《CLOUD 云+》 | 第 1 期
视界
“人工智能+”时代:热潮中有冷静,低潮中有信息

焦李成教授简介:

焦李成现任西安电子科技大学人工智能学院教授、智能感知与图像理解教育部重点实验室主任,智能感知与计算国际联合研究中心主任,智能感知与计算国际合作联合实验室主任。IEEE Fellow, 首批中国人工智能学会会士,连续四年入选爱思唯尔高被引学者榜单。焦李成教授的主要研究方向为智能感知与计算、图像理解与目标识别、深度学习与类脑计算。 发表论文500余篇,出版专著20余部,论著被他人引用超过28600篇次,H指数为68。

2017年起,我国人工智能政策的重点从人工智能技术转向了技术和产业的融合。人工智能的发展离不开理论和算法的创新,也离不开计算芯片的升级更新。传统的计算架构无法支撑人工智能算法大规模并行计算的需求,未来仍然需要“计算革命”来加速计算过程。人工智能计算芯片研究的演进过程主要为GPU到FPGA到TPU,由非定制化朝着定制化方向发展。

2006年,Hinton和他的学生Salakhutdinov提出了深度学习模型,以此为标志,人工智能迎来了第三次高速发展。得益于互联网的普及、数据的爆发式增长以及信息技术升级更新,人工智能已经应用于各个领域。美国、日本、韩国等各国都相继制定了人工智能发展的战略规划。2017年,我国《新一代人工智能发展规划》出台,意味着我国人工智能的发展有了明确的时间表和路线图,十九大报告又将人工智能作为一项发展内容明确提出,人工智能已经上升至国家战略层面。农业革命、工业革命、信息革命后, 人类已经迎来了“人工智能+”的革命。

当今人工智能发展的特点是数据驱动,交叉融合。数据是蕴藏着黄金的珍贵矿产,而人工智能则是掘金的最佳利器,正是数据的爆炸式增长以及相应处理能力的大幅提升造就了大数据时代向人工智能时代的飞跃,而人工智能各种算法的快速更新比以往任何技术都更能挖掘数据的内在规律,让大数据潜藏的价值得以体现。互联网、物联网以及智能终端持续飞速发展,人与人、人与机器、机器与机器之间的交互日益频繁,文本、音频、图片、视频等多媒体信息形成了跨媒体交互传播、动态实时传播的态势,人工智能对多媒体信息的处理技术日臻完善,在语音识别、图像识别等领域都取得了突破性的进展,多媒体信息融合的研究正在加速发展。

自2015年5月国务院印发《中国制造 2025》的文件开始,我国的人工智能政策密集出台,提出要重点突破新兴领域的人工智能技术,重点发展大数据驱动的类人智能技术方法,突破以人为中心的人机物融合理论方法和关键技术,研制相关设备、工具和平台,在基于大数据分析的类人智能方向取得重要突破,实现类人视觉、类人听觉、类人语言和类人思维,支撑智能产业的发展等等目标。

在国家的战略指导下,人工智能技术在我国已有不少成熟应用,例如智能手机、刷脸认证、指纹打卡、美妆相机、购物推荐等,已经成为现代生活中人们日益离不开的“手边事物”。

2017年起,我国人工智能政策的重点从人工智能技术转向了技术和产业的融合。人脸检测、识别、图像识别、机器翻译、语音识别与合成等相对成熟的技术今后应能高度交叉、深度融合,将共同应用于某一领域,实现多技术协同的类人智能应用;计算智能和决策智能层面的技术还有待更为深入的研究,其中,决策智能层面的技术发展还处于相对初级的阶段,例如无人驾驶汽车、类人机器人等,但这一层面今后的应用完全能够为人类带来社会生活的彻底革新。

人工智能应用展望

人工智能是普适的基础而非专用的方法,它可以提升各个产业、行业、专业的能力和潜力。人工智能与其他产业的深度交叉融合已经成为当下发展的焦点,人工智能+金融、人工智能+制造、人工智能+医疗、人工智能+教育带来的革新都在全社会的展望之中。未来,智能机器人、智能驾驶、智能金融、智能医疗等将成为人工智能应用的重点发展方向。

智能机器人包括家庭服务型机器人、工业应用型机器人、医疗服务型机器人等。家庭服务型机器人可以实现家庭陪护;工业应用型机器人可以在不适合人工作业的危险工作环境中替代人类完成工作;医疗服务型机器人可以完成帮助医生提升手术精度、辅助患者康复等任务。

智能驾驶是目前人工智能领域研究的热点应用方向之一。据行业调查,智能驾驶产业市场规模预计到2020年将达到1214亿元人民币,计算机视觉、深度学习是智能驾驶的核心技术,多个辅助驾驶技术的融合能够适应更多场景,乃至全场景下的无人驾驶,这也是目前这一领域的研究目标。完全自动化的智能驾驶普及将大大提升道路交通的安全性,让更广泛的人群都能享受到便捷的出行。

金融行业历经了从金融办公数字化,到互联网金融,再到人工智能金融的发展和转型。人工智能技术已经融入了人们的经济生活之中,移动支付、数字货币、智能投资顾问、大数据风控、移动银行等等起着优化传统金融结构,提高整体效率的重要作用。未来,学者和行业都将更进一步探索两者结合的创新红利。

在教育领域,通过人工智能技术开发的智能批改系统、智能测评系统、智能学习系统等智能化工具能够节约教研成本、提高学生学习效率,使用人工智能算法技术在全面抓取、分析学生的学习情况和知识掌握能力之后,能够实现“千人千面”定制式教学,真正实现因材施教。

在医疗领域,智能软件为患者和用户进行健康管理,智能机器和设备代替医生完成部分工作,智能终端帮助医生和患者实现更紧密的连接,图像识别技术、语音识别技术等已用于辅助医生实现更精准的诊断和治疗。可以说人工智能技术已经在医疗领域有了出色表现,但仍然还有很大提升空间,人工智能技术应能显著提高医疗机构和人员的工作效率并大幅降低医疗成本,为医疗行业带来崭新面貌。

人工智能砥砺前行

人工智能迅猛发展带来了令人赞叹的成就,但要看到在学术研究领域人工智能还有许多基础理论有待完善。最近几年,深度学习算法成为推动人工智能发展的焦点,在语音识别、图片识别、机器翻译等领域都实现了大的突破。但深度学习依然还有巨大的研究空间,没有什么网络或者模型能够“打遍天下”,深度学习是面向问题与数据的,它是思想和方法论,像人类发展一样,未来会有多种模型不断出现。

脑认知科学的发展启发了人工智能领域神经网络的研究,将人工智能与脑认知科学结合,进而实现令机器达到或超越人类的智能水平是目前人工智能的终极目标。类脑智能、混合智能是当前人工智能最新的研究方向,脑网络图谱、脑机接口、视觉、触觉、视触觉的结合等等都有待实现理论和方法的突破。

人工智能的发展离不开理论和算法的创新,也离不开计算芯片的升级更新。传统的计算架构无法支撑人工智能算法大规模并行计算的需求,未来仍然需要“计算革命”来加速计算过程。人工智能计算芯片研究的演进过程主要为GPU到FPGA到TPU,由非定制化朝着定制化方向发展,英伟达、谷歌、华为等公司都在积极研发能更好适应人工智能发展的计算芯片。另外,量子计算将为人工智能带来革命性的发展机遇,量子比特数量会以指数增长的形式快速上升,小型化的量子芯片可以使人工智能前端系统的快速实时处理成为可能。

我国人工智能要实现每五年上升一个台阶,实现基础理论、总体技术和应用的重大突破,到2030年,人工智能总体达到世界领先水平,成为世界主要人工智能创新中心。产业的发展急需人工智能高层次人才来支撑,据清华AMiner团队的《AI与自动驾驶》报告显示,在国内四大学会的会员中,从事人工智能相关领域的学者共1073人,其中1045名来自高校,89名来自科研机构,22名来自企业,任职于高校的人工智能专家远远多于在科研机构或企业中任职的。学生方面,2004、2005年教育部相继批准北京大学、西安电子科技大学等高校设立“智能科学与技术”本科专业,经过逐步发展,截止2017年设立此专业的高校超过50所,尽管如此,与其他领域的毕业生比起来仍然不多,科班出身的AI硕博人才更为稀少,人工智能人才资源依然远远不能满足未来产业发展的需要。所以,人工智能改变教育的同时,全社会更要加快培养人工智能人才的步伐。

人工智能的第三次发展已经完成加速,正处在高速前行的阶段,全世界都在往前赶,没有谁甘于落后,时代的风口不容错过,但是需要有笃定的姿态,热潮中有冷静,低潮中有信息,无论冷热都要怀揣做点事的决心,汇聚正能量,坚持做好基础性研究和关键技术攻关。

下载全文
往期杂志推荐
本期杂志

第一期

下载
往期杂志推荐