首页|视野|消息|博览|滚动|焦点|新知|数据|追踪|聚合|推荐|围观|精选|快讯|热点|荐闻

吴恩达深度解读AI:并非万能 媒体过分夸大

发稿时间:2016-11-10 11:59:29 来源:米皮网

吴恩达深度解读AI:并非万能 媒体过分夸大

网易科技讯11月10日消息,据《哈佛商业评论》网站报道,吴恩达表示,近来在有关人工智能的力量上,有时候媒体的描述是很不切实际的。令人惊讶的是,尽管AI的影响范围很广,但目前投入实际应用中的AI类型仍然极其有限。近来几乎AI的所有进展都是基于一种类型,即利用某些输入数据(A)来快速产生一些简单的回应(B)。A→B技术距离科幻小说中设想的拥有感知能力的机器人还很遥远。人类智能能做的事远胜过A→B这一水平。此外,吴恩达还指出,在这个开源的世界中,稀缺的资源有数据和人才。

当许多高管问及人工智能(AI)能够胜任什么工作、将如何颠覆行业以及如何利用人工智能为企业带来变革等问题,吴恩达表示,近来在有关人工智能的力量上,有时候媒体的描述是很不切实际的。AI已对网络搜索、广告、电子商务、金融、物流、媒体等领域发挥着变革作用。作为谷歌Google Brain团队的创始领导人、斯坦福大学AI实验室的前任负责人以及百度AI团队(大约拥有1200名成员)的现任总负责人,吴恩达培养了全球许多领先的AI团队并打造了许多正由数亿人使用的AI产品。他指出,AI将变革许多行业,但依靠的不是魔法。

令人惊讶的是,尽管AI的影响范围很广,但目前投入实际应用中的AI类型仍然极其有限。近来几乎AI的所有进展都是基于一种类型,即利用某些输入数据(A)来快速产生一些简单的回应(B)。以下表格提供了一些具体例子,让我们以一种简单易懂的方式来理解监督学习。

undefined

这种输入A以获得回应B的模式将转变许多行业。 构建这种A→B软件的技术术语是“监督学习”。 A→B技术距离科幻小说中设想的拥有感知能力的机器人还很遥远。人类智能能做的事远胜过A→B这一水平。不过这些 A→B系统已迅速获得提升。目前最优秀的 A→B系统融入了一种名为深度学习或深层神经网络的技术。这一技术从人脑构造中获得了灵感启发。但这些系统仍然远远未达到科幻小说中描述的前沿水平。许多研究人员正在探索其他形式的AI,经证明其中一些形式的AI在某些有限的情况下是具有实用性的。未来也很可能会出现某种重大突破以实现更高水平的智能,但实现这一突破的途径目前仍不明朗。

当前的监督学习软件拥有一个弱点:需要大量的数据。我们需要向系统输入许多有关A和B的例子。例如,要实现图片标记功能,研发者需要提供数万张至数十万张照片(A)以及告知AI其中是否有人的标签(B)。打造一个语音识别系统则需要数万小时的音频(A)以及转录文字(B)。

因此A→B会做什么?以下是一条描述其颠覆性的经验法则:

如果一个普通人可用不到一秒的时间完成某项心理任务,那么在当前或不久的未来,我们或许可利用AI将其自动化。目前许多由人类执行的有价值的工作可在不到一秒内完成,如查看安保视频,评判可疑行为,判断汽车是否将撞到行人,发现及撤除网上的违规帖子。这些任务背后的技术已成熟,可实现自动化操作。然而,这些技术往往还需要适应以及融入更复杂更宽泛的操作环境中,因此找出这些技术与企业之间的关联也很重要。

在研究过程中,研发者需慎重选择A和B,并提供必要的数据以理清A→B这一关系。对A和B的创造性选择已彻底改变了许多行业。它还将彻底改变许多其他行业。

在理解AI有所能也有所不能后,高管们接下来要采取的措施是将它纳入他们的经营策略中。这意味着理解何处能够创造价值,以及什么产品或服务难以效仿。AI社区非常开放,大多数顶级研究者乐于发布和分享自己的想法,甚至开放源代码。在这个开源的世界中,稀缺的资源有哪些?

数据。在顶尖的AI团队之间,在至多一两年内,许多团队或许会效仿其他团队的软件。但获得别人的数据极为困难。因此,数据,而不是软件,是许多企业的防御式屏障。

责任编辑:刘军
猜你喜欢