24
?
若問 2017 年感受最深的是什么，作為科技媒體人的我會說：AI 熱。在政策的推動下，這場由應用驅動的 AI 熱，似乎也在“催熟”其背后的技術。
毫無疑問，人工智能將滲透進各個領域的各個應用中，而未來十年是人工智能落地的關鍵期，那么找到最先落地的突破口成為關鍵。
透過近兩年的市場情況，我們看到了智能語音市場的火爆，看到了人臉識別即將成為下一個戰(zhàn)場。AI 在生物識別領域蔓延著，這也成為全球互聯(lián)網巨頭關注的焦點與角逐的戰(zhàn)場。我們似乎可以得出一個結論，生物識別成為了 AI 最先落地的重要突破口之一。
12 月 15 日，園區(qū)金雞湖智庫和與非網聯(lián)合舉辦了以“新交互，新未來”為主題的技術沙龍活動，科大訊飛蘇州研究院院長支洪平、蘇州邁瑞微電子有限公司市場總監(jiān)袁聰、西交利物浦大學電子與電氣工程系主任黃開竹教授分別帶來不同主題的演講，對 AI 與生物識別進行了深入解讀。
AI，從感知到認知
人工智能的歷史使命就是將人類從繁重的腦力勞動中解放出來。如今，我們所感受到的 AI 浪潮是經歷了兩次“冬天”之后的第三次爆發(fā)。
從 2016 年的人“狗”圍棋之戰(zhàn)到《西部世界》，再到智能音箱，忽如一夜春風來，AI 應用遍地開。
熱潮下的真相是什么？要如何理性的看待 AI 的第三次爆發(fā)呢？本次沙龍活動上，三位嘉賓從學術與產業(yè)的角度對本問題進行了解讀。
人工智能三階段
計算智能
使得機器能夠像人類一樣進行計算，諸如神經網絡和遺傳算法的出現(xiàn)，使得機器能夠更高效、快速處理海量的數(shù)據。
感知智能
讓機器能聽懂我們的語言、看懂世界萬物。語音和視覺識別就屬于這一范疇，這些技術能夠更好的輔助人類高效完成任務。
認知智能
機器將能夠主動思考并采取行動，實現(xiàn)全面輔助甚至替代人類工作。
支洪平院長表示：語音合成持續(xù)進步超越一般自然人說話水平、語音識別正確率超過速記員水平、智能評測超過人工老師，但現(xiàn)如今的 AI“智能水平”在計算智能方面完勝人類、在感知智能方面與人類媲美、在認知智能方面與人類有差距。
科大訊飛類人答題機器人的 2017 年測試成績充分說明，這是一個“偏科生”，與數(shù)學相關度高的學科得分成績偏高，文科成了難啃的骨頭。
?
黃開竹教授表示：“這是人工智能歷史上最好的時代，但人工智能的時代并沒有到來。”
當前的人工智能離通用人工智能還有很遠的距離。比如對話機器人很熱們，但沒有聽一兩年人類對話錄音就能自己說話的機器；AlphaGo 通過分析數(shù)千局比賽然后又進行更多的自我對弈而“學會”了下圍棋，它打敗了人類，但同樣的程序卻不能用來掌握國際象棋。
人工智能三法寶
當前人工智能主流應用是基于深度學習神經網絡，或者換種說法，以神經網絡為代表的算法由于大數(shù)據結合，通過計算力加持，成為當前主流人工智能的演進路徑。
因此，算法、大數(shù)據、計算力是 AI 成功的三大法寶。
黃開竹教授認為，當前人工智能爆發(fā)實際是應用驅動爆發(fā)，技術欠缺特別是算法欠缺是制約人工智能行業(yè)發(fā)展的現(xiàn)狀和突出問題。當前深度學習的成功更像是暴力計算的成功，比如 AlphaGo 使用了 1920 塊處理器+280 塊 GPU，每小時耗能達到 440 千瓦，而人腦每小時消耗 20 瓦能量。
深度學習之對抗樣本問題
目前，提及 AI 總會聽到一個次“深度學習”，深度學習的發(fā)展帶動了一系列的研究，尤其是在圖像識別領域。在一些標準測試集上的試驗表明，深度模型的識別能力已經可以達到人類的水平。但是，對于一個非正常的輸入，深度模型是否依然能夠產生滿意的結果。
我們先來看結論吧：對抗樣本將會被大多數(shù)當前最好的深度學習分類器識別錯誤！
一個對抗樣本，修改一張熊貓的圖片，讓機器學習模型將它識別成一只長臂猿。
當加入對抗干擾，干擾增大時，AI 識別數(shù)字發(fā)生變化。
人工智能生物識別
目前看，生物識別與 AI 在人臉識別與語音識別方面有了結合，生物識別與 AI 是一種怎樣的關系呢？袁聰先生指出：“生物識別與大數(shù)據有著密不可分的關系，大數(shù)據的最終目的是數(shù)據挖掘，聲、光、電、壓等信息在 AI 看來，只是數(shù)據，并通過機器學習等算法實現(xiàn)識別的功能。”
在蘋果推出只有面部識別功能的 iPhone X 后，“指紋識別是否還有春天”引起了業(yè)內的熱議。袁聰反復強調“安全有界限”，未來趨勢必將是多種生物識別組合的模式，比如指紋識別與虹膜識別相搭配等。
與非網原創(chuàng)內容，未經許可，不得轉載！
