如果您需要帮助,请点击这里

人工智能认识的误区

boy

北美泰哥

2018-12-10 192
感情男声
  • 感情男声
  • 感情女声
  • 标准男声
  • 标准女声
倍速1.0X
  • 倍速0.5X
  • 倍速1.0X
  • 倍速1.5X

免责声明:文章内容和观点仅代表作者本人观点,供读者思想碰撞与技术交流参考,不作为华为公司产品与技术的官方依据。如需了解华为公司产品与技术详情,请访问产品与技术介绍页面或咨询华为公司人员。

人工智能认识的误区

人工智能不是什么新概念,原本是计算机科学领域一个特定分支,有上百年的历史延续,也曾经数次甚嚣尘上。自2016年来的这一次人工智能浪潮却是史上巅峰,至少是炒作的巅峰,已经把人工智能概念炒到了妇孺皆知的地步。在各种专业和非专业的宣传鼓动下,人工智能的内涵和外延已经被极度扭曲和扩大,影响到业内人士也形成了认识的误区。这里简单澄清一下。

什么是人工智能?

现在什么都叫人工智能,人工智能的内涵被大大扩大了。实际人工智能并不新也不神秘,基本东西已经在工业界用了几十年了,只不过现在换了个马甲。人工智能尤其是机器学习[1] 的概念其实很简单,既没有人工也没有智能更没有知识或创造力,可以朴素的概括为设计和应用算法的科学。以前的大家比较熟悉的称呼是商业智能(Business Intelligence),统计分析等。和其他应用计算机的领域类似,人工智能应用在可靠性,安全性,可重复性,速度,效率和精度等方面比人类表现的更出色。但人工智能能力只是模仿和学习人类的能力,目前水平并不能理解或创新。

当代的人工智能发展必须具备三个要素:海量数据,高性能大规模分布式计算,机器学习算法和架构。这三个领域独立发展,都到了一定的水平,水到渠成的促成了2016年开始的人工智能大爆发。

人工智能不只是智能

在人工智能领域,最近比较新的是应用深度学习等机器学习的手段来提高精度,运用庞大的计算能力和网络带宽来加大规模提高速度。这些和“智能”是扯不上边的。包括深度学习等目前比较流行的手段,没有对算法的突破,基本可以看作是用简单粗暴的冗余计算代替传统的算法优化,是基于应用和经验的,是工程不是科学。虽然效果提高明显,但却是在人工智能科学领域的倒退,已经影响到算法领域的研究,很多以前的人工智能算法理论专家被迫转行搞计算去了。但深度学习确实大大促进了人工智能的普及和发展,到底是工程师比科学家多得多。

所以当前的人工智能不只是一个学术概念,还是一个工程概念,不只是算法,还包括算法工程化。

虽然人工智能领域近年来突破最大的技术是深度学习,但是大量传统的非深度学习算法还在被广泛采用,人工智能应用的主流还是大量数学统计方法和分析预测类小数据集机器学习。

人工智能已经兵临城下

在过去一年,我的很多分析都是“云计算是昨天,大数据是今天,人工智能是明天”。但现在,2017年年中,我可以肯定的说,人工智能不再是明天的话题,就是今天。

可以从几个方面验证。

•大多数领先的IT企业已经开始甚至已经完成向人工智能企业的战略重心转换,包括谷歌、微软、百度等等。

• 企业用户觉醒了,对人工智能的理解和信任已经到了非要不可的地步,出现了大量的应用场景和需求。

• 人工智能已经实用化、产品化,成熟的人工智能产品层出不穷,已经走入千家万户。人工智能产品的商业价值也被认可,确实可以帮助用户提高效率。

• 人工智能和云计算,大数据,IoT,边缘计算等流行技术紧密结合,相辅相成,互相促进。数据多了,计算和网络能力到了,可以做到以前做不到的超大规模和实时反馈。

• 在可见的未来,人工智能还有巨大的技术进步空间和市场发展空间。

自从2016年初,谷歌创造性的通过用围棋机器人打败人类来引爆人工智能话题以来,短短一两年,人工智能应用就像“AI如潮水”般涌来。但总体来说,虽然人工智能在各领域的应用已经有不小的突破,但还处于刚起步阶段,Gartner相关分析报告的曲线也验证了这点,未来还大有潜力。

人工智能和大数据

媒体上人工智能往往和大数据等概念一起出现,互相替换混淆,造成印象人工智能就是大数据一部分。实际上,人工智能和大数据并不等同或存在包含关系。没有大数据之前,甚至没有计算机之前,人工智能就存在很久了。人工智能和数学,推理,概率,甚至医学等领域的关系更近一些。人工智能最近的突破是在于数据分析领域,但人工智能的应用范围远远超过数据分析。在数据分析领域,人工智能可以看作是技术上的下一跳,是一种分析方法,适用于一些场景,但不是所以场景。人工智能对海量数据尤其是非结构化数据确实是有奇效的。包括人工智能技术在内的所有分析技术,一般统称为大数据分析。而大数据领域的其他技术分支,比如存储,计算,调度,管理,安全,数据库等,和人工智能关系不大,或者说还没有大规模应用人工智能技术。另一方面,数据分析是大数据技术中对企业用户最可见的部分,也是企业用户最关心的部分,人工智能又是数据分析中比较新的概念。这导致宣传上往往将人工智能作为大数据的核心技术来展示。

广义的人工智能在大数据领域已经是必备的功能,在主要的大数据厂商产品中已经集成了。而且,经过一年多的启发教育,企业用户尤其是有海量数据的用户也要求人工智能能力作为基本特性。所以说,人工智能能力是大数据产品的及格线。

人工智能和云计算

人工智能也往往和云计算概念一起出现。和大数据类似,人工智能和云计算并不等同或存在包含关系。云计算解决了大规模人工智能计算的基础架构问题,降低了普通用户接触和使用人工智能的门槛,为人工智能目前的爆发局面做了铺垫。可以说云计算扫平了人工智能普及的障碍,是现代人工智能流行的温床和必备环境。而相辅相成的,人工智能是云计算的抓手,本身消耗大量网络存储计算等资源,并推动大量云上应用出现,下面数年内将是促进云计算发展的主要动力。人工智能也是云计算和其他各种新兴领域的纽带,包括自动车,智能家居,智能物流,智能制造等。云计算用户必然要求各种人工智能能力。可以说,人工智能是云计算的必备能力,是及格线。没有人工智能能力,云计算是瘸腿走路,步履蹒跚。只做云计算而不作人工智能的话,是抓牛尾巴的行为。

[1]这里不详细区分机器学习和人工智能。目前通俗意义上的人工智能就指机器学习。机器学习领域除了深度学习,其他还有基于知识和规则的专家系统等。

0/500

请输入评论内容
提交评论

最新评论0

    查看更多评论

      评分成功!

      提交成功!

      评分失败!

      提交失败!

      请先填写评论!