2018世界科技创新论坛全体大会:人工智能标准化革命

2018世界科技创新论坛全体大会:人工智能标准化革命
2018年08月11日 16:39 新浪科技

  新浪科技讯 8月11日消息, 8月10-12日,世界科技创新论坛在北京会议中心举办,包括Kip Thorne、Thomas J.Sargent、Michael Levitt、朱棣文在内的20余位诺贝尔奖获得者,以及中科院院士曹春晓、美国国家工程院院士陈刚等诸多中外顶级学者专家应邀出席,共同打造史无前例的中国最高级别智慧盛宴,探讨全球科技创新成果、描绘未来中国科技创新蓝图。

  我们这一场主要聚焦在人工智能。这个题目说的是人工智能标准化革命,刚才我们感觉可能谈标准化革命还太早了,所以我们可能得要来一场非标准化的讨论,我想人工智能的发展最近这几年确实,不管在学术研究还是产业发展这一块,最近这几年可以说是取得了飞速进展,我们最近刚刚发布了一个中国的人工智能发展报告,在这个报告里我们发现人工智能的科学家和企业在这一方面确实取得了不俗的成绩,在论文总量和专利总量中国和美国是两个最高的国家,但我们看到中国企业的表现来讲,跟很多国外的企业相比,还是有一定的差距。

  以下是演讲全文:

  薛澜:欢迎大家来到全体大会第二场,人工智能的标准化革命。刚才我们把科技革命的经济图谱做了一个全面介绍,下面我们这一场主要聚焦在人工智能。这个题目说的是人工智能标准化革命,刚才我们感觉可能谈标准化革命还太早了,所以我们可能得要来一场非标准化的讨论,我想人工智能的发展最近这几年确实,不管在学术研究还是产业发展这一块,最近这几年可以说是取得了飞速进展,我们最近刚刚发布了一个中国的人工智能发展报告,在这个报告里我们发现人工智能的科学家和企业在这一方面确实取得了不俗的成绩,在论文总量和专利总量中国和美国是两个最高的国家,但我们看到中国企业的表现来讲,跟很多国外的企业相比,还是有一定的差距。

  所以我想我们下面的讨论,除了我们讨论一下中国在学术研究,尤其在人工智能这个领域,它下一步未来今后的研究进展前景怎么样,我们也希望更多的讨论一下,未来产业发展会有什么样的前景。尤其中国的企业在这方面有些什么样的表现。

  所以今天我们也特别高兴,我们这个Panel有两位非常著名的学者,一位是非常跨界的诺奖的获得者Michael Levitt,他是做化学的诺奖,但他原来学数学的,而且中间也涉足了很多其它领域。

  另外一位是中科院自动化研究所的复杂系统管理与控制国家重点实验室主任王飞跃教授,在人工智能、自动化系统管理这方面,也是非常杰出的学者,好像也是很跨界,王教授原来是学化工的。

  还有三位非常杰出产业界的代表,既有传统产业,也有已经上市的企业,也有独角兽阶级,我们这个讨论是非常有意思的一个组合。

  我想先请几位每人用5~7分钟先做一个简要的陈述,下面再做讨论。

  发言嘉宾,分别是:Michael Levitt,2013年诺贝尔化学奖获得者、美国国家科学院院士、英国皇家学会会士

  王飞跃,中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任

  颜水成,奇虎360公司集团副总裁、人工智能研究院院长

  杨帆,商汤科技联合创始人、副总裁

  郝玉成,中国机械工业集团有限公司智能技术研究院院长、工信部智能制造专家咨询委员会委员

  Michael Levitt:非常感谢,这是我第一次参加这样的讨论,我是作为唯一的外国人参加这个专家讨论。通常来讲如果有国外的来访者,他们往往就会很尊重客人,另外一方面他们也尊重本国专家,所以看今天从台上的构成就体现了中国人既尊重海外思想,也尊重本土专家的意见。

  做科学工作,我是从1967年开始的,可以说我爱上了电脑,人工智能是我一直关心的领域而且关心多年了。但是从某种意义上来讲,人工智能的含义随着时间的变化而变化,当我最早开始研究的科学的时候,当时我还是十几岁的小孩,大概只有14岁。当年我听说电脑可以拿来下棋,我觉得真了不起,电脑居然可以拿来下棋,我以为电脑只能拿来加减乘除。我觉得下棋,照理说不是电脑被设计出来完成的工作,可是人工智能这个领域它的重要性得到了凸显,出于三个原因使人工智能变得更加重要。

  第一个,我们对于什么样的算法有用,什么样的算法没用,了解更多。

  第二个,我们对数据必要性的认识越来越清晰,每个人都有大量的数据,关于外部世界也有大量的数据。大家可以想像电脑的运算速度也越来越快,很多时候很多行业它的发展变化是由一些出乎意料的因素推动的,电脑使得人工智能的发展变得容易,以前电脑让年轻人玩游戏,现在它有GPU,图形处理界面,最早是让年轻人玩电脑游戏的,但最早是小孩想通过玩游戏,促进了计算机的发展。

  我们说到人工智能领域起名字非常重要,比如在美国没有人再把它叫人工智能了,因为50年前当时承诺给他们好多人工智能的东西,现在多叫机器学习了,现在美国人不把它叫人工智能了,他们用的是机器学习。今天我们说机器学习也是一个很泛泛的概念,机器学习人们已经开展了很多年了,机器学习就是把数据拿来,在里面归纳一些东西。举个例子,我们说孩子的身高是年龄的函数,然后你会得出一个曲线,里面有很多点点点,画出一条线,平均一下,如果你是12岁的话应该1.4米,当然这是从数据里面归纳出一些东西。

  随着机器学习的兴起,当然你也可以称之为人工智能,还有像深度学习、神经网络、随机森林等等,这些都是新的术语,它是老概念的新名字。像自动化这个名字也存在很长时间了,从数据中学习也存在很久了,有一些非线性的数学等式也存在很久了,其实过去这50年,我们回顾一下是如何让这些方法发挥更大的作用,这里有一个很好例子。对于电脑来说,无论是围棋、象棋都不是很难的事,识别人脸也不是很难的事,今天的计算机已经可以承担很多过去我们认为很难的任务了。当然不能说电脑变得很聪明,只是让他们玩的事情不是很简单了,现在可以拿来翻译,英文翻译成中文,中文翻译成英文,甚至写一首很美丽的诗,会让我觉得很了不起,我认为这个也会变成现实。

  所以我们看到今天随着机器学习或者人工智能,机器越来越会归纳了,不再是简单的从年龄归纳出身高,比如说电脑,不再是你告诉它什么是好的什么是不好的,电脑可以自己去归纳来,所以电脑已经可以做归纳了,我们说归纳非常重要。比如自驾驶的车辆,电脑就可以知道我到什么程度停下来,所以电脑这种归纳的能力也在不断提升,无论化学、物理学等等,都可以借用这个发展。

  我们也可以把这种归纳、概括,把数据拿来进行概括,把它用于很多广泛的领域。假定电脑像人一样聪明,当然是个抽象的人,可以通过图灵测试,但是电脑真正做的是什么?就是从数据来概括,然后来自我学习。它是从数据的概括开始,这是计算机最核心的能力。

  薛澜:好,下面请王教授。

  王飞跃:这个论坛是人工智能的标准化,我刚看这个题目是吓了我一大跳,就好像200年前要制定工业标准化一样,对我来说人工智能刚刚开始,其实下面怎么走我是不清楚,我知道很多人比我清楚多了,我是不清楚。我相信这是一个人工智能的时代到了,但是路还早。现在谈标准,也太早了。

  刚才这位Michael讲了很多人工智能,机器学习之类的,我一个学生说看到百度说Michael还当过一个州长,我就不太相信了。你不仅拿了诺贝尔奖,还是一个州长,这个跨界太大了,政治家跟学者的界不能跨。特朗普当了总统世界已经够乱了,如果政治家变成学者,学者变成政治家,这个世界就够难想象了,不管人工智能,什么智能都没救了。有时候跨界不能太大。

  我为什么相信是人工智能的时代?我前20年一直呼吁正视这件事情,你们百度一下可能智能产业这个词,全世界我第一个提的。那时候没人提,不到几年之后,都做智能产业,有时候比基因突变还快。阿尔法GO让我认识到这个时代到来了。我们完全靠一个假设,就叫测试图灵,大家可能都知道是师徒两个人。图灵大家都清楚就是图灵机,计算机就是这么来的,这两个说的是一回事。诺尔曼就说靠着这个造吧,我们靠着假设有了今天的计算机和信息产业。阿尔法GO出来之后有一个AlphaGo假设,就是说新的智能时代来了。这个时代用一个特征来说就是平行智能,虚实互动的平行智能。用两个特征来说就是从牛顿到莫顿。牛顿都知道,莫顿很少人知道是一个社会学家,他的儿子也得过诺贝尔奖。他在美国最有名的定律是莫顿自我实现定律。牛顿定律是小数据放之四海而皆知是。而莫顿定律是大数据,小定律的时代,用三个特征来说,就是阿尔法GO假设是小数据、大数据,以后你生产智能产品,你的产品是智能的,你一定要告诉我,你怎么把小数据炒成了大数据,你怎么把大数据提炼成解决具体问题的精准知识的小智能。你这个东西不给我说清楚,不告诉我,你的产品的数据原料是什么,你说是智能就是瞎掰,因为数据部分才可能灵魂出窍,让你的产品变成智能。阿尔法GO就是做了这件事,人类的80万棋成7000万,缩成两张图,最后把人类的这个围棋大师全赢了,从小数据到大数据全赢了。最后来了一个阿尔法GO ZORO,把零从弄成3000,3000弄成一张图,把阿尔法GO干掉了。用了多久时间?从无到有用了三个多小时的学习训练时间。你好好想想,人类围棋大师一生的心血,再下去不要三小时,三秒都不要,所以意义非常大。所以我说阿尔法GO之后IT不是信息技术了,那是老皇历,IT是智能技术,缩小都一样,这是新IT。新IT的时代到了。

  我们也别忘了200年前IT叫什么?那是老IT。我不是说新的比旧的好,旧的比老的好。从今之后,老的、旧的、新的一个都不能顺。为什么?IT要平行,因为我们有一个平行的世界,这就是上世纪最伟大的科学哲学家卡尔讲的,现实有三个世界组成,我从小就知道两个物理、心理世界,他说不对,还有一个第三世界:人工世界。我的有世界,IT工业技术开发物理世界,旧IT信息技术开发了心理世界,现在我们需要开发人工世界。所以人工智能热了,所以大数据变成石油,变成矿藏,所以我们要用新IT智能技术。上面讲经济的新图谱,你回忆一下工业时代怎么来的?为什么不从荷兰而是从英文小岛开始的,那时荷兰多发达,航海、制造业非常发达,荷兰擅长的是食品业。食品有一个问题,粮食有一个问题,吃多了撑死,吃少了饿死。所以有一个马尔萨斯人口陷阱,英国怎么开始的工业革命,从纺织品开始,把以前时尚的东西变成商品,纺出来的布又好又细,一见到洋布不要土布了,那是心理世界的开发,工业时代开发。不时尚再买就扩大经济了。

  下一个要进入智能产业,我们也要把过去不是商品的东西变成东西,这就是开发第三世界。什么不是商品?获得诺贝尔奖的人工智能的创始人罗伯特西蒙,你信任这么几个人,对不起,现在区块链把信用和注意变成批量生产和批发的商品,这就是为什么360,这些新兴的公司起来的原因。这么一来极大的扩大了商品的范围,极大的扩大了提高效率的路径。所以我们就进入所谓我们的第三轴心时代。

  什么是第三轴心时代?又有一个卡尔写过一本书《历史的起源》,就讲轴心时代,他说公元800-200年,这600年期间在世界的两河流域,人类出来哲学家,古埃及、古希腊、印度、佛教、中国、老子、孔子、孙子全来了,人从哪里来,我到那里去,全来了。每一世界都有自己的轴心世界。从哲学到科学具体了吧,但是理性也有一些。这就是我说的司马赫,他得的就是勾贝尔的定律。这个时代要开发人工了,人工世界了,所以第三轴心,人工世界的轴心时代了,这是觉醒,要有技术和新IT。所有这一切都是全球化造成的,说一匹马引起来,从高加索一直跑到中原串起来,因为什么?人的天性是一是恐惧,恐惧要交流,又是贪婪,比较,比比来去。最后懒惰是寻求共识找标准,最后全球化。第一个轴心时代有了古丝绸之路全球化,但是物理世界的全球化讨厌在哪儿。你有了我就没了,所以全球化就变成了侵略压迫的代名词。

  但是心理世界还好,从负和到零和,只有人工世界是一个无中生有的世界,可以你有我也有,所以我相信一个新的全球化要来了,把信用,把注意力变成产品,这一个新的时代要来了,这就是一波智能的全球化,这就是我认为人工智能重要,我认为还刚开一个头,还早呢。它将来需要的知识,至少我,我相信大多数人60%、70%都不知道,别急着标准化,先干再说。我们学复杂系统有一个U线,标准化的U线出来了。

  谢谢大家。

  薛澜:非常感谢王教授从历史的回顾,从科学的演变,最后来告诉我们智能时代的到来,但我觉得对企业家来讲,我们怎么把智能时代的机会抓住,下面请360的颜总谈谈您的看法。

  颜水成:我其实是属于跨界的,因为我本身原来在学术界当教授七年,后来在360已经待了近三年了,以前做计算机视觉。不得不肯定,在过去这些年人工智能发展的速度非常之快,特别是在学术界,大家可以看到每一年跟人工智能相关的学术会议发表的文章越来越多。去年我们做过一个粗略统计跟人工智能相关的会议每年发表的数量有4000多篇,带来一个很大的问题,我们到底到哪儿去寻找足够多的审稿人,能对文章进行正确的审核。今天我不想说人工智能多么红火,大家多看到了。今天我想分享两个人工智能比较长远的话题,原创性和安全性。

  在学术界和工业界,AI技术无外乎三种,一种是非常原创的,我们叫颠覆式的技术创新;一种是微创新。三是没有创新,技术在一个领域取得了成功我照搬到另外一个领域来。学术界做人工智能的研究非常有意思,它的研究成果跟数据、应用场景是完全独立的,意味着在学术界做研究原创性变得非常重要,如果没有原创性就很容易被大家遗忘。

  因为AI是一个非常大的话题,比如现在最火的深度学习,我们仔细去观察在深度学习领域最原创的,神经网络,再比如生成式对抗网络、深度学习的融合,还有不同的理论和应用。可以看到最初的点其实都不在中国,中国在这个领域更多的是说这个理论,这些出来之后大家觉得非常有意思,一窝蜂出来。比如像Gan,大家发现很有意思之后,计算机视觉领域的CTR,就能看到一堆一堆的文章全部干这样的事。但真正能被大家所记住的还是第一个人GoodFellow提出的Gan。

  最近深度学习的发展,大家对理论的期望越来越高,也就是说我们不再只是去调调参数或者设计一个网络上稍微做一点调整。昨天晚上我有一个很有趣的事情,跟我一个好朋友,一个做的非常好的教授,我跟他做一个讨论,我说我们俩要不要把中国做理论的机器学习的做得比较好的研究者全部列出来,我们俩微信来微信去,最后有一个名单。我是比较保守一点的,我说大概有10个,但那个教授更加保守,他说其实只有5个。也就是在中国做这个领域,人才的储备是非常少的。

  这也不要那么悲观,现在国家特别新一代人工智能的战略出来之后,对大家来说是一个很好的契机,尤其做的比较好的研究者可以留在学校慢慢在这方面做一些比较好的贡献。

  工业界稍微会有一些不一样,工业界和学界很不一样,它就是要解决一个问题,我有一个数据,产生一个模型,应用到我的产品里,如果不工作就要去想办法,去侦查我的数据让我这个应用的场景,在我推广的范围之内。一个业务的成功取决的因素不只是技术,像技术、产品,最终用户,也包括我们的团队,意味着什么?即使你只做非常一般的研究,也是一个比较优秀的公司。如果这个公司能有足够的投入,比如你可以专注在这些比较原创的技术,而且把技术用在产品中的话意味着你最终不只是一个好公司,可能是一个great公司,《从优秀到卓越》,你更加在乎它的话可能会成为一个卓越的公司。中国卓越的公司还是比较少,但我们已经具备这个条件了,我们有好几个公司成为在世界范围内巨头的公司,他们有足够的财力去组建相应做技术研发的部门,瞄准的是三五年时间的产出,而不是一年,甚至更长时间的投入。所以我觉得机会还是非常有的。

  另外一个维度,我想分享的是安全。可能大家现在思考的还不是非常多,但其实非常关键。360作为一家安全公司我们在这方面有非常多的探索,比如第一点软硬结合之后对智能硬件我们会用传感器,比如照相机,但其实是非常脆弱的,很容易被攻破的。比如一个摄像头拿激光笔对着它,那它很快就会自盲。还有一个领域可能大家思考非常少,cencer(音)是会有老化的问题,那它获取到信息的精准度没有以前那么高了,现在人工智能的算法都是在当前cencer(音)的基础上不停的调优调出来的,之后到底它产生什么样的影响,以前的模型到底是不是能工作,整个社会基本上没有做任何的探索,这是第一点。

  第二点,AI软件的安全性。这一点360研究比较早,它多是建立在底层的SDK上的,这些SDK可能里面也有bug,比如我们做一个图象识别的算法部署到服务器上,黑客利用软件的漏洞可以在图片上加一些信息进去,这个图片就可以让我的服务系统,或者陷入死循环,或者没有办法获得系统的控制权限,这些也是我们平常想的非常少的。

  第三点,软硬结合的时候,意味着连接变得不可或缺。连接之后意味着黑客就有机会渗透到你的智能硬件里面了,他想做什么样的事就他说了算。

  另外可能还涉及到道德层面上的问题,比如说我们基本上有一个观点,深度学习或者人工智能是没有完美的算法,就意味着你一定要处理一些问题,比如你做自动驾驶,在这个上面就一定要控制,你到底是撞前面的人还是把车右转到车道让自己产生伤亡,这个从道理层面真的不知道该怎么做。总的来说我想说的是,原创性和安全性非常重要,如果想要您自己和您的AI公司能活的更长更久更优秀,这两个维度可能是大家真的要花时间去关注的点。

  谢谢大家!

  薛澜:刚才颜总提到的原创性确实非常重要,我们做的关于《中国人工智能发展报告》里面也确实发现个问题,中国的这个学术界发了很多论文,但是在中国的企业,就是在中国跟国外的同行来比的话,确实不管是在论文还是在专利方面都还是落后的,尤其是我们大家所耳熟能详的企业都不在我们分析的前20里面,有一个唯一进去的企业我们留在后面再说,下面请杨总。

  杨帆:大家好,今天这个论坛是一个跨界的论坛,大家从我的穿着可以看出来,很跨界,我不是企业家也不是学者,我是码农。我自己干的事是怎么让优秀的技术变成产品和价值。在这个过程中,其实包括我参与创建这的家公司商汤,在这个过程中,其实我有几个问题长久以来一直在困惑我,我也有一些思考,今天想借此机会把思考分享给大家。

  第一个问题是大家都知道,中国的创投圈有一个非常显著的特征,叫做:追逐风口,每年有一个新概念,O2O,互联网金融,人工智能,区块链,每年都有一个新概念。从我们开始做的时候就在思考,我就在想一个问题,那商汤是一家做AI的企业,我们成立时候没人提AI这个词,我们也叫计算机视觉。我为什么会相信说AI这件事情是一个就像王教授讲的是一个长期有价值的东西,不是三年即逝的风口,这个问题我想了蛮久。

  一直回退到我上学的时候,那时候的计算机教材,对计算机学科有一个定义,是什么?是对信息的采集、传输、存储、计算和反馈的这样一门科学。我们去看过去整个信息产业的发展也罢,或者是过去十年最火的互联网行业也罢,几乎所有一切的行业发展,产业价值的产生都来自于我们讲的信息五个环节中某一个环节的技术进步。这个过程中我又发现说,互联网其实它之所以跟其他的传统行业形成一个在过去10年、15年形成一个泾渭分明的大的浪潮的差别是什么?它其实对于信息的利用具备两个非常鲜明的特征,一大一小。大的是什么?大的是能够比以往任何时候,任何行业都能更加把海量信息放在一起进行利用,就是更大量的一个信息,从采集多传输到存储到计算,体现在每一个环节,这是大。

  另外一个叫做小,小是什么?我们去看人类的消费品作为一个用户,每天享受产品和服务的时候有两类典型的特征作为服务的提供者。一类是说我给你提供一个低成本便宜的一个产品或者是服务,低成本享受服务,这是一个很典型的发展方向。第二个典型的发展方向是什么,我给你提供一个更加贴身定制化的,更加符合你个人的喜好和偏好的服务。那互联网其实在小的这一点,在对个人定制化服务的提供上,具备了一个以往任何一个行业所完全不能够具备的能力。

  然后我又会发现,它对于海量数据的采集、传输、存储、计算和它去提供这种给每一个人贴身的无微不至的定制化的私人专项VIP服务这二者存在很深的联系。这个联系是什么?就在于它能够把大量的数据用机器的方式从中挖掘出有价值的部分,而且是个人化的有价值的部分。

  我们会去看说随着最近几年有一个新概念叫做:互联网金融下半场。互联网从虚拟世界走出,往线下,往传统行业渗透,这是一个大的趋势。阿里去做实体点,往线下渗透。另外一个是行业巨头发展信息的整合能力,提炼能力,再去发展互联网的海量数据和定制化的服务,二者进行户两融合渗透。

  这个中间最关键的是把大量数据放在一起,把大量信息放在一起,从中去挖掘出价值,去找到每一个人定制化服务贴身的,每个人不一样的价值信息,这件事情是什么。我想了想就是人工智能。不过它以前可能,这件事以前就有,不叫这个名字,以前叫深度学习。只是今天换了一个名字,但是本质没有变,我们讲计算机的五要素的闭环中信息的分析和计算的环节,想通这件事之后我想明白,这么看人工智能是长期来讲对整个行业企业的发展都非常具备的,非常重要的这样一个长期性的价值提供。这我想明白的第一件事。

  第二件事,为什么是中国,今天坐在这里讲人工智能和产业发展,为什么中国在这样的产业应用上能走在前面。就像刚才水成讲的,我们在原创上并不领先,至少比起美国来并不领先,我们所提供的价值在哪里?这个回过头来看,两个很重要的,第一个我们今天讲所有的人工智能需要大量的一个信息的支撑,包括你完善的体系化的支撑,中国今天在这边具备一个非常好的基础条件。我们整个行业社会处在好的状态下,同时有海量的人口,海量的人口带来海量的数据,数据让我们拥有很大的基数。

  在此之上,更加难能宝贵的一点是说我们行业、企业甚至包括,从业者对于AI的新技术,我们所面对它时候的一种心态这个心态在我看来比起甚至包括美国对于新技术,我们所展现出来的对新技术的接纳、拥抱,甚至这个过程中去包容它的问题的这样一种态度远远超过任何一个国家。这里我举一个小的例子,大家知道说我们有一些对话类的机器人微软做过一个小冰机器人。这个小冰机器人跟你能对话,但是不知道这个机器人刚出来的时候会骂人,你骂它,它也骂你。人工智能就是这样,他会模仿你的特征。互联网网民引起轩然大波,骂就骂吧,没什么关系。

  但是不知道大家知不知道件事,微软同样做过一个事,在中国成功之后想在美国复制成功,做了一个TAY,但是很不幸试用阶段,TAY遭受到了美国极端种族主义的一些人,你跟它说话,它会讲一些政治不正确的东西,所以后来把这个东西下架停掉。这就是社会对新技术不满足,不完美采用什么样的态度。

  还有很多例子今天时间有限,我就不讲了,所以我会看到说,有这样的人口基数,大量的数据产生,在此之上对新技术的落地应用,创新过程中的不完美伴随着产业实践迭代,我们所有的包括企业家,政府所表现出的这种包容和接纳的心态,我认为它会帮助我们在未来在人工智能的发展上取得一个更大的优势。我也非常希望说所有人能把这样的心态做的更加包容,以对于我们的产业提供一个更好的发展空间。

  这是我今天想分享的,谢谢!

  薛澜:下面请郝院长,刚才人工智能他们两位都提到了人工智能在未来的发展,包括风口投资等等这些新的机会。是不是对传统产业是灭顶之灾?还是提供了新的机会?

  郝玉成:谢谢薛老师,今天非常高兴跟大家来分享人工智能这个话题,刚才杨总讲到到底会给我们带来什么,他的关键词是带来价值。站在制造业这个视角,我在想跟大家分享的是,人工智能的最大的价值,就是引导、促进传统产业的转型变革,实现智能制造。为什么是这样?我们看我们在关注什么?

  第一个,我们在关注人工智能技术发展的突破在哪些方面,一是技术突破,二是应用突破。

  技术大家看到算法,AlphaGo、视觉等等,这些都是依赖于数据、算法、技术能力的提高得来的。我们再看看应用上的突破,工业机器人、金融、交通、法律等等,人工智能技术已经开始进入这些领域。

  第二个,人工智能技术在制造业、产业方面面临什么样的挑战?我们刚才说AlphaGo典型的这个算法,它可以直接拿来用吗?不可以。举个简单的例子,智能机器人,我们大家现在看到的大部分的机器人都是原来传统上的自动化的机器人,如果我们要说智能机器人现在面临哪些智能化的突破呢?最起码四个智能化的技术:

  1、传感智能。我们说人造皮肤,这个技术突破不了,我们现在所谓的那些智能机器人功能是做不到的。

  2、计算智能。AlphaGo只是计算智能的一部分,很多的算法在算法智能里面,大数据到小数据,刚才讲到了。

  3、操作智能,最后得落地啊,一个机器人要去抓东西,它的有柔性,没有操作智能怎么可能实现?

  4、系统性的智能,包括集成化的智能、感知智能等方面。所以构建一个智能的机器人,不简简单单是一个计算智能就能完成的,所以产业界的研究一定在这些技术方面,系统性的研究,把它放到这个装备里面去完成它的智能机器人的所有智能化的要求,这是面临的挑战。

  包括我们说的标准化,标准化是对创新结果的一个固化,如果没有标准化,走不到产业里面,也走不到产品化,现在这个还有相当大的距离。

  第三个,当然要通过不断的创新去加快人工智能技术的发展。

  1、融合,一个是这些众多的新技术在人工智能方面,进入到一个产业里面的技术的融合的发展,大数据、云计算、人工智能等等,这些新技术在智能制造里面的融合。

  2、系统性的技术,光有机器人是不可以的,它有场景有对象。举个例子,在家庭里,在工厂里,在车间里,这个场景的技术要和智能化的技术结合起来,才有价值。

  3、平台化的生态运用的技术,这些才能构建出一个完美的我们叫产业发展的链条。

  所以到目前为止人工智能的技术在学术方面比较热,在技术方面应该说刚开始走上一个初级的阶段,走向产业还有很大的距离。

  当然我们相信通过不断地创新,不断的努力,人工智能会给我们带来更大价值的技术,会不断地走进产业里。谢谢大家。

新浪科技公众号
新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

创事记

科学探索

科学大家

苹果汇

众测

来电聊

专题

官方微博

新浪科技 新浪数码 新浪手机 科学探索 苹果汇 新浪众测

公众号

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片