您的位置 首页 > 数码极客

(ai里面如何掏空)ai里面如何多选…

本文授权转自 INSIDE,作者为 INSIDE 资深编辑李柏锋,内容为 Google 台湾地区董事总经理简立峰博士 9 月 25 日在台湾中央研究院所主办的 人工智能跨域领袖营 ,以“AI 科技的产业应用”为题所发表的演讲记录。

图丨Google台湾地区董事总经理简立峰博士

Google 的人工智能发展

现在人工智能真的很热门,但这个领域并非突然出现,是由一连串的进步所积累而成。除了算法,通过移动设备以及云端服务,我们随时随地都在跟计算机互动,进而产生许多数据,奠定了基础。当然,这股热潮可能再过两三年后,会出现人工智能的泡沫,但就像网络泡沫一样,泡沫之后是更健康的发展,产业的方向永远是朝向更智能化的服务去走,所以发展人工智能是一个必然的趋势。

我在 Google 工作的这段期间,看到最理想的人工智能应用是垃圾邮件的过滤技术(Anti-spam),当初学术界非常多人在做研究,现在几乎没有了,因为问题已经被解决了,大家信箱打开很少有垃圾信件。但是这不意味着已经十分完美,将深度学习的技术应用上去之后,Gmail 现在对垃圾邮件的过滤又更进步了,一千封信里面大概只有一封是垃圾邮件,这也说明了深度学习很有价值。

深度学习是近年来学术界少数的重大突破,但是论文上的突破跟实际应用还有很大的差距。

除了垃圾邮件以外,像是机器翻译、语音识别、图像识别这些 Google 的服务,都已经用了人工智能的技术。

机器翻译这部分有个有趣的小故事,Google 曾经推出跨语言搜索的服务,当时认为这很重要,因为使用者如果可以搜索到自己惯用语言以外的数据,不是更丰富、更完整吗?结果推出后发现需求很小,因为大家对看不懂的语言没有兴趣,放在搜索结果里面也是白费,最后这个服务就关掉了。所以有时候技术做不到,有时候技术即使做得到,市场却没有需求。

Google 训练了 5000 个工程师去学深度学习,然后每位工程师去找一个项目,就有 5000 个人工智能的项目,再给他们足够的计算资源和数据,但是这里面证实有用的不到 10 个,而且有用还不知道为什么有用,数据够多所以有用吗?没有数据就没用吗?

AlphaGo 因为有很多棋谱可以拿来训练,所以越练越厉害,但是如果 AlphaGo 突然“失忆”了呢?所以接下来,DeepMind 团队在努力让 AlphaGo 可以不需要预备知识就能这么厉害。若能成功,那就是很大的突破了。

我要强调的是,Google 也不知道什么可以做得很好,所以才会训练大量的工程师去尝试,试成功的人就组成一个大概 50 人的顾问团,任何有需要的项目都可以找这个顾问团咨询,也许可以少走一些冤枉路,或是知道怎么做可能比较好,这是目前 Google 的做法:

大量尝试,积累经验。

从 Google 经验给台湾的建议

首先,我建议台湾要开始积累成功的经验,建立一个全台湾地区级别的顾问团。由那些“已经”在人工智能取得过成功经验的人,来提供其他刚开始的人一些建议。这不是由上而下的指导,因为没有人知道什么才是对的,但是经验的积累可以少犯一点错,将人工智能从学术科学开始转变成经验科学。

第二,台湾一定要建立开源(Open source)的文化。亚洲的开源观念薄弱,其实连带导致软件产业的弱势,这从 Android 的发展就可以看得出来。在 Win-Tel 时代,Microsoft 和 Intel 提早两年告诉台湾的工程师将来要怎么发展,工程师在两年前就开始做准备了,当然可以做得很好。

但是到了 Android 时代,所有东西一开始就都是开源的,没有人告诉工程师要做什么,晚了整整两年,计算机已经卖不出去了,而手机的销量却越来越高,这才意识到原来所有的东西早就在网上了,只是自己没有察觉而已。

现在人工智能也一样,TensorFlow 这些工具早就开源在网络上,每个人都可以去用了,但是台湾有多少人真的去用了呢?全世界已经有一百万个项目在这个平台上,台湾却几乎还没开始,这次还要晚两年吗?但问题是开源是一个文化,需要从小建立,现在带领开发的人如果没有开源的观念,就很难接受开源,总觉得自己的东西为什么要开放给别人用?却没有想到你不开源的结果不是保持领先而是继续落后。

台湾的硬件产业思维太成功,阻碍了软件产业的发展

没有开源文化,再加上台湾是由上而下的领导,让这个情况变得更糟糕。Google 扁平且由下而上的组织运作,让每个人都维持好奇心,会自己去发掘有趣的事情,尝试新的工具,建立新的项目。这是怎么办到的?要有的一个概念是找到人才让他们发挥,而不是找听命行事的员工。Google 有超过一千位斯坦福大学的博士,让他们去学怎么写程序,甚至连 debug 都自己来,让这些最聪明的人去做最基础而重要的事情。

台湾的软件产业没办法突破,问题也就出在这里。硬件产业用阶层式的管理是可以理解的,因为硬件制造需要高度纪律,领导者不能自己下去做,而要做好管理工作。可是软件倒过来,最厉害的人要放在最基层,让最聪明的人用最厉害的方法去解决问题。DeepMind 的创始人,就是自己写程序,Google 三个机器翻译的科学家也是自己写程序。

在软件的世界只有将军没有士兵,硬件的世界则是将军指挥士兵。

所以台湾的人才是将军还是士兵呢?简单来说,当一个软件工程师很熟悉开源工具的使用,他基本上就是一个将军了,但是问题在于,一个工程师即使在开源组织里面已经是一个大神,台湾的企业还是把他当小兵在用,台湾的组织让软件人才没有地位,他是被叫来做杂事的,但是从台湾企业到 Google 的工程师,报到后一个星期,就可以加入世界一流的团队。其实人才都在台湾企业,只是没被重用。

这是组织架构的问题,像是台湾这样硬件做得很好的地区,软件很难成功,而软件做得很好的地区,硬件又总是做得稀稀疏疏。

有人会问,在台湾一个软件公司怎么找到那么多的将军呢?这一样要从开源的文化开始。Google 一位 OS 团队的工程师是生物学博士,在自己的领域找不到工作,可是他从小就在开源组织里面是一位很有贡献的工程师、知名的大神,后来就进了 Google。

这当然也跟软件的教育方式有关,其实通过开源平台进行程序教育是积累成就感最快的方式,因为你要学生写程序当作业,写完也没人用,没有成就感,也不会想继续写程序,学了等于没学。但是换个方式,你要学生把写完的程序上传到开源平台去,写得好、写得有用的程序就会有很多人用,学生的成就感就有了,会更认真学习怎么写程序,更愿意在开源社群里面贡献,不但能力越来越强,而且这些人才也会被看见。

所以你还在问要去哪里找人才,而不知道有开源社群的存在?在开源的世界,人才是要用抢的。

人工智能,先从“工人智能”开始,大量尝试吧!

总结一下,这一次的人工智能发展,如果有大量数据,应该有机会成功,但是为什么会成功目前还不清楚。可以取得成功的工具目前已经开放在那里了,你需要做的就是不断去用那些工具来尝试和学习,越多人去尝试,就越有成功的机会,因为目前还没有人知道怎么做才能保证成功,所以唯一的方式就是越多尝试机率就越高,Google 现在就是这样做。

举一个例子,斯坦福的医学研究团队,不会写程序,直接用 TensorFlow 去学习识别医学图像来诊断乳癌,结果比人类还成功。所以有数据、有工具,你就不要问到底有没有用,先赶快去试了再说。老实说,这件事情并不难,你晚了,机会马上就是别人拿走了。

最难的常常不是开始,而是最后一里路。以自动驾驶汽车为例,一年死于车祸的人有一百万人,可是只要自动驾驶汽车撞死一个人,可能就再也没有人敢用。这当然牵涉到法规、保险制度的问题,所以还有很长一段路要走,但是实际上自动驾驶已经比人类自己开车安全了。

也就是因为这些因素,最有可能先应用的场景是公交车专用道上的公交车,因为我们已经习惯了地铁是没有人开车的,而在公交车专用道上也比较少有其他的干扰因素,所以公交车司机可能是首先失业的,也还好人数不多,冲击比较小一点。等到大家渐渐习惯了路上的车也没有人开,下一步才有可能接受自动驾驶汽车的上路,这些发展不会是一步到位的。

学术界和产业界都空了,必须从头开始展开研究

技术的发展还有很长的路要走,不过创投对人工智能的投资其实已经接近结束了。

投资的最高峰是在 2014 年的 9.72 亿美元,有 116 笔交易,Google 收购 DeepMind 就发生在这一年。不只是投资的结束,世界上的领先与落后也越来越小,以前 Google 和 HTC 合作制作手机,领先市场将近三年,你可以发现 Nokia 那些都没有赶上。但是现在 Google 在做 VR,大家都在做 VR,Google 做不好,大家也一样都做不好,其实大家的差距不是以年来计算,而是以天记的。

为什么?因为网络的存在,知识就在那边,你随时可以更新到最新的状态。其实对创投来说,这是很艰难的时代,因为过去你还可以去读学术论文,知道未来会怎么发展,然后去投资最有机会的领域。但是现在学术研究到产业应用几乎相差无几。以自动驾驶汽车为例,大家的发展都差不多,甚至你会发现现在硅谷在用的一些技术连有没有用都还不清楚。毕竟,谁都不晓得会不会突然发现自动驾驶只是一个泡沫?

现在的情况是产业的应用主导了学术的研究,没有人用的就没有人研究,有人用的就一窝蜂研究。Google 的创投去学校里面翻箱倒柜的找,却找不到除了热门领域以外还有谁在研究什么而且获得很明确的成果,简单来说就是找不到投资标的。

那能怎么办呢?Google 的创投认为,要把产业和学者重新再带回校园,让大家在校园里面重新自己找方向,而不是看着产业的需求去做研究。等到又发展出新方向了,这个困境才能解决,不然现在不管是学术界或是产业界,都已经被掏空了。

台湾在人工智能的发展弱势:过去没有积累

人工智能的发展没有一蹴可及的,过去要先有 Cloud first,然后才有 Mobile first,现在才能做到 AI first。

Google 翻译也不完全都是人工智能,其实更有效的是“工人智能”,如果机器翻得不好,那就人来翻译,反正你也不知道后面是人还是机器,但是练着练着,机器就越来越厉害了,18 年的进步可以很巨大。垃圾邮件的过滤也是这样,最有效的是使用者的检举。所以先有“工人智能”,后来才有办法出现厉害的人工智能,现在语音助理也是这样的,你可能觉得现在还没有很厉害,但是会越来越厉害的。

这其实是台湾的弱势,过去没有成功的云端服务和移动化服务,现在要进入人工智能的发展,本来就先天不足了,尤其是那些基于大量消费者数据的发展,台湾更是毫无优势可言,像是电商的人工智能。所以先盘点一下自己的强项,像是医学图像、像是通过无人机取得图像数据之后的应用,可能就是台湾的优势。

感觉上这几年台湾会有很多错过的机会,像是 HTC 在手机的领域上失利了,但这并不只是台湾一家的问题,同样的问题早就出现在日本、欧洲等市场,Nokia、Motorola、Sony 都比台湾更早垮下来。

为什么呢?因为过去硬件产业分工很细,有消费性电子、通信产业,但是现在都整合在手机,以前有相机负责拍照,现在用手机,以前有计算机,现在很多事情手机就可以做了,但是相对来说相机和计算机都做不到手机能做的事情。以前这些领域加起来可能好几百个品牌,但是现在整合成手机之后可能十个品牌就太多了。不是这些品牌做得不好,而是整合之后他们不再有办法处于主导地位。

未来的品牌只会来自两个地方:美国和中国大陆

你以为手机品牌就很好吗?其实你拿手机,不是为了要用手机,而是通过手机来使用网络服务,像是 Facebook、微信,你真正要的是网络服务而不是手机,所以网络服务公司在三、五年后会免费送手机给你,让你可以更流畅的使用他们的服务,Amazon 的 Kindle 就是很好的例子,用成本价甚至赔本卖你电子书阅读器,但是让你在上面消费来赚钱,Kindle 消费者每年消费可达 1450 美元以上。

过去全世界有一千家品牌,台湾有五个代工厂,你还可以挑客户、谈价格,赚得到钱。但是现在手机的世界,全世界五个品牌、五个代工厂,你能怎么做?大家会开始整合,这就是为什么 HTC 会跟 Google 合作,这也是鸿海现在着手进行垂直整合的原因。

所以现在的手机是拿来打电话的吗?早就不是了。接下来,手机就是一台人工智能的超级计算机,而继续发展下去,这个设备也不叫做手机了,而是一个个人助理,是你的复制品,甚至比你还了解你自己。

整合到最后,未来的品牌只会来自两个地方:中国大陆和美国,未来是一个大国崛起的时代。

图丨2014-2017年全球20大互联网公司市值变化

台湾该何去何从呢?

第一个机会:5G 的发展带来的硬件需求。Google 现在的翻译 App 已经很厉害了,用手机的镜头拍到什么就翻译成中文,只是大概会有两秒钟的延迟,但这两秒的延迟很明显,导致很少人用,因为你如果拿来看日本电视,你就会发现那种延迟是不能接受的。可是等到 5G 的应用开始之后,那两秒钟的延迟就会消失,变成实时翻译,这也才是真正进入人工智能应用的时代,5G 的发展是台湾的机会。

第二个机会:隐私权带来的半导体需求。以后你的手机不是电话,是你养出来的人工智能,你的行为一直在让它变聪明,你越用,它就越聪明。当然,随之而来的也就是隐私权的问题了。

因为隐私权的问题,所以许多的事情不会是在云端进行,而是在手机上做,像是指纹识别、人脸识别,你如果上传到云端去,那多危险啊!中国大陆现在有很多手机就是这样做的,问题是一旦你的指纹或脸部特征被偷走,你这个人就等于被复制了,所以法律会去要求这些识别要在手机上进行。

但是在手机上做,指纹识别和其他的 App 共享同一个处理器也不安全,很容易破解,所以这时候针对隐私权的安全问题,就会有特别的处理器来进行运算,其他的程序都不能用这个处理器,以确保安全,手机上需要的处理器越来越多,安全需求所带来的半导体需求,就是台湾的机会。

第三个机会:人工智能的服务器需求。当然,有些服务是要在云端进行的,尤其是那些需要庞大数据进行运算与训练的服务,所以对于服务器的需求也会快速增加,人工智能的服务器跟过去的服务器是截然不同的架构,人工智能的发展越来越成熟,对于服务器的需求也会越来越多,这同样也是台湾的机会。

所以简单来说,台积电和那些能做人工智能所需要的服务器厂商都可以因此得利。

三个未来的趋势

除了这三个台湾原本就有的硬件制造优势以外,也分享三个很重要的趋势。

首先,语音助理。的确,现在用的人不多,测试的市场范围还小,语音识别也只对那些字正腔圆的人有利,但是经过一段时间之后,语音助理一定会普及,甚至不只改变电商,也会取代搜索引擎。

第二,汽车上的人工智能。现在的计算机代工厂,接下来要开始为汽车厂服务。汽车很贵,对零组件的要求很高,所以跟计算机相比市场比较小,毛利也比较高。接下来汽车越来越智能化,会变成最大、最贵的计算机,但是不同的是汽车品牌上百个,计算机的品牌只剩六、七个,所以台湾的代工企业将来有上百个客户,但是每一个的量都不大,代工模式要变成少量、多样、高毛利,有很多新的芯片需求会出现,新的镜头需求会出现。

德国的汽车厂就非常恐惧,因为过去他们的优势在未来都不再是优势了。德国有很棒的引擎,未来的电动车是用马达和电池,过去开车的人很在乎操控性,但未来是自动驾驶。当一台汽车的重点是计算机和软件,制造一台汽车就变成了装潢产业,过去在手机上看到的垂直整合,将会在汽车上再看到一次,所以电子、机械和信息等专业需要重新整合,才能应付将来的需求。

第三,无人机。这也是一个整合的领域,无人机要看成会飞行的机器人,应用已经超过几万种了。在消防领域,很严重的森林大火,为什么没人伤亡,因为无人机可以告诉消防员怎么逃。在牧场,现在赶羊不是牛仔骑着马去赶牧羊犬赶羊,而是牛仔遥控无人机赶牧羊犬去赶羊,马失业了。

台湾的未来:两个小孩,一个出去赚钱,一个留着顾家

日本其实已经放弃半导体产业,连最后一家东芝也卖掉了,有的人觉得接下来韩国和台湾地区的半导体产业也会被中国大陆取代,但我的看法是台湾地区会继续帮中国大陆和美国代工,韩国则没有这个机会。

台湾的软件的确不强,但是 App 的人才却是世界第九,跟印度差不多,只是因为市场小,赚到的钱很少,大多是免费的工具类 App,没办法做服务型可收费的 App。所以有能力、有技术,但是要赚到钱有困难。

台湾地区位在东亚的中心点,过去服务日本,后来进入中国大陆市场,接下来可以赚东南亚的钱,绕了一圈只要肯出去都有钱赚,这是其他竞争对手都没有的巨大优势,所以很重要的就是让自己有移动的能力,包括地理上的移动,不一定要跑到很远的地方去,光是台湾周遭就有很多机会。还有就是领域上的移动,也不需要大幅改变,像是原本做软件的人,可以稍微转去跟做 IC 的人合作,就会多出很多机会来。

有人问,台湾将来除了做人工智能,其他还能做什么?其实就算过去三十年,也不是每个人都去台积电,只有五万人而已。所以可能在人工智能的时代,也只有五万人会在这个产业,那其他人要过什么样的生活呢?这是个有趣的问题。

我的建议是这样:

如果你家有两个小孩,一个出去外面赚钱然后把钱寄回来,因为现在机会好得不得了,对台湾的人才需求很高,另一个则留在家里,把家里照顾好,把土地照顾好,让出去打拼的人可以安心出去,并且想要回来。

全部都留在台湾发展是不对的,因为现在一个出去工作的人影响力是留下来的人三倍,就连企业都出去了,因为机会在外面,台积电去了南京,鸿海去了日本、美国,有不少人就会因此得利。

那其他人要做什么呢?我称为“安心产业”,那些不想走的人,要跟这块土地紧密的绑在一起,产生信赖感。台湾是很有信赖感的地方,有很好的医疗、很好的食品、很好的农业,这些是其他地方找不到的,会吸引那些出去的人回来。

责任编辑: 鲁达

1.内容基于多重复合算法人工智能语言模型创作,旨在以深度学习研究为目的传播信息知识,内容观点与本网站无关,反馈举报请
2.仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证;
3.本站属于非营利性站点无毒无广告,请读者放心使用!

“ai里面如何掏空,ai里面如何多选,ai如何掏空图片,ai如何掏空文字”边界阅读