分析:華為小米們如何探索人工智能的未來

論文類別:計算機論文 > 互聯網研究論文
上傳時間:2016/8/16 12:45:00

  (免費論文下載中心訊)在2016年5月底的全國科技創新大會上,華為公司創始人、總裁任正非發表了著名的“華為進入‘無人區’”講話。任正非說,華為“正在本行業逐步攻入無人區,處在無人領航、無既定規則,無人跟隨的困境”,“已感到前途茫茫,找不到方向”。

分析:华为小米们如何探索人工智能的未来

  任正非又說:“從科技的角度來看,未來二、三十年人類社會將演變成一個智能社會,其深度和廣度我們還想象不到。”在2016年8月12日,由中國計算機學會(CCF)主辦、雷鋒網承辦的“全球人工智能與機器人峰會(簡稱CCF-GAIR)上,亮相了一批巨頭們進擊人工智能與機器學習、探索“無人區”而嘗試的技術、項目和科研成果。

  華為諾亞方舟實驗室、小米探索實驗室、騰訊優圖實驗室、360人工智能研究院、百度自動駕駛事業部、微軟亞洲研究院等,以及牛津大學計算機系、卡內基梅隆大學國家機器人工程中心、MIT機器人實驗室、加拿大皇家學院等學術科研機構代表等闡述了對未來的理解。

  人工智能大勢不可擋

  2016年並不是簡單的人工智能60周年,也不是簡單的AlphaGo人機大戰激發全球新一輪人工智能的“幻想”。這一年,人工智能從漫長的學術研究周期迅速進入到產業化階段。

  就在2016 CCF-GAIR開幕的前兩天,曝出了英特爾3.5億美元收購人工智能AI創業公司Nervana Systems的消息。據稱,Nervana Systems深度學習芯片的性價比高於GPU,處理速度是GPU的10倍等特點。業界驚呼,在AI戰場上英特爾與NVIDIA兩個芯片巨頭直接開戰。

  就在8月初,NVIDIA剛發布了新一季財報,其中營收比去年同期增長24%、凈收入比去年同期增長873%,而業務大幅增長的背後就是互聯網企業等大規模地在數據中心裏部署NVIDIA GPU用於完成AI相關計算任務。由於GPU的大規模並行計算能力,因而成為AI計算任務的首選。2016年7月,NVIDIA的首款深度學習服務器DGX -1開始上市銷售。

  面對NVIDIA對於英特爾在數據中心市場的威脅,英特爾也不會坐視不理。英特爾剛剛在今年6月的ISC國際超級計算機大會上,推出了代號為Knights Landing(KNL)的第二代至強融核處理器,這系列最高達72核的x86 CPU也是首款可作為獨立處理器的Xeon Phi產品,這意味著可擺脫GPU而組成CPU-Only的高可擴展機器學習機群。

  芯片設計巨頭ARM通過7月中旬被軟銀的並購,將借助軟銀的資本以及生態實力搶在物聯網產業大漲潮之前布局低功耗智能物聯網芯片市場。ARM於今年2月推出了新處理器架構設計,主要針對5G以及大容量存儲SoC嵌入式設備,為未來的AI普及打下基礎。5月,AMR亦斥資3.5億美元收購了計算機視覺技術提供商Apical。

  除了底層的基礎芯片技術外,在應用層面也可判斷人工智能大趨勢已經形成。7月28日,國內人工智能PaaS平臺圖靈機器人對外透露,圖靈機器人PaaS平臺在過去8個月新增了162億次的服務請求,開發者在8個月內新增1.1倍、總數量超過23萬。7月推出的智能機器人操作系統Turing OS1.5將新增11個視覺能力,包括人臉識別、人臉檢測、人臉跟蹤等多項視覺技術。

  除了圖靈機器人PaaS平臺外,IBM公司借助Bluemix PaaS平臺在華的落地,也把認知計算Watson的服務相繼帶到了國內,微軟也相繼在今年推出了體系化的人工智能認知計算服務,更不用說谷歌今年IO大會上推出的智能搜索引擎以及智能硬件Google Home,阿裏雲提出大數據AI是未來的戰略發展方向等。

  可以說,人工智能產業化的第一次大漲潮已經到來!

  華為能否創造諾亞方舟?

分析:华为小米们如何探索人工智能的未来

  華為諾亞方舟實驗室負責人李航

  華為早在2012年就在香港成立了諾亞方舟實驗室,第一任實驗室主任由香港科技大學教授、人工智能和數據挖掘專家楊強擔綱。該實驗室的研究方向包括:自然語言處理和信息檢索、大規模數據挖掘和機器學習、社交媒體和移動智能、人機交互系統、機器學習理論等。

  華為諾亞方舟實驗室是華為2012實驗室研究組織的組成部分。據稱華為2012實驗室的名字來自於任正非觀看《2012》電影後認為未來信息爆炸會像數字洪水一樣,華為要構造自己的“諾亞方舟”。2012實驗室的主要研究的方向包括新一代通信、雲計算、音頻視頻分析、數據挖掘、機器學習等,主要面向的未來5-10年的技術研究。

  華為諾亞方舟實驗室第一任主任楊強教授在2016 CCF-GAIR峰會上介紹了自己的主要研究方向:遷移學習。簡單理解,遷移學習就把已經訓練好的人工智能模型遷移到新的應用場景或數據集中。當前以人工神經元網絡為主的深度學習算法已經相當成熟,但每個人工神經元網絡模型都與初始數據集高度相關,一旦換到新的應用場景或數據集就必須從頭再訓練模型。遷移學習就致力於以較小的代價讓已經訓練出的人工智能模型具有普適性和通用性。

  換句話說,把一個已有模型遷移到一個未知領域,這就叫做遷移學習。在人類社會裏,把已有知識用於新的相關領域就是知識的轉移,比如從學騎自動車到學騎兩輪摩托車等。從這個角度看,遷移學習是通用型AI的前提和基礎。遷移學習還可以把從大數據集中訓練出的模型,遷移到小範圍的數據集上,從而創造了更好的個性化。

  華為諾亞方舟實驗室第二任主任、北京大學和南京大學兼職教授李航在2016 CCF-GAIR峰會上表示,諾亞方舟實驗室還圍繞華為的智能手機、服務器、數據中心產品與設備等展開大數據與人工智能的研究工作,為華為三大BG事業群聚焦前沿產品開發,例如智能通訊網絡、企業BG大數據應用、消費者BG的智能語音助手等。

  除了諾亞方舟實驗室外,“2012實驗室”旗下有多家以世界知名科學家命名的實驗室,包括香農實驗室、高斯實驗室、謝爾德實驗室、高斯實驗室、歐拉實驗室、圖靈實驗室等,以及在歐洲、印度、美國、俄羅斯、加拿大、日本設立的8個海外研究所。據報道,華為今年還將在深圳設立10個基礎研究所。

  通過這些基礎研究機構和研發組織,華為正試圖探索無人區、為創造未來的華為打下基礎。盡管華為對研發的投入保持在年收入的15%-20%左右,但像諾亞方舟實驗室這樣的基礎研究性機構也僅成立了4年的時間,相比於微軟研究院25年的歷史、IBM研究機構80年的歷史來說,華為的基礎性研究才剛剛起步。

  現在,華為的挑戰是如何管理大規模的基礎性研究組織。

  小米對人工智能的探索

分析:华为小米们如何探索人工智能的未来

  小米科技聯合創始人、小米探索實驗室負責人黃江吉

  相對於華為四年前開始投入前沿科技研究來說,小米的起步從2016年初開始。2016年1月15日,小米科技創始人兼CEO雷軍在內部年會上表示,小米2016年要組建特種部隊,突破核心元器件的關鍵技術,並宣布成立小米探索實驗室研究VR/機器人等前沿科技。2016年2月,小米探索實驗室成立。

  小米科技聯合創始人、小米探索實驗室負責人黃江吉在2016 CCF-GAIR峰會上表示,小米對於人工智能的觀點是:產品+大數據+機器學習。也就是說,小米的人工智能觀點是緊密結合智能手機、智能硬件等產品的。黃江吉以智能硬件內嵌的Wi-Fi模組為例,小米通過自己的研發把Wi-Fi模組價格從60多元降到了10元,這就打下了硬件產品“智能”的基礎。

  現在,每天有200TB+的數據流入小米雲,這背後就是無處不在的Wi-Fi硬件在源源不斷產生高質量的數據。只有掌握高質量的大數據,才有可能通過機器學習創造真正的人工智能。在這個過程中,每天的活躍用戶數據也很重要。黃江吉表示,小米MIUI系統每天日活超過1000萬的APP有8個、超過100萬的APP有17個。

  小米手機、小米手環、小米電視與盒子、小米網絡設備、小米智能家庭設備等,再加上小米電商、小米互娛、小米市場和生態鏈等,構成了小米全生態、多樣性的大數據資源。小米大數據處理呈金字塔結構,最下面是數據采集,往上依次是數據清洗、數字挖掘和數據智能。

  圍繞小米大數據可以生成高質量的用戶畫像,有的用戶指標甚至無需用戶輸入就能精準推斷出來;還可以生成一站式、標準化與規範化的內容數據,結合用戶畫像形成包括視頻、音樂、商品、遊戲、APP、小說、新聞等在內的內容池,為搜索、推薦、導流和人工運營服務。

  黃江吉介紹小米的數據處理包括底層架構層的Hadoop基礎平臺以及數據工廠,向上基礎能力層的機器學習(深度學習)、視覺識別、NLP自然語言處理和語音識別等,再向上的大數據層則包括業務數據、用戶畫像和內容池,高級能力則有商業智能、搜索、推薦、智能問答和圖像等,最終對接各類小米智能硬件產品。

  具體到小米的深度學習平臺,在硬件層是公有雲和本地數據中心的GPU機器,GPU集群管理采用的是Kubernetes+Docker、深度學習任務管理采用的是TensorFlow,存儲服務則采用HBase/HDFS系統、計算服務采用的是Spark/Storm/MR系統,對接到智能助手、雲相冊、廣告、金融和搜索推薦等小米業務。

  黃江吉表示,優秀的產品能黏住用戶、用戶能生成高質量的大數據、大數據通過機器學習產生人工智能、人工智能再反饋給產品設計,這就是小米的人工智能觀點。比如小米面孔相冊的總用戶數已達1.5億人、照片存儲量達500億,這麽大規模的大數據幫助小米更好的優化面孔相冊產品。黃江吉強調,過去的觀念是“好用的產品不一定好玩,好玩的產品不一定好用”,而隨著人工智能和機器學習的發展,有可能把產品做的既好玩又好用。

  在被問及對人工智能產品的看法時,黃江吉舉例說現在人們每天都要無數次打開手機看信息或完成某個功能,這本身就說明智能手機產品還不夠智能,真正的智能手機產品是要大幅減少人們打開手機的次數與看手機的時間,因為很多工作都會被智能手機“智能化”地完成了。

  盡管當前小米神話進入了平臺期,但可以說智能手機時代其實才剛剛開始。

  百花齊放的AI生態

分析:华为小米们如何探索人工智能的未来

  百度高級副總裁、自動駕駛事業部總經理王勁

  任正非說,“越是前途不確定,越需要創造,這也給千百萬家企業公司提供了千載難逢的機會。”

  搜狗於今年4月22日向清華大學捐贈1.8億元人民幣,聯合成立“清華大學天工智能計算研究院”,深入開發包含人工智能在內的前沿技術。搜狗CTO楊洪濤在2016 CCF-GAIR峰會上表示,搜索引擎是人工智能最大的應用場景。搜狗從2012年開始研發智能語音技術,2013年開始進行深度學習,數據顯示搜狗手機輸入法日均語音輸入超過1.4億次。搜狗語音輸入法和語音搜索最大的場景之一,就是極大增強了微信等移動端的用戶體驗。

  今日頭條科學家、頭條實驗室總監李磊曾是原百度美國深度學習實驗室科學家。在2016 CCF-GAIR峰會上,李磊說今日頭條對人工智能的投入非常堅決,自2012年創立至今只有4年就專門成立了實驗室。今日頭條團隊很早就有意識在最前沿的技術上做投入,不論是為了當下業務需求還是為了將來的技術儲備。對今日頭條來說,一邊連接內容創作者,另一邊連接內容消費者,正需要機器學習技術,今日頭條可以說是一家人工智能公司。

  騰訊於2012年成立了優圖項目,騰訊優圖是騰訊旗下機器學習研發團隊之一,專註於圖像處理、模式識別、深度學習等,目前已經擁有數十項先進的技術以及數千億規模的圖像計算能力。自創立騰訊優圖實驗室以來,黃飛躍現為該實驗室總監及專家研究員。黃飛躍在2016 CCF-GAIR峰會上表示,期望通過人工智能技術真正改變互聯網用戶的生活品質,同時也把最新的研發成果通過開發平臺和騰訊雲對外輸出。

  獵豹是另一家新進入人工智能領域的公司,在7月份獵豹宣布的二次轉型就是希望通過研究深度學習和個性化分發,從安全公司、軟件公司發展為一家人工智能公司。盡管獵豹在國際化方面取得了不錯的成績,但隨之進入了增長瓶頸以及股價下跌,獵豹今年以5700萬美元收購News Republic,希望借助今日頭條模式的全球化等打開公司的新業務空間。獵豹CEO傅盛在2016 CCF-GAIR峰會上表示,AI是後互聯網時代的新一波紅利。

  360人工智能研究院成立於2015年9月,該研究院立足於深度學習研發,抓住大數據和雲計算的時代機遇,向360相關部門提供業務支持,完成人工智能相關的原始技術積累和前沿探索。在今年3月,AlphaGo人機大戰結束後,360董事長兼CEO周鴻祎隨即發出員工信,認為人工智能產品在大眾消費領域的普及只是一個時間問題。360人工智能研究院院長顏水成在2016 CCF-GAIR峰會上說,人工智能讓學術界和工業界有了共同語言。

  百度已經在人工智能方面進行了巨資投入,百度無人機項目自從去年在烏鎮亮相以來就一直受到業界的關註,百度還計劃在五年內實現無人駕駛汽車量產。百度高級副總裁、自動駕駛事業部總經理王勁在2016 CCF-GAIR峰會上介紹,百度去年12月購買的激光雷達為70萬人民幣/臺,百度車載大腦也是一臺接近20萬的服務器。為此,百度與激光雷達公司Velodyne LiDAR達成投資意向,在本月Velodyne LiDAR也公開承諾,如果明年拿到一百萬訂單,64線激光雷達就可以降到五百美金的單價,這將掃平自動駕駛汽車量產的障礙。

  另一家互聯網公司樂視盡管挖來了原百度深度學習研究院高級科學家、百度無人駕駛汽車團隊負責人倪凱負責樂視超級車項目,但倪凱在2016 CCF-GAIR峰會上表示其負責的範圍並不僅限於智能汽車。樂視與合作夥伴Faraday and Future成立了一個FF Le Future的實驗室,主要是研究人工智能技術,廣泛為包括電視、手機、體育、汽車等在內的樂視生態服務。除了美國矽谷的研發中心,樂視也將在北京成立研發中心。

  除了IT企業和互聯網公司外,民營企業也開始涉及人工智能產業,並視人工智能和機器人為下一個千億級規模的產業機遇。浙江大華技術股份有限公司是監控產品供應商和解決方案服務商,2014年IHS機構權威報告全球安防視頻監控市場占有率位列第二。大華股份從2008年到2015年實現了產值100億的目標,下一個目標是產值1000億,為此成立了樂橙雲作為視聯網品牌,以視頻智能硬件、視頻雲、視頻智能技術“三位一體”雲開放平臺,拉動千億市場規模。目前,樂橙雲選擇智能安防和智能母嬰兩個垂直領域作為首批拓展行業。

  窺見未來

分析:华为小米们如何探索人工智能的未来

  牛津大學計算機系主任Michael Wooldridge

  在2016 CCF-GAIR峰會上,牛津大學計算機系主任、賓夕法尼亞大學工程學院院長、MIT機器人實驗室主任等國際學術巨擘向中國產業界傳遞了最新的研究動向。

  牛津大學計算機系主任Michael Wooldridge身兼Oxford-DeepMind Partnership負責人,他認為目前人工智能進展已經解決了棋類問題、SAT等復雜問題以及自動駕駛等,即將解決實時口語理解、騎自行車、可靠的語言翻譯等問題,而理解復雜的故事及回答相關問題、創作笑話和有趣的故事、解釋一幅圖像的意義等則遠未達到接近解決的階段,強AI和通用AI則是完全開放狀態。

  Michael Wooldridge認為當前談人工智能奇點還為時尚早,甚至人工智能奇點有可能永遠都不會到來!盡管AlphaGo取得了大幅度的學術進展,但AlphaGo仍存在諸多問題。比如AlphaGo程序本身並“不知道”它在玩棋類遊戲,它也不能解釋自己的策略,也無法從AlphaGo代碼中獲取這些策略,基本上AlphaGo就是一個黑盒子。因此,AlphaGo無法實現通用型AI。

  Michael Wooldridge介紹說他的研究領域為“Multi-Agent System”(多個機器代理系統),這個領域其實也體現了他對AI的觀點之一,即在窄任務領域對現有AI服務和算法的整合。當前,產業界逐漸把AI嵌入到幾乎所有產品和服務中,但這些AI服務都相對獨立和碎片化,那麽如何通過單個或多個機器代理系統來整合這些AI服務就成為人工智能的下一個發展目標。比如個人通過手機的機器代理,與其它人的機器代理之間相互協商、相互協調,共同決策一個會議的日程安排以及各嘉賓的時間安排。

  Vijay Kumar是美國國家工程院院士、賓夕法尼亞大學工程學院院長,他被認為是空中機器人(無人機)領域開山立派的宗師人物,其學生遍布全球各大無人機廠商。Vijay Kumar表示對空中機器人或無人機的研究,能夠為學習和了解機器人的行為特點和算法積累數據。在Vijay Kumar的最新研究中,提出了空中機器人的“蜂群”效應。

  所謂“蜂群”效應,就是指一群低智能的機器人聚集在一起,共同完成某項工程或任務。由於功耗等限制,無人機等小型和微型機器人無法配置高級計算資源,因而只能具有較低的機器智能水平。對比自然界的蟻群、鳥群、魚群等,雖然都是低智能生物,但卻能群聚在一起共同完成令人驚嘆的復雜工程。對空中機器人“蜂群”效應的研究,還對地面機器人甚至海洋機器人的研究有重要意義。

  美國麻省理工學院(MIT)一直是機器人科技研究的先驅,MIT機器人實驗室主任、美國國家工程院院士Daniela Rus認為未來世界裏,每個人都有可能擁有機器人,機器人就像是在路上跑的汽車一樣常見,稱之為“泛在機器人”世界。這些“泛在機器人”的形式甚至包括類似大白或自然界中蛇一樣的軟體機器人,以及水裏的機器魚。而如果誤食了魚刺等異物的時候,還可以吞下微型折疊機器人,從腸道中通過折疊形態把異物包裹起來帶出體外。

  美國南佛羅裏達大學計算機科學與工程學院教授、機器人與深度學習專家孫宇所研究的機械手被認為是非常“黑科技”,是為數不多能與人手相媲美的重大成果。孫宇介紹說,人體206個骨骼,其中1/4的骨骼都在雙手裏,人體的雙手是非常復雜的機械結構,是人體最復雜的器官之一。孫宇表示,機器人智能和計算機智能有所區別,在於機器人要與自然環境實實在在的接觸,這是計算機智能沒有涉及到的問題,因此機械手的研究有重大意義。

  香港科技大學教授楊強的遷移學習無疑是機器學習下一個階段的重要發展方向,如何能把深度神經元網絡和機器學習中訓練出的模型提煉出來,並以較小的代價應用到新的領域,這是走向通用AI的重要路徑。此外,楊強認為,當前國內的機器學習和人工智能算法研究沒有國際上那麽均衡,實際上人工智能算法遠不止深度神經元網絡,而是多元化發展。

  當前的大數據可以分為20%的即時性數據和80%的高時延數據。對20%即時性和高重復的數據來說(互聯網數據為主),用深度學習算法能解決大部分問題。而對於80%高時延數據來說(例如工業數據)則需要用到強化學習、增強學習、遷移學習等多種人工智能算法,才能解決其數據處理和產生數據智能的問題。

  南京大學計算機科學與技術系副主任、機器學習與數據挖掘研究所(LAMDA)所長周誌華表示,接下來機器學習技術的一個大趨勢是要增加機器學習的魯棒性。目前很多研究中的機器智能可達到人類水準,但是如果遇到一些罕見的情況,就會錯得非常離譜。因此,機器智能在遇到罕見情況的時候,“不能比一般人的處理水平更低”,這是機器學習技術大規模普及的基本前提。

  當然,整個人工智能和機器人產業的發展,離不開創業群體。國家教育部長江學者特聘教授王田苗教授表示,未來五年之內,機器人在工業、服務業、智能汽車和無人機等高端產業三大塊將可能迎來第一波熱潮。由於人工智能技術和認知技術的成熟,未來機器人在銀行、家庭、醫院、賓館等服務業的地位將逐漸提高。

  紫牛基金合夥人張泉靈特別強調,人工智能創業的商業模式這件事,不是在實驗室裏就能想出來的。金山軟件兼金山雲CEO張宏江的觀點是,中國人工智能公司的創新能力提升的非常快,與美國等人工智能公司之間的差距正在縮小。一個公司進步的關鍵不是“看別人”,而應當回歸到自身,搞清楚用戶到底需要什麽,腳踏實地朝這個方向努力。

  從新加坡政府一個ADAS項目出來的創業項目Minieye,對標的是Mobileye。Minieye CEO劉國清認為,人工智能時代的產業分工將更加專業化,每一個供應商專註在某一項或幾項人工智能技術上並做到極致,智能汽車等整機廠商的角色更像是PC集成商而無法大包大攬所有的技術。

  不論巨頭們如何進擊人工智能,專業化分工將是人工智能生態的遊戲規則。(來源:鈦媒體 文/吳寧川 編選:免費論文下載中心)

下载论文

論文《分析:華為小米們如何探索人工智能的未來》其它版本

互聯網研究論文服務

網站聲明 | 聯系我們 | 網站地圖 | 論文下載地址 | 代寫論文 | 作者搜索 | 英文版 | 手機版 CopyRight@2008 - 2017 免費論文下載中心 京ICP备17062730号