热潮下的冷思考,人工智能即将改变的三大领域

2019-12-30 17:22 来源:辉常观察
浏览量: 收藏:0 分享

  遥想1969年,ARPANET(由美国国防部高级研究计划局ARPA创建)刚刚成立的时候,还只是美国国防部防止苏联打击的冷战产物。谁曾想在随后的半个世纪,由ARPANET转变而来的Internet竟掀起了如此巨大的波澜。同样地,人工智能技术的潜力大家都有目共睹,但未来人工智能可以用来做什么,将会给人类社会带来多大的变革,也在考验我们的想象力。尽管人工智能技术还处在初级发展阶段,但它现有的能力也足以改变众多领域,尤其是那些有着大量数据却无法有效利用的领域。

  本文摘自《人工智能全球格局》,该书得到倪光南、邬贺铨两位院士的共同推荐,这本书由国务院发展研究中心国际技术经济研究所、中国电子学会、智慧芽共同撰写,是一本通俗易懂的人工智能科普读物,从源头上思考人工智能的本质和发展历程,全面解读各国政府、科技巨头的人工智能布局,理性思考、审慎看待我国的人工智能科技和产业实力,讲述了以科技创新领跑世界的中国故事。

  1、人工智能推动基础科学理论突破

  实际上,材料、化学、物理等基础科学领域的研究过程中充满了“大数据”,从设计、实验、测试到证明等环节,科学家们都离不开数据的搜集、选择和分析。

  由于物理、化学或力学规律的存在,这些领域的数据往往都是结构化的、高质量的以及可标注的。人工智能技术(机器学习算法)擅长在海量数据中寻找“隐藏”的因果关系,能够快速处理科研中的结构化数据,因此得到了科研工作者的广泛关注。人工智能在材料、化学、物理等领域的研究上展现出巨大优势,正在引领基础科研的“后现代化”。

  以物理领域为例,人工智能的应用给粒子物理、空间物理等研究带来了前所未有的机遇。为寻找希格斯玻色子(上帝粒子),进一步理解物质的微观组成,欧洲核子研究中心(CERN)主导开发了大型强子对撞机(LHC)。

  LHC是目前世界上最大的粒子加速器,它每秒可产生一百万吉字节(GB)的数据,一小时内积累的数据竟然与Facebook一年的数据量相当。有一些研究人员就想到,利用专用的硬件和软件,通过机器学习技术来实时决定哪些数据需要保存,哪些数据可以丢弃。事实证明,机器学习算法可以至少做出其中70%的决定,能够大大减少人类科学家的工作量。

  尽管人工智能商业化发展更容易受关注,但人工智能在基础科研中的应用,却更加激动人心。因为社会生产力的变革,归根结底在于基础科研的进一步突破。我们或许再也回不到有着牛顿、麦克斯韦和爱因斯坦等科学“巨人”的时代。

  在那个时代,“巨人”们可以凭借着超越时代的智慧,在纸张上书写出简洁优美的定理,或者设计出轰动世界的实验。像这样做出伟大工作的机会或许不多了,在这个时代,更多需要的是通过大量实验数据来获取真理的工作。大到宇宙起源的探索,小到蛋白质分子的折叠,都离不开一批又一批科学家们前赴后继、执着探索。

  人工智能技术的应用,或许能帮助蓝色星球的科学家们摆脱无穷无尽实验的痛苦,加速重大科学理论的发现,将人类文明提升。

    2、人工智能推动社会生产效率快速提升

  人工智能无疑是计算机应用的最高目标和终极愿景:彻底将人类从重复机械劳动中解放出来,让人们从事真正符合人类智能水平、充满创造性的工作。在60年的人工智能发展史中,已经诞生了机器翻译、图像识别、语音助手和个性推荐等影响深远的应用,人们的生活在不知不觉中已经发生了巨大变化。未来,人工智能应用场景进一步延伸,是否能够带来社会生产效率的极大提升,引领人类进入新时代?

  为了探索这一问题,曾在谷歌和百度担任高管的吴恩达于2017年成立了一家立足于解决 AI 转型问题的公司 Landing.ai。吴恩达通过一篇文章和一段视频在个人社交网站上宣布了该公司的成立,并表示希望人工智能能够改变人类的衣食住行等方方面面的生活,让人们从重复性劳动的精神苦役中解脱。

  Landing的中文含义是“落地”,这家公司的目标是帮助传统企业用算法来降低成本、提升质量管理水平、消除供应链瓶颈等等。截至目前,Landing.ai已经选择了两个落地领域,分别是制造业和农业。

image.png

Landing.ai官网页面

  Landing.ai最先与制造业巨头富士康达合作。Landing.ai尝试利用自动视觉检测、监督式学习和预测等技术,帮助富士康向智能制造、人工智能和大数据迈进,提升制造过程中AI应用的层次。

  吴恩达认为,人工智能对制造业带来的影响将如同当初发明电力般强大,人工智能技术很适合解决目前制造业面临的一些挑战,如质量和产出不稳定、生产线设计弹性不够、产能管理跟不上以及生产成本不断上涨等。

  目前,工业互联网、智能制造和工业4.0等概念已经深入人心,传统企业都在向智能化、数据化转型,但生产过程中获取的大量数据如何应用又成了新的问题。Landing.ai与富士康的合作,或许将给传统制造的从业者带来新的启示。

  当然,制造业的核心竞争力还在于制造业本身,比如车床的精度、热处理炉的温度控制能力等等,农业的核心竞争力也在于农业本身,比如育种技术、转基因技术等等。人工智能技术的主要价值在于提升决策能力,进一步提升生产效率,以及降低人的重复性劳动等方面,这就是人工智能为什么可以“赋能”各个行业的原因。

  3、人工智能将有效改善人类的生存空间

  自第一次工业革命以来,人类活动对自然界造成的影响越来越大,日益增长的资源需求使得土地利用情况产生巨大变化,污染愈发严重,生物多样性锐减,人类的生存空间变得越来越恶劣。进入人工智能时代后,怎样更好地利用大数据和机器学习等前沿技术,为环保和绿色产业赋能,成为了政府、科学家、公众以及企业的关注焦点。

  在能源利用方面,谷歌旗下的DeepMind无疑走在了最前面。2016年开始,DeepMind将人工智能工具引入到谷歌数据中心,帮助这家科技巨头节省能源开支。

  DeepMind利用神经网络的识别模式系统来预测电量的变化,并采用人工智能技术操控计算机服务器和相关散热系统,成功帮助谷歌节省了40%的能源,将谷歌整体能效提升了15%。2018年后,DeepMind更是将“触手”伸向了清洁能源领域。我们都知道,风力发电因为有较大的波动性和不可预测性,因而难以并入电网,无法有效利用。

  DeepMind利用天气预报、气象观测等数据训练神经网络模型,可以提供36小时后的风力预测,从而让农场的风力发电变得能够预测。一旦风力发电可以预测,电厂就能有充裕的时间启动需要较长时间才能上线的发电手段,与风力互补。如此一来,风电并网难的问题就可轻松解决。

image.png

  DeepMind预测的风力发电量和实际发电量对比

  在自然环境保护方面,微软的“人工智能地球计划(AI of Earth)”则为大家做出了表率。这一计划于2017年7月启动,旨在借助云计算、物联网和AI技术,保护和维持地球及其自然资源,通过资助、培训和深入合作的方式,向水资源、农业、生物多样性和气候变化等领域的个人和组织机构提供支持。

  例如,“SilviaTerra”项目通过使用Microsoft Azure、高分辨卫星图像和美国林务局的现场数据来训练机器学习模型,实现对森林的监测;“WildMe”项目通过使用计算机视觉和深度学习算法,可对濒临灭绝的动物进行识别;“FarmBeats”项目在户外环境下可以通过传感器、无人机以及其它设备改进数据采集,进而提高农业的可持续性。

  在前三次工业革命中,科学技术进步给人们带来极大生活便利的同时,也带来了气候变化、生物多样性退化、大气与海洋污染等棘手的自然环境问题,人类的生存环境正逐渐变得恶劣。从表面上看,似乎发达经济体的自然环境已经改善了,但这种改善是以转移污染、破坏发展中国家自然环境为代价的,世界整体的自然环境状况依然不容乐观。

  一直以来,人们寄希望于未来的科学技术进步能够解决当下的自然环境问题,而人工智能技术的出现点燃了这一希望。一旦人工智能技术可以加速基础科学理论的突破,实现生产效率的大幅提升,有效改善人类的生存空间,一切发展与自然环境的问题也就迎刃而解。

  4、总结

  站在2019年看人工智能,不免感到几丝寒意。人工智能算法没有明显突破,鲁棒性差、算法黑箱等问题依然突出,部分商业化落地也不及预期,一些专家学者开始担心人工智能将迎来新的“寒冬”。

  但若站在未来回顾人工智能,当前所有的担忧将仅仅是一个个小插曲。即便是目前,人工智能技术的潜力也远远未终结。人工智能即将带来的变革,仍将会超乎大部分人的想象。

  近年来,许多行业都已切实感受到人工智能带来的颠覆,包括金融、制造、教育、医疗和交通等等。但人工智能的价值维度还有很多,加速基础科学研究、提升社会生产效率和改善人类生存空间也只是其中的几个方面,我们不妨先提升一下自己的想象力。人工智能将为人类带来怎样的变革,让我们拭目以待吧!

标签:

责任编辑:bozhihua
在线客服