观察连载:Hey, AI !(上)

[导读] “这是一个最好的时代,也是一个最坏的时代。”这是狄更斯在《双城记》里的一句名言,用在100多年后的IT业的变迁与发展上依然合适。历史告诉我们,每一次变革都会重构一个时代,塑造一个产业的主旋律,随之,无论是过去的霸主,新晋的选手,都会在一场变革中被重新赋予新的生命和角色。坏,在于不能跟随时代潮流,被潮流所淹没和吞噬;好,在于顺势而为,构建新的话语权,谋得下一个十年的领导地位。

Hey,AI !

技术商业侃侃侃,今天我们换个角度谈谈。

2017-08-31_11-20-44

在看得见的未来,记录IT变迁,定格中国面孔。

“这是一个最好的时代,也是一个最坏的时代。”这是狄更斯在《双城记》里的一句名言,用在100多年后的IT业的变迁与发展上依然合适。

历史告诉我们,每一次变革都会重构一个时代,塑造一个产业的主旋律,随之,无论是过去的霸主,新晋的选手,都会在一场变革中被重新赋予新的生命和角色。坏,在于不能跟随时代潮流,被潮流所淹没和吞噬;好,在于顺势而为,构建新的话语权,谋得下一个十年的领导地位。

全球IT业正处于这样一个拐点上,云计算、物联网、虚拟化、社会化网络,裹挟着一大堆新技术名词扑面而来,IT不再是一个独立的产业,而是融入经济、社会、生活中的一股推动力量。 幸运的是,我们活在当下,有幸见证这一历史。

比特网作为中国最领先、最专业的企业级IT网站,期望以充满着热情的冷峻的笔触,记录下转型变轨、充满诡异的IT时代背后的故事,这里面有光荣与梦想、鲜花与荆棘、追求与失败、智慧与较量;期望勾勒出在中国沉浮而精彩的IT企业巨头们的种种瞬间,这里不乏创新与变革、颠覆与重造、起伏而壮丽、曲折而顽强。在看得见的未来,记录IT变迁,定格中国面孔!

一,序幕:AI革命爆发前夜

……

《列子·汤问篇》中记载过这样一段轶事:

周穆王西巡狩,越昆仑,不至弇山。反还,未及中国,道有献工人名偃师。穆王荐之,问曰:“若有何能?”偃师曰:“臣唯命所试。然臣已有所造,愿王先观之。”穆王曰:“日以俱来,吾与若俱观之。”

翌日偃师谒见王。王荐之,曰:“若与偕来者何人邪?”对曰:“臣之所造能倡者。”穆王惊视之,趋步俯仰,信人也。巧夫其颐,则歌合律;捧其手,则舞应节。千变万化,惟意所适。王以为实人也,与盛姬内御并观之。

技将终,倡者瞬其目而招王之左右侍妾。王大怒,立欲诛偃师。偃师大慑,立剖散倡者以示王,皆傅会革、木、胶、漆、白、黑、丹、青之所为。王谛料之,内则肝胆、心肺、脾肾、肠胃,外则筋骨、支节、皮毛、齿发,皆假物也,而无不毕具者。合会复如初见。王试废其心,则口不能言;废其肝,则目不能视;废其肾,则足不能步。穆王始悦而叹曰:“人之巧乃可与造化者同功乎?”诏贰车载之以归。

这段关于周穆王、偃师和倡者的故事,恐怕是关于“机器人”或是“人工智能”最早的记载了。故事的真伪已经无从甄别,起码从那个时候,人类对于“人工智能”就已经有了原始的想象和认知。

而近代人工智能的起点,普遍认为是1956年夏天在美国达特茅斯大学召开的学术会议,该会议掀起了人工智能的第一轮热潮。但在之后的60年中,人工智能并没有一直保持热度,曾经历过数次萧条期。不过,期间几个著名的事件,又将人工智能拉回了人们的视线。

2017-08-31_11-20-55

1997年,IBM超级计算机“深蓝”战胜人类国际象棋冠军卡斯帕罗夫,一时间震惊世界。在此之前卡斯帕罗夫曾经说过,电脑想要战胜世界冠军起码到等到2010年。2011年,IBM Watson超级计算机在电视问答节目《危险边缘》中战胜人类冠军,又掀起了一波人类对于人工智能的大讨论。

2017-08-31_11-21-06

2017-08-31_11-21-16

后面的事情大家应该都会记忆犹新,谷歌人工智能AlphaGo先后战胜著名围棋高手李世石和柯洁,第一次AlphaGo的胜利令人类大跌眼镜,而第二次的胜利,我们已经见怪不怪,起码在棋类项目中,人脑对电脑已经毫无胜算。

如今,普遍认为,全球已经处于第四次工业革命的前夜,人工智能则是这次新的革命的核心驱动力。AlphaGo的胜利是革命前夜的标志性事件,也是这个时代AI发展的必然结果。和历史上的数次AI热潮不同,这次AI的浪潮能够被视为一场“革命”,是因为不同于历史上的每一个时刻,如今支撑AI发展的几大要素已经趋于成熟——数据、算法、计算力。

其中,数据是原料,算法是手段,计算力是保障,缺一不可。

这次人工智能兴起的主要特征为深度学习在算法上的突破及广泛应用。如今已经有很多开源的深度学习框架,如TensorFlow、Caffe等;开源深度学习框架的发展有利于深度学习走出实验室,进入更多的应用场景,加速其商业化进程。

数据爆炸是当前时代最显著的特点之一,预计到2020年,全球数据量将达到40ZB。深度学习涉及大量的训练过程,如AlphaGo曾经用3万多棋谱训练基于全局特征和深度卷积网络的策略网络,这就要求有海量的数据作为支撑。

深度学习需要强大的计算力,而单纯的CPU计算已经越来越难以满足深度学习的大规模计算需求。如今,CPU+GPU、CPU+FPGA等异构计算架构已经趋于成熟,而面向深度学习的专用加速芯片,如谷歌TPU亦已实现应用。这些新的计算架构大大缩短了深度学习的过程。

除了数据、算法、计算力这三大因素,商业上的需求也是人工智能的一个巨大推动力。

麦肯锡报告指出,人工智能可带来真正的商业价值,及强大的颠覆性力量。在广义上,人工智能是能像人类一样思维、像人类一样行动的系统,但这样的人工智能目前还只停留在科幻电影中。

当前更为现实的是狭义的人工智能,即具有特殊目的的人工智能,诸如图形图像识别、自然语言识别、医疗辅助、无人驾驶等,随着人类生产生活智能化需求的不断加深,人工智能将迎来更加广阔的发展空间。

数据显示,到2020年全球AI市场规模将达到1190亿元,年复合增长率高达19.7%;而在中国,人工智能市场2020年市场规模将达到91亿元,年复合增长率更是高达50%。

——不同于历史上的数次高潮和低谷,“人工智能”这次真的来了,或许在不久的将来,它将赋予我们所生活的世界一个新的面貌。

二,AlphaGo ,点燃AI革命的引信

……

人工智能能够呈现当前的热度,谷歌AlphaGo功不可没。

2017年,19岁的世界围棋第一人柯洁九段在中盘阶段落败, AlphaGo在围棋终极“人机大战”中以3:0完胜,这也许是人类顶尖高手与机器之间的最后一盘分先对决。

在这之前,他成功击败了韩国棋手李世石。他的前辈IBM深蓝早在1997年就击败了人类国际象棋冠军加里·卡斯帕罗夫。

当年有人质疑“深蓝”所谓的“智能”,不过是依靠每秒可运算2亿步的“蛮力”,穷举出棋盘的可能性而已。而在围棋中难以测算某些走棋的优劣,即便将“深蓝”所采用的全部优化算法放到如今最高性能的计算设备上,人们也无法将围棋比赛中机器的决策用时修剪到合理的时间内。

人工智能就是让机器自己“学习”

“人工智能”一词最初是在1956 年达特茅斯学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能(Artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的核心可以包括思考、自主学习、预测、诊断等等,而挑战人类则是一种很好的检验方式。

2016年1月,《自然》杂志详细解析了AlphaGo背后的技术:AlphaGo将“价值网络”(Value Network)及“策略网络”(Policy Network)结合,并通过人类职业棋手的比赛数据对网络进行监督学习训练。

策略网络是由学习人类的棋谱而来,经由分析数十万个人类的棋谱,它可以选出 20 个胜率最高的下一步棋,有效地减少分析的广度。价值网络则是盘面优势的判断机制,计算每种不同的下法进行后,胜率的变化。如果 AlphaGo 在试走了两三步棋后,发现胜率不足的话,就会放弃这个走法,改试其他的可能。

强化学习是通过与环境交互获得最优解的过程。在强化学习中,机器代理会与环境进行交互,根据当前的环境状态权衡“即时奖励”以及“延迟奖励”,然后采取行动,依此不断地往复、试错,寻找能够最大化累积奖励的策略。最终,获得较高的奖励后,得到这一奖励的过程中的所有行动均会得到加强。可以看做是通过自主学习来提高应用水平,只有这样的训练才可称得上是人工智能。

AlphaGo将触角伸向其他领域

AlphaGo在围棋战中的胜利鉴证了人工智能的飞速发展,而在AI训练方面的经验将为我们积累巨大的财富。在我们熟悉的互联网领域,早已应用到了人工智能与机器学习。通过人工智能方式,可以为用户提供更准确的资讯。在消费金融领域,通过引入大数据、深入学习等人工智能技术,可以很好地进行风险防控。

2017-08-31_11-21-43

此外,很多互联网企业把人工智能拿来做对客户行为分析的工具,比过去的大数据分析更进一步,更有准确性。当然,这方面应用对I/O性能要求还是很高的,只有把I/O速度提高,才能让有关人工智能、机器学习计算达到更好的效果。

总的来看,目前人工智能已经迈入了飞速发展阶段,从软件到硬件都日趋完善。在互联网、金融、医疗、科研、制造等等相关领域都开始有所建树,相信DeepMind协AlphaGo能够借围棋对弈热点之势推动人工智能更快速地发展,新科技的探索之路还将继续。

三、 Watson,竖起AI商业化的旗帜

提到人工智能,就不能绕过IBM。

IBM是AI的先行者之一,在六十年前就已经开始了人工智能的探索。1997年,“深蓝”战胜国际象棋冠军卡斯帕罗夫,成为人工智能历史上的经典桥段;2011年,Watson在《危险边缘》中战胜人类冠军,也成为人工智能史上的里程碑事件。

不过,IBM对于人工智能的态度,并不是将人工智能作为游戏的工具,而是提供成熟可用的商用AI。

IBM第二代总裁小托马斯·沃森(Thomas Watson Jr)曾经说过:“Our Machines should be noting more than tools extending the powers of human beings who use them”。这位一手将IBM推进电子计算时代的开拓者从一开始就定义了机器的角色:它们不能脱离工具的范畴,而是增强人类的能力。

2017-08-31_11-26-24

故而,Watson一开始就是为了商业AI而设计,进而为了适用于行业再加入适用性改造和优化。Watson具有四大能力:理解、推理、学习并通过自然语言与人类进行交互。它已经超越了语言和语音的范畴,深入到视觉、情绪(Watson特有)和发现(Watson特有)领域。

得益于这四大能力,Watson能够读懂并分析大量的非结构化数据,从而成为商业化助手。比如Watson可以在17秒时间内阅读3469本医学专著、248000篇论文、69种治疗方案、61540次实验数据以及106000份临床报告,并最终提出三个最优选的治疗方案;仅129天,Watson便让机器人Pepper识别出货架上的绝大多数商品、能够售卖咖啡与手机,甚至可以让它感知到消费者细微的情绪变化。

2017-08-31_11-21-58

Watson区别于其他AI的一个关键因素在于能够实现行业化,这得益于IBM多年积累的为大型客户持续提供行业咨询服务的经验。

现在很多公司都在做AI,但是难点在于如何将AI做到行业中去,实现AI的落地的商业化。这就需要对行业的深刻理解,这正是IBM的优势。

IBM的“行业化”是指要将行业“吃透”。以电信为例,IBM所指的“行业化”是要了解电信网络的设计、网络的搭建、网络的运营、网络的支撑,后台流程如供应链到系统网络的搭建,库存管理以及合规性管理等。此前,IBM GBS部门曾经发布大量针对行业的报告和指导白皮书,并非每一家从事AI的企业都具有IBM这样对于行业的深入洞察。

IBM选择了医疗行业作为Watson商业化的第一步。2015年4月,IBM成立了Watson Health部门,IBM和纪念斯隆·凯特琳癌症中心的合作开始,两家通过大量病例对Watson进行训练,推出了IBM Watson肿瘤解决方案(Watson for Oncology),如今该方案已经被部署到多个顶尖的医疗结构为肿瘤诊疗提供帮助,如克利夫兰诊所和MD安德森癌症中心。

IBM Watson的商业化第一步从医疗行业开始,而没有选择其更为强势的金融、制造等行业,也是出于对行业的深刻见解。相比之下,医疗行业数据量大,数据类型复杂,医生缺口较大,是供给和需求差距最大的行业,对于人工智能有着更加旺盛的需求。

除了癌症诊疗,Watson还已经被应用于糖尿病等慢性病防治、大健康、医疗影像、体外检测、精准医疗、医疗机器人、药物开发等领域。如IBM和美敦力合作,推出糖尿病监测APP;IBM联合辉瑞公司,将Watson用于癌症药物开发。

如今IBM Watson医疗解决方案已经进入中国。2015年8月,IBM和杭州认知联合宣布,在华已经有21家医院计划使用Watson for Oncology解决方案,助力中国医生获得个性化的循证癌症治疗方案。同时IBM携手本地合作伙伴,将Watson慢性病防治等解决方案带进了中国医疗行业。

当然,IBM Watson的商业化进程并不仅限于医疗行业,它已经覆盖45个国家和地区,在医疗,环保、能源、金融、制造、教育等 20 个行业中都得到了广泛的商业应用。如今,Watson已经启动了50项API服务(可划分为语言类API、语音类API、图像类API 和数据类API),吸引了超过一百万个开发者、风投公司和初创公司。

你能想象么,Watson能不仅能成为医生的助手,能够帮助人类基因测序,还能帮助人们制作巧克力、谱曲、设计裙子或是帮助提升蜂蜜产量?这一切都已经发生了。未来Watson还能在哪些领域大显身手,非常值得想象。

未经允许不得转载:数智网 » 观察连载:Hey, AI !(上)

分享到: 更多