6月13日,CESAsia2019在上海落幕,展会上,人工智能依旧是关键词之一。除了熟知的人脸识别、语音识别外,智能语音机器人、水下机器人、以及一众智能家居产品,纷纷落地探寻产业化。
近年来得益于深度学习的技术突破,人工智能浪潮再次涌现。从底层的芯片,到框架模型、再到算法、应用,硬件和软件都得到了更迭。这些年崛起的人工智能巨头、创业公司内集中了如此多的顶尖人才和巨量资本,当下格局未定,人才继续流动,而大众的期待值一直在上升。
然而到了2019年,大家对于人工智能未来的争论愈发激烈。一方面,有专家指出,深度学习再前进一步遇到了理论瓶颈;另一方面,人工智能在商用和结合行业的过程中,困难不少。
首先,其实学界一直在探讨,要怎么解释和证明深度学习的原理。对于计算的“黑盒子”,我们知其然,不知其所以然。对于单一的场景,可以利用深度学习的计算提出较好的解决方案,但是面对更为复杂的场景,对于大数据的运算就无法把控。
机器学习领域的国际专家、创新工场科研合伙人张潼向21世纪经济报道记者表示:“深度学习是用大的模型,大的数据这套思路来运作,这套思路获得了挺大的成功,也应用到现在工业界中。但的确它往前走会有一些缺陷,这是我个人的观点。从数学上,从原理上来讲,大家都在理解这方面还需要加深。下一步要解决复杂场景,只靠它是不行的。”
所以,在张潼看来,需要从原理上对深度学习再理解,“现在也有这种动作,就是逐渐把原理理解得更好,然后针对性地解决数据问题,再往前推进一步。时间会稍微长一点,但我觉得还没有到瓶颈,大数据这一块以后慢慢变好,之前可能一下能提十个点,现在可能提一个点,将来可能提0.5点,但是还有其他的手段,需要慢慢地研究。”
也有业内人士向记者提到,对于深度学习的技术,大家容易忽略的问题是学习的原料够不够,可以用于机器学习的大数据量还是有限,尤其是定制化的数据还是不够的,加工能力不足。如果能够在产业链上解决有效数据的问题,深度学习也会得到突破。
其次,除了对技术进步的担忧,业内对于人工智能的落地更加关注,技术产业化过程中仍存在不少难题,
一位人工智能研究人士告诉21世纪经济报道记者:“虽然图像处理方面有Resnet模型的突破,自然语言领域有Bert模型的突破,使得通用领域的智能研究达到了新的高度,但在具体的商业领域依然没有根本性突破。”
如何让人工智能技术在复杂的行业应用中更具价值,是新的挑战。
在创新工场人工智能工程院执行院长王咏刚看来,AI正从1.0向2.0升级,从科研到商业赋能转化,“前期我们发现AI摘了比较容易摘的果子,AI把互联网的内部大数据,流程里面的广告预测、商品推荐全都摘掉了,这些果子特别容易摘,因为只要把AI技术用起来就能得到结果。然后AI把一些浅层感知的果子摘掉了,比如说语音识别、人脸识别、影像的理解,这些摘掉之后接下来会问AI还能干什么?”
这就回归到一个问题,AI的本质到底是什么?王咏刚说道:“AI本质是应该帮助人类各个行业去提高效率、降低成本,但是当把这些好摘的果子摘掉之后发现再进一步提高效率,单独的AI已经很难单独承担这个义务、责任了,所以AI一定要和行业的知识理解、和行业的技术有一个结合点。而结合的难点在于今天AI解决的很多问题,在行业里根本就不是重要价值链条的一环,只是锦上添花。”
无论是医疗制药、制造业,还是交通物流、零售、金融等领域,都是人工智能可以接入的重要场景。
而由于技术等因素和应用难题的影响,也有观点认为2019年是AI寒冬,AI进入平台期的声音渐起。
但是,王咏刚在接受记者采访时谈道:“我不觉得有什么AI寒冬。AI任何时候都会有行业里面的一些泡沫,但是泡沫排除掉之后,实际上AI是一个扎扎实实的技术,比如说这个技术它今天不能做到10分,但能做到5分,很多人对此有一个过高或者过低的期望,这其实都是不对的。所以我们要客观地看待AI在整个行业里面今天的位置。”
而从IDC发布的最新《全球人工智能系统半年度支出指南》来看,人工智能的投资热度依旧很高,该指南显示,亚太地区人工智能(AI)系统支出预计2019年将接近55亿美元,比2018年增长近80%。
不过,无论是技术突破,还是技术落地,新一轮突破来临前还需要一段时间的蛰伏。(21世纪经济报道)
编辑/田野
![](img/xia.png)