每日最新頭條.有趣資訊

三年前打敗了柯潔的AI,真的改變世界了嗎?

《新基建論衡》由騰訊新聞與資本偵探等媒體聯合出品,針對新基建領域的產業發展、技術進程和資本布局產深度報導欄目,旨在引領新風向,掘金新基建。

劃重點

能讓馬雲、馬化騰、李彥宏等業界大佬共同看好的方向,除了人工智能,可能很難找到第二個。

在7月9日舉行的2020世界人工智能大會雲端峰會上,“三馬”(馬雲、馬化騰、馬斯克)、“二宏”(李彥宏、張文宏)少見地隔空同台。此外,還有包括七位圖靈獎得主、一位諾貝爾獎得主在內的550多位業界、學術界嘉賓匯聚一堂。

大會上,以聯合國數字合作高級別小組聯合主席的身份出席的馬雲,就疫情期間社會經歷的大動蕩發表了自己的感悟,他認為,世界已經巨變,技術變革提前並且加速,與其擔憂,不如擔當,“為活下去而做的創新才是真正最強大和不可阻擋的動力”。

馬雲有此感歎,一定程度上是因為在疫情危機中,依賴人力、線下運轉的傳統行業遭受極大衝擊,以人工智能為代表的新興科技彰顯出其重要性與必須性。例如,複旦大學附屬華山醫院感染科主任張文宏提到,“從人工智能參與到抗疫物資調配的時候,我們就意識到將來人工智能具有非常強大的物資調配能力”。

馬雲在世界人工智能大會上發表演講

人工智能的意義已不止於經濟層面,它也是抵禦大自然不可抗力、維持社會健康穩定發展的依仗,基於這一邏輯,政策已率先做出反應。

在今年2月,工業和信息化部科技司發布了《充分發揮人工智能賦能效用 協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》,倡議通過科技力量支撐疫情防控。隨後,“新基建”政策落實,人工智能被列為七大領域之一。

隨著底層技術的進步,與計算能力、大數據、場景等人工智能成長土壤的逐漸成熟,人工智能正處於平台化、產業化之前的關鍵節點。

疫情催化及政策推動下,人工智能的發展被按下加速鍵:僅在大會上,就誕生了8個人工智能產業投資基金項目,36個人工智能產業項目,簽約投資總額超過300億元。

而在新基建的東風下,人工智能又會帶來哪些機遇?

一局圍棋

在未來關於人類歷史的講述中,一定會有這樣一個篇章。

2016年3月,谷歌旗下DeepMind公司開發的人工智能機器人AlphaGo與圍棋職業九段棋手李世石進行圍棋人機大戰,此時,大眾對誰贏誰輸的預測還有很大分歧,最終AlphaGo以4比1的總比分獲勝。

這樣一場比賽,將人工智能這樣一個更多存在於科幻電影、小說中的概念實體化,也將人類一直以來的自信與驕傲擊破,證明了人工智能可以達到比肩,甚至超越人類的高度——這甚至引發了一些恐慌。但在當時,中國選手柯潔仍認為“AlphaGo能贏李世石,但是贏不了我”。

僅一年之後,AlphaGo再次突飛猛進,大眾已經一邊倒地做出了人類必敗的判斷,最終AlphaGo以3:0的戰績擊敗了幾乎代表著人類圍棋最高水準的柯潔。

第三局比賽中,柯潔甚至中途離場20分鐘痛哭,連坐在十幾米之外的觀眾都能聽見他隱忍但清晰的哭聲。“我感到渾身都在顫抖,真的,寒冷地顫抖。”後來柯潔這樣描述自己的狀態。

柯潔承認,他的失態是因為覺得機器下得太完美。

柯潔在與阿爾法狗的對弈中痛哭

值得指出的是,人工智能從誕生到打敗世界圍棋冠軍,隻經過了六十餘年的發展。

1950年,一位名叫馬文·明斯基的大四學生,與同學一起建造了世界上第一台神經網絡計算機,這也被看做是人工智能的一個起點。而馬文·明斯基在後來也被譽為“人工智能之父”。

人工智能之父:馬文·明斯基

同年,“計算機之父”阿蘭·圖靈提出設想:如果一台機器能夠與人類開展對話而不能被辨別出機器身份,那麽這台機器就具有智能。直到1956年,計算機專家約翰·麥卡錫才提出“人工智能”一詞,被人們看做是人工智能正式誕生的標誌。

隨後,由於技術難度高、進展慢,人工智能的發展反覆經歷著高潮與低谷。在1987 年,由於通用計算機 Lisp Machine在商業上的失敗,人工智能再次滑入了低迷期,行業人士開始意識到人工智能的問題不在於硬體,而是在軟體以及算法層面的挑戰沒有突破。

長久以來,對人工智能的探討一直局限在研發圈層中,一直到AlphaGo出世,橫掃人類圍棋界,才一舉將人工智能推向了社會話題中心,自此之後,人工智能概念始終炙手可熱。

人工智能之所以會在2017年的時點上爆發,本質上是得益於發展土壤的逐漸成熟,馬化騰曾在演講中提到,發展人工智能,場景、大數據、計算能力和人才缺一不可。

在計算能力方面,深度學習技術是人工智能發展歷史上的一個重要突破。2006年,現任職於Google Brain的技術專家 Geoffrey Hinton帶領團隊發現了訓練高層神經網絡的有效算法,2012年,Geoffrey Hinton團隊在ImageNet上首次使用深度學習技術完勝其它團隊。

Geoffrey Hinton在ImageNet 2012上的成功讓科學家開始更多的關注模型與算法的創新突破,以彌補訓練中數據的不足,從而帶來算法上的快速迭代:以圖形計算為代表的GPU在計算機視覺訓練中替代原來的CPU,大大提升了計算性能,讓原來需要幾個月才能完成的訓練縮短到幾天或幾個小時,加快了計算機視覺前期訓練和推理的迭代周期,帶來效率上的成倍提升。

Geoffrey Hinton

大數據則是人工智能的燃料,隨著互聯網浪潮從PC時代過渡到移動時代,人類生活逐漸被智能終端所綁定,每日可產生的數據量出現指數級的增長,且數據維度更加豐富,大數據技術逐漸精進。而大數據技術能夠通過數據采集、預處理、存儲及管理、分析及挖掘等方式,從各種各樣類型的海量數據中,快速獲得有價值信息,為深度學習等人工智能算法提供堅實的素材基礎。

另一方面,隨著社會經濟形態與產業形態發展,人工智能有了更多的落地場景,如醫療、安防、交通等,這是承載人工智能發展的介質。

因此,近幾年人工智能風口再起,實際上是技術發展、數據沉澱以及場景延展等多個因素,厚積薄發,引發了一場席卷全球的AI創投熱潮。

迷霧尚未消散

在探討人工智能的前景之前,有必要先厘清人工智能的基本架構。對人工智能的探討可以分為兩條主線:一是學術視角的底層研究,二是產業視角。

高校是培養人工智能人才、執行人工智能技術研究的主陣地,在美國,人工智能方面科研實力最強的高校有麻省理工學院、卡內基梅隆大學、史丹佛大學等。其中,卡內基梅隆大學在2018年開設了美國首個人工智能本科學位,加大對人工智能領域人才培養的投入。

中國高校也在近兩年間不斷推進人工智能教育,數據顯示,截至2018年底,有94所擁有人工智能二級學院的中國大學,相比2017年增加了21所,其中,清華大學、浙江大學、上海交通大學、哈爾濱工業大學、華中科技大學、中國科學技術大學、中科院各研究所等是人工智能底層研究的主力軍。

高校開展的人工智能研究更多是由國家撥款支持的,此外,也有不少大型科技公司出資成立研究院,從事人工智能底層技術研究。

谷歌一直以來都將人工智能作為主要戰略方向之一,它在2011年時就推出了聚焦深度學習的Google Brain項目,並在2014年1月斥資4億美元收購一家名為Deep Mind的人工智能公司,正是這家公司在三年後推出AlphaGo,掀起人工智能風潮。

據谘詢公司麥肯錫報告顯示,包括谷歌在內的科技巨頭,2016年在人工智能上的投入在200億至300億美元之間,其中10%用於人工智能收購,90%用於研發和部署。

2017年,AlphaGo引爆人工智能概念之後,美國科技巨頭對人工智能的投入進一步加大。該年的Google I/O 開發者大會上,谷歌確立了從mobile-first到AI-first的根本戰略轉變,同年,微軟宣布計劃建立百人規模的微軟AI研究院。一年後,谷歌又將谷歌研究院(Google Research)改名為谷歌人工智能(Google AI),將人工智能放在最高戰略地位上。

國內科技公司對人工智能底層技術的研究稍晚一步,但在近幾年也發展迅速。

較早在AI研究上進行投入的是百度,2014年,百度成立矽谷人工智能實驗室,由史丹佛大學計算機科學系和電子工程系副教授吳恩達領航。吳恩達同時也是Google Brain的主創成員之一,是人工智能領域公認的領軍人物。同年,百度還啟動了“少帥計劃”,提供百萬年薪,針對30歲以下的人工智能領域優秀人才進行甄選和培養。

吳恩達

2016年4月,騰訊成立AI Lab(騰訊人工智能實驗室),致力於人工智能基礎科學的開放研究,以及應用領域的深入探索,做到“學術有影響,工業有產出”。隨後,張潼、賈佳亞、俞棟等學界大牛陸續加入。

在2017年杭州阿里雲棲大會上,阿里巴巴在面向未來技術創新方面投入千億資金,成立了探索人類未來科技研究院“達摩院”。

此外,華為等國內科技巨頭,也在人工智能底層研究上有所投入,包括建立研究院,與各大高校共同開設相關課程等。

無論是成立研究院、實驗室還是達摩院,雖然各家研究方向存在細微差別,但BAT都試圖表現投入人工智能底層研究的態度。只是相關設想在實踐中遇到挑戰,如今,百度人工智能實驗室遭遇大換血,吳恩達早已離職創業,少帥計劃也無疾而終;騰訊Lab經歷調整,張潼、賈佳亞相繼離開;達摩院的投入重點在往產業層面靠攏。

在產業界探索研究人工智能底層技術遭遇挫折的同時,在產業層面,人工智能在波折中前進。

目前,全球人工智能產業的生態系統正逐步成型。依據產業鏈上下遊關係,可以將人工智能劃分為基礎支持層、中間技術層和下遊應用層。

基礎層是人工智能產業的基礎,主要包括了芯片、傳感器、大數據和雲計算等基礎能力。

我國人工智能行業發展追求速度,資金投向追捧易於變現的終端應用。研發周期長、資金投入大、 見效慢的基礎層創新被市場忽略,但是人工智能的發展根源於基礎層(算法、芯片等),長期來看看,人工智能的行業研究有所突破還是要依賴基礎層研究。

技術層是人工智能產業的核心, 主要以模擬人的智能相關特徵為出發點,將基礎能力轉化成人工智能技術。如計算機視覺、智能語音、自然語言處理(NLP)、人機互動等應用算法研發。其中,技術層能力可以廣泛應用到多個不同的應用領域。

計算機視覺是實現工業自動化和智能化的關鍵核心技術,其對於人工智能的意義,正如眼睛之於人類的意義,幫助機器“看懂”這個世界。本質上,機器視覺通過使用光學系統、工業數字相機和圖像處理工具,來模擬人的視覺能力,並做出相應的決策。

而NLP則是幫助人工智能“理解”人類語言,這是人工智能、計算機科學、信息工程的交叉領域,涉及統計學、語言學等的知識。人類語言充滿了負責性和模糊性,NLP也是人工智能領域最為困難的問題之一,但一旦攻破,就達到了機器智能化的最高境界,因此NLP也被譽為是“人工智能皇冠上的明珠”。

語音識別的技術難度相對更低,它只要求人工智能“聽懂”語言,而不要求其“理解”語義。語音識別技術現在已相對成熟,國內的科大訊飛就是這一細分賽道中的代表企業。

自動駕駛是人工智能技術的另一個大方向,它涉及視覺計算、雷達、監控裝置和全球定位系統的協同合作,技術體系更為複雜。

現階段,對自動駕駛的研究主要還停留在L3級別,但在日前的人工智能大會上,馬斯克透露:“目前最新的特斯拉純電動車已經十分接近L5級自動駕駛,今年將完成其基本功能。”

近年來,我國技術層圍繞垂直領域重點研發,在計算機視覺、語音識別等領域技術成熟,國內的頭部企業競爭優勢明顯。但是具體來看,在算法理論和開發平台領域,尚且缺乏積累和經驗,百度的PaddlePaddle、 騰訊的Angle 等國內企業打造的開放平台尚無法與國際主流產品競爭。

應用層作為人工智能產業的延伸,將技術應用到具體行業,涵蓋製造、交通、金融、醫療等 18 個領域,其中醫療、交通、製造等領域的人工智能應用開發受到廣泛關注。

當前,應用層以底層技術能力為主導,切入不同場景和應用,提供產品和解決方案。受益於計算機視覺、圖像識別、自然語言處理等技術的快速發展,人工智能已廣泛地滲透和應用於諸多垂直領域,產品形式也趨向多樣化。

目前,應用層是人工智能產業鏈中市場規模最大的層級。據中國電子學會統計,2019 年,全球應用層產業規模將達到 360.5 億元,是基礎層的 2.53 倍。在全球範圍內,人工智能仍處在產業化和市場化的探索階段,落地場景的豐富度、用戶需求等有待提高,國際上尚未出現擁有絕對主導權的壟斷企業,在很多細分領域的市場競爭格局尚未定型。

儘管人工智能近年來發展迅速,但從整體來看,雖然有AlphaGo大敗人類圍棋手的里程碑事件在前,人工智能的發展其實還並不成熟。

李彥宏將人工智能的發展分為了三個階段——技術智能化階段、經濟智能化階段以及社會智能化階段三個階段。其中第二階段又分為上下兩個階段,在前半段,人工智能的發展主要圍繞通用能力的開發和作為一種資源的AI能力的平台化。在後半段,人工智能開始全面的產業化,行業應用與商業化全面普及。

當下,我們正處於從經濟智能化的前半段向後半段過渡的時期,人工智能已經證明或者初步證明了其對所在行業的顛覆和重構潛能。

“目前人工智能所處的階段是一個容易產生迷茫甚至悲觀的階段,這是大多數顛覆性技術在加速普及之前必經的階段。當迷霧消散時,一個經濟和社會全面互聯網化的時代就開始了。”李彥宏說。

漫漫長路

針對人工智能的幾個主要應用方向,國內科技巨頭們都有不同布局,在細分賽道,也有優秀的獨角獸冒頭。

如在計算機視覺方向,就誕生了有“AI四小龍”之稱的商湯、曠視、依圖、雲從四家代表企業。

人工智能的主要落地場景,如安防、交通、醫療等,都需要建立在視覺智能化的基礎上,這也是AI四小龍的主要業務方向。因為涵蓋範圍廣,商業潛力大,AI四小龍誕生之後一度受到資本熱捧,根據胡潤研究院發布的《2019胡潤全球獨角獸榜》,四家企業估值都已超百億人民幣,其中商湯估值達到了400億元人民幣。

商湯因融資規模巨大,甚至有“融資機器”之稱,其投資方中,還包括了阿里巴巴等科技巨頭。

得益於技術紅利的推動,除計算機視覺方向外,各技術細分領域也都誕生了大小不一的獨角獸,如NLP方向的追一科技、驀然認知、竹間科技;智能駕駛方向的圖森未來等。

與創業公司相比,巨頭在人工智能層面的布局野心更大,涵蓋的方向更廣,且多與主業相結合。

如阿里巴巴在2017年成立的達摩院,計劃在3年裡投入超過1000億元用於涵蓋基礎科學和顛覆式技術創新的研究。

達摩院旗下最大的機器智能實驗室分支iDST負責人金榕曾在採訪中介紹,達摩院的設立主要有兩個目標,一是把達摩院的AI基礎能力放到平台上支撐所有業務,二是上雲,在產品得到內部核心業務驗證後,將產品上雲商業化,進一步放大價值,服務整個社會。

在達摩院“大腦”的支撐下,阿里巴巴也逐漸實現了技術成果轉化,如在計算機視覺領域,在被譽為人工智能世界杯的 CVPR 2019 WebVision 競賽中圖像分類競賽中,阿里巴巴以 82.54% 的識別準確率獲得冠軍。

騰訊同樣也在進行騰訊雲的建設,截至5月份,騰訊雲AI公有雲日處理圖片超30億張,日處理語音250萬小時,自然語言處理超千億句,客戶數超過200萬,服務全球超過12億用戶。

而在產品層面,騰訊雲也已經擁有了多項能力,如包括騰訊雲神圖、慧眼、圖像分析、智能識圖以及OCR在內的視覺服務,包括騰訊雲語音識別、語音合成、機器翻譯等在內的智能語音產品,包括情感分析、智能分詞、文本糾錯等在內的自然語言處理產品。

在本屆人工智能大會上,騰訊發布了進一步拓展視覺人工智能能力的4個平台產品,繼續深入計算機視覺領域研究。

科技巨頭之中,百度在人工智能領域的布局較早,目前,旗下人工智能助手小度,讓用戶以自然語言對話的互動方式,實現影音娛樂、信息查詢、生活服務、出行路況等多項功能的操作,是百度除搜索等產品外,與普通用戶交集最大的人工智能產品。

巨頭們似乎都已將未來的比拚重點放在了人工智能上,從成果上來看也取得了一定的成效。但實質上,在推進人工智能發展的過程中,始終存在著諸多阻礙。

首先是底層研究需要突破。在這一層面,資金投入、教育深化是基礎,但並不存在絕對的因果關係,技術的突破存在許多偶然性,在人工智能發展歷史中,就多次因為陷入技術瓶頸而停滯不前。

其次,在企業推動人工智能技術研發的過程中,基礎研究與產業團隊如何融合、協同一直是困擾各大公司的問題——谷歌也未能幸免。如何將底層研究與實際業務所需這樣的長期投入與短期收益相結合,非常考驗各大公司的投入耐心和內部協同能力。

再次,商業化變現困難是現階段仍製約人工智能企業發展的難題。如風頭正盛的AI四小龍,雖然從估值上看,它們的技術價值前景得到了認可,但因為技術落地難、商業模式盈利難,四小龍的IPO進程都一再受阻,曠視在2019年8月向港交所遞交招股書,在今年2月其申請上市狀態已變為“失效”,3月,有外媒報導稱商湯也推遲了赴港IPO計劃。

而商業化變現困難的根本原因,仍是底層研究的製約下,人工智能難以落地。

事實上,從2017年開始,人工智能行業就開啟了“存量階段”,投資人更看重人工智能的實際落地場景,對處於早期階段的人工智能公司,開始了保守的投資模式,對處於中後期的人工智能公司,其投資意願有所提升。

具體的表現為,2016年開始,私募對人工智能公司的天使輪投資頻率開始減少、對戰略投資輪投資頻率開始上升:拿到天使輪的人工智能公司從2016年的301家,減少到2019年的113家;拿到戰略投資輪的人工人工智能公司從2016年的11家,增加到2019年的39家。

不過,在今年踏進“新基建”的節點後,市場對人工智能的保守態度或許將有所轉變。

在2020世界人工智能大會投融資主題論壇上,中金公司研究部董事總經理黃樂平發布了相關AI研究報告,中金認為,“AI+5G”是數字經濟時代的通用技術平台,人工智能、區塊鏈、雲計算、5G等信息技術與機器人、醫療、航天等場景相融合,催生的AR/VR、無人駕駛、商業航天等新產品和新業態是科技行業未來十年的發展主線。

中金公司測算,新基建、新需求、新技術在未來十年將為我國數字經濟新增近4.3兆元的產業空間。

政策推動下,社會資源向人工智能產業聚集,將進一步推動底層數據建設、應用場景拓展等,今年上半年,有多地政府加大了對智慧城市、城市大腦等的建設;疫情之下,人工智能提高醫療效率的價值也得到凸顯。

新基建的加持,對於人工智能底層研究的投入、應用場景的拓展等將大有裨益。不過,在歡呼機遇到來的同時,也需要充分認識到,人工智能不是一場短跑。

正如馬化騰在人工智能大會上所說,人工智能是一個跨國跨學科的科學探索工程,正在將人類的認知推向更快更高更強,但目前人類對人工智能等新科技的未知仍然大於已知。

這仍是一條漫漫長路。(作者 | 李婷婷)

朱曉宇對此文亦有貢獻

本文為騰訊新聞和資本偵探聯合出品稿件,未經授權,禁止轉載。

獲得更多的PTT最新消息
按讚加入粉絲團