集微網推出整合電路微信公共號: '天天IC' , 重大新聞即時發布, 天天IC, 天天集微網, 積微成著! 長按 laoyaoic 複製微信公共號搜索添加關注.
1.Google發布會AI優先,整合軟硬體及AI欲與蘋果有別;
蘋果(Apple)秋季新品發表會之後的3個禮拜, Google也在美國時間10月4日於舊金山一口氣發表了2款全新Pixel智慧型手機, 大尺寸與小尺寸2種新款Google Home智慧音響, 1款內建Chrome軟體的筆記型電腦Pixelbook, 全新VR頭盔, 迷你相機Google Clips以及新款無線耳機Pixel Buds等, 其硬體新品之琳琅滿目及豐富度, 迥異於以往的Google秋季新品發表會, 在此同時, Google此番新品發表會的呈現也與蘋果硬體新品發表會的展現方式截然不同.
對於熟悉蘋果硬體發表會的讀者來說, 講台上的蘋果高層在介紹新品時, 總是不忘細數著每一個蘋果硬體新品裡內建關鍵零組件的規格, 尤其是包括處理器時脈速度, 熒幕解析度等蘋果屢屢以為傲的創新精神, 當然, 對於身為蘋果供應鏈的台灣業者聽在耳朵裡, 無不浮現心有戚戚焉的熟悉感.
然而, 以此番Google新品發表會來看, Google基本上並沒有花太多時間在介紹產品規格上, 反而是將焦點放在了人工智慧(AI)上, Google執行長Sundar Pichai在一開場的10分鐘談話中, 光是在解釋AI如何幫助Google Maps和Google Translate逐日精進的過程中, 就提到了不下10餘次的機器學習(machine learning)一詞, 才終於把Google硬體資深副總裁Rick Osterloh, 也是這次Google硬體新品發表會的負責人給介紹出場, 如此滔滔不絕談論機器學習與AI等議題, 可不是大眾一般熟悉的產品發表會呈現.
Pichai強調, 做為一家強調AI優先的企業, Google如今佔據著一個獨特的時間點, 可以透過整合AI, 硬體及軟體來開發新產品; Osterloh也呼應Pichai的談話, 他認為Google的產品之所以有別於其他競爭對手的地方在於, Google將其在AI的優勢實力展現在產品設計哲學的重心上, 可以說AI正驅動著Google的產品裝置設計哲學.
而在10月4日的發表會上, Google也一一展示了這一次發表的每一項新品其實已經接受過AI的改造與洗禮. 舉例來說, Pixel 2智慧型手機上的影像識別應用程式Google Lens, 只要將相機鏡頭指向電影海報或是廣告上, 就可以幫助手機用戶找到相關的資訊; 至於最新的智慧音響Google Home也同樣透過AI, 按照所在房間的布局規劃來調整其音響效果; 至於最新的無線耳機Pixel Buds更可以支援不同語言的即時翻譯服務, 可即時翻譯多達40國語言, 與蘋果AirPods較量的意味濃厚, 而整合Google翻譯的優勢下, Google的AI優勢展露無遺.
與此相較, 在蘋果日前秋季新品發表會上, 或許間有機器學習, 深度學習等數度提及, 但AI這個辭彙卻未曾被強調, 更別說是AI優先了. 誠然, 這或許也與AI這個辭彙多少令人聯想起不少負面觀感所致, 強調用戶個人隱私的蘋果, 恐怕也不願以AI的負面形象來影響品牌聲譽, 儘管蘋果最新iPhone X內建的A11 Bionic處理器搭載的neural engines神經引擎AI晶片, 業已專屬處理指定的機器學習人臉識別等AI運算任務, 即使蘋果高舉AI大旗打起宣傳攻勢, 恐怕連Google也要暫時後退以待, 畢竟, 即使連這一次發表會最新的Pixel 2以及Pixel 2 XL還是援引Google雲端的AI優勢, 還未能在邊緣運算的趨勢下, 在手機端壓過iPhone X的AI晶片進程.
值得注意的是, Google高層注意到的趨勢與現象並沒有錯, 如今想要找出新的硬體方面的突破, 例如更大或更好的熒幕面板等零組件, 恐怕是愈來愈困難了, 因此他們認為未來更明顯的突破將會來自於AI軟體上的改善, 畢竟, 這個領域發展的腳步遠比硬體的零組件來得快得多.
Osterloh指出, 下一次的大跳躍將會發生在AI, 軟體和硬體這三者交集的十字路口, 一切都將會從內而外開始, 重新開始想像硬體究竟是什麼, 而這其間, AI將會是一大助力. 觀諸9~10月蘋果與Google這兩大科技巨擘的新品發表會, 誠然, AI已然成為不可或缺, 不可忽視的一股力量. DIGITIMES
2.穀歌花4億英鎊下注AI開始有回報 DeepMind創收了;
騰訊科技訊 外媒指出, Alphabet子公司穀歌(微博)周三發布的硬體產品表明, 其所收購的英國人工智慧公司DeepMind不僅僅進行理論研究, 而是開始創造收入.
據報道, Alphabet在2014年花費4億英鎊收購DeepMind. DeepMind不斷髮布有關機器習得的研究成果, 從橫掃人類圍棋手的軟體到具有模仿人類大腦功能的人工智慧系統.
DeepMind所取得大部分突破性成功似乎很學術, 要實現商業化通常需要數年甚至幾十年的時間. 在DeepMind劃歸Alphabet的第一年, 其營收為零.
不過, 當穀歌周三在Pixel智能手機, 筆記型電腦以及穀歌傢具設備上展示新型數字助手時, 才知道其計算機生成的語言是如此的自然. 穀歌數字助手說話時更像人, 至少在說英語和日語時表現驚豔. 這多虧了DeepMind去年發明一種演算法, 而且從研究到全面商業化應用只用了12個月.
當DeepMind去年發布有關語音生成軟體WaveNet時, 測試表明人類認為其比現有技術聽起來更加自然, 效果至少提升了50%. 不過, 這一方法對於計算能力要求太高, 即使DeepMind自己的研究人員表示, 該系統難以在現實世界中應用.
在過去的一年中, DeepMind發現了一種方式, 可以讓WaveNet演算法快1000倍, 同時甚至還能產生更加保真的聲音. 在人類聽者來看, 這種計算機生成的聲音幾乎可以以假亂真. 這種效率的提升歸功於其使用了配置穀歌新型計算機晶片的數據中心, 也令其最終能部署到新型的數字助手中.
DeepMind所取得成果對其未來發展具有積極作用. 自從魯斯-波拉特(Ruth Porat)在2015年出任穀歌首席財務官以來, 其致力於降低Alphabet運營成本, 這迫使部分穀歌 '不切實際' 的項目尋求盈利之道.
DeepMind雖然還保持獨立運營, 但其對於穀歌產品的貢獻恰逢其時. 據DeepMind周一向英國有關部門提交的檔案顯示, 該公司2016年對於Alphabet其他公司的產品和服務所作出的貢獻價值4000萬英鎊, 這也是該公司首次創收.
這隻是DeepMind開始為穀歌提供幫助的案例之一. DeepMind還表示, 其為穀歌提供的演算法使得其數據中心的能源效率提高15%. 此外, DeepMind還為改善穀歌核心廣告產品Adwords做出貢獻, 但不願透露細節.
當然, 招聘這麼多人才研究這些演算法意味著DeepMind的支出仍遠遠高於收入. 該公司稱, 2016年, 員工以及其他相關成本共計1.04億英鎊.
另據科技博客網站Business Insider報道, DeepMind具體員工數量尚沒有一個準確數字, 但介於500人至600人. 假設是600人, 如果不計入其他成本, DeepMind平均年薪為17.5萬英鎊.
DeepMind是一個高度研究型的組織, 其聘用數十位來自牛津, 劍橋, 斯坦福以及哈佛的博士.
此外, DeepMind去年虧損1.64億英鎊, 較2015年5400萬英鎊的虧損額顯著上升.
3.專訪凱文·凱利: AI控制人類可能性如流星撞地球
作為重要的科技觀察者, 凱文·凱利所著的《失控》, 《必然》等書有廣泛的影響力. 他曾任《連線》 (Wired) 雜誌主編, 近年多次往返中美, 就科技趨勢發表看法.
在行動教育主辦的2017校長型企業家年會上, 第一財經記者獨家專訪了凱文·凱利. 他認為AI對失業的影響值得關注, 但 'AI控制人類' 看法則多慮了. 儘管科技企業具有強大的影響力, 但凱文·凱利認為科技寡頭與工業時代的寡頭有顯著不同.
AI控制人類可能性如流星撞地球
第一財經: 如何看待穀歌, 微軟及阿里巴巴等科技巨頭近年來在AI領域的大投入?
凱文·凱利: AI是下一個十年的熱點, 這些科技巨頭也應該對這一技術保持很大的關心, 與此同時, AI對數據量的要求很大, 也只有這樣的公司才有 '關心' AI的能力. 因此, 相對大多數其他公司而言, 科技巨頭擁有某種天然的優勢, 他們擁有能夠驅動AI的 '燃料' , 即大數據.
第一財經: 科技企業是否高估了AI?
凱文·凱利: 他們有足夠的現金流來支撐AI的研發, 他們不用靠此賺錢, 僅作為一項支出. 不似年輕的初創企業, 試圖找到AI的商業可行性, 這也是這些科技巨頭髮展AI的優勢之一. 我覺得從長期的角度看, AI是被低估的, 而非是被過度炒作的.
第一財經: AI需要大量的數據支援, 您之前提到在AI領域未來會產能2至3家的巨頭公司, 那麼AI巨頭會從目前掌握大數據的科技公司中產生, 還是會誕生於初創公司?
凱文·凱利: 第一輪的 'AI競賽' 我認為會在目前的前十家巨頭中產生, 比如穀歌, Facebook, 百度, 騰訊等. 但如果在下一個階段中能夠發展出不依賴大數據的AI, 那麼可以說AI技術取得了革命性的顯著進步. 就像人類並不需要大數據去進行感知, 嬰幼兒只需要看過十幾隻貓和狗就能將它們分辨出來, 而機器學習目前則需要幾百萬隻的貓與狗的圖片為例進行識別.
第一財經: AI引起了企業界的關注和大量投資, 同時也引發一些擔憂. 比如失業, 想請問您對此的看法.
凱文·凱利: 可以從兩個方面回答這個問題, 其一是失業率問題, 其二是機器取代人類這方面. 首先人類被AI控制的可能性微乎其微, 介乎於零與不太可能之間, 就好似流星撞地球, 雖有可能性存在, 但可能性非常小. 當然有一部分人是致力於研究這一現象並防範其進一步發生, 但是這並不意味著在日常生活與思考的過程中, 要受這個觀點的影響. 關於AI顛覆人類這一觀點, 在政策制定, 投資等過程中也都不需要過多的考慮, 因為發生的機率極小. 而對於AI對失業率方面的影響, 確實是一件目前需要考慮的事情, 我的觀點是每個工作都由不同的方面組成, 其中有一部分是講求效率的, 這一部分交給AI更為合適, 因此每個人的工作或多或少都會受到AI的影響. 這並不意味著一部分工作會消失, 而是這些工作會由AI補充進來. 還有一部分工作並不總是效率至上的, 比如說創新, 科研, 藝術創作等, 這些工作還是更需要人類來完成的.
第一財經: 這樣來看, 我們更應該擔心的是AI導致失業而非AI控制人類, 對嗎?
凱文·凱利: 我並不認為我們應該擔心大規模的事業狀況的產生, 我們更應關心的是再就業問題. 就像農耕時代到工業轉變的過程, 一些工作崗位並不是簡單的消失, 而是發生了演變. 即便有些崗位消失了, 但也有更多的崗位就此產生. 從數量上看, 新生的崗位會高於那些消失的, 即便如此對於部分人來說依舊存在轉型的陣痛期, 還是以農業社會向工業社會進行的轉變為例, 大量的新工作產生, 但依舊會有一部分人無法適應而失去工作機會. 再來談談大面積, 如何界定大面積失業? 如果從地理分布的角度來看, 任何有AI機器人分布的地方是會導致一定程度的失業, 但並不意味著大多數人會失業. AI的普及並不會導致經濟的衰退, 反倒會促進繁榮.
第一財經: AI的發展會促進經濟增長, 從而促進就業. 但在轉型的過程中, 有一部分人會失去工作, 並且對於這些人實現再就業的過程會較為痛苦漫長. 是否可以理解為新的經濟增長帶來的就業並沒有惠及失去工作的那批人呢?
凱文·凱利: 確實是這樣的, 不過向您剛才問題中提到的大規模, 我認為從人數上來看, 這個規模並不會特別大. 美國每年會產生很多新的就業崗位, 同時也會失去很多, 工作崗位向來是這樣進行演化的, 從整個經濟體的角度來看是動態變化不易察覺的, 但對於發生變化的個人而言, 感受當然是明顯的. 另外, 當前的一些分析認為, AI不會帶來足夠的新就業崗位, 因此未來的就業環境會惡化, 為此我持不同觀點. 我們感知不到包括AI在內的新科技會創作多少意想不到的需求, 這些需求會創造出新的崗位, 工作就是這樣產生的, 工作來自於人們的新需求, 而技術會創作出我們從未想過的需求, 而這些需求一旦產生便會長期存在.
科技寡頭與工業寡頭不同
第一財經: 在上世界70年代產生了蘋果公司, 80年代有美國線上, 90年代產生了亞馬遜和穀歌, 2000年之後是Facebook, 但是最近十年不管是美國還是中國都沒有產生這樣千億美元市值的科技巨頭, 這是否意味著存在這樣的趨勢, 即上述科技巨頭的 '統治力量' 越來越明顯, 也越來越難被取代?
凱文·凱利: 這是一個好的問題, 同時還有一個現象是, 除了蘋果以外, 在過去40年也沒有再出現像蘋果那樣成功的消費電子公司. 那些成熟的公司已經佔有了市場的細分門類, 當時蘋果的出現就是填補了一個空隙, 而上述科技巨頭都是擇機填補了空白, 而在消費品中目前不存在這樣的空隙存在. 未來, 這些公司都很難進行分類, 很難說是消費品公司還是其他, AI或許會提供出一個大的門類, 裡面容納100家多種品類的公司, 或許會從這其中生長而出一個新的生態.
第一財經: 科技巨頭的統治力難以被削弱?
凱文·凱利: 我認為這些企業的優勢來自於網路效應, 由此會產生壟斷的局面, 但這種局面不會長久, 最終會被新的事物取代. 就像以前最擅長做電腦的IBM, 會被主攻作業系統的微軟取代, 而微軟又受到來自於搜索引擎起步的穀歌挑戰, 而想打破穀歌 '統治' 局面可切入的角度是做社交媒體, 就像Facebook. 未來的局面如何打破, 挑戰或許會來自AI, 但現在還說不好. 不管怎樣, 這些公司在存在的過程中, 形成了生態, 降低了價格, 所以這些所謂的寡頭壟斷, 對社會帶來了正外部性, 而非工業時代的壟斷.
第一財經: 對於科技領域而言, 中心化的趨勢是否越來越明顯?
凱文·凱利: 如果你深入來看, 會發現在科技領域的小型企業數目激增, 可以說是大企業更大, 而小企業更多.
第一財經: 您的一個觀點是, 智能手機之後的資訊平台可能是AR, VR, MR等, 為什麼?
凱文·凱利: 簡要來說, 注重體驗是現在較為明顯的趨勢之一, 更高的價值是以體驗為單位的, 購買, 下載, 分享體驗是目前更有價值的方式.
第一財經: 可穿戴設備為什麼沒有成功的案例?
凱文·凱利: 這是一個很好的問題, 但是我還沒有很好的觀點來回答這個問題. 目前我的不成熟觀點或許是, 可穿戴設備產生的大量的資訊, 目前沒有分析工具可以使上述資訊變得有意義, 我認為缺失的元素或許是AI. 用戶沒法直接去翻譯理解可穿戴設備產生的資訊, 需要通過像AI這樣的技術進行分析並加以應用, 目前這個連接點還沒有打通, 我的希望是AI可以對設備加以處理.