集微网推出集成电路微信公共号: '天天IC' , 重大新闻即时发布, 天天IC, 天天集微网, 积微成著! 长按 laoyaoic 复制微信公共号搜索添加关注.
1.Google发布会AI优先,整合软硬件及AI欲与苹果有别;
苹果(Apple)秋季新品发表会之后的3个礼拜, Google也在美国时间10月4日于旧金山一口气发表了2款全新Pixel智慧型手机, 大尺寸与小尺寸2种新款Google Home智慧音响, 1款内建Chrome软体的笔记型电脑Pixelbook, 全新VR头盔, 迷你相机Google Clips以及新款无线耳机Pixel Buds等, 其硬体新品之琳琅满目及丰富度, 迥异于以往的Google秋季新品发表会, 在此同时, Google此番新品发表会的呈现也与苹果硬体新品发表会的展现方式截然不同.
对于熟悉苹果硬体发表会的读者来说, 讲台上的苹果高层在介绍新品时, 总是不忘细数着每一个苹果硬体新品里内建关键零组件的规格, 尤其是包括处理器时脉速度, 荧幕解析度等苹果屡屡以为傲的创新精神, 当然, 对于身为苹果供应链的台湾业者听在耳朵里, 无不浮现心有戚戚焉的熟悉感.
然而, 以此番Google新品发表会来看, Google基本上并没有花太多时间在介绍产品规格上, 反而是将焦点放在了人工智慧(AI)上, Google执行长Sundar Pichai在一开场的10分钟谈话中, 光是在解释AI如何帮助Google Maps和Google Translate逐日精进的过程中, 就提到了不下10余次的机器学习(machine learning)一词, 才终于把Google硬体资深副总裁Rick Osterloh, 也是这次Google硬体新品发表会的负责人给介绍出场, 如此滔滔不绝谈论机器学习与AI等议题, 可不是大众一般熟悉的产品发表会呈现.
Pichai强调, 做为一家强调AI优先的企业, Google如今占据着一个独特的时间点, 可以透过整合AI, 硬体及软体来开发新产品; Osterloh也呼应Pichai的谈话, 他认为Google的产品之所以有别于其他竞争对手的地方在于, Google将其在AI的优势实力展现在产品设计哲学的重心上, 可以说AI正驱动着Google的产品装置设计哲学.
而在10月4日的发表会上, Google也一一展示了这一次发表的每一项新品其实已经接受过AI的改造与洗礼. 举例来说, Pixel 2智慧型手机上的影像识别应用程式Google Lens, 只要将相机镜头指向电影海报或是广告上, 就可以帮助手机用户找到相关的资讯; 至于最新的智慧音响Google Home也同样透过AI, 按照所在房间的布局规划来调整其音响效果; 至于最新的无线耳机Pixel Buds更可以支援不同语言的即时翻译服务, 可即时翻译多达40国语言, 与苹果AirPods较量的意味浓厚, 而整合Google翻译的优势下, Google的AI优势展露无遗.
与此相较, 在苹果日前秋季新品发表会上, 或许间有机器学习, 深度学习等数度提及, 但AI这个词汇却未曾被强调, 更别说是AI优先了. 诚然, 这或许也与AI这个词汇多少令人联想起不少负面观感所致, 强调用户个人隐私的苹果, 恐怕也不愿以AI的负面形象来影响品牌声誉, 尽管苹果最新iPhone X内建的A11 Bionic处理器搭载的neural engines神经引擎AI晶片, 业已专属处理指定的机器学习人脸识别等AI运算任务, 即使苹果高举AI大旗打起宣传攻势, 恐怕连Google也要暂时后退以待, 毕竟, 即使连这一次发表会最新的Pixel 2以及Pixel 2 XL还是援引Google云端的AI优势, 还未能在边缘运算的趋势下, 在手机端压过iPhone X的AI晶片进程.
值得注意的是, Google高层注意到的趋势与现象并没有错, 如今想要找出新的硬体方面的突破, 例如更大或更好的荧幕面板等零组件, 恐怕是愈来愈困难了, 因此他们认为未来更明显的突破将会来自于AI软体上的改善, 毕竟, 这个领域发展的脚步远比硬体的零组件来得快得多.
Osterloh指出, 下一次的大跳跃将会发生在AI, 软体和硬体这三者交集的十字路口, 一切都将会从内而外开始, 重新开始想像硬体究竟是什么, 而这其间, AI将会是一大助力. 观诸9~10月苹果与Google这两大科技巨擘的新品发表会, 诚然, AI已然成为不可或缺, 不可忽视的一股力量. DIGITIMES
2.谷歌花4亿英镑下注AI开始有回报 DeepMind创收了;
腾讯科技讯 外媒指出, Alphabet子公司谷歌(微博)周三发布的硬件产品表明, 其所收购的英国人工智能公司DeepMind不仅仅进行理论研究, 而是开始创造收入.
据报道, Alphabet在2014年花费4亿英镑收购DeepMind. DeepMind不断发布有关机器习得的研究成果, 从横扫人类围棋手的软件到具有模仿人类大脑功能的人工智能系统.
DeepMind所取得大部分突破性成功似乎很学术, 要实现商业化通常需要数年甚至几十年的时间. 在DeepMind划归Alphabet的第一年, 其营收为零.
不过, 当谷歌周三在Pixel智能手机, 笔记本电脑以及谷歌家具设备上展示新型数字助手时, 才知道其计算机生成的语言是如此的自然. 谷歌数字助手说话时更像人, 至少在说英语和日语时表现惊艳. 这多亏了DeepMind去年发明一种算法, 而且从研究到全面商业化应用只用了12个月.
当DeepMind去年发布有关语音生成软件WaveNet时, 测试表明人类认为其比现有技术听起来更加自然, 效果至少提升了50%. 不过, 这一方法对于计算能力要求太高, 即使DeepMind自己的研究人员表示, 该系统难以在现实世界中应用.
在过去的一年中, DeepMind发现了一种方式, 可以让WaveNet算法快1000倍, 同时甚至还能产生更加保真的声音. 在人类听者来看, 这种计算机生成的声音几乎可以以假乱真. 这种效率的提升归功于其使用了配置谷歌新型计算机芯片的数据中心, 也令其最终能部署到新型的数字助手中.
DeepMind所取得成果对其未来发展具有积极作用. 自从鲁斯-波拉特(Ruth Porat)在2015年出任谷歌首席财务官以来, 其致力于降低Alphabet运营成本, 这迫使部分谷歌 '不切实际' 的项目寻求盈利之道.
DeepMind虽然还保持独立运营, 但其对于谷歌产品的贡献恰逢其时. 据DeepMind周一向英国有关部门提交的文件显示, 该公司2016年对于Alphabet其他公司的产品和服务所作出的贡献价值4000万英镑, 这也是该公司首次创收.
这只是DeepMind开始为谷歌提供帮助的案例之一. DeepMind还表示, 其为谷歌提供的算法使得其数据中心的能源效率提高15%. 此外, DeepMind还为改善谷歌核心广告产品Adwords做出贡献, 但不愿透露细节.
当然, 招聘这么多人才研究这些算法意味着DeepMind的支出仍远远高于收入. 该公司称, 2016年, 员工以及其他相关成本共计1.04亿英镑.
另据科技博客网站Business Insider报道, DeepMind具体员工数量尚没有一个准确数字, 但介于500人至600人. 假设是600人, 如果不计入其他成本, DeepMind平均年薪为17.5万英镑.
DeepMind是一个高度研究型的组织, 其聘用数十位来自牛津, 剑桥, 斯坦福以及哈佛的博士.
此外, DeepMind去年亏损1.64亿英镑, 较2015年5400万英镑的亏损额显著上升.
3.专访凯文·凯利: AI控制人类可能性如流星撞地球
作为重要的科技观察者, 凯文·凯利所著的《失控》, 《必然》等书有广泛的影响力. 他曾任《连线》 (Wired) 杂志主编, 近年多次往返中美, 就科技趋势发表看法.
在行动教育主办的2017校长型企业家年会上, 第一财经记者独家专访了凯文·凯利. 他认为AI对失业的影响值得关注, 但 'AI控制人类' 看法则多虑了. 尽管科技企业具有强大的影响力, 但凯文·凯利认为科技寡头与工业时代的寡头有显著不同.
AI控制人类可能性如流星撞地球
第一财经: 如何看待谷歌, 微软及阿里巴巴等科技巨头近年来在AI领域的大投入?
凯文·凯利: AI是下一个十年的热点, 这些科技巨头也应该对这一技术保持很大的关心, 与此同时, AI对数据量的要求很大, 也只有这样的公司才有 '关心' AI的能力. 因此, 相对大多数其他公司而言, 科技巨头拥有某种天然的优势, 他们拥有能够驱动AI的 '燃料' , 即大数据.
第一财经: 科技企业是否高估了AI?
凯文·凯利: 他们有足够的现金流来支撑AI的研发, 他们不用靠此赚钱, 仅作为一项支出. 不似年轻的初创企业, 试图找到AI的商业可行性, 这也是这些科技巨头发展AI的优势之一. 我觉得从长期的角度看, AI是被低估的, 而非是被过度炒作的.
第一财经: AI需要大量的数据支持, 您之前提到在AI领域未来会产能2至3家的巨头公司, 那么AI巨头会从目前掌握大数据的科技公司中产生, 还是会诞生于初创公司?
凯文·凯利: 第一轮的 'AI竞赛' 我认为会在目前的前十家巨头中产生, 比如谷歌, Facebook, 百度, 腾讯等. 但如果在下一个阶段中能够发展出不依赖大数据的AI, 那么可以说AI技术取得了革命性的显著进步. 就像人类并不需要大数据去进行感知, 婴幼儿只需要看过十几只猫和狗就能将它们分辨出来, 而机器学习目前则需要几百万只的猫与狗的图片为例进行识别.
第一财经: AI引起了企业界的关注和大量投资, 同时也引发一些担忧. 比如失业, 想请问您对此的看法.
凯文·凯利: 可以从两个方面回答这个问题, 其一是失业率问题, 其二是机器取代人类这方面. 首先人类被AI控制的可能性微乎其微, 介乎于零与不太可能之间, 就好似流星撞地球, 虽有可能性存在, 但可能性非常小. 当然有一部分人是致力于研究这一现象并防范其进一步发生, 但是这并不意味着在日常生活与思考的过程中, 要受这个观点的影响. 关于AI颠覆人类这一观点, 在政策制定, 投资等过程中也都不需要过多的考虑, 因为发生的概率极小. 而对于AI对失业率方面的影响, 确实是一件目前需要考虑的事情, 我的观点是每个工作都由不同的方面组成, 其中有一部分是讲求效率的, 这一部分交给AI更为合适, 因此每个人的工作或多或少都会受到AI的影响. 这并不意味着一部分工作会消失, 而是这些工作会由AI补充进来. 还有一部分工作并不总是效率至上的, 比如说创新, 科研, 艺术创作等, 这些工作还是更需要人类来完成的.
第一财经: 这样来看, 我们更应该担心的是AI导致失业而非AI控制人类, 对吗?
凯文·凯利: 我并不认为我们应该担心大规模的事业状况的产生, 我们更应关心的是再就业问题. 就像农耕时代到工业转变的过程, 一些工作岗位并不是简单的消失, 而是发生了演变. 即便有些岗位消失了, 但也有更多的岗位就此产生. 从数量上看, 新生的岗位会高于那些消失的, 即便如此对于部分人来说依旧存在转型的阵痛期, 还是以农业社会向工业社会进行的转变为例, 大量的新工作产生, 但依旧会有一部分人无法适应而失去工作机会. 再来谈谈大面积, 如何界定大面积失业? 如果从地理分布的角度来看, 任何有AI机器人分布的地方是会导致一定程度的失业, 但并不意味着大多数人会失业. AI的普及并不会导致经济的衰退, 反倒会促进繁荣.
第一财经: AI的发展会促进经济增长, 从而促进就业. 但在转型的过程中, 有一部分人会失去工作, 并且对于这些人实现再就业的过程会较为痛苦漫长. 是否可以理解为新的经济增长带来的就业并没有惠及失去工作的那批人呢?
凯文·凯利: 确实是这样的, 不过向您刚才问题中提到的大规模, 我认为从人数上来看, 这个规模并不会特别大. 美国每年会产生很多新的就业岗位, 同时也会失去很多, 工作岗位向来是这样进行演化的, 从整个经济体的角度来看是动态变化不易察觉的, 但对于发生变化的个人而言, 感受当然是明显的. 另外, 当前的一些分析认为, AI不会带来足够的新就业岗位, 因此未来的就业环境会恶化, 为此我持不同观点. 我们感知不到包括AI在内的新科技会创作多少意想不到的需求, 这些需求会创造出新的岗位, 工作就是这样产生的, 工作来自于人们的新需求, 而技术会创作出我们从未想过的需求, 而这些需求一旦产生便会长期存在.
科技寡头与工业寡头不同
第一财经: 在上世界70年代产生了苹果公司, 80年代有美国在线, 90年代产生了亚马逊和谷歌, 2000年之后是Facebook, 但是最近十年不管是美国还是中国都没有产生这样千亿美元市值的科技巨头, 这是否意味着存在这样的趋势, 即上述科技巨头的 '统治力量' 越来越明显, 也越来越难被取代?
凯文·凯利: 这是一个好的问题, 同时还有一个现象是, 除了苹果以外, 在过去40年也没有再出现像苹果那样成功的消费电子公司. 那些成熟的公司已经占有了市场的细分门类, 当时苹果的出现就是填补了一个空隙, 而上述科技巨头都是择机填补了空白, 而在消费品中目前不存在这样的空隙存在. 未来, 这些公司都很难进行分类, 很难说是消费品公司还是其他, AI或许会提供出一个大的门类, 里面容纳100家多种品类的公司, 或许会从这其中生长而出一个新的生态.
第一财经: 科技巨头的统治力难以被削弱?
凯文·凯利: 我认为这些企业的优势来自于网络效应, 由此会产生垄断的局面, 但这种局面不会长久, 最终会被新的事物取代. 就像以前最擅长做电脑的IBM, 会被主攻操作系统的微软取代, 而微软又受到来自于搜索引擎起步的谷歌挑战, 而想打破谷歌 '统治' 局面可切入的角度是做社交媒体, 就像Facebook. 未来的局面如何打破, 挑战或许会来自AI, 但现在还说不好. 不管怎样, 这些公司在存在的过程中, 形成了生态, 降低了价格, 所以这些所谓的寡头垄断, 对社会带来了正外部性, 而非工业时代的垄断.
第一财经: 对于科技领域而言, 中心化的趋势是否越来越明显?
凯文·凯利: 如果你深入来看, 会发现在科技领域的小型企业数目激增, 可以说是大企业更大, 而小企业更多.
第一财经: 您的一个观点是, 智能手机之后的信息平台可能是AR, VR, MR等, 为什么?
凯文·凯利: 简要来说, 注重体验是现在较为明显的趋势之一, 更高的价值是以体验为单位的, 购买, 下载, 分享体验是目前更有价值的方式.
第一财经: 可穿戴设备为什么没有成功的案例?
凯文·凯利: 这是一个很好的问题, 但是我还没有很好的观点来回答这个问题. 目前我的不成熟观点或许是, 可穿戴设备产生的大量的信息, 目前没有分析工具可以使上述信息变得有意义, 我认为缺失的元素或许是AI. 用户没法直接去翻译理解可穿戴设备产生的信息, 需要通过像AI这样的技术进行分析并加以应用, 目前这个连接点还没有打通, 我的希望是AI可以对设备加以处理.