77
人工智能是一項(xiàng)革命性技術(shù)，它不光在競技方面打破了世界記錄，未來會影響我們生活的方方面面。經(jīng)過幾年的發(fā)展，在安防監(jiān)控、語音交互、醫(yī)療行業(yè)已經(jīng)開始落地，語音識別、人臉識別、自動醫(yī)療監(jiān)控已經(jīng)越來越多地進(jìn)入我們的生活。根據(jù)中商產(chǎn)業(yè)研究院的統(tǒng)計(jì)數(shù)據(jù)，2018 年中國人工智能市場規(guī)模約為 238.2 億元，增長率達(dá)到 56.6%。預(yù)計(jì) 2019 年，中國人工智能市場規(guī)模將近 280 億元。
在近期舉辦的 MATLAB 技術(shù)大會上，MathWorks 首席戰(zhàn)略師 Jim Tung 以“超越智‘我’”為主題發(fā)表了演講，他分析，人工智能在提高生產(chǎn)率方面有巨大的潛力， McKinsey 預(yù)測 AI 到 2030 年會創(chuàng)造 13 萬億美元的價(jià)值，但是很多人工智能項(xiàng)目也面臨走向失敗的風(fēng)險(xiǎn)，比如：數(shù)據(jù)太多、數(shù)據(jù)不足、工具不完整、無法與其它系統(tǒng)交互等因素。他認(rèn)為，人工智能不僅是算法的智能，還需要在洞見、實(shí)現(xiàn)和交互三個(gè)方面做出努力。
Jim 舉了改進(jìn)新西蘭的乳制品加工的例子，從鮮奶到奶粉的生產(chǎn)過程中，提取數(shù)據(jù)，建立 AI 模型，盡早檢測出缺陷產(chǎn)品。由于同一工廠每年的狀況完全不同，需要為每個(gè)工廠建立一個(gè)單獨(dú)的模型，而且工廠的經(jīng)營狀態(tài)每年都在改變，奶粉松密度預(yù)測不正確，這是因?yàn)槿狈ψC據(jù)的假設(shè)得以證實(shí)。
他總結(jié)，要想在人工智能方面取得成功，我們必須將人工智能模型與科學(xué)和工程的洞見相結(jié)合，伴隨可跨科學(xué)與工程和數(shù)據(jù)科學(xué)的工具，使用跨越整個(gè)設(shè)計(jì)流程的工具鏈，設(shè)計(jì)如何集成系統(tǒng)并在他們的環(huán)境中進(jìn)行交互。
MathWorks 首席戰(zhàn)略師 Jim Tung
在接受媒體采訪的環(huán)節(jié)，Jim 就 AI 領(lǐng)域中增強(qiáng)學(xué)習(xí)的實(shí)現(xiàn)、仿真驗(yàn)證和真實(shí)場景中關(guān)系，以及工作流程和創(chuàng)新的關(guān)系等問題作了討論。
增強(qiáng)學(xué)習(xí)是人工智能的一個(gè)分支
在本次大會上，Mathworks 還強(qiáng)調(diào)了 AI 領(lǐng)域的一個(gè)重要分支，那就是增強(qiáng)學(xué)習(xí)（Reinforcement Learning），它通過 trial 或者 error 進(jìn)行學(xué)習(xí)，完成復(fù)雜的任務(wù)。Jim 認(rèn)為，增強(qiáng)學(xué)習(xí)并不是要把機(jī)器學(xué)習(xí)算法或者深度學(xué)習(xí)算法做一個(gè)強(qiáng)化版本，它只是機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)的一個(gè)分支。針對機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)，傳統(tǒng)的做法是將帶標(biāo)簽的數(shù)據(jù)放進(jìn)去，訓(xùn)練出一個(gè)模型，這需要人工準(zhǔn)備數(shù)據(jù)和標(biāo)簽，但是很多場景無法準(zhǔn)備足夠的數(shù)據(jù)，比如，復(fù)雜的圖像處理，很難通過對行為做標(biāo)簽提供足夠的數(shù)據(jù)。
增強(qiáng)學(xué)習(xí)本質(zhì)上是一個(gè)反饋系統(tǒng)，他是另外一種學(xué)習(xí) AI 的手段?？梢允窃鰪?qiáng)通用機(jī)器學(xué)習(xí)算法，也可以增強(qiáng)深度學(xué)習(xí)算法，不需要通過大量數(shù)據(jù)訓(xùn)練模型，而是創(chuàng)造一個(gè)環(huán)境，設(shè)立懲罰機(jī)制，如果實(shí)現(xiàn)既定目標(biāo)給予獎勵，如果沒有實(shí)現(xiàn)既定目標(biāo)給予處罰。Jim 強(qiáng)調(diào)，“它在本質(zhì)上是一個(gè)優(yōu)化問題，在增強(qiáng)學(xué)習(xí)的場景之下，他可以根據(jù)外界的輸入進(jìn)行調(diào)整，根據(jù)懲罰或者獎勵去優(yōu)化最終的目標(biāo)，它的目標(biāo)是得到更多的獎勵、最少的懲罰，這是增強(qiáng)學(xué)習(xí)的目標(biāo)。因此，增強(qiáng)學(xué)習(xí)是學(xué)習(xí)模型的一種。
仿真驗(yàn)證和真實(shí)場景驗(yàn)證相輔相成
在使用方針的過程中，用戶最大的擔(dān)心是仿真數(shù)據(jù)是否能夠代替真實(shí)場景獲取的數(shù)據(jù)？以自動駕駛汽車為例，因?yàn)閷?shí)際路況非常復(fù)雜，需要自動駕駛汽車長時(shí)間上路測試，積累應(yīng)對各種突發(fā)事件的處理機(jī)制，從而確保自動駕駛系統(tǒng)的安全?，F(xiàn)在可以通過 MATLAB 生成仿真數(shù)據(jù)注入自動駕駛系統(tǒng)，從而對實(shí)際上路測試的數(shù)據(jù)進(jìn)行補(bǔ)充，需要考慮的是仿真數(shù)據(jù)能否覆蓋所有真實(shí)場景？
Jim 解釋，“仿真最大的好處就是即使在沒有真實(shí)系統(tǒng)的情況下，系統(tǒng)還可以通過仿真產(chǎn)生上百萬、上千萬的數(shù)據(jù)，在大規(guī)模的集成運(yùn)算環(huán)境里進(jìn)行仿真。而且通過仿真可以產(chǎn)生現(xiàn)中很難遇到的問題，也可以通過仿真把真實(shí)的測量數(shù)據(jù)導(dǎo)入 MATLAB 進(jìn)行驗(yàn)證，因此真實(shí)場景和純粹仿真模型可以相結(jié)合。如果仿真中含有真實(shí)場景數(shù)據(jù)，我們可以從真實(shí)數(shù)據(jù)驗(yàn)證仿真的真實(shí)性，另外，在仿真模型中混入真實(shí)場景數(shù)據(jù)可以評估已經(jīng)遇到的場景，同時(shí)可以創(chuàng)造出未來可能遇到的場景?！?/p>
通過 Jim 的解釋不難理解，仿真可以補(bǔ)充真實(shí)場景無法測量到的數(shù)據(jù)，真實(shí)場景也可以驗(yàn)證仿真數(shù)據(jù)的可信程度，兩者相輔相成讓 AI 系統(tǒng)更完善。
工作流程是創(chuàng)新落地的必要條件
MathWorks 對深度學(xué)習(xí)的支持不只是技術(shù)點(diǎn)，而是整個(gè)工作流程，從算法到應(yīng)用部署，都有相應(yīng)的工具。關(guān)于對工作流程的支持，Jim 認(rèn)為，流程是把一個(gè)創(chuàng)新實(shí)現(xiàn)的過程，如果沒有算法來支撐的話，就等于是沒有創(chuàng)新的內(nèi)容。如果把算法看作是一種創(chuàng)新，流程是把創(chuàng)新落地的要素，兩者無法脫節(jié)。
在 AI 領(lǐng)域，工作流程尤其重要，Jim 表示，MathWorks 更關(guān)注在如何把 AI 的想法更快地落實(shí)到真實(shí)的系統(tǒng)里面。工作流程更關(guān)注團(tuán)隊(duì)的協(xié)作認(rèn)知，Mathworks 可以更快地把一些 AI 算法在產(chǎn)品上得到實(shí)現(xiàn)。
毋庸置疑，AI 在未來世界中充當(dāng)越來越重要的角色，人臉識別、智能語音交互已經(jīng)得到應(yīng)用，AI 還在尋找更多落地點(diǎn)，Jim 認(rèn)為，讓 AI 和工程相結(jié)合是目前 AI 最大的挑戰(zhàn)也是最大的機(jī)遇。
與非網(wǎng)原創(chuàng)內(nèi)容，未經(jīng)允許，不得轉(zhuǎn)載！
?
