过热”引发的思考
时间:2018-01-25 00:00:00 来源:网络 作者:博主原创

在过去的一年中,人工智能成为继大数据之后最为火热的词汇,一夜之间许多企业都在谈论人工智能,仿佛一时间人工智能从风口走向了“繁荣”。事实上,人工智能目前仍然处于起步阶段,由此也引发了人们对于人工智能发展过热的讨论。


那么面对发展过热这样一个问题,在我看来,目前一拥而上的人工智能公司也只是虚假的“繁荣”,部分企业并没有在这一方向上加大投入,实际上更多的是在借用概念行炒作之事,所以我认为过热并非真实情况,并且对于人工智能技术而言,在投入上还有不小的门槛,在一定程度上也对这一行业有挤出效应。


当然,我们要清醒的看到,对于人工智能的炒作已经有过热的趋势,人工智能正在变身成为无数不能的代言人。实际上人工智能远未达到神奇的地步,创新工场董事长兼首席执行官李开复曾公开表示,人工智能不是万能的,人类在很多情况下仍远远超过电脑。


在这一情况下,我们就更应该深入的去了解人工智能的过往,了解人工智能TOP企业正在进行的事情,才能更好的去了解人工智能这一行业发展现状,去展望未来的发展趋势。



人工智能过往


基于百度百科,我们可以看到对于人工智能的介绍,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。


对于人工智能的研究起源于上世纪60年代,在2011年,由2006年诞生的深度学习算法对人类生活开始产生明显的效用。在某些特定的领域和行业,人工智能开始超越人类水平。


从最早期的IBM“深蓝”电脑击败了人类的世界国际象棋冠军,再到最近的AlphaGo zero大战李世石,人工智能的发展经历了众多波折,进而取得了一些突破性的进展,在过去受限于一些基础硬件的计算能力,人工智能的落地还需要更多的时间,目前只有以英伟达为代表的底层的芯片创新作为人工智能的基础在市场上取得了不小的回报。


从这一角度不难发现,在整个人工智能上下游链条上,能够实现落地回报的情况并不多见,行业上还处于一个布局发展的阶段,核心技术的商业化之路也任重道远,并且对人工智能下的商业模式还有待验证。此外,人工智能的应用范围也需要进一步扩大,无论是算法迭代,亦或是数据积累都期待加强。


在软件方面,以谷歌和脸书为代表的企业在人工智能这一领域进行了大量的投入,这种投入的原因来源于企业中大量数据的产生和处理需求,这种需求迫使企业在这一方向上持续的研究,据了解,仅谷歌一家对于人工智能的研究投入在2016年就达到了120亿美元,可见对于人工智能研究而言,高投入是必须经历的过程。



人工智能前景美好


一份来源于最近高盛有关于人工智能的报告显示,作为久负盛名的投资机构十分看好人工智能在未来的发展状况,在这一报告中,高盛认为人工智能将加速发展,这种情况来源于三个具体的现实原因。


首先,全球快速发展的互联设备、机器和系统正在产生大量的非结构化数据。数据量越多,对于神经网络效率提升的影响就越大,同时也意味着,数据量的增长未来通过机器学习可以解决的问题也在发生改变。这种改变已经促进了移动设备、物联网、以及云计算的快速发展,未来对于人工智能而言这种促进作用也必将显现。


其次,作为核心硬件设备,GPU的使用和低成本计算能力的普遍化,特别是通过云服务,以及建立新的神经网络模型,已经极大的增加了神经网络产生结果的速度与准确率。GPU 和并行架 构要比传统的基于数据中心架构的 CPU 能更快的训练机器学习系统。通过使用图像芯片, 网络能更快的迭代,能在短期内进行更准确的训练。


再次,更好的计算和数据使得更多的研发是面向算法,从而支持深度学习的使用。例如伯克利的 Caffe、谷歌的 TensorFlow 和 Torch 这样的开源框架。比如,刚开源一周年的 TensorFlow,已经成为最大的开发人员协作网站 GitHub 上最多分支的框架。虽然不是所有的人工智能都发生于普遍可用的开源框架中,但开源确实在加速发展,而且也有更多先进的工具正在开源。


细观人工智能TOP公司


同样,高盛的报告认为,未来在一个较长的阶段内,人工智能的重要企业都将集中于中美两国。比如,来自于美国的谷歌、亚马逊、脸书,来自我国的百度在人工智能研发上都属于个中翘楚。


已知的是,谷歌在过去二十年中,搜索算法已经得到了快速发展,在2015年开始,谷歌将基于链接的网站排名转变为采用AI驱动查询匹配系统,以AI驱动的搜索能够满足一些特定的搜索场景,并且这一使用以占据谷歌搜索15%的份额,而谷歌开源的机器学习软件库TensorFlow,正在成为其他进入人工智能领域中小型创业企业的AI集成首选。


2015 年 4 月,亚马逊公司发布 Amazon ML, 这款机器学习服务能够为对云数据的使用提供机器学习功能(无需之前的客户经验)。而之后紧随谷歌,亚马逊开源针对推荐深度学习模型的库DSSTNE。 通过改善搜索、定制化产品推荐以及语音识别、增加有质量的产品评价,亚马逊公司内部也在使用机器学习改善端到端的用户体验。


得益于脸书本身的业务背景,脸书的人工智能部门更多的是针对更为广泛的研究社区背景,推进无监督表征学习,比如,观察世界、而不是借助人类算法干预,借 助对抗网络进行学习等等的进步而为众人所知。目前脸书正将机器学习功能 应用到各种垂直领域中,比如面部识别,机器翻译以及深度文本语言或文本学习。


提到百度AI,必须提到百度大脑,它由三部分组成。第一,AI 算法模拟人类神经网络,用数百数十亿样品的大量的训练。 第二,对数十万服务器和许多 GPU 集 群进行操作的计算能力用于高性能计算,允许更多可扩展的 深度学习算法。第三,通过收集了数万亿页的网页,包括几百亿个视频/音频/图像内容,数十亿次的搜索查询以及数百亿次的位置查询。训练特定型号的机器要求非常高的计算能力和 4T 数据。


通过国内国际的知名人工智能企业的发展现状,我们可以清晰的发现,大量的人力财力投入是必不可少的一个手段,而且这些企业本身也是被数据所驱动的,此外针对人工智能已经过热的言论,我认为有热度,但未过度,人工智能的研发和应用还将经历一个长期的过程,投入才能产出,在现阶段大量的投入未必不能刺激整个行业的发展,当然对于人工智能的发展趋势还有待时间的验证。


       原文链接:http://blog.csdn.net/Tf3fC4gsZrGUQX94Oo7/article/details/79082495


学员感言
【13期嵌入式-江信程】
申请免费试听
姓名:
手机:
Q Q: