AI被認(rèn)定為是人類歷史上第四次工業(yè)革命，其發(fā)展必然會(huì)伴隨著技術(shù)的不斷演進(jìn)、應(yīng)用的不斷祛魅。這其中必然也會(huì)出現(xiàn)所謂各種泡沫，各種事后被證實(shí)的“笑料”。但不可否認(rèn)的是，初期的人工智能正為我們的生活陸續(xù)帶來驚喜。無論是小到點(diǎn)外賣，還是大到疾病防控、金融監(jiān)管。我們期待著，人工智能技術(shù)未來給生活帶來的更多溫暖和便利。
2018年谷歌I/O大會(huì)上，CEO Sundar Pichai展示了一項(xiàng)技術(shù)，用Google Assistant在沒有人類干涉情況下進(jìn)行預(yù)約服務(wù)。
當(dāng)聽到對(duì)方回復(fù)“讓我查詢一下時(shí)間”時(shí)，Google Assistant回復(fù)了聲“嗯哼”，技驚四座。一般情況下，人們對(duì)于這部分的回應(yīng)可能會(huì)認(rèn)為是“好的”之類，能在當(dāng)下出現(xiàn)這種極其接近人類的情感化回復(fù)，已經(jīng)是很讓人驚訝的表現(xiàn)了。
但事實(shí)似乎并非如此。近日美國(guó)媒體的報(bào)道指出，現(xiàn)實(shí)生活中谷歌智能助手絕大部分仍是由谷歌呼叫中心的員工代為處理。為此，谷歌官方回應(yīng)是，為了保障餐廳在接受訂餐時(shí)的體驗(yàn)，并未強(qiáng)力去人工化。
一石驚起千層浪。似乎這家全球領(lǐng)先的AI技術(shù)公司遭遇了一場(chǎng)信任危機(jī)，而關(guān)于背后的AI技術(shù)發(fā)展，也在AlphaGo后并未再有讓人驚喜甚至“驚懼”的表現(xiàn)。
近日，清華大學(xué)人工智能研究院院長(zhǎng)張鈸接受媒體采訪也指出，AI奇跡短期難再現(xiàn)，深度學(xué)習(xí)潛力已近天花板。
從技術(shù)角度來看，近些年人工智能實(shí)現(xiàn)飛躍突破的背后，是由一個(gè)叫做“深度學(xué)習(xí)”技術(shù)的加速突破帶來的。-甘俊
深度學(xué)習(xí)的瓶頸
從技術(shù)角度來看，近些年人工智能實(shí)現(xiàn)飛躍突破的背后，是由一個(gè)叫做“深度學(xué)習(xí)”技術(shù)的加速突破帶來的。
但其實(shí)早在2006年，“深度學(xué)習(xí)”這一概念便被Geoff Hinton發(fā)表論文時(shí)正式提出。他也因此被稱為“深度學(xué)習(xí)之父”、“神經(jīng)網(wǎng)絡(luò)先驅(qū)”，并獲得2019年的“圖靈獎(jiǎng)”。
為什么到了近兩年，深度學(xué)習(xí)才終于在AI世界“有了姓名”，Hinton為什么到今年才為此獲獎(jiǎng)？這與深度學(xué)習(xí)本質(zhì)上存在一定瓶頸有關(guān)。
Hinton教授發(fā)表論文后的2006年到2012年間，限于整體計(jì)算機(jī)算力和數(shù)據(jù)基數(shù)問題，深度學(xué)習(xí)并沒有條件發(fā)揮它的真實(shí)效力。在2012年，Hinton教授和他的兩個(gè)學(xué)生在ImageNet比賽上，使用深度學(xué)習(xí)技術(shù)將識(shí)別錯(cuò)誤率從26.2%猛然降低到15.3%，這才使深度學(xué)習(xí)被廣為關(guān)注起來。
到了2016年，谷歌推出的AlphaGo系統(tǒng)陸續(xù)擊敗人類圍棋世界冠軍，甚至引發(fā)過關(guān)于“機(jī)器將取代人類”的論調(diào)（當(dāng)然答案是否定的）。這背后都有賴于“深度學(xué)習(xí)”技術(shù)的推動(dòng)。
以至于到今天，“深度學(xué)習(xí)”一度成為可以跟“人工智能”并肩的詞匯而普世。
“深度學(xué)習(xí)”技術(shù)逐漸成熟的背后，是與深度神經(jīng)網(wǎng)絡(luò)層數(shù)的演進(jìn)有關(guān)。從20世紀(jì)80年代開始，神經(jīng)網(wǎng)絡(luò)經(jīng)歷過單層神經(jīng)網(wǎng)絡(luò)、多層神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)三次發(fā)展階段，演進(jìn)帶來的是，能夠容納的數(shù)據(jù)量有了巨大擴(kuò)容。
當(dāng)然問題也就隨之而來，這意味著深度學(xué)習(xí)的發(fā)展，有賴于對(duì)有效數(shù)據(jù)的積累和學(xué)習(xí)，而有效數(shù)據(jù)則有賴于人類介入進(jìn)行大量的數(shù)據(jù)標(biāo)注。
目前專家們同樣還不能解釋AI算法背后的運(yùn)算機(jī)制如何解釋。-資料
在5月25日舉行的2019未來論壇·深圳技術(shù)峰會(huì)上，美團(tuán)搜索與NLP部負(fù)責(zé)人王仲遠(yuǎn)就指出，深度學(xué)習(xí)其中一個(gè)本質(zhì)，是需要大量的標(biāo)注數(shù)據(jù)來尋找事物之間的靜態(tài)映射關(guān)系。
顯然目前不太適合深度學(xué)習(xí)的問題也很多，比如一些創(chuàng)造性活動(dòng)中，數(shù)學(xué)家、物理學(xué)家的工作就無法被人工智能簡(jiǎn)單取代；再比如一些無法提供大量標(biāo)注數(shù)據(jù)的領(lǐng)域、一些結(jié)果需要可解釋的領(lǐng)域。這些都成為深度學(xué)習(xí)技術(shù)目前應(yīng)用的一個(gè)瓶頸。
深醒科技創(chuàng)始人、首席科學(xué)家袁培江此前也向21世紀(jì)經(jīng)濟(jì)報(bào)道表示，AI技術(shù)的發(fā)展在不斷迭代。理論上機(jī)器學(xué)習(xí)掌握了所有存儲(chǔ)在其中的數(shù)據(jù)，就可以達(dá)到100%準(zhǔn)確度。圍棋博弈的棋盤變化情況達(dá)到10的172次方，但還可以繼續(xù)優(yōu)化，這是漫長(zhǎng)的過程。
他認(rèn)為，依靠粗暴的數(shù)據(jù)驅(qū)動(dòng)會(huì)有閾限，當(dāng)前深度學(xué)習(xí)的方法很快會(huì)遇到天花板。業(yè)界正在謀求算法數(shù)據(jù)可解釋性、模型合理性的進(jìn)一步探索。“準(zhǔn)確率從90%到99.99%會(huì)發(fā)展很快，但到小數(shù)點(diǎn)精確到更后面時(shí)，技術(shù)瓶頸會(huì)越來越明顯。那么與應(yīng)用落地結(jié)合，尤其和其他數(shù)據(jù)結(jié)合是必然�！�
如何突破瓶頸？
深度學(xué)習(xí)的發(fā)展其實(shí)遠(yuǎn)遠(yuǎn)沒有達(dá)到能夠“驚人”的地步。也因此，伴隨著“AI代人”說法而生的，還有“弱人工智能”這個(gè)對(duì)當(dāng)下階段的定義。
這背后涉及的，其實(shí)是關(guān)于深度學(xué)習(xí)的“黑盒子”問題。由于人腦的運(yùn)作存在諸多包括感情、記憶、常識(shí)等主觀因素共同影響，這并不是現(xiàn)階段機(jī)器可以全部學(xué)習(xí)到的內(nèi)容。而學(xué)界關(guān)于人腦運(yùn)作機(jī)制問題尚未有進(jìn)一步的進(jìn)展。
目前專家們同樣還不能解釋AI算法背后的運(yùn)算機(jī)制如何解釋。一個(gè)表現(xiàn)是，當(dāng)需要辨別上圖中哪個(gè)動(dòng)物是“kiki”，哪個(gè)是“bouba”時(shí)，人類多數(shù)會(huì)認(rèn)為前者是kiki。按照心理學(xué)家的解釋，這是因?yàn)椤発iki”發(fā)音顯得更加尖銳，這與前者圖片相符。但實(shí)際上，這兩者并不存在于世上。但對(duì)于機(jī)器而言，這恐怕難以得出答案了。
因此關(guān)于深度學(xué)習(xí)，業(yè)界開始出現(xiàn)兩種探索思路。一種是換一種技術(shù)架構(gòu)，另一種是針對(duì)深度學(xué)習(xí)目前的瓶頸，研發(fā)新的改善方向，
中國(guó)自動(dòng)化學(xué)會(huì)副理事長(zhǎng)陳俊龍研究“寬度學(xué)習(xí)”架構(gòu)。他曾向21世紀(jì)經(jīng)濟(jì)報(bào)道介紹，寬度學(xué)習(xí)和深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，本質(zhì)上是結(jié)構(gòu)和算法的差別。深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)架構(gòu)，是在結(jié)構(gòu)固定以后才開始學(xué)習(xí)。那么此后學(xué)習(xí)期間如果出現(xiàn)不準(zhǔn)確，就要重新設(shè)計(jì)網(wǎng)絡(luò)、再學(xué)習(xí)一次。寬度則是設(shè)計(jì)好網(wǎng)絡(luò)后，當(dāng)面臨學(xué)習(xí)不準(zhǔn)確的情況，可以隨時(shí)以橫向的方式進(jìn)行增量擴(kuò)充，即通過增加神經(jīng)元，以提高準(zhǔn)確度。
“所以寬度學(xué)習(xí)是增量學(xué)習(xí)的做法，時(shí)時(shí)可以增量學(xué)習(xí)�！标惪↓埍硎�，以往深度神經(jīng)網(wǎng)絡(luò)由于數(shù)據(jù)量過大、建設(shè)程序復(fù)雜，需要將數(shù)據(jù)上傳到云端運(yùn)算，但寬度學(xué)習(xí)的橫向擴(kuò)充模式，就可以直接用于“端”（邊緣）側(cè)，這也成為寬度學(xué)習(xí)架構(gòu)最大的優(yōu)點(diǎn)。
據(jù)介紹，寬度學(xué)習(xí)系統(tǒng)的網(wǎng)絡(luò)架構(gòu)，按照目前的測(cè)試，其應(yīng)用時(shí)耗費(fèi)的神經(jīng)元和所需速度是深度學(xué)習(xí)的“至少一半”。
在2019未來論壇現(xiàn)場(chǎng)，上海交通大學(xué)教授張婭介紹了她的研究方向。由于深度學(xué)習(xí)需要標(biāo)注大量數(shù)據(jù)集，她的出發(fā)點(diǎn)在于，希望標(biāo)注更少數(shù)據(jù)進(jìn)行計(jì)算，減少單位標(biāo)注數(shù)據(jù)的成本，以及減少采集數(shù)據(jù)的噪聲，針對(duì)這三點(diǎn)進(jìn)行研發(fā)。
“AI是一個(gè)大潮流，但每一個(gè)AI產(chǎn)品的落地都需要重新采集數(shù)據(jù)集，需要從零開始訓(xùn)練模型，這其實(shí)對(duì)AI的落地應(yīng)用有很大限制。我們希望通過這種資源受限的機(jī)器學(xué)習(xí)研究，得以使這方面得到一定突破，當(dāng)然其實(shí)現(xiàn)在從學(xué)術(shù)角度的研究，我們還有更多方向在做，比如自監(jiān)督學(xué)習(xí)等等，我認(rèn)為這些都是未來AI能夠真正從一個(gè)行業(yè)或者說領(lǐng)域人工智能走向真正通用人工智能的必經(jīng)之路�！睆垕I這樣總結(jié)道。
能怎么應(yīng)用？
智能語(yǔ)音助手的開發(fā)者，并不完全讓助手“放飛自我”當(dāng)助理。不論是否真的出于對(duì)餐廳尊重，還是對(duì)機(jī)主尊重才介入人類幫助，無疑都顯示出當(dāng)前AI技術(shù)應(yīng)用能力還相對(duì)弱。
但也并不意味著，目前的AI應(yīng)用就是一種空談。實(shí)際上人工智能已在一些領(lǐng)域悄然發(fā)揮作用。
一位AI從業(yè)者就向21Tech表示，代人預(yù)約（如帶點(diǎn)外賣等）就是他認(rèn)定的一種應(yīng)用方向，為此他在不斷努力。更有手機(jī)業(yè)人士推測(cè)，未來內(nèi)置在手機(jī)中的智能語(yǔ)音助手，會(huì)根據(jù)手機(jī)主人平常的生活行為，提前自主通過手機(jī)軟件，在沒有機(jī)主操作情況下，進(jìn)行代點(diǎn)外賣行為。
前述論壇上，王仲遠(yuǎn)介紹道，其所在團(tuán)隊(duì)開發(fā)出的美團(tuán)大腦，就是通過不斷優(yōu)化其中模型的精細(xì)度，更好對(duì)平臺(tái)中的商家進(jìn)行精確定義，從而讓用戶有更合適的選擇。“除了搜索以外，實(shí)際上美團(tuán)大腦還有非常多的應(yīng)用場(chǎng)景，比如說商戶的運(yùn)營(yíng)、金融的反欺詐、旅游的規(guī)劃以及未來開發(fā)中的智能助理�！�
更遠(yuǎn)大的在于醫(yī)學(xué)和金融層面。普林斯頓大學(xué)運(yùn)籌金融系終身教授王夢(mèng)迪研究的主題是強(qiáng)化學(xué)習(xí)。本質(zhì)上這屬于深度學(xué)習(xí)和增強(qiáng)學(xué)習(xí)反饋，是基于非同步大規(guī)模并行計(jì)算的快速算法。其需要實(shí)時(shí)數(shù)據(jù)收集，并進(jìn)行在線大規(guī)模實(shí)驗(yàn)。
她所在團(tuán)隊(duì)的這些研究也有了突破性應(yīng)用進(jìn)展。據(jù)她在論壇上介紹，美國(guó)每年會(huì)發(fā)生70萬(wàn)例膝關(guān)節(jié)置換手術(shù)，其康復(fù)時(shí)長(zhǎng)在100多天，整個(gè)成本達(dá)到16500-33000美元。
這類手術(shù)本身極其復(fù)雜，根據(jù)個(gè)體特異性，往往伴隨適應(yīng)癥、并發(fā)癥等情形。因此這會(huì)是一個(gè)動(dòng)態(tài)決策的過程，大概每個(gè)療程需要有30-60個(gè)決策。
問題的關(guān)鍵在于，膝關(guān)節(jié)置換手術(shù)成本過高，而政府、醫(yī)院和醫(yī)生之間還存在復(fù)雜的博弈，因此整個(gè)流程存在很多可以優(yōu)化的地方。
王夢(mèng)迪所在團(tuán)隊(duì)提出的思路是，將膝關(guān)節(jié)置換療程分解成大規(guī)模狀態(tài)轉(zhuǎn)移模型進(jìn)行策略求解�；谠\斷和醫(yī)療保險(xiǎn)記錄，總結(jié)歸納，策略模仿，并且強(qiáng)化優(yōu)化策略，計(jì)算出最優(yōu)治療計(jì)劃。根據(jù)預(yù)計(jì)，療程費(fèi)用平均下降6%，溢出費(fèi)用下降33%。
“我一個(gè)朋友跟我說，‘這個(gè)手術(shù)之后，我又可以去滑雪了’！”在結(jié)尾處，她這樣說到，團(tuán)隊(duì)希望通過強(qiáng)化學(xué)習(xí)將療程費(fèi)用平均降低1100美元，降低長(zhǎng)尾風(fēng)險(xiǎn)33%�！拔覀兿Ｍ麕椭t(yī)生和醫(yī)院，更好優(yōu)化醫(yī)療流程，更好優(yōu)化效率；幫助患者更好地康復(fù)�！�
