2351
即將告別五味雜陳的2022年，站在AI產(chǎn)業(yè)的角度去回顧、總結(jié)，今年很想做一篇“不一樣”的內(nèi)容。
我們追尋了很多AI的超能力，AI的賦能作用，AI的智能價(jià)值……那么，有哪些事情是AI做不了的？可能是因?yàn)榧夹g(shù)還需要突破，這是我們未來(lái)的創(chuàng)新點(diǎn)；可能是因?yàn)閼?yīng)用需求還不成熟，需要時(shí)間沉淀和產(chǎn)業(yè)界的共同努力；可能是因?yàn)槌杀静粔蚪?jīng)濟(jì)，還需要在商業(yè)落地環(huán)境中進(jìn)一步打磨；也可能，確實(shí)存在一些AI在短期內(nèi)甚至長(zhǎng)期來(lái)看都無(wú)法替代的領(lǐng)域……
只有找到產(chǎn)業(yè)的剛需，找到AI的自驅(qū)力，看到AI應(yīng)用的邊界，明白AI的“有所為”和“有所不為”，我們對(duì)于AI的理解，以及對(duì)于AI落地的動(dòng)力和方向才會(huì)更為清晰。
在這篇年終特寫(xiě)中，<與非網(wǎng)>對(duì)話幾位AI產(chǎn)業(yè)人士，他們之中有工程師、有企業(yè)高管、有剛參加工作的新人，也有大廠出身抽離AI的資深人士……從另一個(gè)角度，他們解讀了AI。
AI變強(qiáng)，成敗蕭何
湯煒偉從事人工智能芯片及相關(guān)產(chǎn)品的開(kāi)發(fā)落地工作，對(duì)于“AI的智能價(jià)值，以及AI賦能行業(yè)的價(jià)值”，他的理解是，AI賦能行業(yè)——本質(zhì)上是生產(chǎn)力的提升，俗稱“降本增效”，在行業(yè)中提升生產(chǎn)效率，或者節(jié)省成本、釋放人力。
這一輪AI的爆發(fā)，如果從2016的AlphaGo算起，也有六七年時(shí)間了。這些年里，大量的AI技術(shù)爆發(fā)并得到了應(yīng)用，如互聯(lián)網(wǎng)、安防、消費(fèi)電子、機(jī)器人、智能制造等?！斑@是一次新的生產(chǎn)力革命，在不同領(lǐng)域的降本增效都有著不俗表現(xiàn)，也催生了很多商業(yè)模式和創(chuàng)業(yè)公司的出現(xiàn)”，湯煒偉表示。
他列舉了大家都熟悉的例子，如：計(jì)算機(jī)視覺(jué)中的人臉識(shí)別、車(chē)輛識(shí)別技術(shù)，這些應(yīng)用達(dá)到了大體量的大型底庫(kù)下的高識(shí)別率——這就相當(dāng)于用計(jì)算機(jī)和機(jī)器部署了很多雙“慧眼”和后臺(tái)對(duì)應(yīng)的“記憶力”和“智腦”，替代了警察、保安等人為的繁重工作，并且顯著提高了安全保障效率。
再比如工業(yè)機(jī)器視覺(jué)，在生產(chǎn)線上以高速攝像頭加上AI智能識(shí)別，相比于傳統(tǒng)上人工判斷生產(chǎn)缺陷的方式，帶來(lái)了多倍的生產(chǎn)效率提升，并且避免了人為的疲勞帶來(lái)的誤判，充分發(fā)揮了機(jī)器的高準(zhǔn)確率，以及在相對(duì)單調(diào)的任務(wù)上不知疲倦的特性等。
此外還有互聯(lián)網(wǎng)推薦，如抖音、快手等短視頻推薦，對(duì)于用戶的娛樂(lè)體驗(yàn)帶來(lái)了無(wú)以倫比的感受。讓用戶沉浸于此的重要原因，就是推薦的內(nèi)容和用戶的心理、愛(ài)好等越來(lái)越高的匹配度，這背后是推薦算法越來(lái)越優(yōu)化的表現(xiàn)。
“然而，任何的單一技術(shù)都存在局限性和應(yīng)用的邊界”，湯煒偉指出。這一輪AI技術(shù)浪潮以深度神經(jīng)網(wǎng)絡(luò)為核心，它師承歷史的聯(lián)接學(xué)派，以設(shè)計(jì)不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)表達(dá)智能的能力。
那么，在這樣一種發(fā)展背景下，AI如何承上啟下，實(shí)現(xiàn)更強(qiáng)的AI？
湯煒偉表示，“產(chǎn)業(yè)界和學(xué)術(shù)界有一種觀點(diǎn)，未來(lái)的AI智能技術(shù)也許是綜合了多種技術(shù)的組合，或者是一種全新的技術(shù)的顛覆才能帶來(lái)更強(qiáng)的AI。”
回歸到神經(jīng)網(wǎng)絡(luò)發(fā)展的三要素：數(shù)據(jù)、算法、算力，它們既成就了深度學(xué)習(xí)技術(shù)，其實(shí)也在一定程度上限制了AI的發(fā)展。
首先是數(shù)據(jù)，在神經(jīng)網(wǎng)絡(luò)的很多應(yīng)用領(lǐng)域需要海量的數(shù)據(jù)（可能是百萬(wàn)級(jí)甚至千萬(wàn)級(jí)），然而，并不是所有行業(yè)都能輕松獲得這樣量級(jí)的數(shù)據(jù)。數(shù)據(jù)要么是難以獲得（如人臉數(shù)據(jù)涉及隱私），要么是標(biāo)注成本極高（如醫(yī)療影像數(shù)據(jù)的標(biāo)注具有極高的專業(yè)度，醫(yī)生的專業(yè)時(shí)間則意味著極高成本），要么數(shù)據(jù)本身就是小數(shù)據(jù)（如工業(yè)元器件的表面缺陷，沒(méi)有海量的數(shù)據(jù)）。 這些都給“數(shù)據(jù)”帶來(lái)了越來(lái)越多的挑戰(zhàn)，迫使大家采用數(shù)據(jù)增強(qiáng)、對(duì)抗網(wǎng)絡(luò)等方法來(lái)解決或者緩解數(shù)據(jù)相關(guān)問(wèn)題。
其次是算法，深度神經(jīng)網(wǎng)絡(luò)的參數(shù)量越來(lái)越大，如GPT-3的1750億參數(shù)，這樣海量規(guī)模的算法的訓(xùn)練和收斂、數(shù)據(jù)輸入輸出，以及算法的部署等，都帶來(lái)了很大的成本挑戰(zhàn)。這其中包括顯性的算力、存儲(chǔ)、網(wǎng)絡(luò)等成本，也包括工程師的學(xué)習(xí)、熟悉、調(diào)試等大量的學(xué)習(xí)和開(kāi)發(fā)成本。
第三是算力，雖然在眾多硬件廠商和生態(tài)圈的共同努力下，算力的單位成本在不斷下降。但是，應(yīng)對(duì)超大模型的算力成本，仍然是極為高昂的，如GPT-3，訓(xùn)練一次的成本可能高達(dá)數(shù)百萬(wàn)美金。這樣高昂的成本，潛在將眾多資金不足的創(chuàng)業(yè)型公司攔在門(mén)檻之外，阻礙了他們應(yīng)用和發(fā)展大模型的能力。
除了三要素，湯煒偉認(rèn)為還有一點(diǎn)——就是當(dāng)前的AI系統(tǒng)，對(duì)于環(huán)境感知的復(fù)雜性、對(duì)于智能處理分析和推理的綜合準(zhǔn)確性的提升，還有很大的提升空間。
例如環(huán)境感知的復(fù)雜性：在逆光、暗光等光線不佳情況下，難以獲得目標(biāo)的清晰圖像，自然很難得到神經(jīng)網(wǎng)絡(luò)的正常處理。再比如智能處理分析的完備性，如：智能門(mén)鎖貓眼觀察到的外部人員，如何判斷他是想進(jìn)門(mén)，還是經(jīng)過(guò)，亦是徘徊或者有破壞等不良意圖，這些都有待于多種傳感器、更聰明的算法和軟件邏輯的組合技術(shù)去進(jìn)一步突破。
此外，AI系統(tǒng)依賴于“數(shù)據(jù)/經(jīng)驗(yàn)”，會(huì)導(dǎo)致它對(duì)沒(méi)見(jiàn)過(guò)的corner case難以處理?！斑@方面可以舉出很多例子，如掃地機(jī)對(duì)于纖細(xì)型電源線的難以識(shí)別，自動(dòng)駕駛系統(tǒng)對(duì)于一些交通意外的難以理解和識(shí)別等”，湯煒偉表示，“如果要探討AI的‘不可為’，其實(shí)是有時(shí)間和空間的限制的，云端AI越來(lái)越強(qiáng)大，就像最近很火的chat GPT，但在端側(cè)想實(shí)現(xiàn)這種實(shí)時(shí)性的互動(dòng)，難度還是很大的。既要看到現(xiàn)在所處的現(xiàn)實(shí)，也要從‘不起眼’的突破中找到變強(qiáng)的力量”。
語(yǔ)音應(yīng)用駛?cè)肷钏畢^(qū)，持續(xù)拷問(wèn)商業(yè)化能力
深聰智能董事長(zhǎng)周偉達(dá)表示，人工智能確實(shí)受到了很大的關(guān)注，也取得了一定的成果。對(duì)于“AI的不可為”，他從宏觀和微觀兩個(gè)角度分享了自己的洞察。
從宏觀角度來(lái)看，需要明確AI在當(dāng)前承擔(dān)的角色，它被人類創(chuàng)造并服務(wù)于大眾生活、企業(yè)增效。在這一進(jìn)化過(guò)程中，它雖然不斷進(jìn)行著升級(jí)和完善，但始終無(wú)法進(jìn)行有效的道德判斷和情感思考，相對(duì)于真實(shí)的人類而言，它依舊有些“高冷”。
從微觀角度來(lái)看，從人工智能行業(yè)的落地來(lái)看，對(duì)“不可為”的這種看法或許來(lái)自目前的商業(yè)化落地程度，這也是整個(gè)行業(yè)和產(chǎn)業(yè)都在關(guān)注的問(wèn)題。
深聰智能作為思必馳旗下的語(yǔ)音芯片設(shè)計(jì)公司，正面臨著智能語(yǔ)音應(yīng)用駛?cè)肷钏畢^(qū)的局面，一方面需要在場(chǎng)景端進(jìn)行商業(yè)化拓展，另一方面仍需在技術(shù)領(lǐng)域繼續(xù)投入，來(lái)適應(yīng)復(fù)雜場(chǎng)景的需求?！吧虡I(yè)化探索”是智能語(yǔ)音繼續(xù)向前發(fā)展需要解決的一個(gè)問(wèn)題，既需要與傳統(tǒng)產(chǎn)業(yè)融合，又需要解決新興市場(chǎng)剛需和產(chǎn)品方案的配套問(wèn)題。
不管是傳統(tǒng)還是新興應(yīng)用領(lǐng)域，商業(yè)化的探索并不容易，特別是要在多個(gè)行業(yè)同步推進(jìn)的情況下，基于技術(shù)構(gòu)建系統(tǒng)解決方案的能力、渠道能力、實(shí)現(xiàn)精準(zhǔn)卡位的能力、持續(xù)盈利的能力……對(duì)智能語(yǔ)音的落地都至關(guān)重要。
此外，在芯片與算法融合發(fā)展的趨勢(shì)下，如何研發(fā)出更高性能、更低功耗的語(yǔ)音芯片；以及在多模態(tài)融合發(fā)展的態(tài)勢(shì)下，如何進(jìn)一步挖掘市場(chǎng)需求和底層技術(shù)能力，都是智能語(yǔ)音企業(yè)構(gòu)筑競(jìng)爭(zhēng)壁壘的關(guān)鍵。
目前，深聰智能語(yǔ)音芯片已經(jīng)在黑白電、小家電、車(chē)載硬件、會(huì)議辦公設(shè)備等多個(gè)場(chǎng)景得到了應(yīng)用，不僅為大眾生活提供了語(yǔ)音交互體驗(yàn)，也為企事業(yè)單位提供了降本增效的服務(wù)，應(yīng)用邊界在逐步拓寬。
放眼整個(gè)AI領(lǐng)域也是如此，很多企業(yè)都在打通各類資源，協(xié)同上下游產(chǎn)業(yè)，都在為AI技術(shù)的落地和應(yīng)用不斷努力。周偉達(dá)樂(lè)觀認(rèn)為，現(xiàn)在的“不可為”，在未來(lái)一段時(shí)間會(huì)變?yōu)椤按笥锌蔀椤?，這意味著市場(chǎng)空間將會(huì)帶來(lái)不錯(cuò)的機(jī)遇。同時(shí)，作為AI領(lǐng)域的從業(yè)者，作為技術(shù)型企業(yè)，通過(guò)協(xié)同上下游的產(chǎn)品需求、方案優(yōu)化、實(shí)踐部署等環(huán)節(jié)，可以加速AI的商業(yè)化落地和應(yīng)用。
開(kāi)放環(huán)境下，AI推理仍需突破
保險(xiǎn)行業(yè)正處在數(shù)字化轉(zhuǎn)型的關(guān)口，嘗試用各種科技智能手段降本增效。車(chē)險(xiǎn)理賠領(lǐng)域，兼具理賠業(yè)務(wù)本身的流程規(guī)范和定核損環(huán)節(jié)智能化程度有待提升的特點(diǎn)，使得行業(yè)人士認(rèn)為，可以嘗試用AI解決一些共性問(wèn)題，例如通過(guò)圖像/視頻理賠，盡量減少人工，提高效率。
當(dāng)前的理賠流程是，理賠人員需要人工確認(rèn)車(chē)輛損失、審核必要證件，所以為了提高效率，行業(yè)嘗試用AI視覺(jué)來(lái)充當(dāng)人的眼睛和大腦，一個(gè)核心的攻關(guān)場(chǎng)景就是智能定損。
劉金龍是中國(guó)人保的一名AI算法工程師，在他看來(lái)，“對(duì)于開(kāi)放環(huán)境的事件處理，AI是缺乏原理理解能力的，因此對(duì)于無(wú)法窮舉的開(kāi)放場(chǎng)景工作任務(wù)，目前還是難以勝任的?！?/p>
這背后的邏輯是——人工智能是一定規(guī)則下的智能，而開(kāi)放環(huán)境打破了特定的規(guī)則，由于開(kāi)放環(huán)境的數(shù)據(jù)來(lái)源不穩(wěn)定，一旦出現(xiàn)特征不足的數(shù)據(jù)，就難以智能起來(lái)。
以車(chē)險(xiǎn)理賠場(chǎng)景的一個(gè)實(shí)際事件為例。當(dāng)前都是通過(guò)圖像實(shí)現(xiàn)車(chē)輛的定損操作，但圖像是由車(chē)主或修理廠人員拍攝的，難免出現(xiàn)不規(guī)范操作，如果圖像拍攝得過(guò)于局部，AI就無(wú)法判斷損傷所述部件（如下圖）。這時(shí)，AI就可能會(huì)給出一個(gè)很混亂的結(jié)果，無(wú)法非常準(zhǔn)確地完成任務(wù)。
究其主要原因，還是因?yàn)閳?chǎng)景非常開(kāi)放、圖像來(lái)源沒(méi)有約束性，一旦出現(xiàn)AI未學(xué)習(xí)過(guò)（數(shù)據(jù)特征不足）的情形，AI便“不可為”。 劉金龍表示，“AI完成工作的前提是：預(yù)設(shè)規(guī)則，對(duì)于無(wú)法窮舉所有規(guī)則的事件就會(huì)表現(xiàn)出不夠智能的一面，主要還是因?yàn)锳I對(duì)于開(kāi)放環(huán)境中基于原理的推理能力是不足的。”
除此之外，劉金龍認(rèn)為在需要投入感情（情感）的工作方面，還只能作為一種輔助工具來(lái)運(yùn)用。
例如教書(shū)育人，需要教師用心、用情去認(rèn)知每一個(gè)學(xué)生，然后根據(jù)不同學(xué)生的特點(diǎn)，用不同的方法引導(dǎo)學(xué)生打開(kāi)心中疑問(wèn)；教師也需要以身作則，幫助學(xué)生樹(shù)立正確的價(jià)值觀、人生觀。同時(shí)，教育需要理解事物的原理，剖析其中的真諦，但AI目前是只接受結(jié)果不可解釋過(guò)程的一項(xiàng)技術(shù)，是無(wú)法把事物的本質(zhì)展現(xiàn)給學(xué)生的。而學(xué)生學(xué)習(xí)的目的卻是理解事物的本質(zhì)，進(jìn)而舉一反三、融會(huì)貫通。
其次在老年人的陪護(hù)方面，需要一個(gè)有情感的人去交流、去陪伴，而不是冷冰冰的機(jī)器人的簡(jiǎn)單對(duì)話，或是機(jī)械地輔助自理生活。
再比如法律工作，“法律無(wú)情，人有情”，在處理法律工作的過(guò)程中并不全部是依據(jù)法律條文一一定責(zé)的過(guò)程，而是法律、事實(shí)和情感的交互過(guò)程，進(jìn)而交融出一個(gè)合理的結(jié)果。
“以上都不僅僅是經(jīng)驗(yàn)主義，也不是程序化工作，也沒(méi)有辦法數(shù)字化。因此，這些目前均不適合AI來(lái)獨(dú)立完成”， 劉金龍說(shuō)道。
寫(xiě)在最后
我們向往AI更智能，幫助我們“躺平”。但正如本文三位產(chǎn)業(yè)人士所探討，從AI本身的原理和特性、AI落地的商業(yè)化探索，AI與實(shí)際場(chǎng)景交融的短板來(lái)看，總還是有那么一些“不可為”。
就像萬(wàn)里星光中，還尚且朦朧的點(diǎn)滴光亮，照亮了AI的真相和方向。
下載ECAD模型
