说明:1.本人非AI技术人士,斜体部分为个人观点,可能有错误。2.正楷体部分为引用演讲原文,为个人学习、研究或者欣赏使用。3.感谢第四范式,感谢杨强教授的分享!
2月27日演讲原文链接http://mp.weixin.qq.com/s/pVNQ54ht86b1qWqjOw5TBg
一,AI 成功的5大必要条件:高质量的大数据、清晰的问题定义和领域边界、懂人工智能且擅长应用和算法的跨界人才、足够的计算资源、持续的外部反馈。满足这五个条件的领域,才有可能在未来出现人工智能的爆发。(笔者私评:前百度首席科学家Andrew 吴恩达也表达过,AI的发展受制于4大因素,计算能力,数据量,算法,人才。个人认为,计算能力相当于智商,巨大的数据量相当于清华北大的课程,算法相当于思维方式,人才就是机器的老师——一个脑力智商超高的学生,在清北名师的调教下用科学的思维方式学习高端课程,成功可想而知)
二,AlphaGo为我们带来了什么
1.AlphaGo创造性的用深度学习和强化学习的结合来做两种任务的判别,能识别“当下棋局的形势”,并“预判有利的走向”,这个可以扩展到其他领域,例如球赛的分析和针对当下情况的排兵布阵……
AlphaGo通过自我博弈来进行数据积累,证明在封闭式游戏中,自我博弈在数据积累层面的有效性。
我们如果沿着下围棋的步骤走,就要面对这些问题:你的人工智能算法的目标是什么?有没有数据?数据在哪里?问题的边界是否清晰?什么叫合理的走法、什么叫犯规的走法?你的特征在哪里?又如何得到这些特征?是否可以得到一个持续的反馈?这样的一个流程是AlphaGo设计团队所走过的路。不妨把这些步骤记下来,变成一个workflow,看看其他的领域是不是可以重复AlphaGo的成功。比如,如果用AlphaGo治疗癌症,如何治疗呢?治疗癌症一般是用放射性来杀掉癌细胞,而每一个癌症患者需要的剂量、角度、频次可能都不一样,如果能把所有的这些信息都记录下来,再记录治疗结果,因为结果不是马上就知道的,而是经过一段时间才知道,这样就有了数据、有了特征、有了问题持续的反馈,并且有了非常清楚的目标,即在副作用最小的情况下杀死癌细胞。并且这个workflow是可以重复的
AlphaGo无疑刷新了人们对人工智能先进度的预估,从技术角度来讲,AlphaGo是一个里程碑,其团队的workflow,也许会对其他领域有很大的借鉴作用,例如癌症的治疗,提供巨大的想象空间!——不单是产品逻辑的workflow,阿法狗的成功(高超的计算能力,创新的可预测当下形势和未来趋势的算法,自我博弈的数据获取方式)来自于人才的引导,同样是workflow!此外,人工智能并不能片面的认为就是机器学习,机器学习依赖于很多逻辑推理和知识边界的问题,随着AI的进一步发展,这些领域都会更加细分,分工明确意味着技术进步,同时意味着市场巨大,这是一个新的创业领域。
二,AI的技术风口在哪?
1.深度学习会继续发展——表示学习(对非结构化数据的利用是大利好。表示学习先把非结构化的数据作为原始数据,训练出一个统计模型,再把这个模型变成某种知识的表达。最终可以达到这样的效果:给出一段话让机器去阅读,机器学习可以自动地发现一些值得关注的点)表示学习对于自然语言中的知识学习大有益处,也许机器像人类学生一样在学校学习将成为现实。此外还有深度学习模型的结构设计,如何让逻辑推理和深度学习一起工作等,都是可能的技术突破点。
2.迁移学习——通俗解释就是有ab两位学生,b专门学习语数外理化生的知识,a专门学习b在不同领域的学习方法,最终a知道每门学科的学习方法,并且可以触类旁通的迅速在新学科学的很好…然后输出a的能力。
3.自然需要的表示学习与机器阅读——表示学习已经解释过了,机器阅读建立在表示学习的基础上,计算机可以看懂高考中的“阅读理解”,可脑补这将是怎样的技术进步!
4.人机对话领域,演讲者认为人机对话领域已经发展到临界点,数据已经足够多,可能会有质变的产生。
5.强化迁移模型——说实话没看懂,知识积累不够,只是读书笔记的水平…需要恶补一下再回来完善
6.人工智能的可靠性模型——小白用户拿一些人工智能的模块来搭一个系统,这个系统就应该能被搭出来,而且它的效果应该是在一个固定的范围以内的,所以人工智能应该像软件工程一样做出来。
三,AI商业的风口
智能客服——大量的数据积累,很多AI玩家在这个领域做了很多创新,突破之日也许不远。
新闻领域——新闻可以推送给特定用户,新闻可以由机器来自动写了。今日头条等很多内容类app已经做到了智能分发,部分科研机构已经能够让机器自主写作武侠小说。
特定任务的智能机器人——目前已经有机器人通过人工操作远程开刀手术,远程抓取物品,假以时日数据量足够了,可以自动化操作。
医护领域(无障碍辅助领域)目前痛点强烈,能够提供类似于“保姆,或者导盲犬的服务从不缺需求方”目前需要数据积累…
AI有机食品——香港有的工厂已经可以用非常科学的方法,知道温室里最好的一颗菜生长全周期的光照,气温,肥料等情况,将这颗菜的生长环境用机器学习学会,可以培育高品质蔬菜。
金融领域的智能投顾——蚂蚁金服,百度都已经在做这块了…
四,多年后的AI社会
人与机器共存,共同推动社会的发展