華為智慧工程部長張寶峰：人工智能產業(yè)化的4大趨勢

雷鋒網按：雷鋒網4月9日消息，以“人工智能+ 共創(chuàng)新世界”為主題的CITE2017人工智能產業(yè)發(fā)展高峰論壇在深圳會展中心舉辦。本次論壇由工業(yè)和信息化部、深圳市人民政府主辦，科大訊飛股份有限公司承辦。華為智慧工程部部長張寶峰就人工智能產業(yè)化過程中面臨的一些挑戰(zhàn)，發(fā)表了他的看法。

雷鋒網(公眾號：雷鋒網)對其演講做了編輯整理：

我十分認同，2017年應該是人工智能產業(yè)化的元年。大家希望能把人工智能真正用在產品中去，真正帶來實實在在使用體驗上的提升和產品的價值。我今天分享主要關于人工智能技術本身的四個大趨勢，主要關于人工智能目前面臨的挑戰(zhàn)。

目前，人工智能是什么并不是很清楚，我們不知道人作為一個智慧性的生命主體時，到底是怎樣產生智慧的。1963年兩個心理學家做了這樣一個實驗，兩個孿生小貓出生后，除了每一天一小時會放在旋轉木馬上，其他的時間都是在黑暗的封閉環(huán)境中生活。一個月后，一只能夠自主行走，另一只卻只能固定在一個位置上不能行動，對于一個生命體在三維空間活動而言，智能感知深度是一個非常重要的信息。所以八周后，只能感知環(huán)境卻沒法行動的小貓，其實就失去了對深度的認知。這給我們帶來的啟示是什么呢？

一、可閉環(huán)、可成長的系統(tǒng)，“活”數據者贏天下

首先，我認為不管人工智能到底怎么產生了決策能力，反饋都是非常重要的?，F(xiàn)在流行的對抗式生成網絡、強化學習等算法，其實強調的都是反饋的效果和價值。在人工智能真正實現(xiàn)的時候，我覺得兩個因素非常重要，第一是數據逐步歸一。這里并不是強調大數據分析挖掘帶來的價值，而是指真正信號的輸入，如果所有數字化的東西能夠完整地傳遞到信息處理系統(tǒng)里面，使得信息系統(tǒng)能夠真正獲取全量信息，就有可能產生真正有價值的反饋處理；另一個指業(yè)務閉環(huán)打通。我們在構建人工智能系統(tǒng)時，一定要打造所謂“AI之環(huán)”。以谷歌搜索引擎為例，當你輸入一個關鍵字時，首先調用了谷歌的搜索引擎界面，用戶檢索之后，獲取信息時候有一個很重要的反饋——點擊，如果用戶搜索到鏈接并點擊某一項，這就說明輸入的內容和點擊的內容之間有非常強的耦合關系，或相關性關系，而這樣的相關性關系經過算法的分析之后，使得搜索引擎的后臺重新進行內容的排序，這樣一個閉環(huán)系統(tǒng)才真正使用了人工智能系統(tǒng)的學習能力，這也就是反饋系統(tǒng)的重要性。

很多人把大數據分析和人工智能混為一談，但我的認知里，大數據強調的是靜態(tài)數據的分析，而一個可成長的系統(tǒng)往往指的是動態(tài)的系統(tǒng)。一個存在閉環(huán)反饋的系統(tǒng)才能夠長期發(fā)展下去，甚至活下去。所以，這是我們在構建AI過程中一個非常重要的趨勢：一定要構建一個閉環(huán)性系統(tǒng)，使它能夠真正具備長期發(fā)展的學習能力。

二、炒作走向務實，搞定High Stake風險為規(guī)模應用

現(xiàn)在做人工智能的人其實是越來越保守的，但說人工智能的人是越來越忽悠了。當人工智能引入到決策環(huán)節(jié)時，在如今的機器學習人工智能體系下，我們是通過數據訓練模型的，那這個問題就會不可避免地出現(xiàn)：如果我們取得的數據信息是不完備的，甚至有的時候我們自己都不知道數據信息是否完備時，那你的模型一定會在某些場合下出現(xiàn)非常大的偏差，導致系統(tǒng)不可控。如果我們想真正把人工智能產業(yè)化，就必須要發(fā)明或發(fā)現(xiàn)一種機制來控制偏差，能在異常情況時，不產生災難性后果。有這樣的基礎，才有可能真正把AI決策系統(tǒng)用到非常敏感或者高危的行業(yè)中去。

自動駕駛車輛一旦出現(xiàn)事故，后果非常嚴重，這對于投資決策也是一樣的，當用AI做千萬級甚至過億的投資時，一旦出現(xiàn)小概率的事件，其造成的災難性后果就會導致整個AI系統(tǒng)的崩盤。這是第二個趨勢，也希望大家能夠長期思考，把AI的系統(tǒng)應用到決策系統(tǒng)中時，如何解決不可控的問題？

三、監(jiān)督學習走向非監(jiān)督，小數據、自我學習成熱點

第三個問題，也是華為的一個很大的痛點，截止到去年，整個全球范圍內，華為發(fā)貨5～6億部手機，這樣海量用戶也積累了一些數據。但我們在做AI系統(tǒng)輔助時發(fā)現(xiàn)，海量數據的標注基本上是一個不可承受之重，海量數據的標注需要海量的人力。而且還有一個很大的挑戰(zhàn)，在機器學習系統(tǒng)里，不管模型有多復雜，基本都是一些規(guī)則，當出現(xiàn)越來越多規(guī)則，越來越逼近整個算法的極限時，規(guī)則本身也是互相沖突的，那么如何真正把它變成一個知識，變成一個可成長、能夠自己適應的知識呢？

針對這種問題，現(xiàn)在業(yè)界出現(xiàn)了小數據學習。在小孩的學習過程中，很多時候并不是像機器一樣需要海量數據和海量的訓練形成定式，如果一個小孩碰火的時候被燙了，基本上第二次，他再也不會去拿手指頭直接去碰火了。在學習系統(tǒng)里也一樣，就是我們可能能用更低成本的方式完成現(xiàn)在的學習任務。所以我們也付出很大精力關注小數據學習，看看其能不能實用。

四、從規(guī)律發(fā)現(xiàn)走向推理決策，人機協(xié)同興起

所謂計算能力，是指在一個非常復雜的數據環(huán)境中，計算機能非?？斓赜嬎愠鰯祿g的關系，比如歸類關系等，但它并不知道這些分類的意義是什么？這樣的計算力是人無法達到的，但歸類抽象和因果推導是人非常擅長的。所以在計算機沒有具備像人一樣的智慧和學習能力之前，如果把人的一些能力和技術算計能力結合在一起，就可能使這樣的計算機系統(tǒng)真正給用戶提供有價值的服務，即所謂人機協(xié)同的方式。讓機器去學習，讓人去教育，使其變成當前階段真正可以使用的系統(tǒng)。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。