人工智能开荒记
|
那时四通利方与北美最大的中文网站华渊生活资讯网在1998年合并，成立当时全球最大的中文门户网站「新浪网」；从「马站长」干到润迅软件工程师的马化腾看到了基于Windows系统的ICQ演示后，也想做出一款集呼叫、聊天、电子邮件于一身的软件，于是在1998年注册了腾讯。 李彦宏在1999年的圣诞节回国，立志要创办被西方网民称为「上帝」的中国版Google——百度；同年在杭州，在一个叫湖畔花园的小区，马云召集了17个人开会融资，创办了阿里巴巴网站。 文娱、通信、电商、媒体等领域开始被互联网颠覆，此后便一发不可收拾，交通出行、餐饮美业、工业制造、金融投资等各行业都在互联网化。人工智能在国内的声音被浩浩荡荡的互联网浪潮湮没过很长一段时间。 而在美国，精工品公司在90年代就发明了一种叫Quicy-tionary双语翻译机，内置了40万字的字库，支持英—法和英—西班牙语的对照版本。自动驾驶项目在80年代就被DARPA立项，成为现在各种类似项目的源头。汽车导航系统已经能够通过连接全球卫星，为司机规划路线了…… 如果说80年代前，国内技术发展还是在对「计划经济」时期的矫正和摸索，80年代到90年代则是对外来技术大量引进、模仿，那么到了21世纪，从模仿到创新已经变成「魔鬼般的步伐」。 从90年代开始，计算机硬件、软件、通信、互联网以及移动互联网浪潮接踵而来，这让国内的信息技术产业进程尤为紧迫，技术创新到行业应用落地的周期不断缩短。虽然为如今人工智能的爆发做了铺垫和积累，但在后续的落地过程还是存在问题，后续会一一谈到。 过去20年间，互联网和移动互联网浪潮来袭，数据、应用大规模爆发，云计算和物联网技术也进入成熟阶段，前两次人工智能浪潮中遇到的「知识瓶颈」、「算力瓶颈」等开始有了解决方案。 人工智能从2010年前后开始进入第三个发展期。而这次国内人工智能产业终于赶上了趟，但也是一次颇具挑战的大考。 04爆发 2006年，多伦多大学机器学习领域的泰斗Hinton和他的学生在《科学》刊物上发表了一篇关于「神经网络如何通过无监督学习减少出错」的论文，引起深度学习在学术界和工业界的重视。 这篇文章主要提出两个关键点：
后来这篇论文被谷歌X实验室研究人员验证，并在2012年对外宣布，已经用1.6万台计算机搭建了拥有10亿神经连接的深度学习神经网络（DNN），在没有人工干预的前提下，具备识别物体这一感官能力。该网络也已在YouTube上试用，能够顺利识别出内容有猫的视频。
此后，深度学习技术在图像、语音、自然语言处理上都实现了低误差突破。2011年以来，微软研究院和谷歌都用DNN技术降低了语音识别错误率20%～30%，在2012年，DNN技术在图像识别领域取得惊人效果，在ImageNet上将错误率从26%降低到15%。 学术界对人工智能研究的热情暴增。联合国联合国世界知识产权组织今年发布份《2019技术趋势——人工智能报告》显示，从50年代到2016年，科研人员已提交超过34万份人工智能发明专利申请，发表的科学出版物超过160万篇(部)。而这其中的专利超过半数是2013年以后公开的。其中在国别专利总申请量方面，美国、中国、日本排在前三位。 很多公司也看到了深度学习神经网络的潜力。百度是较早成立专注深度学习研究院的公司之一，引进了大量的人才。像Fackbook前资深科学家徐伟、AMD异构系统前首席软件架构师吴韧、Twitter和Facebook数据中心建设的负责人Ali Heydari、曾训练世界级最大人工神经网络的Adam Coates等顶尖人才都加入了当时百度2013年在硅谷正式成立的百度实验室。 在国际人工智能技术竞赛中，国内的人工智能团队开始名列前茅。科大讯飞、商汤、旷视、寒武纪、地平线等展露头角的人工智能创业公司。除了互联网巨头、新兴人工智能创业公司，还有传统的生物识别公司都在人工智能领域试图占领「高地」。 比如眼神科技CEO周军从1995年开始筹划创业。 2003年指纹识别研发成功，并开始在银行业落地应用。2007年又研发出虹膜算法，到2015年，基于深度学习的人脸识别技术和产品就已在全国20多家银行上线。 这波人工智能浪潮能够看出，技术创新的驱动力不再是由国家建设为主，民营企业已经有足够的能力去研究、应用科技界最前沿的技术，并且来影响政府机构对技术方向的判断。 可是前两次的历史经验告诉我们，超乎寻常的期待，总是会得到超乎寻常的失望。尤其是媒体、资本、市场的探测灯都在寻找下一个Big Thing, 人工智能恰好满足对实现他们对科幻场景的期待。 聚光灯之后隐藏的阴影是什么？这会又是一场魔术障眼法吗？人工智能的第三次寒冬会到来吗？ 市场上还有很多这样对人工智能的「质疑声」。中国人工智能学会副会长任福继看来，「过去30年来，人工智能在应用方面成果看起来风生水起，但实质上特别是在理论方面并无重大突破，而仅仅是依赖上世纪80年代开始的数据驱动，也就是大数据驱动的机器智能进化。加上云计算和物联网的出现，人工智能在算力和数据层面开始有了新的助力。」 也就是说深度学习也并不是开启通往人工智能巅峰的唯一一块罗塞塔石碑。这个理论本身是通过大量数据分析，找出重复的特征活着数据之间的统计关联性，并不是因果和本质上的特征。 （编辑：温州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
