这些人工智能产品马上就遍布整个中国了，你还不知道？
这些人工智能产品马上就遍布整个中国了，你还不知道？
只怕有心人
随着机器学习的快速发展，人工智能产业在历经60年的起伏之后，如今已经在全球范围形成新一轮的抢位发展态势，发达国家纷纷吹响探索大脑奥秘的号角。中国的人工智能产业在全球浪潮推动下，也在快速发展。赛迪顾问针对人工智能产业的大浪潮，提出了人工智能产业概念界定，并对产业链进行了深度剖析。对全球和中国人工智能市场规模和结构进行了判断，并详细梳理了全国各省市在人工智能领域的利好政策和具体举措。结合产业发展态势和技术热点演进，分析了各个细分领域的投资价值热点，提出深度学习、机器视觉、服务机器人、智能无人设备将是最具投资价值的四个方向。赛迪顾问认为人工智能产业发展在未来将呈现出四大趋势：一是新一轮的开源化浪潮将成为人才争夺的主战场;二是语音识别领域将快速实现商业化部署;三是人工智能产业将与智慧城市建设协同发展;四是中国人工智能应用将在服务机器人领域迎来突破。同时，针对未来投资领域，赛迪顾问认为应该把握两大主要策略：重点聚焦深度学习技术积累与抢先布局家庭服务和教育领域应用。赛迪顾问认为，未来突破点将出现在智能无人设备领域。智能无人汽车处于全球各大车企巨头争相布局阶段。另一方面，目前无人机市场已经快速启动，而具备自动跟踪、智能避障的智能化无人机使得性能上得到了跨越式提升。全球发达国家加快布局，国内北上沈三地领军发展，全球市场呈现快速发展的态势。2018年全球人工智能市场将逼近2700亿元。全球对人工智能的关注度不断提升，市场对各类语音识别、机器视觉等弱人工智能产品的需求得到进一步释放。2015年全球人工智能市场规模达到1683.9亿元，预计2018年将达到2697.3亿元，复合增长率达到17.0%。全球“再工业化”趋势下人工智能硬件平台市场巨大。人工智能市场产品结构主要分为智能硬件平台和软件集成平台两大类。在全球发达国家对工业制造重新重视的趋势下，2015年全球人工智能市场结构中智能硬件平台占比达到62.6%，高于软件集成平台产品。2018年中国人工智能市场规模将超360亿元，2015年中国人工智能市场规模达到203.9亿元，预计2018年将达到361亿元，复合增长率为21%。人工智能产业将与智慧城市建设协同发展。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。鲜榨橙汁自动贩卖机项目，不用雇佣专人管理，不用租赁很大的店面，一部手机即可操控终端，在线把控，轻松挣钱，鲜榨橙汁自动贩卖机正越来越受国人的欢迎，门槛低，投资灵活，收益高，让你实现财务自由，让生活轻松一点。自助咖啡机，忙碌之余来一杯现磨咖啡怎么样呢，只需轻轻一按，选择你需要的口味，扫一扫微信或支付宝付款，美味鲜香的咖啡马上流进你的杯子，方便快捷。再也不用花高价去买冰激凌了，买回家自己做就好，各种口味任你选，想想就觉得很美好。 现如今智能机器人已经渗入我们生活的方方面面，服务型，技术型等等，有个不会喊工资低，不会请假的机器人帮你干活是不是很有兴趣呢？莱斯威顿是一家智慧零售、智慧医疗、人工智能平台和智能制造领域人工智能机器人应用方案的研究和开发，为行业用户提供有竞争力的人工智能产品触控显示系统解决方案。站在风口浪尖你还在等什么，所有触控产品，莱斯威顿祝你一臂之力，下单一千套，我司免费提供软件或APP。欢迎洽谈咨询020-。
本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。
只怕有心人
百家号 最近更新：
简介: 坚持做自己的事，让别人去看吧！
作者最新文章巨头纷纷进击人工智能，看华为小米们如何探索未来_网易财经
巨头纷纷进击人工智能，看华为小米们如何探索未来
用微信扫码二维码
分享至好友和朋友圈
（原标题：巨头纷纷进击人工智能，看华为小米们如何探索未来）
华为进入无人区、小米神话遭遇平台区……进入2016年，一大批公司在遇到发展瓶颈后，开始下一个业务空间。，就是一个所有企业都在看的方向。
在2016年5月底的全国科技创新大会上，华为公司创始人、总裁发表了著名的&华为进入&无人区&&讲话。任正非说，华为&正在本行业逐步攻入无人区，处在无人领航、无既定规则，无人跟随的困境&，&已感到前途茫茫，找不到方向&。任正非又说：&从科技的角度来看，未来二、三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。&在日，由中国计算机学会（CCF）主办、雷锋网承办的&全球人工智能与峰会（简称CCF-IR）上，亮相了一批巨头们人工智能与机器学习、探索&无人区&而尝试的技术、项目和科研成果。华为诺亚方舟实验室、小米探索实验室、优图实验室、360 人工智能研究院、自动驾驶事业部、亚洲研究院等，以及牛津大学计算机系、卡内基梅隆大学国家机器人工程中心、MIT机器人实验室、加拿大皇家学院等学术科研机构代表等阐述了对未来的理解。人工智能大势不可挡2016年并不是简单的人工智能60周年，也不是简单的AlphaGo人机大战激发全球新一轮人工智能的&幻想&。这一年，人工智能从漫长的学术研究周期迅速进入到产业化阶段。就在2016 CCF-GAIR开幕的前两天，曝出了3.5亿美元收购人工智能AI创业公司Nervana Systems的消息。据称，Nervana Systems深度学习芯片的性价比高于GPU，处理速度是GPU的10倍等特点。业界惊呼，在AI战场上英特尔与NVIDIA两个芯片巨头直接开战。就在8月初，NVIDIA刚发布了新一季财报，其中营收比去年同期增长24%、净收入比去年同期增长873%，而业务大幅增长的背后就是互联网企业等大规模地在数据中心里部署NVIDIA GPU用于完成AI相关计算任务。由于GPU的大规模并行计算能力，因而成为AI计算任务的首选。2016年7月，NVIDIA的首款深度学习服务器DGX -1开始上市销售。面对NVIDIA对于英特尔在数据中心市场的威胁，英特尔也不会坐视不理。英特尔刚刚在今年6月的ISC国际超级计算机大会上，推出了代号为Knights Landing（KNL）的第二代至强融核处理器，这系列最高达72核的x86 CPU也是首款可作为独立处理器的Xeon Phi产品，这意味着可摆脱GPU而组成CPU-Only的高可扩展机器学习机群。芯片设计巨头ARM通过7月中旬被软银的并购，将借助软银的资本以及生态实力抢在物联网产业大涨潮之前布局低功耗智能物联网芯片市场。ARM于今年2月推出了新处理器架构设计，主要针对5G以及大容量存储SoC嵌入式设备，为未来的AI普及打下基础。5月，A亦斥资3.5亿美元收购了计算机视觉技术提供商Apical。除了底层的基础芯片技术外，在应用层面也可判断人工智能大趋势已经形成。7月28日，国内人工智能PaaS平台图灵机器人对外透露，图灵机器人PaaS平台在过去8个月新增了162亿次的服务请求，开发者在8个月内新增1.1倍、总数量超过23万。7月推出的智能机器人操作系统Turing OS1.5将新增11个视觉能力，包括人脸识别、人脸检测、人脸跟踪等多项视觉技术。除了图灵机器人PaaS平台外，公司借助Bluemix PaaS平台在华的落地，也把认知计算Watson的服务相继带到了国内，微软也相继在今年推出了体系化的人工智能认知计算服务，更不用说今年IO大会上推出的智能搜索引擎以及智能硬件Google Home，阿里云提出大数据AI是未来的战略发展方向等。可以说，人工智能产业化的第一次大涨潮已经到来！华为能否创造诺亚方舟？华为诺亚方舟实验室负责人李航华为早在2012年就在香港成立了诺亚方舟实验室，第一任实验室主任由香港科技大学教授、人工智能和数据挖掘专家杨强担纲。该实验室的研究方向包括：自然语言处理和信息检索、大规模数据挖掘和机器学习、社交媒体和移动智能、人机交互系统、机器学习理论等。华为诺亚方舟实验室是华为2012实验室研究组织的组成部分。据称华为2012实验室的名字来自于任正非观看《2012》电影后认为未来信息爆炸会像数字洪水一样，华为要构造自己的&诺亚方舟&。2012实验室的主要研究的方向包括新一代通信、云计算、音频视频分析、数据挖掘、机器学习等，主要面向的未来5-10年的技术研究。华为诺亚方舟实验室第一任主任杨强教授在2016 CCF-GAIR峰会上介绍了自己的主要研究方向：迁移学习。简单理解，迁移学习就把已经训练好的人工智能模型迁移到新的应用场景或数据集中。当前以人工神经元网络为主的深度学习算法已经相当成熟，但每个人工神经元网络模型都与初始数据集高度相关，一旦换到新的应用场景或数据集就必须从头再训练模型。迁移学习就致力于以较小的代价让已经训练出的人工智能模型具有普适性和通用性。换句话说，把一个已有模型迁移到一个未知领域，这就叫做迁移学习。在人类社会里，把已有知识用于新的相关领域就是知识的转移，比如从学骑自动车到学骑两轮摩托车等。从这个角度看，迁移学习是通用型AI的前提和基础。迁移学习还可以把从大数据集中训练出的模型，迁移到小范围的数据集上，从而创造了更好的个性化。华为诺亚方舟实验室第二任主任、北京大学和南京大学兼职教授李航在2016 CCF-GAIR峰会上表示，诺亚方舟实验室还围绕华为的智能手机、服务器、数据中心产品与设备等展开大数据与人工智能的研究工作，为华为三大BG事业群聚焦前沿产品开发，例如智能通讯网络、企业BG大数据应用、消费者BG的智能语音助手等。除了诺亚方舟实验室外，&2012实验室&旗下有多家以世界知名科学家命名的实验室，包括香农实验室、高斯实验室、谢尔德实验室、高斯实验室、欧拉实验室、图灵实验室等，以及在欧洲、印度、美国、俄罗斯、加拿大、日本设立的8个海外研究所。据报道，华为今年还将在深圳设立10个基础研究所。通过这些基础研究机构和研发组织，华为正试图探索无人区、为创造未来的华为打下基础。尽管华为对研发的投入保持在年收入的15%-20%左右，但像诺亚方舟实验室这样的基础研究性机构也仅成立了4年的时间，相比于微软研究院25年的历史、IBM研究机构80年的历史来说，华为的基础性研究才刚刚起步。现在，华为的挑战是如何管理大规模的基础性研究组织。小米对人工智能的探索小米科技联合创始人、小米探索实验室负责人黄江吉相对于华为四年前开始投入前沿科技研究来说，小米的起步从2016年初开始。日，小米科技创始人兼在内部年会上表示，小米2016年要组建特种部队，突破核心元器件的关键技术，并宣布成立小米探索实验室研究VR/机器人等前沿科技。2016年2月，小米探索实验室成立。小米科技联合创始人、小米探索实验室负责人黄江吉在2016 CCF-GAIR峰会上表示，小米对于人工智能的观点是：产品+大数据+机器学习。也就是说，小米的人工智能观点是紧密结合智能手机、智能硬件等产品的。黄江吉以智能硬件内嵌的Wi-Fi模组为例，小米通过自己的研发把Wi-Fi模组价格从60多元降到了10元，这就打下了硬件产品&智能&的基础。现在，每天有200TB+的数据流入小米云，这背后就是无处不在的Wi-Fi硬件在源源不断产生高质量的数据。只有掌握高质量的大数据，才有可能通过机器学习创造真正的人工智能。在这个过程中，每天的活跃用户数据也很重要。黄江吉表示，小米MIUI系统每天日活超过1000万的APP有8个、超过100万的APP有17个。小米手机、小米手环、小米电视与盒子、小米网络设备、小米智能家庭设备等，再加上小米电商、小米互娱、小米市场和生态链等，构成了小米全生态、多样性的大数据资源。小米大数据处理呈金字塔结构，最下面是数据采集，往上依次是数据清洗、数字挖掘和数据智能。围绕小米大数据可以生成高质量的用户画像，有的用户指标甚至无需用户输入就能精准推断出来；还可以生成一站式、标准化与规范化的内容数据，结合用户画像形成包括视频、音乐、商品、游戏、APP、小说、新闻等在内的内容池，为搜索、推荐、导流和人工运营服务。黄江吉介绍小米的数据处理包括底层架构层的Hadoop基础平台以及数据工厂，向上基础能力层的机器学习（深度学习）、视觉识别、NLP自然语言处理和语音识别等，再向上的大数据层则包括业务数据、用户画像和内容池，高级能力则有商业智能、搜索、推荐、智能问答和图像等，最终对接各类小米智能硬件产品。具体到小米的深度学习平台，在硬件层是公有云和本地数据中心的GPU机器，GPU集群管理采用的是Kubernetes+Docker、深度学习任务管理采用的是TensorFlow，存储服务则采用HBase/FS系统、计算服务采用的是Spark/Storm/MR系统，对接到智能助手、云相册、广告、金融和搜索推荐等小米业务。黄江吉表示，优秀的产品能黏住用户、用户能生成高质量的大数据、大数据通过机器学习产生人工智能、人工智能再反馈给产品设计，这就是小米的人工智能观点。比如小米面孔相册的总用户数已达1.5亿人、照片存储量达500亿，这么大规模的大数据帮助小米更好的优化面孔相册产品。黄江吉强调，过去的观念是&好用的产品不一定好玩，好玩的产品不一定好用&，而随着人工智能和机器学习的发展，有可能把产品做的既好玩又好用。在被问及对人工智能产品的看法时，黄江吉举例说现在人们每天都要无数次打开手机看信息或完成某个功能，这本身就说明智能手机产品还不够智能，真正的智能手机产品是要大幅减少人们打开手机的次数与看手机的时间，因为很多工作都会被智能手机&智能化&地完成了。尽管当前小米神话进入了平台期，但可以说智能手机时代其实才刚刚开始。百花齐放的AI生态百度高级副总裁、自动驾驶事业部总经理王劲任正非说，&越是前途不确定，越需要创造，这也给千百万家企业公司提供了千载难逢的机会。&搜狗于今年4月22日向清华大学捐赠1.8亿元人民币，联合成立&清华大学天工智能计算研究院&，深入开发包含人工智能在内的前沿技术。搜狗CTO杨洪涛在2016 CCF-GAIR峰会上表示，搜索引擎是人工智能最大的应用场景。搜狗从2012年开始研发智能语音技术，2013年开始进行深度学习，数据显示搜狗手机输入法日均语音输入超过1.4亿次。搜狗语音输入法和语音搜索最大的场景之一，就是极大增强了微信等移动端的用户体验。今日头条科学家、头条实验室总监李磊曾是原百度美国深度学习实验室科学家。在2016 CCF-GAIR峰会上，李磊说今日头条对人工智能的投入非常坚决，自2012年创立至今只有4年就专门成立了实验室。今日头条团队很早就有意识在最前沿的技术上做投入，不论是为了当下业务需求还是为了将来的技术储备。对今日头条来说，一边连接内容创作者，另一边连接内容消费者，正需要机器学习技术，今日头条可以说是一家人工智能公司。腾讯于2012 年成立了优图项目，腾讯优图是腾讯旗下机器学习研发团队之一，专注于图像处理、模式识别、深度学习等，目前已经拥有数十项先进的技术以及数千亿规模的图像计算能力。自创立腾讯优图实验室以来，黄飞跃现为该实验室总监及专家研究员。黄飞跃在2016 CCF-GAIR峰会上表示，期望通过人工智能技术真正改变互联网用户的生活品质，同时也把最新的研发成果通过开发平台和腾讯云对外输出。猎豹是另一家新进入人工智能领域的公司，在7月份猎豹宣布的二次转型就是希望通过研究深度学习和个性化分发，从安全公司、软件公司发展为一家人工智能公司。尽管猎豹在国际化方面取得了不错的成绩，但随之进入了增长瓶颈以及股价下跌，猎豹今年以5700万美元收购News Republic，希望借助今日头条模式的全球化等打开公司的新业务空间。猎豹CEO在2016 CCF-GAIR峰会上表示，AI是后互联网时代的新一波红利。360人工智能研究院成立于2015年9月，该研究院立足于深度学习研发，抓住大数据和云计算的时代机遇，向360相关部门提供业务支持，完成人工智能相关的原始技术积累和前沿探索。在今年3月，AlphaGo人机大战结束后，360董事长兼CEO随即发出员工信，认为人工智能产品在大众消费领域的普及只是一个时间问题。360人工智能研究院院长颜水成在2016 CCF-GAIR峰会上说，人工智能让学术界和工业界有了共同语言。百度已经在人工智能方面进行了巨资投入，百度无人机项目自从去年在乌镇亮相以来就一直受到业界的关注，百度还计划在五年内实现无人驾驶汽车量产。百度高级副总裁、自动驾驶事业部总经理在2016 CCF-GAIR峰会上介绍，百度去年 12 月购买的激光雷达为70万人民币/台，百度车载大脑也是一台接近 20 万的服务器。为此，百度与激光雷达公司Velodyne LiDAR达成投资意向，在本月Velodyne LiDAR也公开承诺，如果明年拿到一百万订单，64线激光雷达就可以降到五百美金的单价，这将扫平自动驾驶汽车量产的障碍。另一家互联网公司乐视尽管挖来了原百度深度学习研究院高级科学家、百度无人驾驶汽车团队负责人倪凯负责乐视超级车项目，但倪凯在2016 CCF-GAIR峰会上表示其负责的范围并不仅限于智能汽车。乐视与合作伙伴Faraday and Future成立了一个FF Le Future的实验室，主要是研究人工智能技术，广泛为包括电视、手机、体育、汽车等在内的乐视生态服务。除了美国硅谷的研发中心，乐视也将在北京成立研发中心。除了IT企业和互联网公司外，民营企业也开始涉及人工智能产业，并视人工智能和机器人为下一个千亿级规模的产业机遇。浙江大华技术股份有限公司是监控产品供应商和解决方案服务商，2014年IHS机构权威报告全球安防视频监控市场占有率位列第二。从2008年到2015年实现了产值100亿的目标，下一个目标是产值1000亿，为此成立了乐橙云作为视联网品牌，以视频智能硬件、视频云、视频智能技术&三位一体&云开放平台，拉动千亿市场规模。目前，乐橙云选择智能安防和智能母婴两个垂直领域作为首批拓展行业。窥见未来牛津大学计算机系主任Michael Wooldridge在2016 CCF-GAIR峰会上，牛津大学计算机系主任、宾夕法尼亚大学工程学院院长、MIT机器人实验室主任等国际学术巨擘向中国产业界传递了最新的研究动向。牛津大学计算机系主任Michael Wooldridge身兼Oxford-DeepMind Partnership负责人，他认为目前人工智能进展已经解决了棋类问题、SAT等复杂问题以及自动驾驶等，即将解决实时口语理解、骑自行车、可靠的语言翻译等问题，而理解复杂的故事及回答相关问题、创作笑话和有趣的故事、解释一幅图像的意义等则远未达到接近解决的阶段，强AI和通用AI则是完全开放状态。Michael Wooldridge认为当前谈人工智能奇点还为时尚早，甚至人工智能奇点有可能永远都不会到来！尽管AlphaGo取得了大幅度的学术进展，但AlphaGo仍存在诸多问题。比如AlphaGo程序本身并&不知道&它在玩棋类游戏，它也不能解释自己的策略，也无法从AlphaGo代码中获取这些策略，基本上AlphaGo就是一个黑盒子。因此，AlphaGo无法实现通用型AI。Michael Wooldridge介绍说他的研究领域为&Multi-Agent System&（多个机器代理系统），这个领域其实也体现了他对AI的观点之一，即在窄任务领域对现有AI服务和算法的整合。当前，产业界逐渐把AI嵌入到几乎所有产品和服务中，但这些AI服务都相对独立和碎片化，那么如何通过单个或多个机器代理系统来整合这些AI服务就成为人工智能的下一个发展目标。比如个人通过手机的机器代理，与其它人的机器代理之间相互协商、相互协调，共同决策一个会议的日程安排以及各嘉宾的时间安排。Vijay Kumar是美国国家工程院院士、宾夕法尼亚大学工程学院院长，他被认为是空中机器人（无人机）领域开山立派的宗师人物，其学生遍布全球各大无人机厂商。Vijay Kumar表示对空中机器人或无人机的研究，能够为学习和了解机器人的行为特点和算法积累数据。在Vijay Kumar的最新研究中，提出了空中机器人的&蜂群&效应。所谓&蜂群&效应，就是指一群低智能的机器人聚集在一起，共同完成某项工程或任务。由于功耗等限制，无人机等小型和微型机器人无法配置高级计算资源，因而只能具有较低的机器智能水平。对比自然界的蚁群、鸟群、鱼群等，虽然都是低智能生物，但却能群聚在一起共同完成令人惊叹的复杂工程。对空中机器人&蜂群&效应的研究，还对地面机器人甚至海洋机器人的研究有重要意义。美国麻省理工学院（MIT）一直是机器人科技研究的先驱，MIT机器人实验室主任、美国国家工程院院士Daniela Rus认为未来世界里，每个人都有可能拥有机器人，机器人就像是在路上跑的汽车一样常见，称之为&泛在机器人&世界。这些&泛在机器人&的形式甚至包括类似大白或自然界中蛇一样的软体机器人，以及水里的机器鱼。而如果误食了鱼刺等异物的时候，还可以吞下微型折叠机器人，从肠道中通过折叠形态把异物包裹起来带出体外。美国南佛罗里达大学计算机科学与工程学院教授、机器人与深度学习专家孙宇所研究的机械手被认为是非常&黑科技&，是为数不多能与人手相媲美的重大成果。孙宇介绍说，人体206个骨骼，其中1/4的骨骼都在双手里，人体的双手是非常复杂的机械结构，是人体最复杂的器官之一。孙宇表示，机器人智能和计算机智能有所区别，在于机器人要与自然环境实实在在的接触，这是计算机智能没有涉及到的问题，因此机械手的研究有重大意义。香港科技大学教授杨强的迁移学习无疑是机器学习下一个阶段的重要发展方向，如何能把深度神经元网络和机器学习中训练出的模型提炼出来，并以较小的代价应用到新的领域，这是走向通用AI的重要路径。此外，杨强认为，当前国内的机器学习和人工智能算法研究没有国际上那么均衡，实际上人工智能算法远不止深度神经元网络，而是多元化发展。当前的大数据可以分为20%的即时性数据和80%的高时延数据。对20%即时性和高重复的数据来说（互联网数据为主），用深度学习算法能解决大部分问题。而对于80%高时延数据来说（例如工业数据）则需要用到强化学习、增强学习、迁移学习等多种人工智能算法，才能解决其数据处理和产生数据智能的问题。南京大学计算机科学与技术系副主任、机器学习与数据挖掘研究所（LA）所长周志华表示，接下来机器学习技术的一个大趋势是要增加机器学习的鲁棒性。目前很多研究中的机器智能可达到人类水准，但是如果遇到一些罕见的情况，就会错得非常离谱。因此，机器智能在遇到罕见情况的时候，&不能比一般人的处理水平更低&，这是机器学习技术大规模普及的基本前提。当然，整个人工智能和机器人产业的发展，离不开创业群体。国家教育部长江学者特聘教授王田苗教授表示，未来五年之内，机器人在工业、服务业、智能汽车和无人机等高端产业三大块将可能迎来第一波热潮。由于人工智能技术和认知技术的成熟，未来机器人在银行、家庭、医院、宾馆等服务业的地位将逐渐提高。紫牛基金合伙人张泉灵特别强调，人工智能创业的商业模式这件事，不是在实验室里就能想出来的。兼金山云CEO张宏江的观点是，中国人工智能公司的创新能力提升的非常快，与美国等人工智能公司之间的差距正在缩小。一个公司进步的关键不是&看别人&，而应当回归到自身，搞清楚用户到底需要什么，脚踏实地朝这个方向努力。从新加坡政府一个ADAS项目出来的创业项目Minieye，对标的是Mobileye。Minieye CEO刘国清认为，人工智能时代的产业分工将更加专业化，每一个供应商专注在某一项或几项人工智能技术上并做到极致，智能汽车等整机厂商的角色更像是PC集成商而无法大包大揽所有的技术。不论巨头们如何进击人工智能，专业化分工将是人工智能生态的游戏规则。更多新鲜快讯，关注钛媒体微信号：钛媒体（ID：taimeiti）
钛媒体微信二维码
本文来源：钛媒体
责任编辑：王晓易_NE0011
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈余凯年度总结：揭开中国人工智能的真实现状_网易科技
余凯年度总结：揭开中国人工智能的真实现状
用微信扫码二维码
分享至好友和朋友圈
（原标题：余凯年度总结，揭开中国人工智能的真实现状）
2016 年，人工智能在美好理想和残酷现实的夹缝中野蛮生长。当从业者们认为，人工智能时代是“技术为王”的时代，但面对价格战、商务战、公关战时，技术似乎不再是唯一的信仰。当从业者们认为，手握学术大牛、刷爆各种榜单就能所向披靡时，“AI 产品经理比科学家重要”、“刷榜是没意义的”等反驳性观点也越来越被业内认可。当从业者们认为，招一大批名校博士就可与巨头比划时，虚高的薪水和拿不出手的产品让企业不得不开始考虑性价比的问题。雷锋网第 100 期硬创公开课特邀余凯博士为大家做了一期以《人工智能的冰与火之歌：回顾 2016，展望 2017》为主题的公开课，分享了他对今年 AI 现象的看法以及对未来的展望。嘉宾介绍：余凯，地平线机器人创始人兼 CEO，前百度研究院执行院长，曾领导百度深度学习研究院( IDL )、多媒体技术部（语音，图像）、图片搜索产品部等团队。2012年以来，余凯创建百度IDL，发起和领导了百度大脑、百度自动驾驶等一系列项目，并连续三次荣获公司最高荣誉——“百度最高奖”。余凯发表的论文被引用超过 11000 次，获 2013 年国际机器人学习大会( ICML )最佳论文奖银奖，曾任 ICML 和 NIPS 领域主席。他于 2011 年在斯坦福大学计算机系客座主讲人工智能课程，还曾率队于 2010 年获得首届 ImageNet 评测世界第一名。公开课内容1. AI 科技评论：2016 年 AI 圈最让你记忆深刻的几件大事 ？AI 计算硬件：英伟达的股票在一年时间内从 100 亿美金 500 亿美金，震惊业界。背后的原因是处理器架构因为人工智能的需求正在被重新定义，Google 也推出 TPU 来做 Inference，除此之外，包括地平线机器人在内的不少公司正朝着这个方向去探索。算法层面：如生成式对抗网络等算法的突破性进展，使我们看到除了CNN、RNN、LSTM，技术还在不断推陈出新，让这个行业变得越来越有意思。开源平台：今年开源平台体系在不断成熟，如 TensorFlow、Caffe 等，特别是由中国学生发起的 MXNet成为亚马逊 AWS 官方训练平台这件事，很了不起。AlphaGo 事件：改写全社会从街头百姓到政治对人工智能的认知，实现了大家均认为不能实现的事情。人才流动：Hinton 的得意门生、CMU 副教授 Ruslan，最近耐不住寂寞加入苹果，担任苹果人工智能研究总监。斯坦福大学李飞飞教授也加入谷歌。2.&AI 科技评论：今年人工智能行业相比于去年有哪些宏观和微观的进步？我感触最深的是从
年这十年间，是深度学习的普及和推广期，其在很多应用中取得突破性进展。但所有成果均为感知方面的东西，如图像识别、语音识别等。而从今年开始，最大的不同像 AlphaGo 和自动驾驶等人工智能系统开始从感知过渡到决策。这些系统基于对这个世界的理解，从而主动优化它的决策机制。因此从感知到决策是最大的变化，人工智能只有做决策才能真正改变世界。我认为在未来的 10 年里，怎么优化地去做决策是人工智能的重点课题。3.&AI 科技评论：为何成立&OPEN AI LAB；为何选择做嵌入式人工智能？历史上技术创新和商业模式的创新都是相伴相生的，我们也看到，开放总是会打败封闭，怎么打造良性的产业生态是我们非常关心的。因此最近地平线和 ARM、安创空间、全志联合成立 OPEN AI LAB，我们希望把技术向半导体厂商、开发者开放，大家一起去定义嵌入式人工智能的标准。至于为何要做嵌入式人工智能？过去推动人工智能的核心要素可以概括为大数据、大计算、大平台：其在互联网和云端做人工智能的技术与服务。如果朝更远的方向看，我们会发现除了从云端部署人工智能，其实很多场景下急需在设备端部署人工智能，使这些设备具备环境感知、人机交互、决策控制的能力。以自动驾驶为例，如果有孩子横穿马路，当自动驾驶系统感知到之后，需要把信号传送到云端再做决策，假如当时网络不稳定的话，结果是不可想象的，因此我们需要本地计算去做实时决策。创业公司做项目一定要选择大公司不大容易进入的维度，BAT 在数据、人才、资源、服务方面的势能，创业公司很难去挑战。但本地低功耗人工智能计算不是他们的强项，也不是他们的业务重点。另外我认为创业一定要选难度较大的事情去做，嵌入式人工智能需要把软硬件结合，并重新定义处理器架构，这是非常复杂的工程。这项任务虽然困难，但我认为只要达到这样的维度才能构建宽广的护城河。我们希望把嵌入式人工智能构建成一种开放生态，使其未来在端上产生很多创新，让意想不到的创新点在此发生：开放式生态可以把许多想法从一个创意变成产品，而这些想法和产品又会反哺地平线。4.&AI 科技评论：您觉得在 IDL 和创业最大的区别在哪儿？无论在 IDL 还是在地平线，对我而言其实都是在创业和创新。当年我从国外回到北京，创立百度深度学习研究院，最初其实也是在做一件很新的事，当时国内没有一家机构在做深度学习，因为它很小众。初期我们被很多人质疑为什么要投入这么大的精力去做这么窄的方向。然而在今天看来，这个很小众的事情已经成为很多人都在关注的主题，整个世界也因此而改变。地平线机器人实际上也是在做一件很小众的事情，我们不在云端、服务器、GPU 上做，而是在嵌入式中去做人工智能，这也是件很小众的事情，然而在我看来把一件事情从小做大是很让人着迷的。小公司相比于大公司资源确实十分匮乏，但实际上地平线的目标却比我在百度期间的目标还要大，我们不是服务一个公司，而是撬动一个产业，这个挑战难度比以往大了几个数量级。在创业公司坐事情的难度体现在方方面面，比如招聘，百度有着成熟、强大的 HR 体系支持我做这件事情。而小公司往往没什么名气，如何吸引顶级人才加入也是一件难事。此外还有很多琐事和细节，我们每天都在做非常具体的事情，但这又是很理想主义的事情，纵使挑战难度很大，但这也使得人生更有意义。5.&AI 科技评论：根据你在大公司研究院和创业公司的招人经验，分享下在 AI 团队的招人心得。在美国和百度时，招聘是我每天需要面对的事，因此我自身有着相当多的经验。另一方面，在地平线我们也在积极吸引优秀人才的加入。吸引人才加入是一件很有挑战的事情，因为现在人工智能人才还是比较稀少，我们做的事情又比较难，而且又是一条长线征途，所以有些人不理解我们的方向，我们做的事情在他们看来是既小众又没那么容易变现的事。我遇到一些从事人工智能算法的同学，他们有几年深度学习经验就迫不及待地想改变世界，所以不太愿意去做一些偏长线的事情，但他们没有意识到真正有价值的事情都是困难的事情、有壁垒的事情。所以我经常告诉他们创业是一场艰苦的修行，而不是一场 Party，如果艰苦的修行走下来，无论是在路上还是在山顶上，那种满足感和成就感都是无法比拟的。当公司做的方向跟主流方向不一样时，这种情况下吸引来的人才是极为难得和特殊的，因为他们是经过自己冷静思考来做事情，这批人往往是推动公司上下做一番事业的人才。地平线确实非常有幸，在很短的时间内招到了顶尖人才：包括算法、软件系统专家、硬件专家。我在百度时领导的团队平均年龄是 26 岁，而地平线工程师平均年龄是 32 岁。因为我们是非常偏技术的公司，确实需要非常资深的人加入。6.&AI 科技评论：“现在最缺的是AI产品经理，而不是研究大牛”，你认同这句话吗？对于一个商业公司来讲，算法人才和产品经理同等重要。这里我要强调一点，何为研究大牛？我认为研究大牛的特质是“要有自己的思考和深厚的积累，他能够持续的创新”。其实能创造性地做出世界级成果的人是非常稀缺的，在国内我认为只有 5 到 10 人才能达到这个标准。一个算法人才普遍学习过 1-3 年的深度学习、会用开源平台去训练模型，即使是这样的人也不多，而这些人更谈不上是研究大牛。所以我认为研究大牛是一种很稀缺的人才。当然，AI 产品经理也非常重要，因为他定义需求。如果造出来一个东西技术水平高，但不能解决实际问题，技术再高也没有实际价值。因此我们在创办一个商业公司，AI 产品经理也十分重要。7.&AI 科技评论：外界有一种说法，大致是目前各个To B的人工智能公司之间技术差距相对较小，因此很多时候销售和商务团队决定了公司的命运。你怎么看待这个说法？这个问题正中行业要害。从目前来讲，绝大部分人工智能创业公司都是在基于 GPU 这样的计算平台和在基于 Caffe、TensorFlow 这样的开源平台用比较成熟的模型结构来训练，然后做一些解决性问题和 Demo，差异化确实不明显。基于现在的开源模式来做创新，在算法方面壁垒确实也不高。所以这就导致在一些标准问题里各家的效果都差不多，技术差距也并不大。这里面的核心原因之一就是中国人工智能原创性技术太少。最近大家在说中国 AI 的人才、技术储备、研究、创新都有优势，这个观点我不太认同。实际上，国内学生在已经讨论出解决办法的情况下去做拿竞赛、刷分，这方面我们很擅长。但真正做出 AlpahGo 这样的创新，咱们还差些火候，而且国内也缺乏孵化这种创新的土壤。今年深度学习原创性的基础研究在大步向前发展，然而我几乎没看到哪些进步是国内产生的。另外一方面，商务和销售确实非常重要，因为只有把技术和具体应用场景拉近才能产生价值落地。技术研发也一定要有差异化，这种差异化如果只是做研究，只是去 Follow 开源平台等这些大家都在讨论的事情，这是很主流的做法，如果你一定要关注主流算法，潜台词就是你已经放弃了差异化。因此你一定要深入特定的问题，深入解决那个场景下的各种限制条件，去针对性地提出特殊的方法解决实际需求，这是让你更有差异化的途径。科学家创业需要对商业和实际需求抱有充分的敬畏之心，商务和销售团队也并不至于决定公司的命运，关键在于团队之间的配合。商务和销售比较看重眼前需求，对技术趋势缺乏准确预见，而一个公司要走得长远，还得看清未来技术发展趋势。8.&AI 科技评论：不少欧美 AI 初创公司最终卖给了谷歌等巨头，但国内这种情况很少，你怎么看待这一现象？人工智能作为一个新的产业方向，早期都处于探索阶段，初创技术公司独立存活的概率并不高，所以会选择被大公司收购，这是一个较为明智的做法。国外工业界和技术创新生态比较健康，大公司愿意付出成本为前沿性技术做人员收购，而且在不考虑成本的情况下。而国内很少有大公司愿意为技术和人才收购付出很好的溢价。其实每个公司被收购都有一个内在逻辑：这些公司不是范范地提供通用技术，而是在某个维度有着一定的独特性，如 DeepMind 不仅在做深度学习，还将深度学习与增强学习相结合然后应用在围棋、游戏等场景。这背后的逻辑，我认为很大程度上是文化原因。国内公司更愿意用高成本去挖人，而不愿为独特团队或知识产权付出高成本。我希望这个现象能发生改变，出现更多出于对人才和知识产权的收购。大公司如果能够意识到这点，我觉得能够对国内技术创新产生非常正面的影响。9.&AI 科技评论：目前全球人工智能的投入产出比似乎并不是很高。我做个假设，如果资本市场耐不住寂寞，开始缩小对人工智能领域的投资，你认为今天这种水平的人工智能到底会凭借顽强的生命力走到走到黎明，还是进入下一个寒冬？人工智能产业仍处于早期阶段，重大应用场景还在不断摸索，产出的确非常低。但如果回到“.com”时代，你会发现当时的商业模式也是探索了很长时间。资本市场确实有追逐短期回报的现象，所以明年下半年到后年，即便整个 AI 投资市场趋冷也并不奇怪。AI 行业与“.com”时代一样，即便是趋冷，但也不会影响到整体的趋势。因为 AI 确实在推动产业发展，实实在在创造价值，它不会进入一个万劫不复的寒冬。10.&AI 科技评论：不少人提到人工智能泡沫的说法，你认为现在存不存在泡沫？实事求是的说，如果按照投资机构的计算方法，AI 泡沫是一定存在的。AI 创业公司确实估值比较高，而且市场进展也并不尽如人意，到明年或后年一定会有所变化。从长期趋势来看，适当泡沫纯属正常，就像啤酒有泡沫味道才更好，正是因为泡沫才让各公司都有机会去登上舞台。不论怎样，大家亮个嗓子，在舞台上唱一下。我也经常跟投资人聊这个事，经过观察国内十几年的产业周期发现：以往多数项目均为 2C 产品，都是以产品创新和微创新为鲜明特征。中国没有经历通过技术创新为主的经济增长模式，而硅谷等地已经历过好几波技术创新，这在中国很少见。中国大部分投资机构和创业者，并不善于技术类投资以及做 To B 这种生意，所以大家还不太习惯对这类公司进行估值。我们一谈到投资和创业，永远面对新的产业方向，然而在面对新的产业方向即便是海外专业投资公司也不一定看得准，所以也能看到像投资 MagicLeap 这样的新型公司都是有争议的。11.&AI 科技评论：当下很多投资机构和媒体都把人工智能捧在手里，你认为这会推动 AI 更快发展，还是过度溺爱会让它堕落？&AI 从纯技术和纯学术话题转变为全社会讨论的话题，使得专业的声音很有可能被淹没，这是我所担心的。投资机构和媒体的所有动向都会影响到产业的发展，AI 从业人员却难控制。AI 在内部环境受到 VC 和媒体的万千宠爱，但外部的环境是很残酷的、理性的、不相信眼泪的。在这种情况下，企业应保持冷静，抓准切入的点，保证服务价值从而构建自己的护城河。整个行业的发展一定是由理性驱动，一定是由实实在在的需求和价值来驱动，因此我个人并不是特别担心投资机构和媒体过多溺爱这个行业从而致其堕落。当然，大浪淘沙一定会有所选择，真正能够平心静气把创业当作艰苦修行而非豪华盛宴的创业者会走到最后。12.&AI 科技评论：对 2017 年人工智能行业的格局和发展做个展望和预测。我对 2017 年充满了期待，希望这几大方向有着一定的进展：希望人工智能处理器硬件行业会有大的突破。算法上继续持续创新。应用场景上的重大突破：如医疗、自动驾驶、智能家居等。从整个创业投资角度讲，明年下半年 VC 应该会更加冷静、理性地思考，这里并不是指降低投资力度，而是聚焦投资范围。同时对未来发展方向和路径会考虑地更加清楚，把资本注入重点方向和具有价值的团队。群友问答环节 ：1.怎么看待近期谷歌无人车事业部拆分成独立公司？这个案例可否理解为自动驾驶已经遇到天花板了？从百度到地平线，我都做过自动驾驶的事情。根据我自身观察，谷歌无人车事业部拆分这件事一点都不奇怪。谷歌一直存在几个严重问题：商业策略：谷歌没有思考清楚商业模式，到底该提供整车，还是成为技术服务商、供应商。技术路线：谷歌的计划很激进，想一步跨到不需要方向盘的无人驾驶水平。事实上谷歌的虽然目标很大，但技术路线较为很保守，导致目标与技术路线并不匹配。谷歌无人车是基于高精度地图的自动驾驶方案，该方案有很大局限性，需要事先对整个环境做出全面感知，这使得其在处理不确定性事件方面有所欠缺。这种不确定性体现在长尾情况，而不是常见情况，而在长尾挑战层面，谷歌在技术线上没有很好地去处理这个问题。2.如何看待近期比较热的强化学习和迁移学习，他们在应用方面的发展现状怎么样，以及所面临的挑战？强化学习现在面临的主要挑战是怎么 Handle Long-term Dependence 的问题，如果最后它 Reward 很长时间才显现，它怎么去影响当前的 Policy ，是一个很大的问题。强化学习的代表 AlphaGo 实际上运用了巧妙的方法如 Learning From Experience 去下围棋，这一点很有意思 。那么未来如何在理论上有一个优美的框架，我觉得还是挺值得探讨的。另外，强化学习的框架相对而言是一个比较黑箱的系统，这与感知不同，在感知方面黑箱一点也可以，但在决策上一定要用白箱的、可理解的方式去做，尤其是自动驾驶领域。关于迁移学习这一问题，其实深度学习、神经网络天然就拥有迁移学习的特性，比如用 ImageNet 去训练网络结构，实际上它的很大一部分参数在其他问题上可以复用。在参数领域的迁移学习，大家都搞的比较清楚，但在结构方面的迁移学习，现在还并不太清楚。结构反映了更高层的学习问题，基于模型结构的迁移学习将会是下一个热点。3.您对哪个深度学习开源平台在 2017 年的发展有比较大的期待？谷歌依靠自己强大的号召力推动了 TensorFlow，鉴于其强大背景，使得它在明年仍旧很值得期待。而在近期被亚马逊选为官方平台的 MXNet 同样值得期待，MXNet 是一个更加开放的中性平台。如果想深入开发技术、开发原创新技术、追求技术自主性的话推荐用 MXNet。从生态层面讲，如果整个人工智能的开发都基于 TensorFlow，这对生态的健康有着负面影响，容易被一家公司垄断，将会影响到产业链的方方面面，如处理器和应用等方面的部署。除此之外，也推荐大家使用我在百度期间孵化的“亲儿子”百度 PaddlePaddle。4.基于人工智能技术的公司未来会越来越多，算法、平台、产品、市场中，哪方面更可能成为一家成功公司的核心竞争力？我先下个结论：最不容易成功的是基于纯算法的公司，主要原因是壁垒低。现在新的开源创新方式使得新算法不断冒出来，基本上每个小时都在创新，如果一个公司的核心竞争力基于聪明程度，这很不靠谱。这个世界上永远比你更聪明的人，而且很多。无论是平台还是产品，其核心竞争力在这两方面：巨大的市场需求
足够的差异化和独特性，不可复制性满足这两点，你的产品和解决方案或服务才拥有核心竞争力。
本文来源：雷锋网
责任编辑：丁广胜_NT1941
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈