人工智能前沿技術(shù)應(yīng)用趨勢(shì)與發(fā)展展望

        隨著深度學(xué)技術(shù)在智能駕駛、智慧金融、智能制造、智慧農(nóng)業(yè)、智慧醫(yī)療、智能家居等領(lǐng)域的逐步應(yīng)用，作為引領(lǐng)這一輪科技和產(chǎn)業(yè)變革的性技術(shù)，人工智能的產(chǎn)業(yè)化已經(jīng)取得了顯著的效果，顯示出帶動(dòng)性很強(qiáng)的“頭雁”效應(yīng)。、美國(guó)、英國(guó)、德國(guó)、法國(guó)、日本等主要都紛紛將人工智能上升為級(jí)，積極搶占人工智能競(jìng)爭(zhēng)的制高點(diǎn)。我國(guó)還進(jìn)一步強(qiáng)調(diào)要加強(qiáng)人工智能領(lǐng)域前沿技術(shù)布，支持科學(xué)家勇闖人工智能科技前沿的“無(wú)人區(qū)”。 　　

       現(xiàn)階段人工智能技術(shù)發(fā)展特點(diǎn) 　　

       經(jīng)歷了60多年的發(fā)展之后，人工智能已經(jīng)開(kāi)始走出實(shí)驗(yàn)室，進(jìn)入到了產(chǎn)業(yè)化階段。具體表現(xiàn)出以下幾個(gè)方面的特點(diǎn)：

       深度學(xué)技術(shù)逐漸在各領(lǐng)域開(kāi)始應(yīng)用 　　

       深度學(xué)通過(guò)構(gòu)建多隱層模型和海量訓(xùn)練數(shù)據(jù)，來(lái)學(xué)更有用的特征，最終提升分析準(zhǔn)確性。深度學(xué)能夠通過(guò)數(shù)據(jù)挖掘進(jìn)行海量數(shù)據(jù)處理，自動(dòng)學(xué)數(shù)據(jù)特征，尤其適用于包含少量未標(biāo)識(shí)數(shù)據(jù)的大數(shù)據(jù)集；采用層次網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行逐層特征變換，將樣本的特征表示變換到一個(gè)新的特征空間，從而使分類或預(yù)測(cè)更加容易。因此，深度學(xué)自2006年由Jeffery Hinton實(shí)證以來(lái)，在云計(jì)算、大數(shù)據(jù)和芯片等的支持下，已經(jīng)成功地從實(shí)驗(yàn)室中走出來(lái)，開(kāi)始進(jìn)入到了商業(yè)應(yīng)用，并在機(jī)器視覺(jué)、自然語(yǔ)言處理、機(jī)器翻譯、路徑規(guī)劃等領(lǐng)域取得了令人矚目的成績(jī)。 　　

       新型算法不斷探索 　　

        在深度學(xué)應(yīng)用逐步深入的同時(shí)，學(xué)術(shù)界也在繼續(xù)探索新的算法。一方面，繼續(xù)深度學(xué)算法的深化和改善研究，如深度強(qiáng)化學(xué)、對(duì)抗式生成網(wǎng)絡(luò)、深度森林、圖網(wǎng)絡(luò)、遷移學(xué)等，以進(jìn)一步提高深度學(xué)的效率和準(zhǔn)確率。另一方面，一些傳統(tǒng)的機(jī)器學(xué)算法重新受到重視，如貝葉斯網(wǎng)絡(luò)、知識(shí)圖譜等。另外，還有一些新的類腦智能算法提出來(lái)，將腦科學(xué)與思維科學(xué)的一些新的成果結(jié)合到神經(jīng)網(wǎng)絡(luò)算法之中，形成不同于深度學(xué)的神經(jīng)網(wǎng)絡(luò)技術(shù)路線，如膠囊網(wǎng)絡(luò)等。 　　

        基礎(chǔ)數(shù)據(jù)集已經(jīng)成為基本共識(shí) 　　

       自從李飛飛等在2009年成功創(chuàng)建ImageNet數(shù)據(jù)集以來(lái)，該數(shù)據(jù)集就已經(jīng)成為了業(yè)界圖形圖像深度學(xué)算法的基礎(chǔ)數(shù)據(jù)集，通過(guò)舉辦比賽等方式極大地促進(jìn)了算法的進(jìn)步，使得算法分類精度已經(jīng)達(dá)到了95%以上。這也使得一些大型研究機(jī)構(gòu)和企業(yè)逐漸認(rèn)識(shí)到了數(shù)據(jù)的價(jià)值，紛紛開(kāi)始建立自己的數(shù)據(jù)集，以便進(jìn)行數(shù)據(jù)挖掘和提升深度學(xué)模型的準(zhǔn)確率。如美國(guó)標(biāo)準(zhǔn)研究院的Mugshot、谷歌的SVHN、微軟的MS COCO等圖像基礎(chǔ)數(shù)據(jù)集，斯坦福大學(xué)的SQuAD、卡耐基梅隆大學(xué)的Q/A Dataset、Salesforce的WikiText等自然語(yǔ)言數(shù)據(jù)集以及2000 HUB5 English、CHiME、TED-LIUM等語(yǔ)音數(shù)據(jù)集。 　　

        新型計(jì)算基礎(chǔ)設(shè)施陸續(xù)成為產(chǎn)業(yè)界發(fā)展目標(biāo) 　　

       由于深度學(xué)對(duì)算力有較高的需求，因此相繼出現(xiàn)了一些專門的計(jì)算框架和平臺(tái)，如伯克利大學(xué)的Caffe、微軟的CNTK、Facebook的Torch、亞馬遜的MXNet、百度的 PaddlePaddle等，尤其是谷歌的TensorFlow能夠支持異構(gòu)設(shè)備的分布式計(jì)算，其平臺(tái)API能力已經(jīng)覆蓋了CNN、RNN、LSTM等當(dāng)前最流行的深度神經(jīng)網(wǎng)絡(luò)模型。除了從計(jì)算框架軟件平臺(tái)進(jìn)行研發(fā)之外，產(chǎn)業(yè)界同時(shí)也從硬件方面探索計(jì)算能力的提升方法。最為直接的方法就是采用計(jì)算能力更強(qiáng)的GPU替代原有的CPU等。此外，谷歌、IBM等一些大型企業(yè)在大量采用GPU的同時(shí)，也在探索進(jìn)行符合自身計(jì)算環(huán)境的芯片研發(fā)，從而進(jìn)一步降低成本、提高效率，因此產(chǎn)生了TPU等性能更加卓越的新型芯片。 　　

       人工智能技術(shù)發(fā)展面臨的挑戰(zhàn) 　　

       雖然人工智能技術(shù)發(fā)展已經(jīng)取得了前所未有的成績(jī)，但隨著深度學(xué)技術(shù)應(yīng)用的不斷深化和產(chǎn)業(yè)化步伐的逐步加快，人工智能技術(shù)發(fā)展也面臨著不少挑戰(zhàn)。 　　

       主流技術(shù)深度學(xué)還具有較大限性 　　

       一是在有限樣本和計(jì)算單元的情況下，對(duì)復(fù)雜函數(shù)的表示能力有限，其針對(duì)復(fù)雜分類問(wèn)題的泛化能力受限。二是通過(guò)深度學(xué)是一種基于概率統(tǒng)計(jì)的算法，機(jī)器系統(tǒng)學(xué)到的是大概率內(nèi)容，不是知識(shí)，無(wú)法像人類一樣進(jìn)行舉一反三的應(yīng)用。三是深度學(xué)存在黑箱問(wèn)題，不能解釋其自身做出決策的原因。 　　

       基礎(chǔ)數(shù)據(jù)積累還遠(yuǎn)遠(yuǎn)不能滿足模型訓(xùn)練需要 　　

       由于大數(shù)據(jù)技術(shù)的出現(xiàn)和使用時(shí)間還不長(zhǎng)，各類基礎(chǔ)數(shù)據(jù)不論從數(shù)量上還是從質(zhì)量上來(lái)看，都尚需要較長(zhǎng)時(shí)間的積累。一方面，某些關(guān)鍵領(lǐng)域和學(xué)術(shù)數(shù)據(jù)集還嚴(yán)重不足。另一方面，已有規(guī)?；幕A(chǔ)數(shù)據(jù)集不僅數(shù)據(jù)質(zhì)量良莠不齊，而且基本上由少數(shù)幾家巨頭或所掌握，鑒于監(jiān)管和競(jìng)爭(zhēng)等因素，無(wú)法實(shí)現(xiàn)有效流動(dòng)?；A(chǔ)數(shù)據(jù)的缺乏，使得深度學(xué)模型訓(xùn)練也造成了樣本基礎(chǔ)缺失。 　　

        計(jì)算框架和通用智能芯片尚未形成定 　　

       雖然已經(jīng)出現(xiàn)了TensorFlow、Caffe、CNTK、Torch、MXNet、PaddlePaddle等深度學(xué)計(jì)算框架，但由于深度學(xué)應(yīng)用場(chǎng)景眾多，相關(guān)應(yīng)用呈現(xiàn)碎片化特點(diǎn)，無(wú)論從功能還是性能角度來(lái)講，用于實(shí)現(xiàn)最后應(yīng)用落地的開(kāi)源計(jì)算框架與實(shí)際需求之間都還存在著相當(dāng)?shù)木嚯x，滿足產(chǎn)業(yè)發(fā)展需求且具有絕對(duì)統(tǒng)治地位的開(kāi)源計(jì)算框架也還沒(méi)有出現(xiàn)。同時(shí)，深度學(xué)芯片還只是剛剛起步，而且還基本上屬于專有領(lǐng)域的芯片，通用智能芯片的產(chǎn)業(yè)化還需要較長(zhǎng)時(shí)間的探索。 　　

       人機(jī)和諧共處的有效途徑開(kāi)始艱難探索 　　

       由于黑箱問(wèn)題及其基于概率統(tǒng)計(jì)的特點(diǎn)，基于深度學(xué)的智能系統(tǒng)存在產(chǎn)生不可控結(jié)果的隱患。我們已經(jīng)看到，使用了人工智能技術(shù)的智能駕駛汽車出現(xiàn)了多次的事故，甚至造成了人員的傷亡。另外，使用了智能算法的自動(dòng)駕駛飛機(jī)也出現(xiàn)了多次墜機(jī)事故。這些事故不僅造成了人們的生命和財(cái)產(chǎn)損失，也嚴(yán)重打擊了人們對(duì)人工智能的信心。實(shí)際上，這些事故的發(fā)生除了有技術(shù)方面的原因之外，還涉及到AI的問(wèn)題，也就是如何保證人類與智能系統(tǒng)之間的和諧共處、協(xié)同合作等問(wèn)題。目前來(lái)看，AI的問(wèn)題還需要較長(zhǎng)的探索過(guò)程。 　　

       人工智能技術(shù)發(fā)展趨勢(shì) 　　

       短期來(lái)看，人工智能技術(shù)的發(fā)展將圍繞對(duì)上述問(wèn)題的解決進(jìn)行。下面從算法理論、數(shù)據(jù)集基礎(chǔ)、基礎(chǔ)設(shè)施、人機(jī)協(xié)同等以下幾個(gè)方面進(jìn)行探討。 　　算法理論 　　在算法理論層面，將繼續(xù)按照深度學(xué)完善和新算法的兩條主線發(fā)展。首先，深度學(xué)在提升可靠性、可解釋性等方面的研究以及零數(shù)據(jù)學(xué)、無(wú)監(jiān)督學(xué)、遷移學(xué)等模型的研究將成為熱點(diǎn)方向，這不僅僅是深度學(xué)算法本身發(fā)展的需要，也是產(chǎn)業(yè)發(fā)展的需要。其次，學(xué)術(shù)界將繼續(xù)開(kāi)展新型算法的探索，包括對(duì)傳統(tǒng)機(jī)器學(xué)算法的改進(jìn)、傳統(tǒng)機(jī)器學(xué)算法與深度學(xué)的結(jié)合以及與深度學(xué)迥異的新型算法等。 　　

       數(shù)據(jù)集基礎(chǔ) 　　

       在數(shù)據(jù)集基礎(chǔ)方面，學(xué)術(shù)界與產(chǎn)業(yè)界將共同合作構(gòu)建語(yǔ)音、圖像、視頻等通用數(shù)據(jù)集以及各行業(yè)的專業(yè)數(shù)據(jù)集，使得各類數(shù)據(jù)集能夠快速滿足相關(guān)需求。一方面，隨著對(duì)人工智能認(rèn)識(shí)的不斷加深，將會(huì)有越來(lái)越多的企業(yè)和機(jī)構(gòu)開(kāi)展數(shù)據(jù)自建和數(shù)據(jù)標(biāo)注等工作。另一方面，隨著深度學(xué)的發(fā)展，將會(huì)出現(xiàn)智能化的數(shù)據(jù)標(biāo)注系統(tǒng)來(lái)幫助和替代人類進(jìn)行數(shù)據(jù)標(biāo)注等工作。再有，在引導(dǎo)和支持下，一些的標(biāo)準(zhǔn)化數(shù)據(jù)集將會(huì)陸續(xù)出現(xiàn)，為整個(gè)行業(yè)提供標(biāo)準(zhǔn)化訓(xùn)練數(shù)據(jù)集。 　　

       計(jì)算平臺(tái)與芯片 　　

       在計(jì)算平臺(tái)與芯片方面，大型企業(yè)自研計(jì)算框架、自建計(jì)算平臺(tái)，甚至是自研芯片等，仍將是普遍現(xiàn)象。這主要是由于以下兩個(gè)方面的原因。一是企業(yè)出于自身數(shù)據(jù)和業(yè)務(wù)安全的考慮，對(duì)使用其他機(jī)構(gòu)提供的訓(xùn)練平臺(tái)仍然持有不信任的態(tài)度；二是每個(gè)企業(yè)的數(shù)據(jù)中心和相關(guān)平臺(tái)都有其自身的特點(diǎn)，自研計(jì)算框架、自建計(jì)算平臺(tái)和自研芯片能夠更好地滿足自身的業(yè)務(wù)發(fā)展需要。 　　

       人機(jī)協(xié)同機(jī)制 　　

       在人機(jī)協(xié)同機(jī)制方面，“人在回路”將成為智能系統(tǒng)設(shè)計(jì)的必備能力。目前，機(jī)器智能并沒(méi)有實(shí)現(xiàn)人們所希望的“以人為中心”，仍然還是以機(jī)器為中心，這也是人類屢受智能系統(tǒng)傷害的主要原因之一。因此，將人類認(rèn)知模型引入到機(jī)器智能中，使之能夠在推理、決策、記憶等方面達(dá)到類人智能水平，將成為學(xué)術(shù)界和產(chǎn)業(yè)界共同追求的目標(biāo)，并可能在一定的時(shí)間內(nèi)取得較好的階段性成果。 　　

       人工智能技術(shù)發(fā)展展望 　　

       長(zhǎng)期來(lái)看，人工智能技術(shù)將分別沿著算法和算力兩條主線向前發(fā)展，并逐步帶領(lǐng)人類進(jìn)入到人機(jī)協(xié)同的新時(shí)代。 　　

       高度關(guān)注類腦智能算法 　　

       深度學(xué)是基于馮?諾依曼體系結(jié)構(gòu)發(fā)展起來(lái)的。由于受到內(nèi)存墻等相關(guān)方面的制約，難以達(dá)到較高的計(jì)算效率。為此，近些年來(lái)IBM等已經(jīng)開(kāi)始進(jìn)行顛覆馮?諾依曼體系結(jié)構(gòu)的類腦智能算法與技術(shù)的探索。類腦智能借鑒大腦中“內(nèi)存與計(jì)算單元合一”等信息處理的基本規(guī)律，在硬件實(shí)現(xiàn)與軟件算法等多個(gè)層面，對(duì)于現(xiàn)有的計(jì)算體系與系統(tǒng)做出本質(zhì)的變革，并實(shí)現(xiàn)在計(jì)算能耗、計(jì)算能力與計(jì)算效率等諸多方面的大幅改進(jìn)。目前，隨機(jī)興奮神經(jīng)元、擴(kuò)散型憶阻器等已經(jīng)在IBM、馬薩諸塞州阿姆赫斯特大學(xué)、清華大學(xué)等機(jī)構(gòu)研制成功，IBM已經(jīng)研制成功TrueNorth芯片，清華大學(xué)團(tuán)隊(duì)也成功研制出了基于憶阻器的PUF芯片。 　　

       智能署從中心向邊緣和終端擴(kuò)散 　　

       隨著智能裝備和智能機(jī)器人等智能終端的逐漸增多，智能終端的快速反應(yīng)以及相互之間的協(xié)同行動(dòng)需求將會(huì)越來(lái)越迫切，對(duì)智能服務(wù)的實(shí)時(shí)性將會(huì)越來(lái)越強(qiáng)烈。這就要求智能服務(wù)從云端向網(wǎng)絡(luò)邊緣甚至終端擴(kuò)散，智能模型與算法需要署在網(wǎng)絡(luò)邊緣或終端之上，就近提供網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用等核心能力，從而滿足通信、業(yè)務(wù)、安全等各方面的關(guān)鍵需求。目前，英偉達(dá)、高通等都已經(jīng)陸續(xù)開(kāi)展了用于邊緣網(wǎng)絡(luò)或終端的AI專用芯片。而隨著5G網(wǎng)絡(luò)的普遍署，邊緣智能將會(huì)獲得快速的發(fā)展。 　　

       深度學(xué)通用平臺(tái)和通用AI芯片將會(huì)出現(xiàn) 　　

       隨著人工智能應(yīng)用在生產(chǎn)生活中的不斷深入融合，智能終端的互聯(lián)互通將會(huì)成為必然。由于跨框架體系及署需要投入大量資源，因此盡管每個(gè)終端的智能模型可能不同，但深度學(xué)計(jì)算框架的模型底層表示將會(huì)逐漸趨同，形成深度學(xué)通用計(jì)算框架和平臺(tái)。隨著計(jì)算框架的整合，GPU和TPU等芯片將可能會(huì)被通用AI芯片所替代。 　　

       量子計(jì)算推動(dòng)形成新一輪計(jì)算 　　

       不論現(xiàn)在還是將來(lái)，人工智能無(wú)疑都將是最為消耗計(jì)算資源的業(yè)務(wù)和應(yīng)用之一，計(jì)算效率也將是智能體永恒的追求目標(biāo)。量子計(jì)算具有強(qiáng)大的計(jì)算能力和效率，已經(jīng)成為全球公認(rèn)的下一代計(jì)算技術(shù)。IBM已經(jīng)在近期推出了世界上第一個(gè)商用的通用近似量子計(jì)算系統(tǒng)里程碑產(chǎn)品IBM Q System One，客戶可以通過(guò)互聯(lián)網(wǎng)使用這臺(tái)量子計(jì)算機(jī)進(jìn)行大規(guī)模的數(shù)據(jù)計(jì)算，為人工智能計(jì)算展示了良好的前景。 　　

      人工智能已經(jīng)逐漸向工業(yè)、農(nóng)業(yè)、交通、醫(yī)療、金融等各個(gè)領(lǐng)域滲透，并開(kāi)始形成新的業(yè)態(tài)，成為了新一輪技術(shù)的制高點(diǎn)。因此，必須積極主動(dòng)把握人工智能技術(shù)和產(chǎn)業(yè)發(fā)展機(jī)遇，認(rèn)清技術(shù)發(fā)展趨勢(shì)，在類腦智能、邊緣智能、通用平臺(tái)與芯片、量子計(jì)算等前沿技術(shù)領(lǐng)域加快布，勇闖人工智能科技前沿的“無(wú)人區(qū)”，才能抓住人工智能時(shí)代發(fā)展的主動(dòng)權(quán)。

標(biāo)簽：