加载中…

加载中...

个人资料
颜艳春eFuture
颜艳春eFuture 新浪个人认证
  • 博客等级:
  • 博客积分:0
  • 博客访问:33,817
  • 关注人气:101
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
谁看过这篇博文
加载中…
正文 字体大小:

人工智能 万物的灵魂:从人类智能到人工智能

(2017-02-05 16:56:30)
标签:

人工智能

人工智能 万物的灵魂:从人类智能到人工智能 

       颜艳春

         基于PC、移动和社交媒体的消费互联网热潮已接近尾声,而下一次热潮?基于物联网、人工智能和区块链的产业互联网已悄然兴起。种种迹象表明,人工智能正在从人类的空想,像空气和水一样,迅速渗透到人类的生活的方方面面。我们预测,人工智能技术是继移动互联网后又一个即将席卷全球,引爆下一场信息革命、工业革命、医疗革命、金融革命和零售革命等多个行业的革命。 

    机器不再是一个什么都不懂的笨蛋,也不再是一个不解人类风情的呆瓜,人工智能不仅将赋予机器人类的智慧,更将赋予机器新的灵魂。孙正义预测2040年就会有100亿的机器人,也许我们每个人都会拥有一到两个机器人,我们的生活,乃至各行各业都会被人工智能所渗透。

人工智能的复兴将加速人类社会的第三次进化,甚至改变人类社会的伦理,因为机器人也是人。你害怕人工智能吗?人类(Human)与AI将走向融合,还是在召唤魔鬼?端上的人工智能,特别是嵌入了AI芯片的每一个智能设备(工厂设备、医疗设备、移动设备、自动驾驶汽车等)和每一个人(包括人类和机器人类)是否会有发疯的一天? 


人工智能 <wbr>万物的灵魂:从人类智能到人工智能




   早在1956年,人工智能(AI,Artificial Intelligence)在美国达特茅斯大学的一个学术会议上首次提出。人工智能,今天可能仍然处在一个嗷嗷待哺的婴儿世界,但Apple、Google、Facebook、Tesla、IBM、微软、百度、阿里巴巴、Amazon、腾讯、科大讯飞、京东等巨头在人工智能领域开始大展身手。 

人工智能 <wbr>万物的灵魂:从人类智能到人工智能

人工智能 <wbr>万物的灵魂:从人类智能到人工智能

    2016年3月,由谷歌Deepmind深层思维公司设计开发的人工智能程序阿尔法围棋AlphaGo,通过分析围棋职业选手10万次比赛的数据,采用了3000万个棋谱的算法,在一场持续三个半小时的比赛中,以4比1的成绩战胜了人类的围棋冠军韩国九段棋手,堪称本世纪最完美的世纪对战。2017年初, AlphaGo化身神秘网络棋手Master击败包括聂卫平、柯洁、朴廷桓、井山裕太在内的数十位中日韩围棋高手,在30秒一手的快棋对决中无一落败, 拿下全胜战绩,再次震撼棋界和科技界。这是人工智能发展史上的里程碑事件,它不仅逐渐点燃了工业界的热情,也点燃了科学家的激情,他们和企业家、投资家也开始投身到人工智能这一伟大的、可能改变人类命运的创业大军中,也开始展露头角,人工智能产业在最近2年在人类狂想的雨林中开始野蛮生长。 

    李开复老师预测:人工智能将是有史以来最大的风口。据VentureCapital调查报告,截至2016年11月,全球范围内横跨13个种类、总计1485家与人工智能技术有关公司的融资总额达到了89亿美元。 

        如今,基于PC、移动和社交媒体的消费互联网热潮已接近尾声,而下一次热潮?基于物联网、人工智能和区块链的产业互联网已悄然兴起。种种迹象表明,人工智能正在从人类的空想,像空气和水一样,迅速渗透到人类的生活的方方面面。我们预测,人工智能技术是继移动互联网后又一个即将席卷全球,引爆下一场信息革命、工业革命、医疗革命、金融革命和零售革命等多个行业的革命。 

    机器不再是一个什么都不懂的笨蛋,也不再是一个不解人类风情的呆瓜,人工智能不仅将赋予机器人类的智慧,更将赋予机器新的灵魂。孙正义预测2040年就会有100亿的机器人,也许我们每个人都会拥有一到两个机器人,我们的生活,乃至各行各业都会被人工智能所渗透。 

    人工智能的复兴将加速人类社会的第三次进化,甚至改变人类社会的伦理,因为机器人也是人。你害怕人工智能吗?人类(Human)与AI将走向融合,还是在召唤魔鬼?端上的人工智能,特别是嵌入了AI芯片的每一个智能设备(工厂设备、医疗设备、移动设备、自动驾驶汽车等)和每一个人(包括人类和机器人类)是否会有发疯的一天? 

人工智能 <wbr>万物的灵魂:从人类智能到人工智能

人工智能 <wbr>万物的灵魂:从人类智能到人工智能



从人类智能到人工智能

        从人类智能到人工智能,AI经历了科学的黑暗期和产业的多次失败,走了相当长的一条道路,今天,人工智能的发展已经迎来产业的拐点。未来产业潜力巨大,特别是在农业、制造业、服务业、零售业、金融业、医疗业、娱乐业等行业人工智能将释放巨大的生产力和带来巨大的创新空间。

 1.什么是人工智能?

        道可道,非常道。名可名,非常名。到底什么是人工智能?人工智能,迄今为止,也没有一个通用的学术定义。《人工智能》的作者Nils J. Nilsson先生就提供了一个重要的定义:“人工智能就是赋能机器使其变得更加智慧的活动,而智能就是赋能实物、在预测场景中去执行设定操作”。 

        Accenture的定义是“人工智能是做出能够以人类智能的方式学习并解决问题的智能机器和计算机程序的理工科。“该领域包括自然语言处理与翻译、视觉感知与模式识别,以及决策制定。 

        人工智能有着改变操作系统、互联网入口乃至各种传统产品的潜能。通过听、说、问、看、写和用户个性化研究,将极大提升用户体验和获取信息的方式。同时,人工智能会使搜索框和社交网络点对点互动模式成为历史,用户可以直接通过对话寻找关键词,像人类一样发展出更自然、高效的人机交互形式。


人工智能 <wbr>万物的灵魂:从人类智能到人工智能


 2.人工智能产业的三个引爆点

         但随着大数据,云计算,嵌入式人工智能芯片和深度学习算法的问世,人工智能产业爆发的三个条件(大数据、算法、算力)已经具备。 

        1).更充足的大数据: 

人工智能 <wbr>万物的灵魂:从人类智能到人工智能

        随着全球50多亿人和无处不在的移动设备、低成本的云服务全天候连接起来,大量的无结构数据被创造出来。人工智能的深度学习神经网络有了更多的数据,就变得更为有效。上个月,我有幸去硅谷访问了特斯拉(Tesla)总部了解到,他们即将发布的Autopilot 2.0自动驾驶设备和软件已经收集了了4700万公里的数据,而且通过他们的汽车互联网,每 10 小时就能增加 100 万英里的数据。据 IDC 的 Digital Universe Report 显示,年度数据生成预期到 2020 年达到 44Zettabytes。 

        2).更好的AI算法 

        目前全球的科学家们开发了非常有效的人工智能算法,特别是在机器深度学习神经网络方面获得了巨大突破。情商更高的机器学习是从样本和经验(即大数据集和知识图谱)中进行学习的算法,而不是依靠硬编码和预先定义的规则。换言之,也就是开发者不再告诉程序如何区分苹果和橘子,而是向算法输入数据(训练),然后自己学习如何区分苹果和橘子。深度学习的重大发展是人工智能拐点背后的主要驱动力。 

  深度学习神经网络是一种有多隐层的人工神经网络,这种神经网络即可进行有监督训练,也可进行无监督训练,结果出来的就是能够自行 “学习” 的机器学习(或者叫人工智能),也即所谓的深度学习。 

人工智能 <wbr>万物的灵魂:从人类智能到人工智能

  Google通过深度学习神经网络实现了猫脸识别,前不久Google DeepMind在人机大战中第一次击败世界高手李世石的AI围棋程序AlphaGo就采用了深度学习算法。AlphaGo由一个搜索树算法和两个有数百万类神经元连接的多层深度神经网络组成。其中一个网络叫做“策略网络”,用于计算走哪一步的胜率最高,另一个网络叫做 “价值网络”,用于告诉AlphaGo怎么移动对白子和黑子都更好,这样就可以降低可能性的深度。 

  深度学习是机器学习的一个子集。在大部分传统的机器学习方法中,特征(即有预测性的输入或属性)由人来设计。特征工程是一大瓶颈,需要大量的专业知识。在无监督学习中,重要特征并非由人预定义,而是由算法学习并创造。

  今年12月22日,苹果公司发布了第一份关于人工智能的学术报告。这篇报告描述了一种新兴的技术,它被用于改进算法的训练能力,即通过计算机生成图像而非真实图像进行来训练算法的图像识别能力。苹果公司的研究人员推出了一种“模拟+无监督”的学习方法,可以用来提高模拟图像的真实性。苹果研究人员使用一种称为生成式对抗网络的新机器学习技术,它经过了修改可以让两个神经网络相互对抗,从而能够生成更加真实的图像,有些类似于照片级的图像。 

  苹果在报告中提到:“在机器学习研究中,使用合成图像(比如来自视频游戏里的那些图像)来训练神经网络远远要比使用真实世界图像更加有效。这是因为合成图像的数据已经被标记和注释,而真实世界的图像数据需要人力消耗巨大的精力和时间去标记计算机看到的一切事物,比如一棵树、一条狗、一辆自行车。但是实际上使用合成图像的方法也可能存在一些问题,因为算法学习并不是能够完美地诠释真实世界的每一个场景。合成图像数据通常不够真实,导致神经网络学习仅仅能够了解到合成图像中的细节,并不能完整地认识到真实世界中的图像。” 

  今天,大量的深度学习算法共享到开源网络中,通过众包,吸引了全球更多的苦学家和创业者进入这个领域,加速了更好的算法产生。例如伯克利的 Caffe、谷歌的 TensorFlow 和 Torch 这样的开源框架。比如,刚开源一周年的 TensorFlow,成为了 GitHub 上有最多 forked repositories 的框架。虽然不是所有的人工智能发生于普遍可用的开源框架中,但开源确实在加速发展,而且也有更多先进的工具正在开源。 

        3).更高性价比的计算能力 

  人工智能算法运算量到底有多大?想像一下,同样采用了人工智能算法的AlphaGo,需要用到上千块传统处理器(CPU) 和上百块图形处理器(GPU)。传统处理器指令集是为进行通用计算发展起来的,基本操作为算术运算和逻辑运算。而深度学习算法,基本操作是对人工神经网络中的虚拟神经元和突触进行处理。作为一款神经网络处理器,人工智能芯片处理器指令集的一条指令即可完成多个神经元的并行处理,而传统处理器需要数百甚至上千条指令才能完成一个神经元的处理。这也就解释了,为什么传统处理器运行深度学习算法时效率会如此低下。 

  从 1993 年开始超级计算机的计算能力有了极大发展, 2016 年,单张英伟达(游戏显卡就有了类似于 2002 年之前最强大的超级计算机拥有的计算能力。图形处理器(GPU )的低成本计算能力,特别是通过云服务和建立新的深度学习神经网络模型,已经极大的增加了神经网络产生结果的速度与准确率。GPU 的并行架构要比传统的基于数据中心架构的 CPU 能更快的训练机器学习系统。通过使用图像芯片,网络能更快的迭代,能在短期内进行更准确的训练。同时,特制硅的发展,比如百度大脑使用的 FPGA,能够用训练出的深度学习系统做更快的推断。 

  今年是各家厂商纷纷发力人工智能(AI)的一年,谷歌(微博)、Facebook和微软等巨头都在该领域下了重注,不过有一家公司却已经拿到了AI带来的巨大红利,它就是英伟达(Nvidia)。该公司股价今年直接上涨了220%,年收入同比增长193%。 人工智能 <wbr>万物的灵魂:从人类智能到人工智能


   为什么?英伟达的机器深度学习技术的发展让这家公司的主营产品图形显卡(GPU)再次走向前台,科技公司可以利用它打造虚拟助手、完成图像识别甚至驱动自动驾驶汽车。虽然谷歌和微软都表示要自力更生打造自己的定制芯片,但几乎所有主要的科技公司都与英伟达达成了合作。上个月,微软也“认怂”了,它们未来将用上英伟达为AI技术量身定做的DGX-1超级电脑,而谷歌则宣布自家云服务明年将有一部分用上英伟达的GPU。同时,Facebook的Big Sur服务器也是基于英伟达硬件的。此外,特斯拉的Autopilot功能主心骨也是来自英伟达的PX2芯片。而百度的自动驾驶和地图测绘业务也是借了英伟达的一臂之力。牛津大学的AI政策研究专家迈尔斯指出,许多学术和独立研究人员正在利用英伟达的游戏GPU来推进自己的研究项目。 

  IBM的科学家最近发表论文,阐述了一种所谓的电阻式处理单元(Resistive Processing Unit,RPU)的新型芯片概念,与传统CPU相比,这种芯片可以将深度神经网络(DNN)的训练速度提高至原来的30000倍。 

  今年7月,中国寒武纪公司与中国科学院计算技术研究所又共同发布了国际上首个稀疏深度学习处理器(Cambricon-X),性能更好,功耗更低。在65nm工艺下,Cambricon-X芯片面积仅为6.38平方毫米,最高每秒能进行5000亿次神经网络基本运算,性能是高端GPU的10倍,能耗却仅为其3.4%。 

  日本东芝公司开发出一款可用于人工智能深度学习的脑型芯片。这款1.9毫米的脑型芯片,集成3.2万个像脑细胞一样的电子回路于一体,这些回路自带计算单元及配套的存储单元,可以并行处理大量连续模拟数据信号,对其中的数据特征进行学习,同一脑型芯片中众多回路协调起来,最终形成像脑神经回路一样的系统,完成人工智能所需的大量信息数据的复杂计算、处理和深度学习任务。 

   如果把深度学习看作切肉,传统的处理器就是瑞士军刀,专用的神经网络处理器则相当于菜刀。瑞士军刀通用性很好,什么都可以干,但干得不快,菜刀是专门用来切菜的,在切肉这件事情上,效率当然更高。




0

阅读 评论 收藏 转载 喜欢 打印举报/Report
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有