人工智能技術(shù)在2018年發(fā)展趨勢的共性
步入2018年，技術(shù)表現(xiàn)出兩個共同特點(diǎn)：智能和自動化。 2017年形成的許多技術(shù)趨勢在2018年仍將繼續(xù)：互聯(lián)設(shè)備、數(shù)字化轉(zhuǎn)型、物聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)、人工智能和自動化。這些熱點(diǎn)話題仍隸屬2018以及之后最流行的科技詞匯，其實(shí)質(zhì)性差異在于技術(shù)的融合。AI和IoT本身就具有變革性，現(xiàn)在可以想象，人工智能互聯(lián)將促進(jìn)互連和自動化世界的數(shù)字化轉(zhuǎn)型。
一、智能
如果想實(shí)現(xiàn)智慧工廠、智慧城市、智能汽車和智能家庭，那么支持系統(tǒng)也要智能化。人工智能在過去取得重大進(jìn)步得益于有監(jiān)督深度學(xué)習(xí)的支持：訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)執(zhí)行特定的單一任務(wù)。所謂學(xué)習(xí)被監(jiān)督，指已經(jīng)提供大量的樣例給算法，且其被告知正確答案。這種深度學(xué)習(xí)十分強(qiáng)大，可以構(gòu)建超出人類能力的系統(tǒng)。斯坦福大學(xué)科學(xué)家訓(xùn)練了一種診斷皮膚癌的神經(jīng)網(wǎng)絡(luò)，準(zhǔn)確性達(dá)到執(zhí)證皮膚科醫(yī)生的診斷水平。訓(xùn)練過程所用的醫(yī)學(xué)圖像超過129,000張。 人的學(xué)習(xí)方法不同，我們不需要如此大量的數(shù)據(jù)。另一方面，機(jī)器處理數(shù)據(jù)的速度比我們快得多。因此，訓(xùn)練算法往往比訓(xùn)練人類專家更快。其中一個限制因素是需要為大量高質(zhì)量訓(xùn)練數(shù)據(jù)提供正確標(biāo)簽。現(xiàn)在，我們看到學(xué)習(xí)速度更快、所需數(shù)據(jù)更少、表現(xiàn)極為出色的無監(jiān)督學(xué)習(xí)系統(tǒng)。從2018年開始，我們將看到基本不需要監(jiān)督的增強(qiáng)學(xué)習(xí)系統(tǒng)—超越游戲規(guī)則。 供應(yīng)鏈優(yōu)化、客戶交互、預(yù)測性維護(hù)、數(shù)據(jù)中心運(yùn)維和樓宇自動化是基于規(guī)則的系統(tǒng)應(yīng)用領(lǐng)域中的幾個案例。現(xiàn)在應(yīng)用這些規(guī)則來迅速訓(xùn)練系統(tǒng)來比利用人為生成的邏輯要強(qiáng)。對監(jiān)督算法訓(xùn)練的優(yōu)化投入了巨大努力，如今，焦點(diǎn)轉(zhuǎn)向如何優(yōu)化無監(jiān)督方法與現(xiàn)實(shí)模式關(guān)聯(lián)，在復(fù)雜的環(huán)境中采取最佳行動。
二、自動化
如果可以自動執(zhí)行任務(wù)或流程，人們一定會采用這種方法。自動化不僅在于使人能夠?qū)⒕杏诟邇r值的任務(wù)，而且可以提高運(yùn)營效率和重復(fù)性。自動化已成為不可或缺的技術(shù)。我們生活在大數(shù)據(jù)時代，數(shù)據(jù)量一直在不斷增加并被物聯(lián)網(wǎng)放大。分析是獲得洞察和創(chuàng)造物聯(lián)網(wǎng)價值的關(guān)鍵所在。分析自動化已成為解決大量數(shù)據(jù)驅(qū)動問題的必要手段。
機(jī)器學(xué)習(xí)和人工智能是幫助實(shí)現(xiàn)自動化的技術(shù)。這讓很多人略感不安：人們不會對只需少量技能以及基本上不需要培訓(xùn)的簡單任務(wù)進(jìn)行自動化。街頭公告員這個職業(yè)早已沒有了。如今，自動化針對的是需要對人進(jìn)行廣泛培訓(xùn)的崗位—例如法律助理和醫(yī)療專業(yè)人員。人們對機(jī)器學(xué)習(xí)和人工智能的信任還沒有達(dá)到對其它自動化技術(shù)的信任程度——人人都信任復(fù)印機(jī)或傳真機(jī)。機(jī)器學(xué)習(xí)和人工智能系統(tǒng)無法解釋它們是如何工作以及做出決策是主要的信任障礙。 人們有時會把自動與自主混為一談。自動化任務(wù)不是代替人類做決定，人類仍然可以保持控制權(quán)。事實(shí)上，人們還沒有準(zhǔn)備好改變他們與數(shù)學(xué)和邏輯之間的關(guān)系。人們喜歡自己能夠理解并加以整理的邏輯。軟件利用計(jì)算機(jī)系統(tǒng)以人們已知的方式去處理信息，因?yàn)檫@是他們編寫的代碼。當(dāng)出現(xiàn)錯誤時，人們可以調(diào)試并糾正邏輯。
正因?yàn)樗惴ǖ膶W(xué)習(xí)方式與人不同，因此人工智能對事物的看法也不同。它們可以看到人類觀察不到的關(guān)系和模式。正如Tom Gruber在其TED演講中指出，我們應(yīng)該討論的是機(jī)器和算法如何使我們變得更聰明，而不是我們?nèi)绾问箼C(jī)器變得聰明。也許我們不會讓算法自主運(yùn)行供應(yīng)鏈，而是期待它提出下一步行動的建議。這種建議可能會讓我們大吃一驚。 像所有技術(shù)一樣，AI是輔助技術(shù)。也許在2018年，我們將不再只把AI看成是 “虛擬人工智能”，而將它作為一種“輔助信息”技術(shù)。