您的位置:首頁»正文

人工智能如何在行业中落地?

編者按:在第二十屆“二十一世紀的計算”大會上, 微軟亞洲研究院副院長周明主持了一場題為“人工智能的行業實踐”的圓桌討論, 4位微軟亞洲研究院的院友(科大訊飛副總裁李世鵬、字節跳動副總裁馬維英、曠視首席科學家孫劍、清華大學教授徐迎慶)參與了討論, 大家就人工智能發展過程中的技術問題, 對人們生活的影響, 以及未來的發展方向等問題分享了自己的看法。

“人工智能的行業實踐”圓桌討論視頻

主持人:未來人們獲取信息的方式會出現什么變化?信息流和搜索引擎之間是什么樣的關系?未來信息獲取的發展趨勢是什么?

馬維英:從目前整個市場上的應用來看, 連接人和信息主要有四個方式, 第一是在PC互聯網時代, 信息大部分在網站或網頁上, 搜索引擎幫助人連接信息;后來到移動互聯網時代, 內容更多地出現在平臺上, 推薦引擎能更好地了解用戶的使用行為, 提供個性化的推薦, 推薦引擎連接了人和信息;發展到今天, 我們可以看到越來越多的私人助理,如Siri、Cortana、Google Assistant等, 它們已經逐漸成為了新的連接人和信息的方式;第四個管道是社交網絡或社區。 這四種方式今天都有機會重新再用AI來定義。

大家看到目前這些進展, 一定有機會重新再把這些問題好好思考一下, 如何用最新的技術, 更大的數據,

做出最好的表達方式。 另外, 我覺得多模態在未來也是一個機會。 在今日頭條的內容平臺上, 我們發現有文字、新聞、圖片、視頻、直播、問答、AR、VR, 全媒體、全信息彼此都在關聯, 所有信號都是連接在一起的, 而在傳統AI領域, 各個部分是相互獨立的, 但其實大家可以利用一些新的思路把不同數據之間做逆向學習、對偶學習、遷移學習或是多模態的集合學習。 任何技術進步都會回到剛剛提到的四個應用里面, AI一定有機會再發展出下一代的形式。

主持人:在選擇視覺落地的場景時, 哪些場景是最有道理的?怎樣找到一個特別好的切入點, 在激烈競爭的環境中勝出?

孫劍:其實CV(Computer Vision, 計算機視覺)有個很有意思的特性, 它其實是解決圖像,

特別是攝像頭拍攝的圖像問題的。 我們周圍的攝像頭特別多, 例如室內攝像頭、室外攝像頭、手機攝像頭、機器人攝像頭、醫療攝像頭、車載攝像頭等, 它的輸入形態特別豐富, 輸出也就有很多, 并不是你要把這個圖翻譯成一個句子, 而是你要檢測識別哪個物體, 知道它在做什么, 知道他是誰。 目前的現狀是國內外CV公司都特別多, 但由于對應的場景很多, 每個公司能夠聚焦做的事情不會特別多, 各個公司有各自擅長的不同方面, 經過幾年的發展, 逐漸會有一個分化的趨勢。

另外, 從大的場景來說, 數字化程度越成熟, 數據越多的場景或行業, 會越容易落地。 比如我們最早選擇的都是聯網的金融行業, 后來又做了在中國很早就建設了的安防行業,

通過IPC的形式, 一根網線就給攝像頭提供電, 并把所有攝像頭都連在一起, 這些數據都已經數字化了, 而且數據非常多, 做起來會比較容易。 但有些行業落地就比較困難, 比如無人車領域, 它的周期會很長, 醫療方面缺乏高質量且大規模的數據。 這就要求我們在選擇的時候, 要做出理性的判斷。

主持人:如何把不完全成熟的技術巧妙地應用在一個應用場景里, 既能讓用戶滿意又能創造一定的效益?

李世鵬:在AI時代, 大家對AI的期待值過高, 認為AI可以做所有事情, 甚至可以取代人。 盡管目前在很多領域AI已經取得了不錯的成績, 而且能幫助人做很多事情, 但是AI遠遠沒有達到成熟水平。 在這種不成熟的情況下,

人跟機器之間的交互、相處以及合作的形式就顯得特別重要, 機器的智能和人的智能是一定要結合在一起的。

有很多原因可以說明人工智能需要人的智能介入的必要性。 首先, 至少在現今, 人工智能的主流結構還需要標注的數據, 而標注的數據本身就需要人的智能在里面;其次, 我們要考慮在機器不工作的時候, 人應該如何切入的問題。 比如自動駕駛, 如果人用輔助駕駛模式太習慣了, 一旦有突發狀況, 人根本沒有應對的準備。 這就涉及到人機配合, 機器在幫助人提高效率的情況下, 人也不能完全依賴于機器。

另外, 人與機器之間要和諧工作, 機器智能和人的智能相互配合才能把人的體驗做到更好。 以醫院使用AI讀片為例, 機器讀完之后醫生還需要再看一遍,糾正機器的錯誤,AI看起來提高效率但實際在降低效率。這就涉及到新的設計,比如在AI讀片過程中清楚地區分需要人再進一步看的關鍵領域,以及很大程度上不需要再看的領域,以此實現真正提高效率的目的。我認為這些實際問題是將來所有人工智能產業都會關注的問題。

主持人:人機交互與終身學習領域目前的焦點和發展趨勢是什么?

徐迎慶:2002年,我在微軟亞洲研究院的時候發表過一篇40毫秒可以從高興、正常、憤怒、害怕四種情感里判斷出上一句話各種情感所占的百分比的論文,當時也許因為沒有這方面的需求,大家并沒有什么反應,然而隨著時間的推移,現在越來越多人開始關注和思考這個問題。那個項目我當時請了電影學院教電影臺詞的老師作為顧問,僅僅是“你好”這兩個字,那個老師隨隨便便就可以用140多種情感來表達,讓我感受到了語言的魅力。現如今,市場上有很多具有對話功能的智能音箱,其實在人和人的實際交流中,人交流的聲音情感是非常豐富的,可能性也非常多,同樣的意思用不同的語音語調說出來是完全不一樣的,系統需要給出不一樣的反饋,但是目前我還沒有看到某個音箱具有這樣的功能。

我們目前也在關注多模態的用戶體驗交互,比如把嗅覺和情感的聲音理解和識別放到一個駕駛環境里,可以分辨出滿身酒氣的潛在危險駕駛者,這在一定程度上能減輕酒駕帶來的交通隱患,保護公眾的安全。我想,在這個領域還有很多跟人工智能有關的。就拿語音這樣一個簡單的事來說,有時候人會掩飾自己的情感,但如果在實驗環節用紅外探測儀識別面部的時候,人是無法掩飾的,因為面部的溫度可能有所變化。根據這個再結合傳統影像數據,也許可以引出一套與傳統不一樣的數據集,這套數據集可能就會對未來某一類識別有幫助。這些都是我們正在探索的。


從左至右:周明、馬維英、徐迎慶、李世鵬、孫劍

主持人:在小數據的情況下如何構建人工智能系統?

孫劍:現有的解決小數據小樣本問題的方式中,最直接的是在所有數據上訓練非常大的模型,像BERT一樣預訓練一個模型,遇到少量的數據就去微調這個模型。還有一個路徑是用GAN的方式生成小數據樣本,樣本雖然不能作為完全替代數據,但作為輔助還是很有用的。除此之外還可以通過把不同任務的數據放在一起來訓練,緩解小數據的問題。

徐迎慶:人工智能這個詞可能會讓大家誤以為是機器在模擬人的智能,但實際上人的認知不是靠大數據,而是一個個小樣本集合而來的。另一方面AI的發展使我們的計算能力,甚至思考輔助能力都大大增加了,推動了人類在各個領域的思考和嘗試的快速進步。但是,我一直覺得人工智能的發展還是需要和認知學、腦科學、腦神經聯系起來的。我們需要回歸到本原,研究人從生理上、醫學生理上、生物生理上或者心理認知上以及認知機理上到底是怎么學習的,這些問題對于未來推動人工智能的發展可能會有一定幫助。

馬維英:很多做人工智能有關的研究的確需要算力或大數據,北京很多大的互聯網公司在內部會為業務和工程產品上的需要搭建一些非常大規模分布的、能夠支撐異構的計算平臺。最近我也有幸參加了北京市政府關于“如何幫助學術界和創新企業更好地解決算力和數據共享問題”的討論,我相信在不久的將來,北京市政府將聯合企業、學術界以及高校一起創建更開放、更共享的計算平臺,實現數據共享,這樣一來將會大大舒緩學校或小公司因資源欠缺限制創新發展速度的問題。

主持人:從學生的角度來說,想要進入人工智能領域,需要具備什么樣的技能?

孫劍:我認為不需要弄得過于復雜,編程能力是基礎,尤其是在初中階段,甚至有些小學就已經開始學。對于更小的孩子,可以做些啟蒙教育,我有時就會帶女兒到公司來看一些實時互動的展示,這樣能激發孩子的興趣,也是能影響非常深遠和廣大的做法。

徐迎慶:我覺得人工智能是可以研究的,但人工智能不是教出來的。我一直認為人工智能是一個交叉學科,不是通過簡單的編程或會一些算法就真的能理解人工智能,人工智能需要一個多結構的團隊在一起合作去探索、去研究。我會要求我所有的研究生每個月必須讀一本跟專業無關的書,一定是厚書,一定要把自己的知識從本科中跳出來,看看這個世界上其他人是怎么思考問題的,因為你個人的智能不代表人類的智能,人類的智能還是有一定模式的。

馬維英:以前我們在微軟亞洲研究院招生的要求是數學好、編程好、態度好,但我個人認為人文也很重要,不要變成純粹只學理工。未來的世界AI都可以編程,也許編程人員的很多工作都可以被機器取代,所以我覺得更廣泛的人文素養和知識才是能讓人受益一生的。

李世鵬:大家把AI太神化了,AI只是一種新的計算的方式,從這個角度來講,歷史上所有計算都是這樣的,所以不用怕,入門門檻也沒那么高。

主持人:對廣大青年學子有什么寄語?

孫劍:回到人工智能大主題,我們目前大致知道人工智能要做什么,但并沒有具體明確的目標,人工智能到底要多少年后就怎么樣,時間線也沒法預測,我自己預測幾百年后才會有非常大的不一樣,但無論如何我們還是要堅定地往前走。路漫漫其修遠,我輩將上下而求索。

李世鵬:我總結了6句話:守得住初心,耐得住寂寞,抵得住誘惑,頂得住壓力,扛得起打擊,經得起檢驗。微軟亞洲研究院這么多成功的人,不管現在在研究院,還是從研究院走出來的,都要有這樣一個決心才能把事情做好,才能把自己培養成一個有用之才。

徐迎慶:追隨智慧,無問西東。

馬維英:微軟亞洲研究院的成功之處在于你可以跟其他優秀的人一起學習,我希望大家都能夠找一個有很多優秀的人的地方,從他們身上得到啟發,不斷學習,永遠學習,人生才能夠不斷前進。

機器讀完之后醫生還需要再看一遍,糾正機器的錯誤,AI看起來提高效率但實際在降低效率。這就涉及到新的設計,比如在AI讀片過程中清楚地區分需要人再進一步看的關鍵領域,以及很大程度上不需要再看的領域,以此實現真正提高效率的目的。我認為這些實際問題是將來所有人工智能產業都會關注的問題。

主持人:人機交互與終身學習領域目前的焦點和發展趨勢是什么?

徐迎慶:2002年,我在微軟亞洲研究院的時候發表過一篇40毫秒可以從高興、正常、憤怒、害怕四種情感里判斷出上一句話各種情感所占的百分比的論文,當時也許因為沒有這方面的需求,大家并沒有什么反應,然而隨著時間的推移,現在越來越多人開始關注和思考這個問題。那個項目我當時請了電影學院教電影臺詞的老師作為顧問,僅僅是“你好”這兩個字,那個老師隨隨便便就可以用140多種情感來表達,讓我感受到了語言的魅力。現如今,市場上有很多具有對話功能的智能音箱,其實在人和人的實際交流中,人交流的聲音情感是非常豐富的,可能性也非常多,同樣的意思用不同的語音語調說出來是完全不一樣的,系統需要給出不一樣的反饋,但是目前我還沒有看到某個音箱具有這樣的功能。

我們目前也在關注多模態的用戶體驗交互,比如把嗅覺和情感的聲音理解和識別放到一個駕駛環境里,可以分辨出滿身酒氣的潛在危險駕駛者,這在一定程度上能減輕酒駕帶來的交通隱患,保護公眾的安全。我想,在這個領域還有很多跟人工智能有關的。就拿語音這樣一個簡單的事來說,有時候人會掩飾自己的情感,但如果在實驗環節用紅外探測儀識別面部的時候,人是無法掩飾的,因為面部的溫度可能有所變化。根據這個再結合傳統影像數據,也許可以引出一套與傳統不一樣的數據集,這套數據集可能就會對未來某一類識別有幫助。這些都是我們正在探索的。


從左至右:周明、馬維英、徐迎慶、李世鵬、孫劍

主持人:在小數據的情況下如何構建人工智能系統?

孫劍:現有的解決小數據小樣本問題的方式中,最直接的是在所有數據上訓練非常大的模型,像BERT一樣預訓練一個模型,遇到少量的數據就去微調這個模型。還有一個路徑是用GAN的方式生成小數據樣本,樣本雖然不能作為完全替代數據,但作為輔助還是很有用的。除此之外還可以通過把不同任務的數據放在一起來訓練,緩解小數據的問題。

徐迎慶:人工智能這個詞可能會讓大家誤以為是機器在模擬人的智能,但實際上人的認知不是靠大數據,而是一個個小樣本集合而來的。另一方面AI的發展使我們的計算能力,甚至思考輔助能力都大大增加了,推動了人類在各個領域的思考和嘗試的快速進步。但是,我一直覺得人工智能的發展還是需要和認知學、腦科學、腦神經聯系起來的。我們需要回歸到本原,研究人從生理上、醫學生理上、生物生理上或者心理認知上以及認知機理上到底是怎么學習的,這些問題對于未來推動人工智能的發展可能會有一定幫助。

馬維英:很多做人工智能有關的研究的確需要算力或大數據,北京很多大的互聯網公司在內部會為業務和工程產品上的需要搭建一些非常大規模分布的、能夠支撐異構的計算平臺。最近我也有幸參加了北京市政府關于“如何幫助學術界和創新企業更好地解決算力和數據共享問題”的討論,我相信在不久的將來,北京市政府將聯合企業、學術界以及高校一起創建更開放、更共享的計算平臺,實現數據共享,這樣一來將會大大舒緩學校或小公司因資源欠缺限制創新發展速度的問題。

主持人:從學生的角度來說,想要進入人工智能領域,需要具備什么樣的技能?

孫劍:我認為不需要弄得過于復雜,編程能力是基礎,尤其是在初中階段,甚至有些小學就已經開始學。對于更小的孩子,可以做些啟蒙教育,我有時就會帶女兒到公司來看一些實時互動的展示,這樣能激發孩子的興趣,也是能影響非常深遠和廣大的做法。

徐迎慶:我覺得人工智能是可以研究的,但人工智能不是教出來的。我一直認為人工智能是一個交叉學科,不是通過簡單的編程或會一些算法就真的能理解人工智能,人工智能需要一個多結構的團隊在一起合作去探索、去研究。我會要求我所有的研究生每個月必須讀一本跟專業無關的書,一定是厚書,一定要把自己的知識從本科中跳出來,看看這個世界上其他人是怎么思考問題的,因為你個人的智能不代表人類的智能,人類的智能還是有一定模式的。

馬維英:以前我們在微軟亞洲研究院招生的要求是數學好、編程好、態度好,但我個人認為人文也很重要,不要變成純粹只學理工。未來的世界AI都可以編程,也許編程人員的很多工作都可以被機器取代,所以我覺得更廣泛的人文素養和知識才是能讓人受益一生的。

李世鵬:大家把AI太神化了,AI只是一種新的計算的方式,從這個角度來講,歷史上所有計算都是這樣的,所以不用怕,入門門檻也沒那么高。

主持人:對廣大青年學子有什么寄語?

孫劍:回到人工智能大主題,我們目前大致知道人工智能要做什么,但并沒有具體明確的目標,人工智能到底要多少年后就怎么樣,時間線也沒法預測,我自己預測幾百年后才會有非常大的不一樣,但無論如何我們還是要堅定地往前走。路漫漫其修遠,我輩將上下而求索。

李世鵬:我總結了6句話:守得住初心,耐得住寂寞,抵得住誘惑,頂得住壓力,扛得起打擊,經得起檢驗。微軟亞洲研究院這么多成功的人,不管現在在研究院,還是從研究院走出來的,都要有這樣一個決心才能把事情做好,才能把自己培養成一個有用之才。

徐迎慶:追隨智慧,無問西東。

馬維英:微軟亞洲研究院的成功之處在于你可以跟其他優秀的人一起學習,我希望大家都能夠找一個有很多優秀的人的地方,從他們身上得到啟發,不斷學習,永遠學習,人生才能夠不斷前進。

同類文章
Next Article
喜欢就按个赞吧!!!
点击关闭提示