|
前段时间，上个月看了第四届世界智能大会的一些资料，演讲和周边信息。昨天看到一本书《智联世界》，看目录就知道这书内容不会是那种空洞无物的材料汇编，前面有一页写着“2019世界人工智能大会”，开始没在意，还以为是世界智能大会的2019版，不过这个意义不大，只是让我知道这是两个不同的会议。整本书看下来，真的是醍醐灌顶，演讲的这些人可能是当今世界上最聪明的一群人了。讲得都是干货，也不提什么背景、也不提什么政策、也不提什么虚概念...让人一口气就能读下去，读完。读完的感觉是啥，我的第一感觉是真的认识到了“人工智能”大概是怎么回事，而不是图情圈子里（包括学校相关系、学校图书馆、公共图书馆、情报所等相关机构、和图情有关的公司...）的自娱自乐。图情圈子的自娱自乐，不是出自我口，是我刚读研时，一个老师谈有关话题说到的，不过事实如此。首先，我是一个外行，其次，是半瓶子水。我看这本书，纯属仰望，更新自己的那一点认知。整本书太长，我没能力总结出整本书的精华来，喜欢看的推荐大家去借、去买、或找电子书。这里我可以把大咖们的一些只言片语抄过来，看看观点。先看看目录。目录里好多华人名字，他们很多都工作在蓝色巨人、麻省理工之类这种牛逼的地方。文中观点，只言片语（都是描述话语，内容太多了，很多好图无法贴出，建议看书）：我觉得未来人工智能会让人的工作失去意义，最后仅存的工作可能就是编写人工智能软件，但到最后人工智能会自己写软件。我建议大家去学工程、物理和艺术，或者是去做那些人只愿意和人互动的工作。大多数人认为全球人口过多，但这已是过时的看法。假设人工智能可以为人类带来一个美好的未来，那么，世界在未来的20年所可能面临的最大问题是人口崩溃，而不是人口爆炸。我们可以很清楚地预见20年后的情况，因为孕育一代人需要20年的时间。有人说，移民可以解决人口崩溃的问题，但是，(如果没有新生命的降临)，移民到底要从哪里来?来人工智能将无所不在，并且价格极为低廉，不会只被几家大公司所掌控。如今的人工智能就好比是40年前的手机，那时手机属于奢侈品，而现在全世界至少拥有一台手机的人已达到几十亿人工智能已经发展了60年，意识和智能的关系，百问不厌。一个比较典型的问题是：机器会思考吗?用一个反问来回答这个问题比较好：潜艇会游泳吗?什么是智能?计算机科学家认为是“计算”，语言学家认为是“理解”，数学家认为是“抽象”或“证明”，逻辑学家认为是“推理”，认知科学家认为是“思考”与“思维”。不是正在崛起的人工智能会给人类带来威胁。在智能时代，真正要约束的是人类自身的伦理道德和行为规范。在人工智能发展过程中，加强全球治理与合作是必不的一环。如今，没有哪一个国家完全拥有全球新一轮科技和产业革命所需要的全部资源、技术和能力。产业割裂和技术脱钩将会损害人类的长期整体利益。面对技术竞争、贸易争端地缘冲突等矛盾，我们应该拿出智慧，敞开胸怀，共同努力，跨越这些壁垒。第一滴水，即优质的创新环境。第二滴水，即尊重人才重视人才培养。第三滴水，要实现学术的充分交流，以此让思想碰撞出火花。过去几年，人工智能创业有点喧嚣。我个人非常欢迎理性回归，把人工智能的应用价值交给市场检验。在这个过程中，用心做事的企业自然会脱颖而出。今天作为创业公司，是否插上“人工智能”的标签已经不那么重要，真正重要的是找到合适的应用场景，找到真正刚需的产品，从而提升产业效能，改善用户体验。现在每一个服务还不到位的地方，都是人工智能的发展机会所在。今天人工智能已经是一个系统的工程，一家公司需要把大数据、数据存储、数据库等糅在一块，如果全部自己构建，需要很高的成本。这些公司应该将关注的重心放在自己的业务上，而不是去搭建整个基础架构，这也是云能够提供的能力。未来人工智能发展中，将主要呈现5个特征。第一是减少对大数据的依赖。第二是将以自主学习模式为主。第三是人工智能将从云端扩展到边缘端。第四是更加注重人工智能的安全性。第五是向自主智能系统及自主无人系统发展。前几年“大数据”是非常热门的词，现在大家越来越清楚地认识到，大数据只是一种资源，想要发掘资源的价值就必须有数据分析技术，而当前这主要依靠机器学习。未来人工智能会出现以下趋势。首先，人工智能会朝着更系统化的学科发展。第二个趋势是从大数据向小数据的过渡。在人工智能发展的早期阶段，谷歌和百度这些与消费者相关的大型公司拥有众多用户，积累了非常多的数据，但在这些行业之外的公司是没有这么多数据的。比如，如果要开发一款人工智能软件去识别手机屏幕是不是有划痕，需要收集100万张图片，但没有一个工厂会生产100万个划伤的屏幕供图像收集。如果只有5~20个刮花的手机屏幕，是否足够用于机器学习?其实这种小数据也可以供学习使用。现在增强式学习、知识迁移都可以让小数据发挥大作用，从而让人工智能服务更多领域。第三个趋势是人工智能可以应对模糊的标签。比如同一张X线片，一些医生认为有骨折，而另一些医生觉得不是。在人类存在分歧的方面，人工智能可以将这种分歧量化，这种模 第四个趋势是人机交互。最后一个趋势是用很好的办法巩固已有的学习成果。第一个制约是目前人工智能只能解决计算问题，处于弱人工智能阶段，包括 AlphaGo下围棋解决的也只是技术问题。所以需要将业务场景细分，转换为计算问题，研发相应的解决方案，这不仅要求先进的技术能力，还要对业务有深入理解，并能将技术和业务能力有效融合。第二个制约是数据的使用。人工智能需要数据支撑，而很多场景并没有关于数据应用、隐私保护或权限管理的完善的标准，包括如何将不同机构的数据合理合法合规地整合使用，也没有统一标准。人工智能最能影响什么？交通运输、教育、智能手机技术的大众商品化。
数据科学的10大研究挑战：对深度学习的科学理解、因果推理、宝贵的数据、多种异构数据源、从不完整的数据以及噪声数据中做出判断、可信赖的人工智能、适用于数据密集型应用的计算系统、数据生命周期前段的自动化、隐私、伦理道德。
|
