最终在世界上释放AI的三大突破

几个月前,我在纽约约克镇高地的IBM研究实验室的sylvan校园里跋涉,早日瞥见人造智能的快速到来,长期以来的未来。这是沃森的家,电子天才征服了危机!原来的沃森仍然在这里 - 这是一个卧室的大小,有10个直立的冰箱形机器组成四面墙。微小的内部空间使技术人员能够访问机器背部上的电线和电缆的混乱。这是令人惊讶的温暖里面,好像集群还活着。
今天的沃森是非常不同的。它不再仅存在于机柜墙壁之内,而是分散在一系列开放标准的服务器云端,这些服务器同时运行了数百个“AI”实例。像所有的事情一样,沃森被送达世界各地的同时客户,谁可以使用他们的手机,桌面或他们自己的数据服务器访问它。这种人工智能可以按需放大或缩小。因为AI随着人们的使用而改善,沃森总是越来越聪明,在一个实例中学到的东西可以立即转移给其他人。而不是一个单一的程序,它是各种软件引擎的集合,其逻辑推理引擎及其语言解析引擎可能会在不同的代码,不同的芯片上运行在不同的位置,这些引擎巧妙地集成到统一的智能流中。
消费者可以直接利用永远在线的智慧,也可以通过利用这个AI云的力量的第三方应用程序。像许多聪明的父母一样,IBM希望沃森追求医疗事业,所以开发中的一个应用程序是医疗诊断工具,这并不奇怪。大多数以前尝试诊断AI的尝试都是可悲的失败,但沃森真的有效。当我用简单的英文给我一次在印度签约的疾病的症状,它给了我一个从大多数到最不可能排列的a a的列表。最有可能的原因,它宣称,是贾第亚 -正确答案。直接向病人提供这种专门知识; IBM可以向合作伙伴提供沃森的智慧,帮助他们开发用户友好的界面,用于订阅医生和医院。“我相信,像沃森很快就会成为世界上最好的诊断专家,无论是机器还是人,”阿伦·格林,Scanadu,即建立由灵感诊断设备启动的首席医疗官说星际迷航医疗的tricorder,并搭载一台云AI。“AI技术正在改善,今天出生的孩子很少需要看医生在成年时就诊。”
随着认证机构的发展,我们可能需要设计出防范意识的方法- 我们最高级的AI服务将被广告为无意识。
医学只是一个开始。所有主要的云公司,加上数十家初创公司,都急于推出像沃森一样的认知服务。据Quid定量分析公司称,AI自2009年以来已经吸引了超过170亿美元的投资。仅去年,就有超过20亿美元投资了322家拥有类似AI技术的公司。Facebook和Google已经招募研究人员加入他们内部的AI研究团队。自去年以来,雅虎,英特尔,Dropbox,LinkedIn,Pinterest和Twitter都已经购买了AI公司。AI行业的私人投资在过去四年平均每年增长62%,预计将持续。
在所有这些活动中,我们的AI未来的图景正在进入,HAL 9000不是一个独特的机器,它是由一个有魅力(但可能是杀人的)人性化的意识或者超级智慧的Singularitan的激情而动画的。地平线上的AI看起来更像是亚马逊网络服务 - 便宜,可靠的工业级数字智能运行在一切之后,几乎看不见,除非它闪烁。这个通用实用程序将为您提供尽可能多的智商,而不仅仅是您需要的。像所有的公用事业一样,AI将会非常无聊,即使它改变了互联网,全球经济和文明。它会激活惰性物体,就像一个多世纪前的电力一样。我们以前电气化的一切,我们现在都会认识到。这个新的功利主义者也会随着人们(加深我们的记忆,加速我们的认可)和集体作为一个物种增加我们。几乎没有什么我们可以想到的,不能通过将一些额外的智商注入到新的,不同的或有趣的。事实上,接下来的10,000家初创公司的业务计划很容易预测:拿X并添加AI。这是一个很大的事情,现在在这里。
ff_ai4_f
 克雷格&卡尔
2002年左右,我在Google上市之前就参加了一个小型的聚会,当时它只专注于搜索。我与Google的辉煌联合创始人拉里·佩奇(Larry Page)进行了一次交谈,他在2011年成为公司的首席执行官。“拉里,我还是不明白。有这么多的搜索公司。网页搜索,免费?这是什么让你?“我的无法想象的失明是坚实的证据,预测是艰难的,特别是关于未来,但在我的辩护之下,Google已经加快了广告拍卖计划,以产生真正的收入,早在YouTube或其他任何重大收购。我不是其搜索网站唯一的热心用户,认为它不会持续很长时间。但是页面的答复总是与我紧张:“哦,我们真的在做一个AI。”
过去几年来,我已经想到了很多关于这个谈话的内容,因为Google已经购买了14个AI和机器人公司。乍一看,您可能会认为Google正在加强其AI产品组合,以提高其搜索功能,因为搜索占其收入的80%。但我认为这是落后的。Google正在使用搜索来使其AI更好,而不是使用AI来进行搜索。每次输入查询时,点击搜索生成的链接,或在网络上创建一个链接,您正在对Google AI进行培训。当您在图像搜索栏中输入“复活节兔子”,然后点击最复活节的兔子图像,您正在教AI,复活节兔子的样子。Google每12亿次搜索者每天进行的121亿次查询中,每一次都会重新学习深入学习的AI。随着AI算法的持续改进已有10年,再加上数千倍的数据和100倍的计算资源,Google将拥有无与伦比的AI。我的预测:到2024年,Google的主要产品不会被搜索,而是AI。
这是完全适合怀疑的观点。近六十年来,AI研究人员预测,AI就在拐角处,直到几年前,它似乎一如既往地陷入未来。甚至有一个术语是为了描述这个微薄的结果时代,更加微薄的研究经费:AI的冬天。有什么事情真的改变了
是。最近的三个突破已经引起人们期待已久的人造智能的到来:
便宜的并行计算
思维是一个本质上平行的过程,数十亿神经元同时发射以产生皮层计算的同步波。建立一个神经网络 - AI软件的主要架构 - 同时也需要许多不同的过程。神经网络的每个节点松散地模仿大脑中的神经元 - 与其邻居相互作用,以使其接收的信号有意义。要识别一个口语,程序必须能够听到所有相互之间的音素; 为了识别图像,它需要看到它周围的像素的上下文中的每个像素 - 两个深入并行的任务。但直到最近,典型的计算机处理器一次只能ping一个东西。
十多年前,当一种称为图形处理单元或GPU的新型芯片被设计用于电子游戏的强烈视觉和并行需求时,其开始变化,其中数百万像素必须重新计算许多一秒钟。这需要一个专门的并行计算芯片,作为PC主板的补充。并行图形芯片工作,游戏飙升。到2005年,GPU正在生产这样的数量,使它们变得便宜得多。2009年,Andrew Ng和斯坦福大学的一个团队意识到GPU芯片可以并行运行神经网络。
该发现为神经网络解锁了新的可能性,可以包括其节点之间的数亿个连接。传统的处理器需要几个星期来计算一个100万个参数神经网络中的所有级联可能性。Ng发现一群GPU可以在一天中完成同样的事情。今天,运行在GPU上的神经网络通常由诸如Facebook等云端公司使用来识别照片中的朋友,或者在Netflix的情况下,为其超过5000万订阅者提供可靠的建议。
大数据
每个智慧必须被教导。一个人类的大脑,被遗传上分类的东西,仍然需要看到十几个例子,然后才能区分猫和狗。这对于人为的心灵来说更为真实。即使是最好的计算机,它必须发挥至少一千游戏的棋,才能变得好。AI突破的一部分在于我们的世界收集的数据的惊人的雪崩,这提供了认证机构需要的学校教育。大量数据库,自我跟踪,网络Cookie,在线足迹,存储容量,几十年的搜索结果,维基百科和整个数字世界成为AI智能的老师。
更好的算法
数字神经网络是在20世纪50年代发明的,但计算机科学家需要几十年的时间来学习如何驯服一百万或一亿个神经元之间的天文学巨大的组合关系。关键是将神经网络组织成堆叠层。采取相对简单的任务,认识到一张脸是一张脸。当神经网络中的一组位被发现触发模式 - 例如眼睛的图像时,该结果被移动到神经网络中的另一个水平以进一步解析。下一个级别可能会将两只眼睛组合在一起,并将有意义的块传递到另一层次的层次结构上,将其与鼻子的图案相关联。它可以花费数百万个这些节点(每个节点都生成一个计算周围的节点),高达15个层次,以识别人脸。2006年,多伦多大学当时的杰夫·霍顿(Geoff Hinton)对这种方法进行了一个重要调整,他被称为“深度学习”,他能够在数学上优化每一层的结果,从而使学习积累得更快, 。几年之后,深度学习算法被移植到GPU。只有深入学习的代码不足以产生复杂的逻辑思维,但它是所有当前AI的重要组成部分,包括IBM的沃森,Google的搜索引擎和Facebook的算法。几年之后,深度学习算法被移植到GPU。只有深入学习的代码不足以产生复杂的逻辑思维,但它是所有当前AI的重要组成部分,包括IBM的沃森,Google的搜索引擎和Facebook的算法。几年之后,深度学习算法被移植到GPU。只有深入学习的代码不足以产生复杂的逻辑思维,但它是所有当前AI的重要组成部分,包括IBM的沃森,Google的搜索引擎和Facebook的算法。
平行计算,更大的数据和更深入的算法的完美风暴,使得AI成功实现了60年的成功。而这种趋同表明,只要这些技术趋势继续下去,没有理由认为他们不会继续改善。
就像这样,这个基于云的AI将成为我们日常生活中日益根深蒂固的部分。但它会以一个代价出现。云计算遵循递增收益的规律,有时称之为网络效应,认为网络的价值随着越来越大的增长而增长得更快。网络越大,对新用户越有吸引力,这使得它更大,因此更具吸引力等等。服务AI的云将遵守相同的法律。使用AI的人越多,智慧就越多。它变得越来越聪明,人们越多使用它。使用它的人越多,它变得越聪明。一旦公司进入这个良性循环,它就会变得如此之大,变得如此之快,以至于它压倒了任何新兴的竞争对手。因此,我们的AI未来很可能由两三个大型的寡头政权统治,

AI无处不在

在过去五年中,廉价的计算,新颖的算法和数据山脉已经启用了以前是科学和学术白皮书领域的新的基于AI的服务。麦克米伦
ff_aisidebar_f
 ALEMY
自驾车 | Google已经从尝试索引整个互联网的初始目标转向。现在,它要索引现实 - 它的一部分努力来完善自驾车。在车辆导航特定路线之前,Google驱动程序可以围绕该路线,然后生成可以想象到的最精确的地图。这样一来,自主知道如何预期,只需用屋顶安装的激光器,照相机和雷达系统来扫描环境,以发现普通的任何东西。这是一个比建立世界实时地图更容易解决的问题。
ff_aisidebar3_f
 ARIEL ZAMBELICH
身体追踪器 | 研究微软Xbox Kinect的研究人员必须部署新的机器学习技术才能将人体变成游戏控制器。首先,设备的红外发射器和传感器创建一个玩家框架的三维图像,并分析其不同的部分 - 肩膀,脚和手。然后,使用称为决策林的方法,Kinect的AI系统猜测身体最有可能的下一个位置。结果是一个系统可以实时读取你的动作,而不会压倒Xbox的内存。
ff_aisidebar2_f
 盖蒂图片
个人照片档案员 | Matt Zeiler希望您在查找电话号码时能轻松找到快照。他的创业公司Clarifai正在开发一种新的搜索技术来索引手机上的照片。虽然老式图像搜索寻找颜色和线条,Clarifai的AI软件了解角落和平行线,然后可以掌握更高层次的概念,如轮子或汽车,因为它研究越来越多的图片。
通用翻译器 | Skype翻译器将在年底前推出beta版,实时翻译语音,让任何人都可以自由地与任何人交谈。AI软件检查数以百万计的翻译句子,直到它变得精湛,猜测如何任何给定的混合的话会翻译。对于语音识别,它分解了口语的样本,分析它们,直到它实现了对声音组合形成语音的方式的复杂掌握。
ff_aisidebar4_f
更智能的新闻订阅 | Facebook聘请了世界上最重要的深入学习专家阎乐坤去年成立AI实验室。他的任务是改进社交网络的语音和图像识别软件,使其更有效地识别,例如,您会发现有趣的病毒视频或您想要看到的照片(如您的朋友在组快照中)。
1997年,沃森的前身,IBM的深蓝色,在着名的男子对比赛中击败了国王象棋大师加里·卡斯帕罗夫(Garry Kasparov)。机器在几场比赛中重复胜利之后,人类大都失去了对这样的比赛的兴趣。你可能会认为这是故事的结尾(如果不是人类历史的结束),但是卡斯帕罗夫意识到,如果他能够同时立即访问所有以前的国际象棋移动的大量数据库,他可以对深蓝色表现更好那深深的蓝色。如果这个数据库工具对于AI是公平的,为什么不是为了人类?为了追求这个想法,卡斯帕罗夫率先推出了人机交配的概念,其中AI增加了人类棋手,而不是与他们竞争。
现在称为自由式象棋比赛,这些都是混合的武术战斗,玩家使用他们想要的任何战术技巧。你可以作为自己的无私的人类自我发挥作用,或者你可以用作超级国际象棋计算机,只是移动棋盘,或者你可以扮演一个“半人马座”,这是卡斯帕罗夫倡导的人类/人造兽人机器人。一个半人马玩家会听AI的低声说话,但偶尔会覆盖它们,就像我们在汽车中使用GPS导航的方式一样。在2014年的冠军自由式战役中,开放给所有的玩家模式,纯粹的国际象棋AI引擎赢得了42场比赛,但是半人马赢了53场。今天,最好的棋手活着是一个半人马:Intagrand,一个人类团队和几个不同的象棋程序。
但这更令人惊讶的部分是:AI的出现并没有削弱纯粹的人类棋手的表现。恰恰相反。廉价的超级国际象棋程序启发了比以往更多的人下棋,比以往更多的比赛,球员比以往任何时候都更好。现在有超过两倍的大师,当时深蓝第一次击败卡斯帕罗夫。今天排名第一的人类棋手,马格努斯·卡尔森(Magnus Carlsen)接受了认证机构的培训,并被认为是所有人类象棋玩家中最像电脑的游戏。他还拥有所有时间最高的人类大师级。
如果AI可以帮助人类成为更好的棋手,那么理由可以帮助我们成为更好的飞行员,更好的医生,更好的法官,更好的老师。大多数由AI完成的商业工作将由专门的,狭隘的软件大脑完成,例如,可以将任何语言翻译成任何其他语言,但不要做任何其他的事情。开车,但不要吵。或者召回YouTube上每个视频的每个像素,但不能预期您的工作例程。在接下来的十年中,99%的直接或间接的人工智能将是自闭症的超级智能专家。
事实上,这不会真的是智慧,至少我们没有想到它。事实上,情报可能是一种责任 - 特别是如果通过“智慧”我们意味着我们独特的自我意识,我们所有的自我反省和凌乱的自我意识的疯狂循环。我们希望我们的自驾车不人道主义地聚焦在路上,而不是痴迷于与车库的争论。我院医院的合成Dr.Watson应该是疯狂的,而不是想知道是否应该用英语专业。随着认证机构的发展,我们可能需要设计出防止意识的方法- 而我们最高质量的AI服务可能会被广告为无意识。
ff_ai3_f
 克雷格&卡尔
我们想要的而不是智慧是人为的聪明才智。与一般智力不同,智能是集中的,可衡量的,具体的。它也可以以与人类认知完全不同的方式思考。这个非人类思维的一个可爱的例子是在今年3月在德克萨斯州奥斯汀的西南节日在南方举行的一个很酷的特技。IBM研究人员覆盖了沃森与烹饪数据库,包括在线食谱,美国农业部营养事实和风味研究,使化合物味道愉快。从这堆数据中,沃森根据现有菜肴的风味简介和图案,创造出新颖的菜肴,并且愿意的人类厨师烹饪他们。沃森心中产生的一群人最喜欢的是使用ceviche和油炸大蕉的美味鱼和薯条。在约克镇高地的IBM实验室吃午饭时,我发现了一个又一个美味的沃森发明:瑞士/泰国芦笋乳蛋饼。不错!任何一个人都不可能发生在人类身上。
非人类智力不是一个bug,它是一个功能。认可机构的主要优点将是他们的外星人的智慧。AI会以任何厨师的方式思考食物,让我们以不同的方式思考食物。或者想到制造材料不同。或衣服。或金融衍生品。或任何科学和艺术部门。人造智能的异化将比我们的速度或力量变得更有价值。
就像这样,它将帮助我们更好地了解我们的智慧是什么意思。过去,我们只会说只有一个超智能的AI可以开车,或者在Jeopardy打败一个人!或国际象棋。但是,一旦AI做了这些事情,我们认为这个成就显然是机械的,几乎不值得真正的智慧的标签。AI的每一个成功都重新定义了它。
但是,我们并没有重新定义AI的意思 - 我们正在重新定义人类意味着什么。在过去的60年里,随着机械工艺复制了我们认为人类独特的行为和才能,我们不得不改变我们关于什么使我们分开的想法。当我们发明更多的AI物种时,我们将被迫投降更多关于人类所独有的东西。我们将在接下来的十年(实际上也许是下一个世纪)中度过永久性的身份危机,不断地问自己是人类所为。在最伟大的讽刺之中,日常功利主义AI的最大收益不会提高生产力,也不会增加丰富的经济学或科学的新方法 - 虽然所有这些都会发生。人工智能到达的最大好处是认证机构将有助于定义人性。我们需要认证机构告诉我们我们是谁。

用户喜欢...

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...


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...


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...


无人驾驶车离现实还有多远?

无人驾驶技术需要达到99.9999999999%的准确度才可能达到真正普及的条件,这似乎是一段不算短的路。...


AI和大数据2017“成长的烦恼”

人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼: 1.人工智能无IQ标准 人工智能领域发展最好的一个领域是无人驾驶,而究其原因不外乎其拥有了从L0到L5的全球通用标准。但是在...


给AI换个“大动力小心脏”之OCR异构加速

OCR在通用文字识别等场景下有广泛应用,基于FPGA异构加速的OCR识别相比CPU/GPU实现具有延时小、成本低的优势。我们设计了多FPGA芯片协同的异构加速架构,能快速适配业务OCR模型变化,检测识...


现代汽车将搭载AI语音助理,最快2019年上市

现代汽车将在2018年CES大会上展示智能个人助理系统,未来现代汽车驾驶将能以语音控制车内空调、车锁开关等,而智...


车子自闭了百年,该让车子“出社会”了

汽车一旦具备物联网的感测能力、网络联机能力后,即成为社会的一员,发挥“分享”、“共有”的各种可能。车与...


AI医疗2.0时代已到,用深度学习助推人工智能落地

最近市场又被人工智能医疗刷屏了。刷屏的原因就是人工智能继战胜了国际各位围棋棋手之后,又有了一个新的突破,这个突破就是在医疗领域。今年11月,国家医学考试中心发布了“2017年国...


2017AI发展回顾:为更快、更强的人工智能奠定基础

“人工智能就像现在的‘狂野西部’,”高通的图形主管Tim Leland在本月早些时候告诉我,该公司推出了最新的高端移...


IBM拿出新型Power9处理器 针对AI和机器学习而开发

目前全球需要越来越大的计算能力来处理像人工智能和机器学习这样的资源密集型工作负载,IBM公司以其最新一代Power芯片 - Power9进入了竞争。该公司打算向第三方制造商和包括Google在内的云...


物联网、AI:2018 改革企业IT之七大趋势!

最近 Verizon Enterprise Solution 的预测亦将物联网以及人工智能放到 2018 年的重点之中,更称包括软件定义网络、物联网及...


AI与区块链:两大热门技术,会碰撞出什么样的火花?

本文旨在窥探一下AI与区块链的融合所产生的潜能,并且讨论这一联盟的标准定义、挑战以及好处,以及该领域的一些...


互联网巨头们布局AI的策略有何不同?

众所周知,互联网巨头们对于AI的布局已经成为一种潮流和趋势,我们关注到谷歌、微软、亚马逊、苹果、百度、阿里...