betway必威登录平台中国科学技术大学讯飞试行高

betway必威登录平台 1

最早利用互联网连接效应的就是谷歌,谷歌最开始的搜索利用网页之间的连接定优先级,用户点了关键词搜了网页,出现了一个网页排序,用户肯定会点后面具体的连接,用户在输入搜索词和点击连接形成关系,很多人去用,这个搜索词匹配哪一个最有可能点击,马上会知道了。

  HS:其实挺长时间了。

官方网站:AI-CPS.NET

人工智能是,机械化,自动化,智能化的发展延续。机器比较凸显的优势是标准化、流程化、速度力量优势。人类的优势是个性化、不规则、无序、不可预测。世界上还有很多事情需要人工来做,现在把机器能模仿一点人类的这些特性看作是比较厉害的事情。比如,能辨别方言和口音的语音识别,能下围棋,语音助手,人脸识别等我们把这些东西列为人工智能,其实这些东西也只是一种更复杂的软件程序而已,而不是真正意义上的人工智能!

二是智能学习,它会改变消费者使用智能硬件的方式,人工智能与行业相结合,可能会颠覆整个行业。

  微软首次对外公开了新事业部的人员和工作细节。沈向洋向 PingWest品玩独家透露,为了成立新事业部,超过 5000 名工程师从 Office、云、搜索、设备等多个产品部门抽调了过来。再加上该公司遍布全球 10 个实验室超过 1000 名科学家,包括多名图灵奖、菲尔兹奖、沃尔夫奖和麦克阿瑟“天才”奖得奖学者在内,现在这个仅仅成立了 4 个月之久的新事业部,研究、产品和其他职能人员已经总计在 6000-7000 人左右。而微软全球员工总数则在 2016 年超过了 11 万人。

比如说A和B,你可以挖掘出来A和B具有某种相关性,这是不够的。这种隐约的暧昧的相关性在关键的交易场景中,你是无法用它来做参考的。我需要在股票交易当中获利,仅仅相关性是无法用股票交易算法做套利的。在做人工智能数据分析计算里面有很多种算法,我想说的是在很多种算法里面有的算法是在特定领域里面有用的,我先说一下算法,我的背景是计算理论逻辑的背景,我非常强调对于任何一个行业技术,从逻辑和理论根源的角度去分析挖掘里面的痛点。如果说你用机器学习或者神经元网络,你能不能计算出归纳偏置,也就是bias,如果不能够就意味着你的算法是无法获知确定性的黑盒子算法,虽然你的算法有用但是你没有办法证明你的算法是正确的,只有贝叶斯统计才是能够计算出归纳偏置的。科学的判断标准是什么,贝叶斯里面还有另外一种分层贝叶斯,现在流行的深度学习是神经元网络里面分成多层,贝叶斯网络也可以属于多层,而且因为贝叶斯网络能够用来挖掘数据背后隐含的关系,那么贝叶斯网络可以做出一些深度学习做不了的事情。比如说大规模传染病如SARS的传播节点的挖掘,比如说像SARS,禽流感,如果从北京出发,中间经过了武汉、郑州、济南,但是有些城市的传播节点从传染病的统计信息图和数据里面看是没有的,这种情况下只有用分层贝叶斯网络,可以挖掘出传染病隐藏的传播节点,可以挖掘出隐藏节点间的关系,而且可以挖掘出隐藏节点后面的下一层节点,根据传染病统计的数据,只有用一种方法可以挖掘出隐含的关系和节点,其他的深度学习机器学习的方法全都不管用。

betway必威登录平台 2

第三、人工智能将如何实现。

  成立仅四个月过去,这个新事业部还相对比较神秘。人们都在讨论:微软要搞什么新武器?

产业智能官  AI-CPS

那么云计算与人工智能哪个更有前途呢?对此有网友表示称,声明,我是搞工业自动化的,确实对人工智能和云计算没有可以评论的资本。简单聊一下我的理解。云计算,应该依托大数据为基础,而人工智能是用机器实现人的理解和认识。云更依赖于统计学基础,人工智能则依赖于个体。有些问题用统计学理论可以解决,有些问题我们常说真理掌握在少数人手里。个人觉得相辅相成缺一不可吧。

二是能够掌握最终客户的2C公司,在行业里面有绝对的优势,知道怎么把人工智能用好。

  这也是微软相信对话是最自然的交互方式,将对话式人工智能 (Conversational AI) 看做下一代人机交互核心方式的原因所在,“人们每天说的话当中不一定每一句都有意义,不是每一句对话都是任务性,大量的对话是闲话甚至废话。但怎样能够通过循序渐进的闲聊,在多轮对话中学习关于用户的知识,了解情绪得到和完成任务,是微软想要解决的。”

  1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

  2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

    评估未来的知识和技能类型;

  3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

    发过程中确定更加明晰的标准和最佳实践;

  4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

    较高失业风险的人群;

  5. 开发数字化 智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。

其实人工智能其实60年前就热门过,现在又炒这个概念!其实仔细思考一下身边还没有真正意义上的人工智能产品。而且人工智能可能是人类智力上的一个伪命题,以人类的智商要创造一个全面超过人类的新物种,怎么想起来都是一件很玄乎的事!

但是像购物、看片这样的动作,必须要看清楚才能操作,所以与图像的结合是很重要的。

  PW:你现在应该是美国科技公司地位最高的华人技术专家,走过这段路,有什么感想?


betway必威登录平台 3

去年3月份阿法狗战胜李世石九段引起很大震动,这其实和90年代第一个战胜人类的跳棋程序在本质上并没有特别大的差异,这些棋类游戏都是信息完全公开的博弈系统。

  到底应该是计算机把所有的事情都做掉,还是人可以用计算机去做了不起的事情?这是从计算机出现第一天开始就在讨论的问题。我们把人机之间的关系定义成人机交互,而对话是我们认为更加自然和方便的交互方式。通过小冰,我们也在测试。

云计算的核心思想,是将大量用网络连接的计算资源统一管理和调度,构成一个计算资源池向用户按需服务。云计算的基本原理是,通过使计算分布在大量的分布式计算机上,而非木地计算机或远程服务器中完成目标任务。企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上,根据需求访问计算机和存储系统。

科大讯飞作为一个平台级的专业的人工智能公司,希望能够为各个行业和为最终用户提供人工智能能力。

  而沈向洋则是微软人工智能宏图大业的领航者。他 1996 在卡内基梅隆大学完成了机器人专业的博士进修,同年加入了微软研究院,并在两年后和李开复、张亚勤、张宏江、王坚等一起,成为微软亚洲研究院创始员工——这所研究院为全球科技业贡献了大量优秀研究成果和高级人才。2007 年,功勋卓著的沈向洋博士获颁微软杰出工程师的称号;2013 年,他成为了微软的第一位华人全球执行副总裁,仅次于 CEO 的最高职位。

辅助驾驶和自动驾驶中黑盒子算法的安全性问题。特斯拉最开始的时候,他的广告宣传片是自动驾驶,在迪拜,一个人坐上车后面的座位什么都不用管了,后来把广告撤了,因为出了人命事故。你要让车实现自动驾驶,图象识别现在用的是黑箱子算法,没有办法去解答,图象识别的每个层面,每层是什么意义,图象识别的正确性如何,即便识别的精度很高也不知道什么时候失效,没有办法去确定图像识别算法的正确性,只能说它是有用的有效的。还有一个方面,驾驶系统不仅仅是图象识别系统,还是一个决策系统。比如说举个例子,一个自动驾驶系统,驾驶员坐上去了,天然的驾驶系统就是要保护驾驶员。遇到一种场景,驾驶员坐在自动驾驶的车上,前面有紧急情况,车有一种选择是撞上栏杆,车毁驾驶员受伤,还有一种选择是前边有一个高端人士,比如是一个高级学者,还有一个选择是另外一边站着几个所谓的普通人,作为自动驾驶系统,他应该选择撞谁或者选择保护驾驶员吗?这是决策系统的问题,需要在各种可能性之间进行博弈和决策,而生命是平等的。还有生命的神圣性问题,现有的自动驾驶系统里面,没有办法确定算法什么时候失效,某种情况下,即便概率很低,很有可能让一个人坐在自动驾驶的车上出现交通事故,出了人命。即便自动驾驶降低了车祸的概率,这种概率很低,我们作为乘客把命运交给他们不确定正确与否的算法和系统手里,自动驾驶的乘客生命是可以确定性的被自动驾驶的安全或者不安全性随机的失效,低概率但是确定性的剥夺他们的生命。谁赋予了这个权力,我们要看待自动驾驶的问题,它分为几个等级,L1到L4。有单目、双目辅助驾驶(adas),激光雷达,微波雷达,惯性导航仪的引入,这种情况下用它来做L3级别的自动驾驶,这是可行和靠谱的,如果做L4完全自动驾驶只能用于没有人的港口,如果突然走出来一个行人,怎么决策,在复杂的路况下怎么做自动驾驶的决策,这种是目前的技术不能做到的。

人工智能什么时候能到来呢?

  带着问题,PingWest品玩独家专访微软全球执行副总裁沈向洋博士,了解到关于新事业部的更多情况,并一起探讨了他本人以及微软公司对于人工智能的理解和期待。

我们公司各方面发展还行,现在最高的日收入是接近100万美金,量化广告,量化金融,金融科技我们也做了不少研发,我们是某个全国性股份制商业银行的智慧银行的项目主要开发者,包括反欺诈、大数据、企业风控和个人风控,企业授信,个人授信都是我们做的,我们在智能司法里做的最核心的就是人工智能模拟法官判案,中国的法律规定量刑范围有一些互相冲突的条款,在各个地方规定也有一些不一样,过去的判案案例里面有可能受到某些因素影响或者主审法官个人对法律的理解不到位,包括量刑范围和立功减刑。如果仅仅把历史上的案件统计一下根据统计规律指导法官进行新的判案是不靠谱的。我们也参与其他的事情比较多。今天的分享,主要是希望引起对于人工智能和大数据基础理论和原创性技术研究的关注。谢谢大家!

另外一个非常方便,非常重要的内容,就是思维的方式,我们干很多事情,包括我们做人工智能的时候,我们发现工程性方法,我们解决人工智能,用规则,方法,甚至有人最后得出来有意思的方法。

  HS:我总是跟弟兄们讲,不要羡慕别的公司做什么。很有名的计算机学者艾伦·凯 (Alan Kay) 曾经说过,“预测未来的最佳方式就是创造未来。”

**

我们让一个机器和程序表现出来跟人的智能行为的表现一样,至于它根本上是不是用人的智能方法实现我们不是很关心,这种方面所做出来的系统,恰恰是现在计算机应用领域,我们说语音识别,图像识别,自然语言处理,我们现在看到的自动驾驶所追求的结果。

  同时我也要明确的是,并不是整个研究院报告给我,我们做的东西就不给其他部门用了。研究院本身就是为了公司发展而存在,一些尖端技术,比如量子计算什么的,都在研究院。

胡郁:我觉得这一波人工神经网络,大数据计算能力还可以往前跑一阶段,当前创新的浪潮还没有去掉,还可以解决很多问题。

  在新事业部当中有着重要地位的微软研究院,已经成立了 25 年之久。在这 25 年里,微软研究院的招人的核心要求也十分简单——只要聪明,爱做学问搞研究即可。为了确保科研人员的创造性,研究院也和微软其他产品部门保持了一个相对独立但互相提供数据、技术和产品需求支持的友好关系。

betway必威登录平台 4

我们经常看到很多人讲我们要回归初心,这可能包含,能不能像小时候一样,大家记得小时候玩耍几个条件,一个是玩的是喜欢干的事情。第二,跟你玩的一群人肯定是相互喜欢的人。第三,我们都非常重视结果,中国说成王败寇,最后赚很多钱成了大家追着你,你如果最后没有做成,会离你而去。

  HS:这些都是实实在在的问题。比如患有自闭症的小孩,用普通的人类语言交流有问题。他能明白意思,但无法交流或者不愿意交流,但用符号语言,用几张图来表达。我们现在还不足够了解这种大脑中深层的情况。

AI-CPS OS

当时在1990年初的时候语音识别非常的热,包括IBM推出的深蓝。

  PW:刚才演讲你也提到了希望人工智能解决自闭症、忧郁症和老年痴呆症。微软对此有解吗?

最新的人工智能的科研方向就是把传统的符号逻辑,我们称之为符号主义,专家系统和规则系统跟连接主义,机器学习神经元网络,把两种方法结合起来去应用。比如说google deepmind研发的神经元网络图灵机,学习出来一个新的图灵机,可以用来做简单的推理,用于一些大数据里面的规则挖掘和推理有不错的效果。再一个比如说有的朋友在做自然语言理解,就是让机器理解人的语言,他们是把计算语言学规则系统与机器学习相结合,他们做得效果非常好。曾经有一个笑话说机器学习兴起来后,计算语言学家就成了自然语言理解的发展障碍,开除一个就进步一些,计算语言学家是自然语言理解发展的障碍吗?不对。计算语言学被抛弃了一段时间之后,当自然语言理解遇到瓶颈的时候,机器学习根自然语言学的规则系统结合起来,这是目前最新的研究趋势和方向,取得了很好的效果。

数字宇宙里面的演变是非常快的,1956年的时候,科学家可能已经预见到将来整个的数字宇宙里面的人工智能,计算机科学发展,但是受限于当时科学和技术的发展程度,可能实现不了。

betway必威登录平台 5
沈向洋接受PingWest品玩独家专访 图/微软

量子计算机和人工智能没有任何关系。有人说量子计算机的量子算法可以很快破解RSA加密带来了惊恐,但是这个仅仅在理论上有奇效,实际不可行。因为它需要非常多,无穷无尽的量子位来实现,但是量子位的增加是很难的工作。跟传统计算机的比特位的增加不一样,量子位的扩展对于量子态的测量和容错,纠错的难度是指数型增长,位数越多,纠错难度越大。量子计算机当前最新研究进展是十几个量子位。当前各大公司所有公布的经典量子计算机都是量子模拟,都不是真实的实现,Google支持的Dwave是非经典量子计算机,真正有前景的是量子热力学模拟退火,真正有前景的就是这种,包括日本有一个基于Ising模型研发的非经典量子计算机,Ising模型里面出过两个诺贝尔奖的获得者,如果谁能够计算三维Ising模型就能够再获得一个诺贝尔奖。用Ising模型在常温下就可以做量子热力学模拟退火芯片。量子模拟退火可以用于人工智能的组合优化,机器学习中状态方程的计算与量子模拟退火计算机结合的核心是添加随机数生成器和数据的交互传输。

但是当一个物品,做成人的样子,跟人进行交流,在我们内心深处,还是会认为它是一个有感情、有人格的东西。

  PW:过去一年人工智能在围棋上表现很好,高手都说几千年的看法被颠覆了。你觉得在未来,人和机器之间的关系会变成什么样,由谁来定义?

开放性的问题就是如果说你要建立一个通用的人工智能对话机器人,我们往往发现答非所问,比如说像小冰,聊两句之后,答非所问,不知所云。像机器人助手在行业应用里面,结合具体的行业知识去做机器人行业问答助手是比较好的。

我们为什么有那么多开发者,我们也希望找到非常好的产品和结果原因,这两者结合起来,并不是每一个开发者和创业团队一开始拥有非常好的人工智能技术。

  他对人工智能的定义“其实很简单。就是用计算的方式,在某些人类智能的方面,让计算机逼近甚至超越它。”这些方面可能包括记忆、图像和视频的识别,语音识别等等。在他的预期中,当 5 年后计算机获得比人类更全面的语言理解能力,10 年后获得比人类更快、更准确和更全面的视觉处理能力,届时人工智能才能更好地服务人类,促进人类智能的发展。

刚才说到概率图,我们知道现在业界在自然语言理解的研究里面机器学习用得最好,就是它能用大量的数据来做机器翻译,但是仅仅利用传统的机器翻译,传统的这种统计学意义上的这种方法去寻找大规模数据上的对应关系,这是不够的。学者们最新的研究引用概率图计算去做自然语言理解和做机器学习,能够取得更好的翻译效果。

当然,人工智能改变的,不仅仅是这些。本文根据胡郁在混沌研习社的课程整理而成,约15000字。

  我提这三种病症并不是说我已经有解,主要还是想鼓励我们的年轻学者和研究人员,去思考和解决这些问题。

子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。

我们在讲人工智能,可能人工智能在不同的人的脑海中是完全不一样的,但是它是不是一个呢?我觉得还是同样一个人工智能,可能是从不同的角度来看。

  在去年 9 月,微软成立了新的“人工智能和微软研究事业部” (Artificial Intelligence and Research Group,以下简称新事业部),与微软三大 Office 事业部、Windows 和设备事业部、云计算和企业事业部同级,由沈向洋领衔。

但是人工智能跟行业的结合,可能会更加重要。

  幸运的是,在新事业部成立之后,微软研究员们相对宽松自由的工作环境和要求并没有发生实质性的改变。

  1. 精细:这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

  2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

  3. 高效:**企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

  4. 不确定性:**数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

  5. 边界模糊:**数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

想象一下你如果回去以后,现在在家里面最大的闲置的东西就是家里那块屏,它没法直接触点,绝对没有你手机方便,更需要在手机上沙发上躺着发号施令就可以了,机器可以通过屏给你展示,这种体验需要我们一点点做,从智慧家庭的角度来看电视大屏和VI,我们的投影,我们将来的全息显示,包括很多种显示方式会跟我们的语音交互的产品结合在一起。

 


但是机器替代人的问题是一个长期问题,现在最近美国特朗普上台搞了很多贸易封闭政策,说美国人为什么保不住工作,有全球化贸易等各种各样的原因,但是其中有一个根本原因就是技术的进步,汽车、钢铁工业工人被先进的技术替代掉了,这种趋势还在后面会愈演愈烈。

  微软对人工智能的理解,和大众的理解比较一致:人工智能就是用计算的方式,在某些人类智能的方面,让计算机逼近甚至超越它。比如记忆,比如看懂物体,比如识别语音。我觉得更重要的问题是:我们微软在人工智能上应该研究什么东西?我们的技术和产品,应该怎样帮到用户?

人工智能分为几个层面,首先是基础层,要有大数据云计算,因为你数据量大的话,要放到云端去处理,大数据、云计算、GPU/FPGA等硬件加速、新形态神经网络芯片等计算能力提供商。在技术层就是做机器学习、深度学习、增强学习等各种算法。应用层就是各种各样的各方面的应用,智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。

可以看到这些大的产业巨头对人工智能要跟原来的主流方向都有非常紧密的配合。

  这也是近两年来工业界和学术界进行人才收购/共享的通用做法。去年年底,斯坦福人工智能实验室主任,终身教授李飞飞也是通过这种方式,在保留斯坦福教职的前提下加入到了 Google 云计算团队。微软在上周末收购了加拿大蒙特利尔的人工智能公司 Maluuba,沈向洋说收购当中重要的一点就是请到了该公司的顾问,在业界知名的深度学习专家约书亚·本吉奥 (Yoshua Bengio) ,来担任自己的顾问。

用“人工智能赛博物理操作系统”(新一代技术 商业操作系统“AI-CPS OS”:云计算 大数据 物联网 区块链 人工智能),在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链**。**

今天我给大家带来的报告其实不仅仅是从某一个角度,比如说从科技的发展或者是从产业的进步或者是从大众的认知,可能人工智能现在已经变成了一个非常多元化的角度的名词。

  微软的人工智能原则:为机器赋予情感,帮我们成为更好的人类

长按上方二维码关注微信公众号: AI-CPS,更多信息回复:

彼此正交公司之间要建立紧密合作关系,这必须建立在每个公司有自己的人工智能大数据和云计算的。

  前不久刚从《纽约时报》离职的高级科技记者约翰·马尔科夫,曾经将计算机研究者分为两拨人:坚信机器可以取代人的人工智能派,和认为机器的永恒目的是辅助人的人机交互派。

“人工智能赛博物理操作系统”(新一代技术 商业操作系统“AI-CPS OS”:云计算 大数据 物联网 区块链 人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化 智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。

京东人工智能也成立了自己的研究实验室,围绕着整个电商,包括配送体系,这里面可以用到机器人,包括整个人工智能在电商里面自动推荐。

  HS:25 年下来,微软研究院做出了很重要的贡献。事实上微软每一样产品力都有非常非常多研究院的技术。过去我们和产品部门相对比较独立,招人也很简单——只要聪明,进来想做什么都没问题,当然做了了不起的技术,发现了哪些产品可以被颠覆,哪些产品可以从技术重获得帮助,我们也都很鼓励。微软在全球有 10 个不同的实验室,北京和产品走得很近,其他的就不是这样。但每个实验室都走着自己的道路,每个人都做着不一样的贡献。

如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!

但是机器现在自己对图像处理能力的理解也不够,加上人类也没有显示屏,在人和机器交互过程中,常见的是机器显示图像,而人类用语音控制,机器能够理解。


*本文根据胡郁在混沌研习社的课程内容整理而成,欢迎转发分享,转载请注明出处。

  HS:我觉得毫无疑问会是人工智能的十年,当然你会说我老王卖瓜。我的理由是这个世界里很多事情发生都并非偶然,而是建立在长期的积累上。数据多了,运算强了,再加上突破性的算法,未来的人工智能应用场景将会遍地皆是。

betway必威登录平台 6

过去几年,大家一直在说,人工智能很好,很快就来了,比如智能家居马上就来了,但是现实是,它总离我们差一两步。

  以下是 PingWest品玩和沈向洋博士经过精简和编辑的采访实录:

AI-CPS OS形成的数字化 智能化力量通过三个方式激发经济增长:

当一个公司有了最先进的技术,能赚到很多钱以后,下面就看到本色了,因为技术的硬骨头很难啃了,你做更系统化的技术,做到手机上一个部分,你把其他先进技术做了,还是拿这个购买稀有资源,买产权,买其他东西,这是不一样的。

  PW:架构调整后,对研究员的工作习惯是否有改变?新的架构是否会对他们的创造性产生制约?

本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!

在这三种不同的工作里面,机器和人的关系是不一样的,而不是简单的机器就一定能够替代人类。

  回到最初的问题:智能是什么?

机器人里面的眼睛是用机器视觉图像处理,听声音回答用得是语音识别或者语音合成,机器人只有运动状态控制是跟人工智能有关的,但是它是一个典型的机器证明问题,这里面机器人有很多的关节,要计算每个关节的状态平衡态,是多元的非线性代数连续方程组,典型的机器证明问题,三角化后求解一个多项式解。所以大家如果认为机器人代表了人工智能那是错的。

人工智能发展到什么程度了

  但这个使命的必经过程里,我们还有很多问题没有完全理解。比如演讲最后有个女孩子问到了计算机怎样理解情感。其实情感是人类计划的一件非常了不起的故事,如果计算机完全理性,那怎么会有情感?我们还在探索。

光有技术上最好不够,中国有很多研究院做的也是世界上最先进的,你还必须是商业性的公司,所以依靠技术本身,它所结合好的商业模式也要能够赚大钱,这就是能够见到非常大的利润,华为去年做到五千多亿人民币,确实靠技术不断演进不断挣钱。

  于是我就飞去加拿大和他们见面,也请他们来西雅图,跟 Bengio 吃饭拉拉感情什么的,这样的大师也不是出钱就能买到的。我们能收购 Maluuba,主要在于双方的目标一致。Bengio 博士就不说了,我也特别喜欢那两个年轻人。

授权转发。作者李利鹏,好朋友,北京汇真网络传媒科技有限公司董事长, 日本筑波大学计算机系人工智能符号计算方向博士课程退学,硕士学位,师从数学家井田哲雄和机器证明泰斗Bruno Buchberger的弟子Micea。研究方向是计算理论,密码学,量子计算,符号逻辑,人工智能,大数据,历任美国domainspa和epicenter技术合伙人。

事情的发展是阶段轮回的,到二十一世纪前十年因为互联网,大数据,云计算的发展,人工智能又迎来新的浪潮,这才是真正大的产业背景。我们后面说到的深度神经网络和这个大背景有关系,这个情况下人工智能可以再度崛起。

  作为一位从计算机视觉起步,已经研究人工智能技术 20 多年的科研人员,沈向洋认为接下来的十年很显然是人工智能的十年,“未来十年里,人工智能获得大的框架突破可能比较困难了,但在小范围内还有很大的机会。原来我们做深度学习都是要做 supervised learning(监督学习,采用标注数据);根据我们自己的经验和观察到的情况,随着更优秀的神经网络技术来到,以后可能会更多利用未标注数据,或者即便用标注数据,需要的量也能急剧减少,这会让人工智能应用起来更加方便。这和微软‘普及人工智能全民化’ (democratize AI) 的使命吻合。”

新一代技术 商业的人工智能赛博物理操作系统AI-CPS OS**作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。

但是创新里面的技术,我们说顶天立地,研究院所和革命大的投入做出人工智能技术,还有一些是依赖于这些技术的产品创新和微创新,不这样的话用户没有好的体验。

  100 亿美元的“小目标”听上去并不小。根据微软财报,在 2016 财年微软共获得 920 亿美元的收入,其中属于现金牛的云计算和企业事业部商业云业务贡献了超过 120 亿美元。沈向洋对于新事业部充满信心,“也不会停在这里,毕竟只是个小目标。新事业部很快会推出一些让人眼前一亮的东西,希望大家今年就可以看到。”

 人工智能里面发展最关键的部分是语义和知识图谱,这个世界是否是可计算的?计算机科学、物理学、哲学能不能统一起来?图像识别,语音识别,物体识别,自然语言处理,机器翻译,社会问题,金融科技,算法交易等开放性问题,都需要知识图谱和语义识别,知识图谱是符号逻辑的硕果仅存与再发扬。图像识别和语音识别达到了一定精度后要想再进步1%都很难,因为进一步的识别需要判断语义。基于实体及关系的知识图谱的构建,要考虑到语义在高阶逻辑上的不可判定性,在高级逻辑上语义是不可判定的,而且很久之前哥德尔不完全定理就证明了人类用的计算机,其根本是一个演绎逻辑系统,是有缺陷的。很多计算问题都是NP问题,NP=P?问题的多项式时间内的可计算性研究,及Karp 21类典型NPC问题的多项式时间转化和等价,这些计算理论问题,需要归纳逻辑与演绎逻辑结合,对于逻辑系统进行补充和统一。

我们现在能够做到的首先是虫子,虫子里面神经系统很简单,现在可以把整个神经回路复制出来。第二个老鼠,再上面是猴子,再上面是人脑,因为人脑是最大的,因为在人脑方面做实验还有很多伦理限制,但是已经往上面迈进了。

  刚才张钹老师说他跟小冰说话,小冰第一句就听不懂。但其实如果我们一句一句对话下去,“你不是这个意思?那你是这个意思?”她就能完全明白。我们觉得,这种对话交互式的人工智能,能够增强我们人类的交流沟通能力,让我们成为更好的人类。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术 商业操作系统AI-CPS OS颠覆性的数字化 智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

而在认知智能方面,计算机很难突破,这集中在语言的理解,知识的表达,逻辑的推理和自主的学习。

  PW:新事业部有没有一个小目标?


一定是这两类公司最后能够取得成功。

  这个问题是所有人工智能学者在开始研究之前,甚至直到做了几十年研究都没搞清楚的问题。斯坦福大学找了 100 位在人工智能方面学界和工业界顶尖的人士组成了一个委员会 (Stanford AI100)。在“什么是人工智能”的问题上,100 位专家在今年的报告里洋洋洒洒好几页纸表自己的观点,但沈向洋说,这份报告他读完再读、又读,还是没明白人工智能到底是什么。

betway必威登录平台 7

刚才提到了强人工智能和弱人工智能,但是强人工智能和弱人工智能到底采用什么途径实现的呢?

  PW:微软刚收购了 Maluuba,从什么时候开始计划这笔收购的?

版权声明:由产业智能官(公众号ID:AI-CPS)推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com

机器有显示屏,可以把想说的东西显示在屏幕上。人因为视觉发达,可以迅速接受机器显示的图像,机器可以用语音,也可以用图像来表达。

  PW:微软有一个 17 位优秀女性科学家对 2017 和 2027 年的期待,你对接下来十年的期待是怎样的?

人工智能可以做所有的事情吗?在很多应用程序里面,它是什么样的应用环境需要被考虑进去,很多时候是一个博弈场景。广告算法中的博弈,比如说google,百度,exchange等广告平台,广告主,用户,代理商,第三方技术服务商的博弈。我们如果了解博弈中的均衡状态,计算到均衡点,就可以进行有引导的纳什均衡。量化交易算法中股票期货外汇交易市场的博弈,比如说交易所,交易各方的博弈,算法对交易趋势的预测,利用及扰动。这个算法引入了之后,算法引入的交易量大了,它把纳什均衡破坏掉了,一个量化交易算法公开了被很多交易商使用之后,这个算法破坏了纳什系统的状态,而且对当前的交易趋势进行了扰动,效果就不好了。

人工智能发展到什么程度了?

  这听上去不像是统治办公软件市场半壁江山的微软需要考虑的议题——并非如此。事实上,早在 1991 年比尔·盖茨就成立了微软研究院,以“支持长期的计算机科学硏究而不受产品周期所限”为目标,通过计算机视觉、语音和自然语言等技术的研究,尝试推动人工智能和人类智能 (Human Intelligence) 协同进步。

在政治里面,在经济里面,也可以用到数据分析和引入博弈论。我们团队做过一些竞选的数据分析的探索。三年前我们新加坡的团队为印度总理莫迪的竞选提供了一些数据分析服务,数据驱动的选举是可以做分析可以做预测的,选举数据在源源不断的更新,但是对于政治博弈,人工智能无法确定它的结果。全球治理,国家治理,宏观经济模型中各项数据指标的内在关系和博弈,选举,政治局势的监测,分析,预测,这些都可以用到数据分析,而且每一个复杂系统都可以考虑博弈动力学,都是复杂的博弈系统,包含很多博弈子系统,一个复杂系统中每一个博弈子系统也会有平衡态,整个系统构成子博弈精炼纳什均衡,系统的状态会从一个旧的纳什均衡,演进到新的纳什均衡。但是数据驱动的选举的预测分析有可行性,而隐规则驱动的政治结果预测只能判断可能性而不能判断结果的确定性。

大家可能会问到底深度神经网络怎么用。

  HS:我们原来研究院有 1000 多个人,又调进来 5000 多个工程师,研究院的大部分同事没有太大的变化,原来研究院的运营模型没有动。我告诉研究院的同事,正因为公司的新方向,给我们研究的同事带来了更好的机会。现在我们鼓励的是研究员把成果尽快推向市场。

新技术:“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”;新产业:“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”**;新模式:“财富空间”、“数据科学家”、“赛博物理”、“供应链金融”**。

胡郁:有一些传统的合作伙伴在行业里面的渠道的力量是很强的,但是他对人工智能这个东西一点概念没有,你让他招一个团队做人工智能,真不一定能够做出来,他对这个完全无感。

  今天有这样一个机会能够帮助公司做一些人工智能方向上的工作,是个很荣幸的事情。微软是一家十几万员工,很了不起的大公司。我也希望接下来三到五年,甚至一到两年内,给大家交出一份很好的答案。

AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化 信息化、智造 产品 服务和数据 分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。

为什么呢?因为人类的智能工作原理和我们现在是不一样的。所以从强人工智能来讲,非常小样本的关键性的信息提取,能够产生的学习能力,是我们现在一直还达不到,而且想追求的。

  PW:人工智能的定义到底是什么?

很多人都忽悠说大数据是信息时代的石油,大数据是不是信息时代的石油?石油是不是可替代性的?如果说大数据在每一个场景都是必然的,需要的,那他就是石油,如果说很多应用场景不同的情况下,重要性不是一概而论的,那就不是信息时代的石油。小数据小样本学习才是人工智能真正的重点,为什么?我们可以观察婴儿,婴儿在学习新的知识的时候,他没有通过大数据去学习,他很简单的只要见过几次就认识了,这就是小样本学习。为什么人具有小样本学习的能力,机器不具备这种小样本的学习能力,这里面最根本的原因是人是经过几十亿年遗传进化而来最高等的生物,人的生理结构,人的遗传信息里面就包含了某些先天性的知识,而且人具有常识,具有对于自然界和社会的常识,常识才是人工智能发展的最核心和最根本的问题,也是人工智能发展最大的困难。怎么样让人工智能对常识获得认识和理解?常识的构建,常识的范围太广了,我们对于整个社会,对于整个物理世界的所有认识,都叫做常识,也就意味着要想建立常识,终极来讲对客观世界包括物理世界和人类社会的所有知识整合起来,来建立这样一个开放性的无所不包的知识模型。

但是互联网到来摧毁了这一切,因为人们不打电话了,电话本也随之消失了。

  这三种病症里,老年痴呆症我们还算了解的比较多,最大的问题在于失忆。如果有一种方法,能够将很早的记忆保存下来,然后用很好的很方便的用户界面让这些记忆能够重现……我是觉得,如果我们能够做一些人工智能和脑科学方法的结合,应该比较好。

betway必威登录平台 8

我们讲的浪潮是不断来的,你有了这个能力以后,没有人在一波浪潮上成功,你先活下来。讯飞从刚开始创业到现在,很多人都讲怎么坚持这么长时间,就是我们是爬山型公司,我们在每一步浪潮中都找到活下去办法,这是坚持到现在。

  HS:我在微软已经第 21 年了,做过很多岗位。当然,从小到大我比较喜欢做研究,一直觉得自己是一个比较传统的技术人。其实我以前做研究做的还蛮好的……

AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化 智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

在感知和运动智能上,这一点是以前机器在过去一直没有突破的,我们看到动物看到周围世界,立刻控制他的身体,做出相应的变化。随着整个技术的发展,机器在这一方面已经处于超越人类的地步了。

  HS:我们这个部门现在相对还比较小,但我自己很有信心,就在三到五年内挣它个 100 亿(美元)吧!我们公司总共九百多亿的样子吧,主要有 Office 和云业务,挣得还是比较多。我就先订个小目标吧,但也不会停在这里,毕竟是个小目标。

  1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

  2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率;

  3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间。

非常高兴来到混沌研习社,我跟混沌有过好几次的交流,每一次都深深感受到这里聚集了非常多有创新能力和渴望的人,这也是我为什么非常期待能在这里跟大家分享。

  (PW=PingWest品玩,HS=沈向洋;专访后其他媒体加入的提问单独标注)

我们再来说一下深度学习和机器学习及控制系统之间的区别,这一轮人工智能火爆起来就是因为CNN用来处理人脸识别的图象,CNN最早的是模拟猫的眼睛处理图像的视觉相关部分的神经和大脑结构,它是天然的比较适合用来处理图像。时序神经网络RNN,因为交易类场景有下单和成交时序,适合于股票期货交易算法,长短时神经元网络族LSTMfamily,适用于语音识别,科大讯飞的核心语音识别算法就是属于一个变形的LSTM算法。级联随机森林 cascade random forest,适合于决策,最高法和某大型国有科研机构合作的智慧司法项目去年底找到我们外包做人工智能模拟法官判案决策逻辑。量子热力学模拟退火算法,它也不属于深度学习,当我们在超级复杂的系统里面,想计算系统的状态代价函数的全局最小点,这种特别复杂的情况下,有时候用梯度下降算法容易陷在局部最小点跳不出来,就要用这种算法。

我们刚才看到很多例子,都是解决大众的生活,比如智能手机、智能耳机,这会影响我们后面的硬件形式,操作系统和很多方面。

betway必威登录平台 9
图/ 微软

最近有一个著名的争论,深度学习是在颠覆一切。意思是说有了深度学习什么都能干,这里面有另外的问题,炼金术好还是化学好,如果不能非常明确的确定证明它的结论正确性,不能够证明它的结果的确定性,那么它就是一种炼金术,炼金术后面每一个元素是怎么反应的,它们反应的化学规律揭示清楚,这就是科学。什么叫科学,科学的唯一的判定标准就是确定性,是否具有确定性,如果说你发现某一条规律,繁杂无章的这种状况面前,具有某种确定性,只有这种规律是确定的,你所发现的规律是真的科学的,如果说不确定,那就不是科学了。数据科学是否成立?现在大家都在热炒,全世界都在炒作,大数据人工智能数据科学,如果说数据科学的判断标准仅仅是用统计学的这种方法,无法确定正确性与否的方法来判断的话,那就不是一个科学,他仅仅一个统计学结果,统计学在科学上来讲,统计学并不被所有的学者认为是科学,因为它里面有随机性。

当前人工智能最新的结果是什么呢?我们讲的人脑的机理可以用在神经网络上。这是海边上灯塔图片,人类在看的时候,从视觉上看会集中在灯塔上,并不是均匀分布的,人类会自动选择重要的概念上进行集中。

  “我在微软已经第 21 年了,做过很多的岗位,也是微软亚洲研究院的创始员工,一直觉得自己是一个比较传统的技术人,我以前研究做的还蛮好的……”沈向洋说,现在 AI 这个话题十分火热,而微软也已经决定要做了不起的人工智能产品和服务。“我一再对研究院的同事强调,现在成立新事业部,并没动原来研究院的运营模型。但现在我们有人工智能这个新的方向,研究院有责任,同事们挺身而出的时候到了。”

在自然界有概率,有随机性,但是也有概率分布,有概率密度分布,统计学有概率的随机性,而概率密度分布是研究这种随机分布的确定性的。人工智能在计算状态方程的时候有概率密度分布PDF函数,在计算理论和密码学理论里面,有计算NPC的多项式时间求解中概率密度分布函数的应用。量子物理中多量子体间作用的波函数与人工智能算法中张量网络有对应关系。人类知识系统与物理世界的语言描述和逻辑要统一,如果说你要建一个通用的完美的人工智能,你就要解决这个问题。哲学上的休谟问题,你能否用一些基本的原理来推导出社会上一切问题的道德性和正确性的判定?如果我们建立完美的人工智能,也就意味着我们要了解所有知识和逻辑,做到符号,代数,计算的统一,这个意义上来讲,科学的发展最终要反哺哲学。

香港科技大学计算机系主任,原来华为研究院的院长讲过一个例子很恰当,他说如果强人工智能,计算机真正可以思考从0到1过程,而现在弱人工智能其实是让计算机去模仿我们人类的N多个功能中的一个,是从1到N。

  澎湃:AlphaGo 已经抢了这么多风头,微软怎么看?

我们现在说大数据小数据和零数据,现在很多公司宣传说人工智能发展的关键是是否拥有大数据,这句话是错的。我们拥有大数据就有大的优势,没有数据就无法发展人工智能,这句话是错的。阿尔法零在规则确定信息完全的情况下,是不需要数据的。不需要任何数据,就可以去写这个程序,在阿尔法狗开始研究的时候,系统需要用棋手对弈的大量历史数据去学习,那是因为当时的研究者还没有意识到这种场景下的道理,对于规则明确信息完全的这样的博弈场景,比如说像围棋、象棋,这里面不需要数据。有人说谷歌的阿尔法狗没有什么了不起的,人的智慧学得更快,围棋的维数一改变,谷歌的下棋程序就不能使用了,这是错的,无论围棋多少维,人工智能程序都应该可以自适应,应该可以完全战胜人类没有问题。在规则确定,信息不完全的情况下,像麻将,军棋,德州扑克,信息不完全的情况下,人工智能程序处理是很难的,需要计算博弈的胜负的概率,比前面的围棋难很多。我们在做人工智能研究的时候,要看具体的博弈场景,有的场景下即便没有那么多的数据,只要我们搞清楚数据背后的原理,可以利用对抗性网络让系统自己生成数据,去在策略网络和价值网络上训练。

我们的科大讯飞语音识别系统也是2010年发布语音云,经过十亿人次积累和训练所达到今天看到的效果。

  “这个世界里很多事情发生都并非偶然,而是建立在长期的积累上。数据多了,运算强了,再加上突破性的算法,未来的人工智能应用场景将会遍地皆是。”他说。

给决策制定者和商业领袖的建议:

有没有可能在这样一个生态里面进行协作?我也分享一下我的经验。

  Qubits 全名是 Quantom Bit,有一点像计算机的比特有 0 和 1 两种形态,但量子比特可以同时有两种形态 。我们有一个非常了不起的数学家,菲尔兹奖得主迈克·弗里德曼 (Michael Freedman) 带着团队。我们还有世界上最强的三个实验物理学家,他们是微软研究院的研究员,但我们也继续让他们在大学里学习。他们用半导或者超导材料,研究怎样长出稳定的量子比特。

  1. 重新行业布局:**你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

  2. 重新构建企业:**你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

  3. 重新打造自己:**你需要成为怎样的人?要重塑自己并在数字化 智能化时代保有领先地位,你必须如何去做?

不过,人工智能时代的竞争,是单个公司之间的竞争吗?其实从上世纪90年代开始,哈佛商学院教授已经意识到公司之间的竞争是生态体系的竞争,很多时候是一个生态体系替代了另外一个生态体系。

  在弗里德曼数学物理的一层,上面的算法层、工程层,下面的芯片层,我们都在加大投入。今天业界连一个量子比特都做不出来,但我想接下来 2-3 年里,量子计算应该有非常振奋人心的东西分享出来,如果说小目标的话,应该是能拿诺贝尔物理学奖。


但是这些智能都是单一的智能,都是在每一个方面我们叫做弱人工智能。

  以菲尔兹奖得主迈克·弗里德曼 (Michael Freedman) 以及另外几位学界最顶级的实验物理学家为例。他们在微软带队做拓扑量子计算的基础数学和物理研究,可以同时保留在原来大学里的研究项目和身份,又能通过微软和工业界进行理念和技术的交流,获得研究资源和额外的经验,帮助微软在量子计算方面获得优势。

讲讲到底什么是大数据,每天听别人讲数据的重要性,什么叫大数据?从数据定义上来讲,如果说它是用传统统计的方法处理结构化的数据量再大也不是大数据,大数据的概念应该是说它的来源是多元,它的结构是异构,是非结构化的数据,它整个数据量不仅仅是大,而且是杂乱无章,按照信息论来说,熵大,信息量非常大,这才是大数据。大数据里面最重要的是相关性和因果性,很多人包括一些科学家,有些匪夷所思,非常模糊的对于大数据挖掘相关性的神奇能力的表述,这是不对的,仅仅挖掘出相关性不够,还要分析因果性,A推出B或者B推出A,或者AB互相推出。你仅仅利用数据分析计算出他们之间是相关的,他们之间有某种模糊的不确定的联系是不够的。

先说交互方式。

  “我们这个部门现在相对还比较小,就在三到五年内挣它个 100 亿(美元)吧!”他笑着说。

人工智能赛博物理操作系统

机器被发明出来以后,人工智能系统最现出来做运算,做存储,其实在运算和存储这个事情上,机器相对于人类是有绝对的优势。

  人工智能是微软比较特殊的情况:包括语音、翻译、视频和图像、认知、尖端 AI 和机器人技术,大多数新技术其实都在研究院。新事业部和 Office、其他的事业部不太一样,我们之前就有自己的模式。我一再对研究院的同事强调,现在成立新事业部,并没动原来研究院的运营模型。但现在人工智能议题热得不得了,我们下定决心了要做“了不起”的人工智能产品和服务,但现在我们有人工智能这个新的方向,研究院有责任,要起到排头兵的角色,同事们挺身而出的时候到了。

然后通数字宇宙的控制器,无线WIFI传感协议,连接到二楼灯上之后打开,整个决策感知认知处理过程,全部是在数字化的世界里面完成的。

  而据沈向洋,微软的官方态度倾向于后者:“作为人工智能研究者,我们在人工智能上的原则对于这个社会很重要,会产生很大的影响,就像有些公司会说不作恶一样。我们的原则是用更强大的机器,让我们成为更好的人类。”

谁将在这个时代起到作用?

  PW:量子计算的确是一个未来十到十五年的热门领域,微软在这方面的情况如何?

讲到这个问题,我觉得第二个问题来了,人工智能到底现在发展到什么程度了,是不是真的能够威胁到我们人类。人工智能会是泡沫吗?

  HS:大家似乎都以为人工智能已经变成超级智能了,并不是这样。技术远远没有到那个地步。一两百年前,还需要那么多农民去耕地;现在农民变少,农民慢慢变成工人,人类的生产力极大的发展,今天有那么多人去操作机器制造东西。未来想要让全球人吃饱,或许只有三分之一的人工作就可以了。

美国奥巴马时代推出了脑计划,中国也推出中国脑计划,我也参与了,随着现在技术发展,我们可以把人脑一千亿亿神经源细胞和电流工作记录下来,通过这些信息复制人的全脑。

  HS:我们专门成立了一个量子计算团队,已经做了十几年了。在量子计算的科研上,我们走了一条特别不一样的路,叫做拓扑量子比特 (Topological Qubit)。

我最后跟大家分享一点,大家既然定为创新者创业家,前几年的时候我也是比较焦虑的,我想很多的企业都会焦虑,BAT会焦虑,他会觉得新的一轮生态产生的过程中,别看家大业大也会被颠覆的。

  PW:是什么促成了人工智能和微软研究事业部的成立?事业部有独立的商业目标吗?

人工智能是什么?

  未来十年里,人工智能获得大的框架突破可能比较困难了,但在小范围内还有很大的机会。原来我们做深度学习都是要做 supervised learning(监督学习,采用标注数据);根据我们自己的经验和观察到的情况,随着更优秀的神经网络技术来到,以后可能会更多利用未标注数据,或者即便用标注数据,需要的量也能急剧减少,这会让人工智能应用起来更加方便。这和微软普及人工智能全民化 (democratize AI) 的使命吻合。

你这个时候该干这个事情不干其他事情,而这种能力对刚开始从研究领域转到商业领域,这中间是一个很大过渡,这是为什么中国很多研究院所开公司不太成功原因,而一个在市场上开过公司,失败过几次的人,他更容易成功。

  图片来自微软

现在,感知和认知智能能够帮你读片子,在癌症数据库上进行筛查,比医生看片子还要准确,毕竟医生来看,很受经验以及状态的影响。

  HS:刚才的演讲,我一直以为有人会问这个问题,结果居然没人问。我们在微软一直想要回答这个基本的问题:什么是智能?我认为,智能不光是 IQ,更重要的还要有情感。

讲一个非常有意思的事情,国际上其实一直存在两种思路的博弈,有一些人认为人工智能将取代人类的工作,我们叫做AI,还有人的思想,包括互联网技术本身,我们也有人叫做IA,就是用智能的技术来增强人的能力,互联网是一种典型的用智能技术增强人的能力。

  作为微软研究的负责人,我其实同时跟踪几十上百家公司。现在这么多人工智能公司你也知道,真正强的人不是很多。Maluuba 强大之处在于两个很年轻的创始人,很早就看到了深度学习这件事情,于是把公司从滑铁卢搬到蒙特利尔,跟约书亚·本吉奥 (Yoshua Bengio) 学习。Bengio 也很大方,就跟他们一起当他们的顾问。这家公司雇了十几个博士专门做深度学习的某一两个方向,而这几个方向我个人正好很感兴趣。他们主要做的是机器阅读理解。

刚开始人工智能出来的时候,包括比尔盖茨等都会说人工智能会对人类将是很大的威胁,这两年,大家认识到人工智能能够帮助到人类更多。

“在微软,我们一直在尝试回答一个最基本的问题:智能是什么。”沈向洋博士说。

为什么?机器人也是能够感知、认知,决策执行人造的机器。

  约翰·马尔科夫 (John Markoff) 的《与机器人共舞》(Machines with Loving Grace) 我建议你应该看一下,虽然写的比较戏剧化。他把计算机研究者分为两拨人:坚信机器可以取代人的人工智能派,他自己比较偏向人机交互派,认为机器的目的永远是辅助人。

Facebook的第一个应用在Facebook的客户端里面进行反落地或者反黄色的人工智能侦探,原来是人工做的,现在做成智能化处理的。

  从这个角度上,他认为微软对人工智能的理解和大众理解应该是一致的。虽然大众担心人工智能取代和颠覆人类,但其实大众对于人工智能更普遍的理解是它是不是足够 human。而微软结合计算机视觉、语音、自然语言和知识技术开发能够理解人类情绪、识别人脸、翻译文本、回答问题的感知服务 (Cognitive Services),以及像小冰这种具有明显人格特性的聊天机器人,都是为了向公众证明:计算机也能有同理心,有“情商”。

但是我们会发现这些人越来越稀缺,不然就不会上学难,看病难,替代的方法是什么呢?我们会发现,人工智能不能替代最优秀的老师和医院,但是可以替代他们75%的工作。

  新部门的小目标:3-5 年,100 亿营收

在2015年世界机器人大会的现场,有专家问:胡郁,在你看来,人工智能和机器人是什么关系。

  可以说直到 Siri 之前,主流人机交互普遍采用的都是图形界面,比如菜单、按钮这些元素和以触控作为交互方式,是因为计算机不能理解人类的语言,只能让人类去采用机器能够理解的交互语言。每一个菜单选项,每一个按钮,每一次触控,其实都是一次对话,这使得沈向洋开始思考:当自然语言理解技术足够强大之后,计算机交互方式是不是可以回归到最原本,最自然的对话?

就是什么呢?你必须在真实的使用环境下得到真实世界,不管是语音识别,图象识别,还是人工智能。

  在之前的演讲中我提到,人工智能会颠覆掉很多商业应用。如果研究成果能够尽快投产,我们设计产品线就会有很大的优势。大家之后会不断地看到,我们这个新部门推出新的,让人眼前一亮的产品。

而这一点在在世界上有完整的体系,其实只有中美两国具备有这样体系。在全球化方面我们还落后美国很多,美国在整个地球的范围内做这个事情,中国可以做到在中国。

(科大讯飞执行总裁、消费者事业群总裁)

机器人这个词是1920年提出来的,比人工智能早。很多人认为人工智能只是机器人大脑,但当时我给出的回答是,也许他们就是一个事情,只是从不同的角度去看。

1946年,计算机被发明以后,产生了新的世界,这个新的世界就是数字宇宙。

美国欧洲下一个阶段生物和信息化的最大的计划是什么呢?就是脑,因为脑是人类现在所有器官中间最不清楚的功能,而且脑又跟人工智能紧密相关在一起。

现在很多科学家创业,我们是典型的,这中间创业成功,技术起到一定作用,最重要的一定不是技术,最重要的是对时机的把握。

那么,谁将在这样一个时代起到作用?人工智能时代,有哪些公司最值钱?

你如果是登山型公司,在大的浪潮中不断的找到自己定位,中国有很多公司也要结合起来,也不是说每个公司都具有这两种趋势融合在一起,有可能要通过公司之间的协作,我刚才说的混合正交的商业生态,来组合形成这么一种态势。

互动环节

国际上有几个报告,一个是在2018年,有300万员工要汇报给机器人老板。实际情况可能比这更多。

还有亚马逊,最早是卖书的,最后做的云计算引领了整个世界。

他最有名的是在医疗上,他在美国买了相当多大数据医疗公司,利用这些公司的大数据和Watson认知智能的技术,来帮助医生或者帮助患者来改善医疗。

其实,我们人类是宇宙创造的,是宇宙经过一个非常复杂的繁衍之后产生的智慧型生物,而人工智能是人类创造的,在更高的层面上大家会关心,他们是在什么样的世界里。

这个系统里面机器靠算,靠存储信息,其实是拥有优势的的,机器唯一劣势是以前机器不够快。

如果讲前面强人工智能是要顶天的话,后面的人工智能要立地,就是不管能不能跟人的智能同样强大,只是在某些方面替代。

但是在数字宇宙里面不一定是这样的,因为这是人创造出来的,人工智能可能很强,甚至在某些方面超过人类,但是它不一定有意识。

第四、人工智能的现状如何。

我的回答是两个,一个是真正掌握人工智能核心技术公司,真正能够知道人工智能原理,知道深度神经网络,真正设计构型。

大家都说公司人工智能,大数据,云计算怎么做,将来每一个公司都会拥有自己的人工智能大数据和云计算,这些公司之间在这些情况下进行协作。

提问:小微智能公司如何避免与巨头公司的直面竞争,现在大公司留给小微智能公司的机会还有什么,包括小微公司怎么样才能踏好智能时代发展浪潮,并且掌握好这个节奏感。

但是谷歌和华为,谷歌是平台型公司,谷歌会给所有人提供这个能力,而华为是垂直型产品公司,他们之间就会有合作。

                                       

我们回顾到整个弱人工智能的发展来看,其实都是一波三折的,在过去的60年里面人工智能整个经历非常长的跌宕起伏的过程。

第二个是传统的企业家会焦虑,这些东西我都不懂,感觉我要落伍了,完全被抛下了,他也很焦虑。创业者也很焦虑,他说我还这么小,还有这么多想做的事情BAT都在做。

演讲者|胡郁

有点像什么呢?一个水滴滴到水面会扩散,扩散一开始是不完善的地方,是你的误差,但是扩散出去后,他们使用过程中中会产生数据,系统可以去学习以及提高。

医疗也是一样的,中国的医疗资源非常不均衡,好的资源都集中在大城市,那不在大城市的人怎么办呢?

但是真正的,我们现在所谈论的人工智能,其实应该到第三个阶段,到互联网。

当信息不充分时,机器只能辅助人类,比如打德州扑克或者打麻将。还有做一些战略性的决策时,有很多信息你不知道,这个时候机器可以辅助人类。

如果当前工业界人工智能进展,我们看另外一个角度,就是脑科学对我们人工智能到底有什么样的发展。

其实过去还有一个非常大的问题,就是得到数据的成本太高,而且那些数据都是在模拟的环境下获得的。后来互联网解决研究了这些问题,帮我们大忙,我叫做连接效应。

我们需要聚集世界级人才,只有满足这几点,这不仅仅是技术创新,而是对任何希望用创新,我们今天主题是创新和创业,用创新解决创业问题,你就要按照这条路去走。

一是自然交互,它一定会改变我们整个生活的交互方式,比如手机、穿戴式设备、智能家居、智能汽车。

第一个问题,人工智能在未来会是威胁吗?

真正难的是认知智能,因为大部分后面会发现,不管是跟机器人聊天也好,还是你要帮助老师去改卷子也好,帮助医生去判断病情也好,还是要帮助律师去分析一个案件的案情也好,你都离不开概念逻辑推理,语言表达,所有这些知识东西全部依赖于认知。

《未来简史》里也认为,将来机器对人类最大的威胁不是机器要毁灭人类,而是确实会存在一批有智能没意识的东西,比如家里面的机器人,他不会吵嘴,也不会看你的隐私,但是他会帮你打扫家庭卫生,照顾小孩,他会替代你的工作,这个威胁可能会更大。

很多人认为,它已经进入了我们的生活,也有人认为,人工智能的技术应用还不成熟。

著名的德勤咨询把人类工作列了很多,比如说医生、老师、管理者、政府官员,运动员,每个职业都有很多技能,比如说老师要会批改作业,要讲课,每一个技能列了能不能用人工智能系统进行代替,发现有45%的技能,包括批改作业可以用机器代替的。

你要做产品创新,商业模式创新,微创新的时候,你要做一个冲浪型的公司,吴军写的浪潮之颠,这有大浪潮和小浪潮,当小浪潮的时候,机会来临的时候要抓住,可能半年一个月就完成了。

因为这样的场景太多了,比如你在运动中怎么用手机呢?操作起来太麻烦,这个时候,就需要弱视觉层面的语音交互。最近这几年,互联网厂商准备上亿台语音控制的电视盒子,这就是利用语音的人工智能相互方式。

但是有一点要提到深度神经网络能够现在大行其道,能够取得成功,最早就是因为加拿大多伦多大学的教授和微软研究院的研究员,他们两个合作将深度神经网络进行语音识别上,那一年是2009年。

我们现在看到很多互联网创新因为是产品创新,因为是商业模式创新,但是大家没有看到在过去几十年当中,互联网、移动互联网基础的系统创新,核心技术创新一直在进行。

当越来越多人用的时候,他的系统性能会越来越好。利用互联网降低迭代和学习成本的方式,包括小米手机迭代开发,硬件优化,当前工业界弱人工智能能够做的非常重要的理念。

比如,我们图像用新的构型来做,大家手写在笔记本上面,手写识别也是最好的水平,广泛用在教育里面,可以帮助老师直接批改学生的作业。

因材施教是古已有的教育理想,今天,它终于可能要实现了,因为人工智能。

当语音功能介入到很多的产品里面,这个产品的性质发生了变化。当我们在使用一个工具的时候,我们从来没有想过这个工具需要做交流,因为他是一个工具。

举一个例子,我们在家里面要试行智能家居系统,我在一楼想开二楼灯,有语音识别,后台信息化系统就能够把我的意思理解出来。

微软研究院1993年就成立了,专门有做人工智能方面的研究室,而且这些研究室请了很多图灵奖得主来引导,为什么没有大规模的成果,因为那个时候互联网没有像今天这么发达,大数据还没有今天这样发达。

当前人工智能的成功了,有很多要素,有人认为是核心算法突破,有人认为大数据获得深度挖掘,还有产业和生态的建议。这三个因素同等重要,因为绝不单单是一个简单的算法的突破。

人工智能会不会毁灭人类?其实人工智能毁灭人类有一个前提,就是人工智能必须有意识,如果没有意识的话很难毁灭人类。

比如IOS和安卓,背后是苹果和谷歌两大阵营的竞争。苹果有很多开发者,谷歌的操作系统是自己控制,所以我们看到,安卓更灵活,苹果的体验更好,这就是局部封闭和完全开放之间的不同。

新技术和新产品在发烧友进行使用,人工智能得到生长,当这些人工智能完善以后会逐步扩散到整个的商业市场中间去,这是有一个过程,不是所有的东西一上来就能够马上很好。

而认知里面核心,语言表示,知识表示,自主学习。首先你要把自然语意描述表达出来,在这个基础上做原理解释和知识表达

我们现在才有了这样好的环境,在过去时间里面这些创新都是美国公司进行的,比如说高通,英特尔,IBM,中国将来一定会爆发出来越来越多创新公司,可以把系统创新,核心技术创先和商业模式创新和产品创新结合在一起。

我们整个互联网的商业模式,因为有大量的免费的服务提供数据以后,我们可以用这个模式建立起来迭代更新优势来训练我们的人工东西,当前的人工智能成功绝对不仅仅是技术成功,这是我们整个信息体系和整个商业运营的组合的成功。

用通俗的一句话说,这种神经网络能够自动的把你的输入和输出,他们之间有相关性的部分匹配起来。比如说一个语言到另外一个语言,这个语言里面的I对那个语言的我可能位置不一样,利用这种方法,我们可以看到在机器翻译上为什么能够取得突破性进步,就是因为用这种神经网络的方法。

提问:有人说当前取得的深度学习带来的AI热和应用上的突破是得益于大数据和计算能力的提升,但是从学习算法和理论上并没有太大的进展,你认为可能取得突破的关键在那儿,包括现在科学家也开始注重产业化,科技成果转化了,你怎么看这个问题呢?

但是人类还有一点比动物更加重要的特性,叫做人类独特的认知,会变得越来越聪明,而变聪明这一点跟人类的认知智能有直接的关系。

如果要做机器人会说,我要做一个机器人,这个机器人必须站你面前,听着你的指令会爬到二楼去,把开关打开,这也实现了认知、认知决策执行的整个过程,但是它的通路是完全不一样。

人工智能里面还有一个非常有意思的问题,就是专家说的人工智能,和业界说的人工智能,可能角度也不一样。

我们可以看到在当前的行业里面最缺乏的是什么呢?是优质的人力资源,优质的老师,优质的医生,优质的律师,优质的公安工作者。

其实深度神经网络具体落实到你用哪一个程序,或者哪一个系统来做。因为深度神经网络已经是一个公开的算法。

第一、人工智能现在发展到一个什么样的阶段。

但是反过来说,人类没有显示屏,人类想跟另外一个人表达,需要把脑子里想的东西表达出来,所以只能写,画或者说。从这个角度来讲,机器对人的表述过程,是将感知智能和认知智能结合的过程,在语音方面可以把概念和逻辑分清楚。

确实人工智能产业有点过热,可能没有大家想象的那么好,也没有大家认为那么不行。我们来看一下人工智能现在到底到什么情况。

举个例子,我们希望给每个学生配一个老师,这是不可能的。但是现在人工智能系统可以帮助老师去批阅学生的考试作业。

我们最近在翻译结果上也取得世界上非常显著的结果,现在谷歌、百度、讯飞采用的技术都是一个层面上的,但是你在构型上的差异好坏,会使你取得技术性的领先性,你一直努力才能一直比别人领先。

另外一点强人工智能是普通性的人工智能系统,我们也叫做通用人工智能,一个大脑结构既可以下围棋,又可以驾驶汽车,还可以干很多其他事情。

在信息完全的情况下,只需要运用运算智能时,机器是可以取代人类的。

差别在什么地方呢?本质上,机器人是在真实世界里,尊重物理规则,人工智能系统其实也可以说是一个机器人,但是它是在数字宇宙里面来解决所有的问题。

我相信将来一个伟大公司能够结合这两个方面能力,你只靠抓住风口搏机遇,有可能永远不能掌握更大的趋势,你错过了这个可能错过了一切。

第二,小微企业从将来的退出角度来讲,你要找合作方将来有可能你成为他一部分,或者共同在资本市场上获得更多的支持。在这个过程中小微企业的发展在行业里面肯定会有很多机会。

之前英语作文在中学里的布置周期的一月一次,因为老师没有那么多时间改卷子,但是现在人工智能系统能够批注作文,所以老师可以一周就布置一篇作文。

国际上最有名的还是谷歌让人眼花缭乱的动作,而IBM作为老牌公司,最终希望用人工智能嵌入到各个行业里面。

小微公司如果要做行业合作要找行业里面有深入的,能够接触行业市场的人去合作,在合作过程中第一个要找靠谱合作方,别合作了给你踢了。

怎么办?你要看人工智能具体用在什么方面。我认为主要是两个方面:

举个例子,美国电影里80年代的信息入口是什么呢?电话本。当时的语音识别得到了极大的关注,大家都觉得打电话这么方便,如果将来有一天在电话里面用自动机器人来应答你,就是占住了所谓的入口。

我们可以看到深度神经网络算法,这是上帝给我们的一个工具,而大数据是我们整个工业体系,整个当夜的互联网体系所带给我们的,这是为什么现在中国人工智能研究能够比肩美国,超越日本和欧洲的根本性的原因之一。

大家要注意到一点,宇宙离我们现在整个的时间有多少年?130亿年,但是数字宇宙产生的时间是多少年?如果算到今天才71年而已。

这个自动批改系统,比人更能知道,你这个题没有做,是因为哪个知识点没有学好,我可以推荐你什么题目,完全实现个性化推荐,针对不同的学生推荐不同的知识点来学习和巩固。我们在黄冈中学广州分校试用之后,效果非常显著,每个人都是适合自己的学习方案。

正是因为有了数字宇宙的产生,我们今天才能站在这里谈人工智能 。

我也去了解过一些,采访过真正世界冠军或者培养世界冠军人的感觉,世界冠军最后真正拿到冠军是比较放松的时候,他在技能上差别不大,最后能成跟他心态非常有关系。

在过去的过程中,比如说用石油,埃克森美孚,一直是石油生态系统最高的,他的股价没有低于四千亿美金,但是在IT领域可以看到,每隔十年,刚才讲的变革都会有新的生态出来,新的生态的技术创新起的作用越来越重要。

人工智能是什么?

人工智能如何实现?

最后一点一定是国际化的,技术是没有边界的,语音和语言既是一个保护伞也是一个阻碍,我们可以把中文做的很好,我们走到国际把世界语言做的很好。

很多人会认为,人获取信息最重要的方法,80%来自你的眼睛,所以视觉太重要了, 但是人机交互的时候,其实不是这样的,因为人机交互是一个过程,人能够看到很多东西,可以从里面获得信息与机器进行匹配。

这就讲到两种类型公司,一种是登山型公司,你要作系统创新,核心技术创新,原始创新,必须一步一个脚印。

而现在,机器现在算得很快了,当你下围棋的时候,我们往下预测下十步二十步,机器可以算到二十步。

其实,人工智能正处在转换的关键点上。

大家都知道国内的几个巨头,BAT,特别是百度在人工智能方面花的力气是最多的,百度自己的机器人也参加各种各样的活动,百度的自动驾驶汽车也做了很多发展。

在人工智能讯飞做人机交互,家电公司要做整个家电从售出到营销和维护过程垂直人工智能,这怎么合作,云计算怎么合作,我认为是一个混合的状态。只有技术创新才能让你具有竞争力,使你具有和别人合作,进行混合正交的商业生态的可能性。

我们在过去几年里面也提到了这个问题,大家现在所看到的智能和意识,从哲学的角度来讲很多人讨论这个问题,智能和意识是与生俱来的吗,他们两个是紧密关系在一起吗?

人工智能如何实现

我要说什么呢?在商业生态竞争中,其实真正取决于公司大小是在商业生态中的地位,首先你如果所处行业很小,你在行业中间又不处在决定性位置,你公司不可能做大。

强人工智能一定离不开对人脑的理解,弱人工智能就是依赖于刚才讲的三个因素核心算法,云计算,大数据,云计算是跟开发者有关的生态,这已经成为第三次人工智能浪潮崛起不可避免的因素。

到了个人电脑时代,人工智能再次兴起。在当时日本第五代计算机计划和美国星球大战基础上,中国863计划开始实施,而这奠定了中国人工智能发展的根基。

智能汽车不用说了,智能汽车没有驾驶员,人上去还是很害怕的,感觉怪怪的,有语音交互,感觉像是有驾驶员,给你的感觉更好一点。

一个技术创新的公司,一定还会将大部分的收入利润投入到更多的技术研发里面,而使之技术研发更加领先。

腾讯也成立了AI实验室,还是跟他的娱乐,跟他的社交,微信里面很多技术结合在一起。

交互方式已经发生明显的变化,从当初的键盘和字符,经过了鼠标和图形,现在已经变成了语音交互为主、触摸交互为辅的第三代交互。苹果新出的耳机,让以后可能打电话不需要拿出手机,只需要说出要打给谁,就直接可以通话了。

但是,当人工智能越来越多替代我们工作的时候,会怎么样?

所以,现在难的不是完全信息公开博弈的游戏,更加难的是德州扑克,斗地主,麻将,多人参与,信息不完善,这是一个挑战。

2月25日,在混沌研习社的课堂上,科大讯飞执行总裁胡郁告诉我们,有学校试用人工智能系统批改作业后,学生进步显著。因为机器更能知道,你哪个题错了,是什么知识点没学好,之后对你实行个性化学习推荐。

所以都是达到了同样的目的,但是是解决问题的两个角度和思路。

如果说人工智能有很多的角度的话,我们可以这么划分:

在人工智能刚提出以前,是大型机时代,大家觉得人工智能马上能够引领整个的人类社会了,但是到了70年代的时候,发现人工智能在当时情况下有很多问题理解不了,大家热度迅速下滑。

大家对人工智能的发展,其实都有自己的看法。

第二、我们现在人工智能到底是如何进展,如何向前发展的。

从这个角度上来讲,我们都关心的事情,用技术创新的方法有没有可能在商业生态中占据好的位置。

在自然宇宙里面,意识的定义就是能够智能地交流。我们观察到的现象,一个东西越聪明意识会越强。

我认为一个真正的核心技术公司,可能样板就是以下几点,第一,核心技术创新要做世界上最好。我是做语音的,我们先把中文做到世界上最好。我做搜索,中文搜索也要最好。

第五、什么样的人能够在人工智能大潮中取得最终的胜利。

人机交互,语音交互真正在什么情况下应用?

人工智能何时到来?

我们讲的类脑和脑科学的进展,我还没有讲到更悬的,更悬的脑科学进展不是在脑科学里面学习什么,而是做了类脑芯片,比如说IBM的那个芯片,那些进展要想到成熟到应用,最少还需要十年的时间,十年之内IT产业发展太快,这一轮人工智能布局和整个产业生态的建立都已经完成了。现在要把握住机会,深入到各个点。

人机交互的方式在不断变化,从上世纪60年代的大型机时代,到上世纪70年代的小型机时代,再到个人电脑、手机以及万物互联的时代。

我的想法是我们的征途是星辰大海,但是也要充分享受每一个小确幸,这样我们才能够用玩耍一样心态去创业,去创新,我也希望我们在中国真的能够用人工智能能够引领世界,改变世界,谢谢大家。

但是中间有一个层面是现在的动物和人类都具有的,我们叫做感知智能和运动智能。简单一点讲就是能够感知周围的世界并且做出反应,真正的人类所独有的一种能力,我们叫做认知智能。

我把公司定义成有正交的,如果你个公司主营业务是正交可以互相支撑的。为什么苹果和华为,他们两个主营方向一样,他们都是垂直型产品公司,他们是平行,他们之间一定是竞争关系。

真正人类主导的是创造性的工作,比如艺术类,没有主观意识是做不出来的。

现在国际上有很多神经网络开源工具,可能不同的东西会告诉你,不同的神经网络对于不同的词是不一样的,但是真正神经网络奥秘,我起一个名词叫做构型,神经网络怎么适配你的数据,适配你的学习过程,他的整个的网络拓扑结构之间的构型会导致有很多差异。

人类计算16万盘棋,阿法狗全部看一遍,而且把中间的对局和结果下出来,而且自己和自己下三千万盘,这样的大数据人类脑袋神经系统也没有记录下来,机器可以。

而德勤咨询另外一份报告,认为80%的公司需要认知智能解决知识工程工作。儿科学杂志说到2045年会有50%的工人,因为机器会替代他们的工作而失业。

在人工智能是什么这一点上来说,很多人觉得老调重弹,我觉得不能正确认识人工智能整个发展过程,向什么地方发展,边界在什么地方,大家就不能够有一个很清晰的判断。

数字宇宙里的法则,跟原来的自然宇宙是完全不一样的,其实我们今天谈论的人工智能是在这么一个大的框架下来进行的结果。

人工智能学家希望能够做出跟人脑一样的系统,我们叫做强人工智能系统,这种强人工智能系统,举一个例子,小孩看的绘本上的挖掘机,真实的世界里面看到的会说这个就是挖掘机,但是人工智能系统可能要学习,看过几千万张到几亿张图片才能够提取出来。

阿里巴巴的人工智能在大数据的基础上来做的,因为对大数据处理的本身就是一种人工智能表现,甚至有人给出一个新的定义,叫做超人工智能。

 

他只看到技术,这一点是我们一直不断的反省和希望能够提高的,用户需要的不是最好的技术,而是最好的产品和用户体验,这样把核心技术创新和产品创新和用户创新。

小微企业如果想做消费者市场,应该是比较难的。如果真要做我建议瞄准一些细分市场,先要取得一个小成功,在小成功足够养活你的团队使之活下去,千万别想太大的事情,太大事情都做不了。

本文由betway必威登录平台发布于互联网论文,转载请注明出处:betway必威登录平台中国科学技术大学讯飞试行高

Ctrl+D 将本页面保存为书签,全面了解最新资讯,方便快捷。