人工智能(AI) 能做什么,做不到什么

人工智能(AI) 能做什么,做不到什么

 


作者:艾瑞克.布尔优夫森 Erik Brynjolfsson , 安德鲁.麦克费 Andrew McAfee

人工智能终于成真,并即将对商业产生深远的影响。但它并不是魔法,因此,本文说明对你的组织来说,人工智能能做什么,以及做不到什么。
 
250多年来,经济成长的根本动力一直都是技术创新。其中最重要的,是经济学家说的“通用技术”(general-purpose technology):这类技术包括蒸汽机、电力和内燃机。每一类都催生了一波波的互补性创新和机会。举例来说,有了内燃机,汽车、货车、飞机、链锯和割草机应运而生,还有大卖场式零售商、购物中心、交叉配送仓库(cross-docking warehouse)、新的供应链,而你若仔细想想,连郊区也是。沃尔玛(WalMart)、UPS和优步(Uber)等各式各样的公司,都找到善用这种技术的方式,创造出获利的新商业模式。
 
我们这个时代,最重要的通用技术是人工智能,尤其是机器学习,也就是机器有能力持续不断改善本身的表现,人类交付任务给机器时,不必确切解释如何完成所有那些任务。过去几年之间,机器学习已远比从前有效且普及。我们现在建立的一些系统,已懂得如何自行执行任务。
 
为什么这件事非同小可?理由有二。第一,我们人类了解的事情,比我们能说出来的更多。有很多事情,我们有能力做到,但没有办法确切解释如何做到,从辨识人的脸,到玩古老亚洲斗智游戏围棋时下聪明的一步棋,都包括在内。在机器学习之前,无法明确表达自己的知识,就表示我们不能把许多任务自动化。而现在,我们做得到了。
 
第二,机器学习系统往往很擅长学习。它们能在广泛的活动上,展现出超乎人类的表现,包括侦测诈欺和诊断疾病。优异的数字学习者,正被部署到经济的各个角落,它们造成的冲击会十分深远。
 
在商业领域,人工智能势必会产生改造一切的冲击,规模不亚于先前的通用技术。虽然世界各地已有成千上万的公司开始使用它,但大多数的大机会还没有被开发。未来十年,人工智能的影响将会扩大,因为制造、零售、运输、金融、健康照护、法律、广告、保险、娱乐、教育,以及其他每一种产业,都会改造本身的核心流程和商业模式,以充分利用机器学习。现在的瓶颈,是在管理、执行和商业想象上。
 
然而,人工智能和其他许多新技术一样,产生许多不切实际的期望。我们见到商业计划动不动就提到机器学习、神经网络,以及这种技术的其他形式,却很少提及它的真正能力。举例来说,单单称一个约会网站是“人工智能驱动”,并不会使它的效果更好,但可能有助于筹募资金。本文将避开这些杂音,直接说明人工智能的真正潜力、它的实务意涵,以及有哪些障碍妨碍采用它。
 
现在,人工智能能做什么?
 
人工智能这个词,是达特茅斯学院(Dartmouth)数学教授约翰.麦卡锡(John McCarthy),在1955年创造的。来年,他针对这个主题,筹办开创性的研讨会。此后,可能部分由于它那引发人们想象的名称,这个领域产生了比它梦幻般宣言和承诺还要多的东西。1957年,经济学家赫伯特.赛蒙(Herbert Simon)预测,十年内计算机会在西洋棋比赛上打败人类(实际上花了四十年)。1967年,认知科学家马文.明斯基(Marvin Minsky)说:“一个世代内,创造人工智能时遇到的问题,将会大幅解决。”赛蒙和明斯基都是知识巨人,却都错得十分离谱。因此,对于未来的突破提出戏剧性的说法,却遭到某种程度的怀疑,这情况是可以理解的。
 
我们先来探讨人工智能已经在做什么,以及它改善的速度有多快。最大的进展在两大领域:感知(perception)与认知(cognition)。在感知方面,一些最实用的进展和语音有关。语音识别要达到完美,还有一大段距离,但数百万人正在使用它,例如Siri、Alexa和Google Assistant。你正在看的这篇文章,是先向计算机口述,然后以足够的正确程度转成文字,速度比打字要快。

史丹福大学计算机科学家詹姆斯.蓝德(James Landay)和同事的研究发现,平均来说,目前进行语音识别,比在手机上打字约快三倍。以前的错误率是8.5%,现在已经降为4.9%。引人注目的是,这么大幅度的改善,不是过去十年发生的,而仅仅是2016年夏天以来的成果。
 
虽然世界各地已有成千上万的公司开始使用人工智能,但大多数的大机会还没有被开发。

图像辨识也大幅改善。你可能已经注意到脸书(Facebook)和其他应用程序,现在认得出你张贴照片中朋友的脸孔,并提醒你标记他们的名字。安装在智能手机里的应用程序,认得出野外中的几乎任何鸟类。图像辨识甚至取代企业总部中的身分识别证。无人驾驶汽车中使用的视觉系统,以前确认行人时,每三十张图像就会错误一次(这些系统中的相机,每秒就记录约三十张);现在,它们的错误次数,是每三千万张不到一次。一个名为ImageNet的大型数据库,拥有数百万张常见、模糊,或是十分诡异的图片,辨识图像的最佳系统,辨识那个数据库里图片的错误率,从2010年的高于30%,降为2016年的4%左右(见图:“小狗或马芬蛋糕?”)。
 
近年来采用的一种新方法,是以非常大型或“深度”的神经网络为基础,因此改善的速度迅速加快。视觉系统的机器学习方法,仍有许多缺陷;但连人也很难迅速认出小狗的脸,或者更令人尴尬的是,看到牠们可爱的脸孔,但其实并不存在。
 
第二类的重大改善,是在认知和问题解决方面。机器已经在扑克牌和围棋方面,击败最优秀的人类高手,专家本来预测至少还要再十年才会达到这样的成就。Google的DeepMind团队使用机器学习系统,改善数据中心的冷却效率达15%以上,即使人类专家之前已经将它们优化了。网络安全公司深度本能(Deep Instinct)使用智能代理(intelligent agent),侦测恶意软件。

PayPal也用智能代理来防范洗钱。使用IBM技术的一套系统,将新加坡一家保险公司的理赔流程自动化。数据科学平台公司Lumidatum的一套系统,实时提供建议,以改善顾客支持。数十家公司正使用机器学习,决定要在华尔街执行哪些交易,而且在它的协助之下,做成愈来愈多信用决策。亚马逊(Amazon)运用机器学习,来优化存货,和改善对顾客的产品建议。无限分析公司(Infinite Analytics)开发出一套机器学习系统,预测用户会不会点按某一则广告,为一家全球消费性包装产品公司改善在线广告刊登效果。另一套机器学习系统,用来改善巴西一家在线零售商的顾客搜寻与发现过程。前述第一套系统提高广告的投资报酬率三倍,第二套系统使得年营业收入增加1.25亿美元。

 

人工智能(AI) 能做什么,做不到什么


 

用户喜欢...

S32V234适用于ADAS、NCAP前视摄像头、异物检测和识别、环视、机器学习和传感器融合应用

概述 S32V234是我们的第二代视觉处理器系列,旨在支持图像处理的计算密集型应用,并提供了一个ISP、强大的3D GPU、双APEX-2视觉加速器和安全性,以及支持SafeAssure。S32V234适用于ADAS、NCAP前视摄...


机器学习更接近你身边的微控制器

机器学习(ML)是人工智能(AI)的一个分支,多年来一直在电子系统中应用。但是,直到现在,实施ML所需的处理能力大部分都被限制在基于云计算的活动中。然而,这种情况即将发生变化,随...


ARM在AI中受到攻击

用于加速客户端机器学习任务的近十多种处理器内核正在竞争SoC中的一些点,其中一些已经被设计用于智能手机。他们的目标是比处理器IP巨人Arm更快地获得市场优势,预计将很快宣布它自己的...


Qualcomm将人工智能和视觉处理带入物联网

高通在2017财年超过10亿美元的物联网收入后,宣布为物联网应用专门构建新的产品系列。该公司最初宣布推出一系列IoT芯片组,QCS603和QCS605,以及软件和参考设计,这些都被称为高通视觉智能平...


布局AI生态 推动人机交互深度变革

全球人机界面交互技术领先厂商Synaptics尤具代表性。一项数据表明,目前Synaptics的主要收入来自PC和手机市场,一个占88%,一个占12%。 随着全球PC市场的持续走衰和智能手机市场的高度饱和,...


联发科技将AI推向边缘

联发科技在消费电子展上展示了其后智能手机时代的准备工作,进入数个新领域,包括用于数据交换芯片,汽车和边缘设备的AI处理器。 联发科首席财务官David Ku谈到计划将一定的AI功能带到包...


AI是5G网络下最好的伙伴或者说是最好的加速器

随着通信技术的发展,我们正在从4G时代向5G时代过渡。5G技术将会如何改变人们的工作生活成为行业和大众关注的焦点。美国当地时间1月10日,百度集团总裁兼COO出席CES 5G Panel,与来自高通和...


物联网三阶段演进 市场、安全、人力与并购均有影响

物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,...


日本加速推动人工智能(AI)+物联网(IoT) 摸索制造业未来走向

全球制造业导入人工智能(AI)、物联网(IoT)等技术,激荡出AIoT(AI+IoT)新发展,逐渐改变了既有的商业模式,在日本东京...


2018年人工智能还有这五大棘手问题待攻克

在所有关于杀手机器人的高调宣传下,2017年在人工智能方面取得了一些显著的进步。例如,今年初名为Libratus(冷扑大...