喜大普奔：人工智能進(jìn)入指數(shù)式發(fā)展階段

高通公司副總裁、高通風(fēng)險投資中國區(qū)總經(jīng)理沈勁

人工智能已經(jīng)進(jìn)入一個指數(shù)式發(fā)展的階段：經(jīng)歷了初期曲線平緩的增長，到后期增長曲線非常陡峭，速度讓人出乎意料。

指數(shù)式發(fā)展的推動力

人工智能發(fā)展的推動力主要包括三個方面：計算個人化、計算網(wǎng)絡(luò)化和大數(shù)據(jù)。

首先，計算個人化使得人工智能的研發(fā)從精英階層擴(kuò)展到大眾。早期的研究機(jī)構(gòu)主要是大學(xué)和政府，只有它們才有研發(fā)人工智能所必備的超級計算機(jī)。集成電路的發(fā)明和發(fā)展促成了計算能力快速上升和成本大幅下降。上世紀(jì)80年代浙江大學(xué)使用的小型機(jī)PDP11的運算能力遠(yuǎn)遠(yuǎn)不如我們今天使用的手機(jī)。

其次，計算網(wǎng)絡(luò)的價值增長也呈現(xiàn)指數(shù)式，例如，有4個節(jié)點的網(wǎng)絡(luò)有12個有方向的連接，而400個節(jié)點的網(wǎng)絡(luò)有多達(dá)159600個連接。今天的網(wǎng)絡(luò)連接數(shù)（即價值）正在直線上升。

再次，隨著信息終端的普及和物理世界的數(shù)字化，數(shù)據(jù)正在爆炸增長，更是指數(shù)式增長。今天全球的數(shù)據(jù)量累計超過了10 Zettabytes，其中90%的數(shù)據(jù)是在過去兩年中產(chǎn)生的。

近年來，人工智能領(lǐng)域的創(chuàng)業(yè)和研發(fā)活動越來越活躍。根據(jù)Venture Scanner在2015年8月的統(tǒng)計，近十幾年，全球人工智能領(lǐng)域的創(chuàng)業(yè)公司達(dá)到了855家，它們共獲得87.5億美金的風(fēng)險投資。根據(jù)量化公司Quid的數(shù)據(jù)，在2013年有322家人工智能公司獲得至少20億美金的投資。據(jù)CB Insights的數(shù)據(jù)，2014年投資人工智能領(lǐng)域的金額比2013年增加了3倍。

人工智能創(chuàng)業(yè)分布在13個不同的領(lǐng)域，包括機(jī)器學(xué)習(xí)、計算機(jī)視覺、語音識別、智能機(jī)器人等。

正是因為計算能力的增強(qiáng)和數(shù)據(jù)量的極大增長，機(jī)器學(xué)習(xí)成為人工智能領(lǐng)域進(jìn)步最快的分支，所獲得的投資額占總投資額的45%。機(jī)器學(xué)習(xí)是用數(shù)據(jù)和以往的經(jīng)驗優(yōu)化計算機(jī)模型的性能指標(biāo)。比如說，制造手機(jī)有100多道工序，如果我們通過編程讓機(jī)器人一步一步地按照程序完成，這不是機(jī)器學(xué)習(xí)。如果智能機(jī)器人通過觀察工人制造手機(jī)的過程，再經(jīng)過不斷試錯，最后達(dá)到可以自行制造的程度，這才是人工智能。

“大數(shù)據(jù)”之前，因為沒有足夠的數(shù)據(jù)來訓(xùn)練模型，所以模型優(yōu)化的進(jìn)程緩慢。今天數(shù)據(jù)足夠多了，運算能力大幅上升，優(yōu)化模型的速度也隨之加快了。最近量子計算機(jī)帶來了實現(xiàn)更強(qiáng)大的運算能力的希望。

大公司越來越活躍

先說谷歌。其于2010年正式啟動汽車自動駕駛項目，2012年獲得美國首個自動罵駛車輛許可證。到了2016年年初，谷歌的自動駕駛汽車己經(jīng)累計行駛了225萬公里。

2014年谷歌收購了深度學(xué)習(xí)公司DeepMind，同年10月它發(fā)布了一種全新的模擬神經(jīng)網(wǎng)絡(luò)。同樣在2014年，谷歌開始開發(fā)一套能夠整合海量數(shù)據(jù)的語音系統(tǒng)，使得語音識別的精準(zhǔn)度從2012年的84%提升到了2014年的98%。

2012年，“谷歌大腦”可以在1000萬張圖片中成功識別出一只貓。從2010年到2014年，谷歌的圖像分類識別精確度提高了4倍。在2013年，它還收購了8家機(jī)器人公司。

再來看Facebook。深度學(xué)習(xí)的鼻祖級科學(xué)家YannLeCun在2013年加入Facebook，使其圖像識別和自然語言處理技術(shù)飛速提高。2014年，F(xiàn)acebook的臉部識別準(zhǔn)確率達(dá)到97%。

接著是IBM這支人工智能領(lǐng)域的老牌勁旅：2014年宣布組建Watson Group，同時推出兩項Watson顧問服務(wù)，一項幫助企業(yè)獲得足以洞察海量數(shù)據(jù)的能力，另一項使得數(shù)據(jù)可視化。同年8月，IBM發(fā)布能模擬人類大腦的SyNAPSE（自適應(yīng)塑料可伸縮電子神經(jīng)形態(tài)系統(tǒng)）芯片，該芯片有100萬個“神經(jīng)元”內(nèi)核，而功耗僅為70毫瓦。

最后說百度。它在2014年5月引入深度學(xué)習(xí)專家Andrew Ng，并由其組建百度北美研究中心，隨后發(fā)明了Deep Speech語音識別方法，可以在嘈雜環(huán)境中實現(xiàn)81%的識別準(zhǔn)確率。同年4月，百度發(fā)布大數(shù)據(jù)引擎，提供大數(shù)據(jù)存儲、分析和挖掘技術(shù)，在醫(yī)療、金融和交通領(lǐng)域有具體的應(yīng)用。

機(jī)器聰明了，人怎么辦？

英國倫敦大學(xué)科學(xué)家的研究表明，自1950年以來，人們的平均智商升高了20點，相當(dāng)于平均每10年人類的智商值提高3%。

人工智能技術(shù)能夠用來提高人的能力嗎？我們將人工智能在教育領(lǐng)域的應(yīng)用總結(jié)為以下7個方面。

自動作業(yè)修改：語音識別和語義分析技術(shù)使得自動批改作業(yè)成為可能。數(shù)學(xué)等學(xué)科的作業(yè)自動批改相對容易，作文的自動批改也已經(jīng)開始了。

個性化學(xué)習(xí)：大數(shù)據(jù)可以描述每個學(xué)生的學(xué)習(xí)特性。根據(jù)倫敦一個研究機(jī)構(gòu)的分析，人們的學(xué)習(xí)方法可以分為70種。

智能輔導(dǎo)系統(tǒng)（ITS）：比如可汗學(xué)院就是一個優(yōu)秀的智能輔導(dǎo)系統(tǒng)，可以幫助我們學(xué)習(xí)數(shù)學(xué)、科學(xué)、人文科學(xué)和計算機(jī)科學(xué)。

互動學(xué)習(xí)環(huán)境（ILE）：更多建設(shè)性學(xué)習(xí)（或者說學(xué)生自己決定學(xué)習(xí)科題），學(xué)生更主動，更多個性化，以及學(xué)生收到更多反饋。

通過仿真游戲?qū)W習(xí)：目前最成功的仿真是飛行模擬器。在模擬機(jī)上飛行和真機(jī)沒有兩樣，只是訓(xùn)練更加便捷。

對教學(xué)體系的反饋和評測：人工智能為學(xué)校招生、學(xué)習(xí)場所建設(shè)和課后活動提供創(chuàng)新的解決方案。

相信這方面的創(chuàng)新剛剛開始。科學(xué)家和創(chuàng)業(yè)者不僅應(yīng)該關(guān)心機(jī)器的能力，更要在乎我們自身的能力。

編輯元素：

人工智能的發(fā)展路線

1950年，起步——艾倫·圖靈預(yù)言人工智能將超越人類智能

1951年，馬文·明斯基完成第一臺神經(jīng)網(wǎng)絡(luò)機(jī)SNARC

1956年，達(dá)特茅斯會議正式確定這個領(lǐng)域

1950年—1970年，斯坦福大學(xué)、麻省理工學(xué)院分別開發(fā)移動機(jī)器人和聊天機(jī)器人

1970年—1980年，計算機(jī)的運算能力和內(nèi)存有限，發(fā)展陷入瓶頸

1980年—1987年，發(fā)展興旺，日本和美國投入大量的資源

1987年—1993年，再次進(jìn)入發(fā)展冬天，人工智能專用電腦的性能落后于IBM和蘋果

2006年，雷·庫茲韋爾在《奇點臨近》中預(yù)言機(jī)器智能將在2045年超過人類

2011年，美國《時代》雜志封面故事：《2045年人類機(jī)器結(jié)合獲永生》（2045：The Year Man Becomes Immortal）

2014年，三名俄國科學(xué)家發(fā)明的超級計算機(jī)Eugene和一些專家在網(wǎng)上對話5分鐘

進(jìn)入指數(shù)式發(fā)展階段