2020年,這個特殊的年份即將過去。在這一年中,我們的生活遭受重創,但AI技術和應用仍在加速腳步。“重啟、重塑、重構”成為今年AI行業的主題,AI正在構建疫情之下的新常態,幫助我們快速走出疫情帶來的陰霾。
12月16日,量子位在北京召開了MEET 2021智能未來大會,眾多AI行業大佬齊聚一堂,分享了過去一年的成果、經驗,碰撞出思辨的火花。經歷了“黑天鵝事件”的中國AI現狀究竟如何?新的一年又走向何方?
小米崔寶秋:開源是人類技術進步的最佳平臺和模式
小米集團副總裁、集團技術委員會主席崔寶秋分享了小米在AI和開源上的思考。
在戰略上,今年小米將未來十年的核心戰略升級為手機×AIoT,AIoT是AI技術加持的智能設備。在產品上,2020年小米升級了AI相機、快速充電技術,推出了還有基於UWB技術打造的小米“一指連”當然還有小米最重要的AI技術——“小愛同學”。
“小愛同學”就是小米的AI,就是小米的分佈式AI能力系統。為了打造一個開放的平臺與開放的生態,小米開源了兩大技術。一個是小米2018年對外開源的移動端深度學習開源框架MACE,另外一個就是人機交互方面的語音交互工具包Kaldi 2.0。
崔寶秋認為,今天我們正在跨入互聯網文明,大數據信息時代,開源將扮演越來越重要的角色。在過去10幾、20多年來,從早期的互聯網,到雲計算,到大數據,到2016年開始變得非常火熱的人工智能,我們離不開開源軟件,開源軟件在雲計算和大數據時代,已經成為事實的標準。
在今天,AI全球分化的時代,各個AI巨頭,各個國家,都想通過開源這種模式來快速打造AI方面的領先地位。所以所有的巨頭都在深度擁抱開源。所以中國的所有AI企業,包括小米在內,也都在紛紛擁抱開源。
崔寶秋堅信,開源是人類技術進步的最佳平臺和模式。
浪潮劉軍:計算力就是生產力
浪潮信息副總裁、浪潮AI&HPC總經理劉軍指出,我們已經進入到了一個智慧時代,而智慧時代最重要的生產力就是計算力。
在智慧時代,勞動者第一次不僅僅是人,人工智能也成為了我們的勞動者。今年在AI方面最重要的一個的技術創新,就是GPT-3。而為了訓練它,據說需要花費500萬到2000萬美金計算費用。其實不僅GPT-3,我們遇到的各種AI的實際應用,實際上背後也有算力在做支撐。
工業時代的基建是發電廠。而在智慧時代,智能計算中心就是新的發電廠。它會為智慧應用提供源源不斷的AI算力數據服務,這也是今年4月份發改委針對新基建做出了新的闡述,即面向AI的新基建。
進入AI時代,提供算力服務的智算中心和過去的超算中心在計算架構上有所不同。浪潮基於AI芯片、AI服務器、高速互聯、深度學習的框架,來構建整個智算中心,實現生產算力、聚合算力,調度算力、釋放算力,從而形成一個算力生產供應的平臺,數據開發共享的平臺,智能生態的建設平臺和產業創新的平臺。
過去幾年裡,浪潮致力打造“元腦生態”計劃,本質就是使具備領先AI算法的科技公司,能夠覆蓋到傳統的行業客戶。在這樣一個生態中,具備領先AI算法的科技公司作為“左手夥伴”,夠覆蓋到千行萬業的行業ISV、SI作為“右手夥伴”,浪潮聚焦做算力系統平臺能力共享,這樣三類角色在元腦生態裡產生了化學反應,攜手合作促進產業AI化,驅動產業AI化的進步。
山景智能黃勇:敏捷也是AI能力的一種體現
山景智能科技創始人及CEO也分享了一些經驗。
本身山景智能專注於在金融領域,幫助銀行業、金融行業去尋找通用智能能力。
所謂通用智能能力,不能只對某一個模型、某一個算法而沾沾自喜,而更多是做AI的能力泛化。黃勇認為,銀行一定要構建自己的開放的架構、敏捷的架構、智能化的架構。這是今天銀行恰恰缺乏的。金融領域、金融機構、未來的金融企業,一定會從數據智能走向業務智能。
黃勇認為,機器會替代人寫代碼、替代人做業務的決策,因此上端一定會出現業務服務自動編排和自動分裝的過程。不僅僅在金融領域,在其他的領域都會走向這一步,這樣才會把人的各種能力釋放出來做其他的決策。
AI中臺向上發佈的不僅僅是算法和模型,而是業務智能能力。只有實現數據自動化、數據智能能力的分裝和AI智能能力的分裝,才有可能實現業務的自動化服務。未來所有的算法,從需求到算法,到整個業務流程,一定是完全敏捷的,敏捷也是AI能力的一種體現。
G7翟學魂:未來5年大部分卡車都會變成無人卡車
G7創始人、首席執行官翟學魂分享了物聯網技術在無人卡車中發揮的作用。
G7是一家10年前成立的,專門在物流領域裡面提供物聯網服務的公司。通過運貨卡車加入IoT、 AI的技術,G7可以將使用壽命從5年變成12年,雖然車製造的成本比一般的車要貴,但通過這種方式,貴的東西反而變便宜了。
翟學魂以卡車運輸煤炭為例,講述了物聯網大數據對運輸安全的改進,通過車載物聯網設備的數據識別,可以發現用怎樣的方式運輸會更安全。另外,通過對物聯網數據的分析,也可以得到一些經濟數據,G7發現卡車物聯網數據跟GDP的數據高度是吻合的,還有利用卡車運輸數據分析雄安的建設狀況。
翟學魂認為,未來3到5年時間帶來的變化,會遠遠超過過去這10年。未來5年左右的時間,大部分新的卡車都會變成自動駕駛的卡車,也許不是完全無人的,但是一定是司機不怎麼管安全,也不怎麼管油耗的,只是坐在那兒象徵性的開一下車。
而且他還認為,未來5年之後,絕大部分卡車的能源會發生根本性變化,不會再用柴油了,所以能源、裝備、生產力在未來5到8年的時間,會發生根本性的變化,而G7能在裡面起到顯著地推動作用。
容聯雲通訊熊謝剛:為了省錢用AI替代人是偽命題
容聯雲通訊CPO熊謝剛分享了他們在AI落地化中的一些行業經驗。
過去兩到三年,大量的AI創業公司出現,但是這些創業公司其實都面臨著產品變現非常難的問題。很多創業公司100人到500人發展很快,收入基本上都是好幾千萬,但是很難看到在未來的兩到三年,或者三到四年,做到上億,甚至接近幾個億的收入規模。
原因是什麼?是因為每個AI項目的客單價不高。作為一個AI創業公司,如何讓公司怎麼成長起來,需要讓客戶在使用完AI產品以後,切實感受到業務效果的提升。過去受到市場的影響,行業在大談AI產品是為了替代人,替代人的目的是什麼?是為了服務、省錢。而熊謝剛認為,用AI替代人,在今天的這樣一個定位,是一個偽命題。用AI去做產品考慮的恰恰不是去替代人,而是用AI去做人做不了的事情。
這些事情可分為兩類:一類就是數據量特別大的,還有一類就需要計算速度越快越好的。例如在通信領域做應急通信,出現大量的突發事件的時候,需要快速的響應。
所以一旦用AI的技術去很好的處理了這兩個事情,客戶花多少錢都會買單。如果能找到這兩個點的話,一定會讓AI產品成為剛需。
自動駕駛圓桌論壇
在上午的最後階段,百度副總裁、Apollo平臺研發總經理王京傲,馭勢科技聯合創始人、董事長兼CEO吳甘沙,輕舟智航聯合創始人、CEO於騫,圖森未來聯合創始人&COO郝佳男,四位行業大佬坐在一起激辯自動駕駛。
談到各種公司技術的側重點,每個人都對自動駕駛未來的發展有著獨到的見解。
王京傲認為,今年汽車行業的一個趨勢是汽車智能化,從各大新造車勢力的股價可以看出其勢不可當。自動駕駛的大幕剛剛拉開,大家快來做,越早越好。在Robotaxi方面,百度現在已經落戶到了廣州、滄州、北京、長沙這些城市,明年會落地更多的城市,並提升這些城市的運營效率。對於未來的展望,百度的目標是,在未來的3年將Robotaxi落戶30個城市,在未來的5年裡面將Apollo智能駕駛安裝到百萬輛車以上。
吳甘沙認為,今年自動駕駛商業化有三個關鍵詞:上量、真無人、全天候。上量是指馭勢科技對今年客戶總量的預計太保守。真無人則是體現在從去年底開始馭勢科技率先在運營中取消了安全員。全天候是說無人駕駛進入運營狀態後,必須應對各種複雜環境和氣候等。他還指出,從商業化節奏和需求的迫切性上來看,無人駕駛汽車載物會比載人更快落地。
於騫則認為,在國內載人的場景,Robobus一定要比Robotaxi更快落地,而載貨方面,在美國的重卡,應該是一個比較快的落地方向。在L4方面,Robobus以固定路線、中低速的微循環公交形式落地會更實際和務實。而L4級別的自動駕駛,想大範圍普及,還需要解決很多corner case,即便強如Waymo,目前也面臨許多技術問題。甚至到最後,Robobus和Robotaxi或將殊途同歸,以共享無人小巴的形態大範圍普及。
郝佳男指出,在無人車落地化方面,中國相比美國有著許多優勢。美國每個州有自己的一個計劃,對無人駕駛持相對開放的態度。在中國可能有一些法規需要進行突破,但是,他對此比較樂觀。中國其實有很多美國可能不太容易推進的資源,比如說V2X、車聯網,這些資源可以讓中國“後發先至”,走得更快。
譚建榮院士:數字經濟搞得好不好,要看企業、群眾是否受益
中國工程院院士譚建榮在會上做了題為《數字經濟與數字轉型:關鍵技術與發展趨勢》的演講。
譚建榮院士指出,實體經濟始終是國民經濟最重要的基礎,搞人工智能、大數據、數字經濟,一定要跟實體經濟結合起來,而且是一定要跟製造業結合起來。
從需求上看,目前,無論是實體經濟還是數字經濟,都發生了很大的變化。變化主要來自4個方面:批量化生產向定製化生產的轉變、單一化產品向多品種產品的轉變、產品更新換代週期越來越快、大眾化產品向高端化產品的轉變。
與此同時,是新一代信息技術的發展。新一代信息技術同樣具有4個顯著的特點:由互聯網技術發展到物聯網技術、由虛擬現實技術發展到增強現實技術、由網格計算技術發展到雲計算技術、由機器學習技術發展到深度學習技術,這樣的轉變和發展,就支撐起了現在數字經濟的發展。
譚建榮院士認為,數字經濟的發展過程中有三大重要的裡程碑。
第一個裡程碑,是40年前美國未來學家阿爾文·託夫勒提出“數字經濟”的概念。在《第三次浪潮》中,他預見到互聯網是個舞臺,創新的主角是大數據,大數據將走向第三次浪潮的華彩樂章。
第二個裡程碑,是美國副總統戈爾提出數字地球的概念。數字地球是一個與地理信息系統、網格、虛擬現實等高新技術密切相關的概念。其核心是地球空間信息科學,以及遙感技術、地理信息系統和全球定位系統這三大基本技術的集成。
第三個裡程碑,就發生在中國。2016年在杭州舉行的G20領導人峰會,首次提出全球性的《二十國集團數字經濟發展與合作倡議》。
2017年中國政府工作報告,首提“數字經濟”,提出要“促進數字經濟加快成長,讓企業廣泛受益、群眾普遍受惠”。
譚建榮院士也強調,數字經濟搞得好不好,人工智能搞得好不好,主要的標準就是這兩條:第一,企業有沒有受益;第二,群眾有沒有受惠。
回到那個問題,數字經濟與實體經濟緊密結合,又該如何高質量發展?譚建榮院士提到了高質量發展的4大要素:高質量的產品、高質量的技術、高質量的管理和高質量的人才。
具體而言,譚建榮院士總結分享了5個方法。第一,要把人工智能用到製造業當中,形成智能製造,用智能製造來提升創新能力、設計能力和產品研發能力。如今,產品創新設計能力仍然是中國製造業的短板,而這種創新能力的薄弱,也是存在於信息企業當中。譚院士引用中國工程院前院長徐匡迪院士的觀點強調:“不研究人工智能的算法,就無法掌握人工智能的核心技術。”第二,通過智能製造來提升工藝。第三,通過智能製造來強化質量。不僅要提高硬件產品的質量,還要提高軟件產品的質量。
譚院士認為,工業軟件是中國最短的短板之一,亟待補全,而要重振中國的工業軟件企業,人工智能將大有用武之地。第四,智能製造+延伸服務。不僅軟件業要變為服務業,製造業也要向製造服務方向轉變。第五,通過智能製造數字化轉型,找準產品服務對象,拓展產品市場。
美團夏華夏:“接地氣的AI”就是希望讓每個人享受到科技帶來的便利
科技應該真正為社會價值做出貢獻。美團副總裁、首席科學家夏華夏,就在大會現場分享了什麼是“接地氣的AI”。
用智能語音技術幫盲人點餐,用NLP幫助餐館老闆回覆客戶問題,在疫情期間用無人車協同騎手配送外賣……說起來,都是“小事”,但夏華夏認為,這些深入人們日常生活的AI應用,恰恰體現了很多科技工作者工作的價值——
用技術,去幫助每一個普通人生活得更好。夏華夏指出,接地氣的AI,是人工智能發展至今的一個大趨勢。過去由數字、資本驅動的AI,在今天逐步落地之後,已經變成由實際價值驅動的AI。這個價值由誰來決定?自然是技術的受益者,每個普通大眾。
所以,到底什麼是“接地氣的AI”?第一,是落地速度接地氣。以美團為例。據不完全統計,在2020年,整個美團AI團隊落地了近3000個實際業務需求,涵蓋配送調度策略調整、商家智能運營的方方面面。第二,是服務行業接地氣。也就是說,把AI技術應用到普通的本地生活服務商,包括衣食住行、吃喝玩樂。從用戶的角度來看,人工智能滲透進衣食住行的方方面面,帶來了用戶體驗的提升;從商家的角度而言,美團這樣的平臺提供的AI能力,能夠幫助商家做信息化、數字化、智能化乃至自動化升級,優化商家整體的經營手段。第三,是服務對象接地氣。技術在飛快地往前發展,但卻不是每個人都享受到了技術帶來的便利。但夏華夏認為,技術的發展不應該把任何一個人拋下、落下。AI的服務對象,應該是每一個普通人。而這,也是美團AI的技術宗旨。那麼,“接地氣”是不是意味著只想今天,不想明天?夏華夏回答:科技落地應用與長期技術探索並不矛盾。
接地氣是我們在落地科技時的一種“科技為人”的價值導向。科技的落地應用,與長期、有挑戰的科技探索之間並不衝突。在長期、有挑戰的工作上做投入、做突破,才能讓科技持續產生價值。
最後,夏華夏還展望了一下AI最美好的模樣:像水電煤一樣成為未來生活的基礎設施,無處不在,但不一定需要被用戶感知。AI可以在生活的每一個角落為我們服務。
清華唐傑:認知圖譜是人工智能的下一個瑰寶
清華大學計算機系教授、系副主任唐傑在會上做了題為《認知圖譜,人工智能的下一個瑰寶》的演講。
人工智能的發展可以劃分為三個時代:符號AI、感知AI和認知AI。認知AI到現在為止尚未實現。那麼,實現認知AI需要做什麼?唐傑教授指出,現在急需打造的是AI基礎設施,比如認知圖譜怎樣構建。
為什麼要強調認知的邏輯呢?唐傑教授舉了GPT-3的例子。GPT-3,參數規模達到1750億,數量級接近人類神經元。並且,在表達能力上,這樣的大規模語言模型已經使得AI接近人類。這就帶來了一個啟示:我們是否可以直接通過大規模、大算力、大計算的方法,得到一個超越人類的通用人工智能?且不談上億人民幣的訓練成本,GPT-3這樣的語言模型,如今已經暴露出一個明顯的問題:沒有常識。比如,你問它一根草有幾隻眼睛,它會回答“一隻眼睛”。
想要解決這樣的問題,用計算的方式做認知,唐傑教授談到可以結合兩種方法去實現。第一,數據驅動。把所有數據進行建模,並學習數據之間的關聯關係,學習數據的記憶模型。第二,知識驅動,構建知識圖譜。不過,僅僅如此仍然不夠。
唐傑教授指出:真正的通用人工智能,我們希望它有持續學習的能力,能夠從已有的事實、從反饋中學習到新的東西,能夠完成一些更加複雜的任務。因此,認知AI應該符合9個準則:適應與學習能力,定義與語境化能力,自我係統的準入能力,優先級與訪問控制能力,召集與控制能力,決策與執行能力,錯誤探測與編輯能力,反思與自我監控能力,條理與靈活性之間的能力。
認知圖譜的概念也就應運而生。認知圖譜有三個核心要素:常識圖譜。比如高精度知識圖譜構建工具,領域知識圖譜應用系統,超大規模常識知識圖譜,基於知識圖譜的推薦/搜索等等。邏輯生成。與計算模型相關,如超大規模的預訓練模型,能夠自動進行內容生成。認知推理。即讓計算機有推理、邏輯思維能力,像人一樣思考。
唐傑教授表示,知識圖譜+深度學習+認知心理,打造知識和認知推理雙輪驅動的框架,將是接下來一個重要的研究方向。項目關鍵技術通過成果轉化孵化了北京智譜華章科技有限公司(簡稱智譜·AI),形成多個核心產品,在阿裡巴巴、搜狗、華為、騰訊、點通、工程院等30餘家企事業單位部署了超過100餘套智能型雲服務系統,應用前景極其廣闊。
小冰公司李笛:強大的AI不應該提供給企業,而應該給企業裡的勞動者
小冰公司首席執行官李笛,在大會上分享了小冰框架的大量實踐。人工智能正在不可避免地進入人類社會的每一個角落,和人類發生各式各樣、千絲萬縷、無處不在的關聯。李笛認為,在討論人工智能未來的價值之前,需要先討論人工智能的邊界。
作為一個佔據全世界範圍內人和人工智能交互總流量60%的技術框架掌舵者,李笛根據實際經驗,把技術運用的邊界歸結為三件事:第一件事,預判技術在運用過程中可能會遇到的困境,嘗試用系統化的結構,去提升規避掉這些困局。第二件事,是對場景的剋制。人工智能要發展,需要在選擇落地場景上保持剋制。第三件事,是嘗試保護雙方的機制。把人工智能想像成一個面向未來的系統,它會跟億萬人類發生各式各樣實時、高併發的交互,所以在系統設計上一個非常重要的邊界,就是對雙方進行保護。
李笛表示,這也是為什麼小冰公司堅決禁止為普通個人去訓練聲音。李笛在現場展示了小冰的語音能力,在有意識地加入人類語音的瑕疵之後,小冰更加接近於人,能實現31分鐘的人類舒適時長。Siri的這一指標為2.6分鐘-7.8分鐘。李笛認為,這種能力太接近於真人,很有可能被不法分子利用。因此在技術不足以防範語音詐騙的時候,需要非常謹慎。
另外,李笛還談到了這樣一個問題:當你手上有一個強大的AI工具,應該把它提供給誰?李笛說:不應該提供給企業,而應該給企業裡的勞動者。
華為黃之鵬:AI框架的發展到了汽車替代馬車的階段
大會最後,華為計算開源開發與運營部副總監黃之鵬介紹了今年3月28日開源的自研AI框架MindSpore。
可能很多人會有疑問,行業裡已經有了TensorFlow、PyTorch這樣成熟的框架,為何華為還要“重複造輪子”?黃之鵬說,如果打個通俗的比方,那就是:AI框架的發展,已經到了一個類似於歷史上汽車出現替代馬車的階段。也就是說我們正處於20世紀初的那樣一個變革年代。
現有的框架可以看作是達到了馬車時代的頂峰。現有框架可以像馬車一樣做到非常舒適、精緻,有足夠的運行效率,也有非常好的上下遊的生態。
MindSpore類似於那個時代的汽車,可能沒那麼舒適、精緻,但是有很強的操縱感,具有工業化設計和流水線能力,可以有超乎想象的效率和性能,構築了全新的硬核科技生態。
如果使用過MindSpore,尤其在昇騰環境上,能體會到運行感非常好。MindSpore就像汽車一樣,是一個工業化的產品,具有非常好的工業化能力,尤其是對大規模自動化並行的支持,應該是前所未有的。
華為開發MindSpore最重要的是,嘗試解決很多具體的問題。對於AI算法工程師來說,如何更高效、更簡潔地開發。對於企業來說,尤其是生產環境的魯棒性也是非常重要的。還有就是硬件能力的釋放,現在是有大量AI專用硬件的時代,如何能夠把這些優秀硬件的能力極大的釋放出來,這對於框架來說也是一個非常重要的問題。
針對這些問題,華為開發了MindSpore。它有幾個非常關鍵的特性:一個是自動並行,二是高階優化,三是是全棧協同。
最後黃之鵬也表達了MindSpore的開放態度。雖然MindSpore是國產框架,但絕對不會在侷限在中國一個社區,MindSpore從誕生之始就是一個立足於中國,但是面向全球開發者的全球性的開源社區。
轉載請超鏈接註明:頭條資訊 » 戴口罩的這一年,AI產業如何“重啟、重塑、重構”?
免責聲明 :非本網註明原創的信息,皆為程序自動獲取互聯網,目的在於傳遞更多信息,並不代表本網贊同其觀點和對其真實性負責;如此頁面有侵犯到您的權益,請給站長發送郵件,並提供相關證明(版權證明、身份證正反面、侵權鏈接),站長將在收到郵件24小時內刪除。