首页 »

从感知智能到认知智能,AI产业化还要迈过哪些坎?

2019/8/14 7:20:50

从感知智能到认知智能,AI产业化还要迈过哪些坎?

从IBM深蓝打败国际象棋冠军卡斯帕诺夫,到谷歌AphaGo打败世界围棋冠军李世石,从日趋成熟的语音识别,到被广为瞩目的无人驾驶,不经意间,AI(人工智能)的部分应用已经走下“神坛”,进入我们的日常生活。从被诟病到被追捧,作为科学界最跌宕起伏的领域,实验室里的人工智能高科技如何走入市场?产业化的过程中有哪些可为和不可为?日前在南京举行的中国智谷大会暨人工智能与产业创新高峰论坛上,针对人工智能产业化问题,业内的专家学者和企业家们展开了一场“头脑风暴”。

 


机器学习为什么这么火?


 

从神话传说到科幻电影,人们都希望创造一种东西可以替人类做事。中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹认为,计算机模仿人的理性思考、对周围环境的感知和动作的实现(有时又称机器人)是人工智能研究的三大内容。

中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹  迟腾  摄

这其中,机器很难模拟对周围环境的感知,因为包括视觉、听觉、触觉等都属于“知其然不知其所以然”的行为。就像围棋区别于下象棋,象棋能够说清楚“为什么要走这一步”,但多数情况下,围棋大师们说不清楚他为什么这么“落子”。AphaGo以前的围棋程序一直按照与类象棋程序设计,而谷歌在蒙特卡洛树搜索传统模型基础上加入深度学习,一下子就使AphaGo提高到能够打败世界冠军李世石的专业水平。“机器学习和深度学习为什么现在这样受欢迎,因为它使感知行为的计算机模拟成为可能。”

 

在人工智能产业化的过程中,机器学习在模式识别中的应用正在成为被企业关注的技术。比如图像处理技术,包括物体分类、物体识别和运动物体检测与跟踪等,目前机器可以达到的水平是在给定的数据库下,识别人脸、指纹、视网膜(虹膜)、DNA、签名、姿势等生物特征,而物体分类可以达到或者超过人类的水平。

 

在机器的行为模拟技术中,除了工业机器人,在家庭服务、医疗、教育与娱乐等领域,服务机器人的关注正在被强化。张钹认为,尽管国内外都重视这方面企业的发展,但目前推向市场的产品还很少,关键要解决可靠性和智能化两大问题。目前被广为关注的“无人车”也是如此,现在的无人驾驶不同程度上都有人的参与,应属于自动辅助驾驶范畴。真正无人参与的“无人车”,特别是在开放环境中行驶,短期内还难以实现。

 


技术那么牛,企业到底要怎么用?


 

在张钹看来,企业可以分为三个等级:一般公司其竞争力靠专业知识;好公司靠学习能力,而最好的公司则依赖学习的速度与极强的适应力,而人工智能技术将使企业的学习速度与适应力大幅提升。

清华大学计算机系教授、清华大学智能技术与系统国家重点实验室主任朱小燕  迟腾  摄

清华大学计算机系教授、清华大学智能技术与系统国家重点实验室主任朱小燕也认为,企业真正要实现“人工智能+”,在了解人工智能技术的基础上,必须分析并明确自己的需求:“到底在什么地方能把人工智能加进来”。真正结合自己的领域,才能让人工智能技术使企业实现学习速度与适应力的大幅提升。她以最近大热的语音识别为例解释,虽然语音识别用之于年轻人非常便捷,但是在居家养老中就显得水土不服,因为养老涉及的都是60岁以上的人群,对于智能技术的掌握并不娴熟。因此,好的人工智能技术,当场景和对象发生变化时,应用到产业中转化效果就是1和0的区别。“‘人工智能+’,不是简单加一个技术,而是这个领域需要加才行”,加之后没有产生变化和促进转型,那么技术的优势就完全无法体现。同时,她强调实验室的报告应该是供企业参考的,企业也应该有自己的专家去考察技术的实际效果。

 

此外,张钹和朱小燕均认为,大数据分析和应用是目前产业发展的重要方向,不过虽然现在从事大数据分析的公司很多,但大多数公司规模和影响都不大。主要的原因是这些公司对大数据缺乏深层次的智能化分析。“大数据看到的大是不是真的大,能不能拿到,是不是好用,是不是够了?”朱小燕说。

 


真正产业化还需要哪些力量?


 

清华大学全球产业4.5研究院副院长朱恒源认为,我们现在正处于全球新一轮技术合并、产业变革的浪潮当中,而机器人产业是这次浪潮中最引人注目的新兴行业。人工智能技术,一方面应用广泛,涉及智能语音、智能图象识别、大数据、无人驾驶等领域;另一方面,可以通过基本的数据分析,来实现特定需求的专业技能,虽然科幻作品里,高智能机器人短期不会出现,但能够解决生活和生产中的特定问题,具备特定功能实现人机协作的人工智能产品将会如雨后春笋般出现。

清华大学全球产业4.5研究院副院长朱恒源  迟腾  摄

而针对产业化的过程,在他看来,过去60年中,人工智能技术经历过几次高峰低谷的循环,虽然在实现产业化的过程人工智能经过了九死一生,但新兴技术在拥有一定数量的观念接受者,并获得足够资源支持下能够成功逃离“死亡谷”,实现产业化。人工智能技术早期推广,可以通过2B市场熬过技术的“寒冬期”。他以科大讯飞与华为的合作为例表示,未来率先实现产业突破的人工智能技术公司,在极大的概率上会从一个企业级应用起步,但前提是应用必须有一个与自身匹配的足够大的市场。

 

中国电子技术标准化研究院电子设备与系统研究中心主任张素兵认为,人工智能发展进程中,智能硬件至关重要。因为智能硬件作为人工智能的一个底层技术,能够为人工智能采集大量的有效数据。同时,标准化可以助推人工智能产业应用普及,所以要做人工智能的标准化方案,从顶层探讨如何开展人工智能的标准化工作。