芯片、算法、算力、數據、云等人工智能技術創新的基本元素正在揭開

2019-03-20 09:58:40來源：三思派

在業界的持續關注下，芯片、算法、算力、數據、云等人工智能技術創新的基本元素正在揭開人工智能技術的經濟和社會應用新篇章，風險、安全等關鍵詞也隨之成為熱議對象。一場面向人工智能的大考正拉開序幕。上海市科學學研究所副研究員孟海華分析指出，當前人工智能領域的發展有七大關注點：一是人工智能芯片的終端市場機會;二是算法層面的神經網絡互操作性的突破;三是算力的巨大需求;四是人工合成數據;五是應用領域的協同發展;六是人才問題的再認識;七是潛在的社會風險。

芯片、算法、算力和數據蘊含機遇

孟海華認為，人工智能芯片的云端市場已被英偉達(Nvidia)、谷歌等巨頭瓜分殆盡，創業公司生存空間幾乎消失，而人工智能芯片的終端市場被更多芯片廠商所關注，更多的AI芯片廠商瞄準場景來應用自己的人工智能芯片。比如，國芯發布全新芯片GX8010——搭載NPU的物聯網人工智能芯片，它將為各種物聯網產品賦能。

AWS，Facebook和Microsoft合作構建了開放式神經網絡交換(ONNX)，使得經過調試的神經網絡模型向其他框架移植成為可能。目前，已經有阿里云、百度云、英偉達等一批公司加入到ONNX之中。

在人工智能應用推動數據存儲呈現指數增長的背景下，需要重新估計與數據訓練相匹配的新的體系結構和數據管理技術相匹配的計算資源。全球知名的IT研究與顧問咨詢公司高德納(Gartner)預測，2019年到2021年，全球人工智能處理器收入將增長3倍;到2023年，人工智能需求的計算資源將比2018年增加5倍。

上海浦東改革與發展研究院副院長徐建博士認為，與過去不同的是，當前這一輪人工智能大發展是由產業界而非學術界率先啟動并驅動。背后的邏輯值得玩味，也即資本加持下的科技加速突破。正是資本趨利邏輯和科學探索邏輯的結合，造就了現今人工智能全面開花、蓬勃發展的景象，讓我們幾乎每一年都能看到人工智能從基礎研究到應用示范再到倫理反思的新動向、新趨勢，也推動了經濟社會的全面新跨越。

人工智能需要大量的培訓數據才能產生良好的應用效果。孟海華表示，人工合成數據有望滿足中小企業海量數據需求。人工合成數據是從實際數據集中獲取抽樣數據，在此基礎上擬合生成數據，或者是通過創建模擬場景，以合成完全新的數據。與真實世界的數據相比，合成的數據量可能更深、更寬。人工合成數據自動標注，精度更高。人工智能預培訓可以利用合成數據進行，然后對真實世界的數據進行微調。人工合成數據可以規避知識產權、隱私倫理、敏感性等風險，有利于創建符合通用數據保護條例(GDPR)要求的數據集。

人工智能將在交通、醫療、教育、制造等領域深入推進

上海依圖網絡科技有限公司副總裁范婧艷認為，人工智能從視覺到聽覺、語義理解、運動控制會在今后幾年快速突破。多元AI技術的疊加，與各場景的深度結合，將解鎖更多場景，賦能實體經濟，提高產業效率。

孟海華預期，2019年的人工智能將在交通、醫療、教育、制造等領域深入推進、大顯身手。交通方面，基于高性能GPU并行處理器，人工智能系統對路面機動車、非機動車、行人等所有目標進行深度分析，準確的提取更多的深度特征、檢測/采集更多的深度信息、挖掘更多的深度價值，使交通管理和治安管控更加高效;醫療方面，通過計算機視覺技術對醫療影像進行快速讀片和智能診斷，快速準確地標記特定異常結構來提高圖像分析的效率，通過智能設備進行身體檢測，血壓、心電、脂肪率等多項健康指標便能快速檢測，依托可穿戴設備和智能健康終端，持續監測用戶生命體征，提前預測險情并處理;教育方面，人工智能將首先引發高等教育的變革，啟動融合式教育模式，把通識教育、專業教育、行業教育和管理教育融合起來，把學習、實習、在崗訓練、創業和未來發展融合起來，形成一種價值鏈創造和價值鏈共享，最后形成學、研、訓、創、產高度融合的一種新型教育模式;制造方面，人工智能技術助力于制造業中自動化與柔性化生產的推行，從而促進工業機器人在高端制造業領域的廣泛應用，對人工智能技術的要求更高更全面，市場空間更加巨大。

對人工智能應用的前景，云知聲(上海)智能科技有限公司創新事業部總裁陳吉勝認為，人工智能從玩技術概念階段轉向拼場景、拼落地，是 2018 年 AI 行業里面非常重大的趨勢。這種趨勢會在2019 年進一步延續。AI行業發展依舊滾滾向前，不同是的泡沫將逐漸褪去，商業化會成為主旋律。

人工智能領域的人才觀將被新認識顛覆

范婧艷指出，AI發展依賴三個資源要素：人才、市場(應用場景和技術迭代平臺)和數據，服從“富者更富”的規律，頭部效應明顯。

Gartner建議大多數組織，應該集中精力雇傭熟悉經典機器學習方法，如回歸、統計方面的數理人才，而不是那些擁有引人注目的深度學習工作經驗資歷，但是不擅長處理數據的人，因為了解事情的工作方式和原因比使用TensorFlow、PyTorch或Caffe等工具更重要。真正的人工智能人才應該對統計學習有深入了解，而不僅僅是一些使用或參與過神經網絡項目的人。

提前關注個性化人工智能技術可能帶來的社會風險

孟海華分析指出，防范風險一是注意人工智能個性化解決方案帶來的安全風險，二是注意數據收集不完整、挖掘不充分帶來的經濟風險。在未來的社會，人工智能不是一種專門的技能，而是一種人人都可使用的工具，是解決問題的若干工具的重要組成部分。因此，人工智能可能不僅帶來道德層面的問題，更多的是為城市社會運轉埋下了安全隱患。但是，目前大多數的組織缺乏處理和應對人工智能威脅的能力，因此人工智能的安全風險會大幅度增加，甚至會引發社會問題。

人工智能自動化技術能夠支撐普通公民成為該領域的專家，但是對于普通人來說，能夠掌握的數據的量是非常有限的。雖然業務流程普遍實現智能化，但是數據的獲取途徑、處理充斥著個性化，這種碎片化的認識和分析，是滋生社會偏見的土壤。這種偏見蔓延到經濟領域，會持續增加房產、貸款、股票、證券等領域的不穩定因素，而始作俑者會運用自己的身份或者成功經歷，掩飾表面上的一種精確性，從而增加國家和社會的經濟運行風險。

徐建表示，重大變革難免帶來恐慌，這是人類面對未來巨大不確定性的本能反應。但無論任何，人工智能是人類的勝利，我們能做的無外乎是順應、適應和調整，在這個過程中實現人類的新發展，這與人類歷史上曾經的科技革命進程并沒有本質上的差別。

標簽：芯片算法數據人工智能