杨歌:2018年人工智能仍有瓶颈,未来发展将面临更大挑战

时间:2018-12-22 07:43:37 来源:天后宫资讯网 作者:匿名



文浩傅媛媛主编麋鹿普赫

来源丨首席数字官

“人工智能建立在已经形成数字化转型的应用程序之上。它不能导致企业的数字化转型。”最近,[首席数字官]专门采访了兴义资本的创始合伙人杨戈。他认为,当前企业的数字化转型主要是从信息化到数据化的标准化过程,企业的数字化转型能够有效利用互联网的大数据,使企业从经验管理向数据管理转变。 。人工智能与它无关,但它只是人工智能的先决条件,它不能倒置。

在人工智能的情况下,杨戈认为,2018年的整体人工智能仍处于瓶颈时期。人工智能在工业中的应用必须首先是To B然后是To C,并指出人工智能面向应用层和理论层。最大的障碍。

▌人工智能在2018年处于低谷

从2016年到2017年中期,人工智能已成为一个热门阶段,但到2018年人工智能已经放慢了整体发展速度。人工智能的Gartner曲线表明,技术有自己的生命周期,并且会有高峰和低谷。杨戈认为,人工智能在2017年上半年处于Gartner曲线的顶峰,并在2017年中期开始下降。它在2018年中期达到了Gartner曲线的底部。

从历史上看,人工智能曾经有四到五个高峰,而在2018年,人工智能逐渐从人们的视野中浮现出来。对于一些人工智能企业家来说,当Gartner曲线达到巅峰时,他们也进入了一个稳定的发展时期,大量的从业者与人工智能的概念一起,但当Gartner曲线达到谷底时,每个人都是短期的猜测这个概念失去了信心并且它消失了,所以现在是典型的低谷。

▌中国的人工智能在世界上处于领先地位

尽管2018年人工智能的发展相对平淡,但总的来说,中国的人工智能在从底层芯片到模块开发到上层应用的世界领先地位。与美国,以色列和日本相比,中国正在迅速发展,因为有更多的人才从事软件研发,数据研发,算法模型开发和人工智能开发;有更多可用于培训的数据集;杨戈将人工智能分为三个层次,基本要求是物理层,中间技术模块层和上层实际应用层。从这三个层面,阐述了中国人工智能发展的现状。他认为,中国技术模块层的物理层和中间层的基本要求正在以更快的速度增长。

底层基本要求物理层包括芯片,数据存储,数据传输,人工智能框架等。其中,中国传统通用芯片与世界领先水平仍有一定差距,而对于人工智能芯片来说,它是回归种族起源,研究最基本的集成电路,然后进行的过程。大规模生产。有许多场景可以应用,因此人工智能芯片有很好的市场。

对于人工智能框架,由于谷歌等国外开源框架已具备一定的领导水平,使用国内人工智能技术框架的人数较少,导致迭代速度较慢,因此人工智能框架在中国没有明显优势。 。

中间技术模块层包括语音语义识别,图像识别和运动功能识别。中国处于这一水平的世界级水平。例如,中国军队在运动功能识别方面的发展可以与波士顿动力公司竞争。语音识别也在以更快的速度发展,语义识别在实现非常强的鲁棒性和容错性方面具有一定的难度。

目前,中间技术模块层处于市场稳定发展阶段。例如,科技大学正朝着语音语义识别的方向飞翔,波士顿动力学正朝着运动技能识别的方向发展,而脸部和上唐科技正朝着图像识别的方向发展。但是没有哪家公司能够建立市场标准模块。

与美国相比,实际应用层仍然相对落后。一个重要原因是公众对人工智能的理解还不够深入。由于应用层是需求导向的,中国人对智能和人工智能的理解存在一定的差距,每个人的机器人概念都过于理想化和玩具化,并不了解其背后的深度和难度。关于机器人最重要的是它的芯片和算法能力,但群众更关注肤浅的形象。

杨戈认为,波士顿动力机器人是人工智能应用层中最好的产品之一。 2018年10月,波士顿动力公司宣布了运动功能模块的平台化,标志着运动功能模块并进入了一个相对成熟的阶段。它为机器人行业的发展提供了很多便利。目前,人工智能在市场上的应用更倾向于B.人工智能To C对情商的理解要求较高,对人工智能的要求较高,所以To C的难度很大大。杨戈认为,大多数技术都是先到B再到C的过程中出现,而人工智能选择To C市场是一个错误,你应该选择To B市场。

▌人工智能的发展非常困难,未来的趋势尚不明确。

应用层

在应用程序级别,人工智能应用程序的最大障碍是Common Sense。所谓常识是人工智能模拟器对人类情绪智能的反馈。

以典型的人工智能应用场景为例。当用户使用电影角色进入游戏并看到AR世界时,他可以与所有人进行交流,但事实上,除了他自己之外的所有人都是机器人。在这个过程中,我们会发现游戏的情节更好。困难在于每个机器人的情感现实主义,例如通信期间的反馈。

对于人工智能,现在最困难的是特殊场景的适应性,也称为鲁棒性和容错性。智能驾驶之所以直到现在还不适用于道路,主要问题在于道路交通的实际情况要比理想情况复杂得多。

人工智能目前在许多行业和场景中都不是理想的选择。它需要大量的数据来积累,然后全面考虑计算机以提高常识。但是现在对许多特定模式的理想情况的测试是完美的,但是在实际情况下会出现错误。例如,智能家居保姆机器人无法解决停水时的烹饪问题。

杨戈认为,培训财务数据,企业资源数据,物流数据等是人工智能应该突破的重点。人工智能本身作为一种数学算法在理论上是成熟的,但在应用上还不够成熟。应用场景中的特殊性和偶然性是现在无法控制人工智能。

2.理论层面

衡量人工智能是否可以在行业中使用的关键因素是它是否能通过图灵测试。所谓的图灵测试是衡量人工智能是否能达到应用水平的重要测试。如果在日常会话场景中,人工智能可以真正取代人,这就是所谓的图灵测试。例如,李世石和Alpha Go分别有一百场比赛,但不可能分辨出哪一个是李世石,哪个是Alpha Go。这表明人工智能在Go的垂直场景中通过了图灵测试。基于图灵测试,还有一个称为恐怖谷理论的副业理论。当某件事没有通过图灵测试,或者已经接近图灵测试时,它会让人感到毛骨悚然。例如,人形机器人的所有方面都与人类相似。当存在多个临界点时,当判断这是人还是机器时,人类对机器人的灵敏度曲线会突然下降到底部。

如果人工智能能够成功通过恐怖之谷,您实际上可以开始使用它。然而,目前的技术水平,至少距离恐怖谷十多年,在杨戈看来,目前的人工智能仍处于先进的智能玩具阶段。

对于2019年人工智能的发展趋势,杨戈认为,2019年将不会有特别大的变化,因为人工智能是一个需要五到十年的缓慢工作过程。人工智能的发展需要一个爆炸性的事件来促进。例如,Boston Dynamics将平台运动功能模块。当平台数量变为质变时,将生成集成器,人工智能集成器将促进机器人的发展。

施普林格网络

Copyright ?2018-2019 #首页标题#(www.gnudoyng.net All Rights Reserved.