人工智能作為當(dāng)今世界上最重要的科技之一，其走過(guò)了60年“三起兩落”的發(fā)展歷程，已融入人們生產(chǎn)生活的各個(gè)方面。“智能+”時(shí)代正在加速向我們走來(lái)。在人工智能風(fēng)口到來(lái)之際，構(gòu)建應(yīng)用場(chǎng)景、找準(zhǔn)突破口成為人工智能應(yīng)用落地的重中之重。
人工智能產(chǎn)業(yè)發(fā)展繁榮離不開數(shù)據(jù)驅(qū)動(dòng)和計(jì)算能力的提升。大數(shù)據(jù)、計(jì)算能力、人工智能之間正在形成一種共生生態(tài)，大數(shù)據(jù)為人工智能提供源源不斷的動(dòng)力，人工智能衍生出了諸如深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)、對(duì)抗學(xué)習(xí)等新型算法，硬件計(jì)算能力的有力提升有效地縮減了算法迭代改進(jìn)周期。未來(lái)可從四個(gè)方面形成合力，加速人工智能應(yīng)用落地。
明確應(yīng)用場(chǎng)景邊界。人工智能技術(shù)尚未達(dá)到強(qiáng)人工智能水平，產(chǎn)業(yè)落地過(guò)程中應(yīng)避免好高騖遠(yuǎn)。例如，機(jī)器人臉識(shí)別在絕大多數(shù)情況下比人識(shí)別的效果要好，但是在需要知識(shí)、想象力的特殊情況下，與人腦還是存在較大差距?，F(xiàn)階段以深度學(xué)習(xí)為代表的人工智能技術(shù)并不善于解決通用性問(wèn)題，人工智能技術(shù)要實(shí)現(xiàn)產(chǎn)業(yè)落地并形成商業(yè)價(jià)值，需要清晰其所能解決的特定領(lǐng)域問(wèn)題，并有明確的應(yīng)用場(chǎng)景邊界。將人工智能的功能需求限定在有限的特定問(wèn)題邊界之內(nèi)，這樣得出的解決方案才能相對(duì)可行可靠，如借助視聽傳感器能夠自主規(guī)劃掃地方案的掃地機(jī)器人等。
閉環(huán)數(shù)據(jù)反饋循環(huán)。谷歌、Facebook、英特爾、微軟、蘋果、特斯拉，中國(guó)的BAT等人工智能前沿公司，通常都具有一個(gè)共同的特征——閉環(huán)的數(shù)據(jù)反饋循環(huán)。例如，Google、百度等互聯(lián)網(wǎng)廣告系統(tǒng)能夠根據(jù)用戶點(diǎn)擊及輸入等操作，自動(dòng)收集到用戶一手?jǐn)?shù)據(jù)，抽取關(guān)鍵特征并輸入深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)訓(xùn)練好后能用于對(duì)用戶行為的預(yù)測(cè)，進(jìn)而提高用戶體驗(yàn)。從應(yīng)用終端收集數(shù)據(jù)，再用數(shù)據(jù)訓(xùn)練模型，之后用模型提高用戶應(yīng)用體驗(yàn)，用戶應(yīng)用后又產(chǎn)生新的數(shù)據(jù)，這就形成了閉環(huán)的數(shù)據(jù)反饋循環(huán)。其內(nèi)部就可以完成自動(dòng)數(shù)據(jù)收集、標(biāo)注、訓(xùn)練與反饋，這使得人工智能算法實(shí)時(shí)迭代優(yōu)化的更加便利。
海量高質(zhì)量數(shù)據(jù)。隨著移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速發(fā)展，數(shù)據(jù)量正在以指數(shù)級(jí)增加，根據(jù)IDC統(tǒng)計(jì)，全球數(shù)據(jù)總量預(yù)計(jì)2020年達(dá)到44ZB，中國(guó)數(shù)據(jù)量將達(dá)到8060EB，占全球數(shù)據(jù)總量的18%。對(duì)于自然語(yǔ)言、音頻和視頻等數(shù)據(jù)，其分析越來(lái)越聚集于提取其中的語(yǔ)義，包括情感分析、文檔主題模型、依存模型、問(wèn)答語(yǔ)義分析等。以深度學(xué)習(xí)為代表的人工智能技術(shù)，本質(zhì)上是一個(gè)具有多層的神經(jīng)網(wǎng)絡(luò)，通過(guò)大數(shù)據(jù)計(jì)算來(lái)自動(dòng)學(xué)習(xí)最終的網(wǎng)絡(luò)參數(shù)，不同的網(wǎng)絡(luò)參數(shù)能夠識(shí)別出不同的物體，但需要依賴規(guī)模龐大的高質(zhì)量帶標(biāo)簽數(shù)據(jù)集，才能夠保證其學(xué)習(xí)質(zhì)量。
高性能計(jì)算硬件。深度學(xué)習(xí)模型需要很高的內(nèi)在并行度、大量的浮點(diǎn)計(jì)算能力以及矩陣運(yùn)算，按環(huán)節(jié)可分為前期訓(xùn)練、云端推理、終端推理等三個(gè)階段。在前期訓(xùn)練和云端推理環(huán)節(jié)，需要進(jìn)行規(guī)模龐大的運(yùn)算量，CPU+GPU架構(gòu)成為目前多數(shù)人工智能企業(yè)的主流選擇。然而，構(gòu)建GPU集群的成本非常高昂，僅購(gòu)置一塊Nvidia Tesla K80的費(fèi)用近4萬(wàn)元。FPGA具備較高的性能功耗比和重構(gòu)靈活性，百度采用FPGA打造百度大腦專用AI芯片，微軟打造的Brainwave平臺(tái)也是基于英特爾Stratix 10 FPGA芯片。在終端推理環(huán)節(jié)，由于智能手機(jī)、語(yǔ)音交互、VR/AR等終端設(shè)備需求不同，需要定制化、低功耗、低成本的嵌入式解決方案，其市場(chǎng)呈現(xiàn)更加多樣化競(jìng)爭(zhēng)態(tài)勢(shì)，如寒武紀(jì)的1A處理器、地平線的BPU芯片等，華為Mate 10的麒麟970芯片搭載了神經(jīng)網(wǎng)絡(luò)單元NPU，使得其在處理相關(guān)人工智能任務(wù)(如圖像識(shí)別等)時(shí)有50倍能效和25倍性能的提升。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁(yè)分享至朋友圈。