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! 复制 laoyaoic 微信公共号搜索添加关注.
1.中国科技公司尝试更多AI新领域;
相较美国硅谷, 中国百度, 阿里巴巴和腾讯等企业在人工智能 (AI) 有更多数据优势. 中国公司已利用机器学习进入了一些较新的领域, 包括医疗诊断, 脸部辨识, 以及可用语音操作的 AI 硬件.
英国金融时报报导, 百度, 阿里巴巴和腾讯高度重视 AI, 在国内和海外建立专家实验室, 聘请顶级工程师. 腾讯首席营运长任宇昕表示, 2016 年开始腾讯把 AI 视为优先项目之一, 当作一个战略重点.
阿里巴巴在今年的盈利报表中也开始介绍推动 AI 的成果. 今年 11 月 11 日的「光棍节」展现了 AI 的一部分威力, 阿里巴巴在购物节前一个月利用 AI 制作了 4 亿个定制横幅广告; 在预售期, 阿里巴巴的聊天机器人每天回答 350 万个简单询问, 比如「我的包裹在哪? 」
阿里巴巴的第三方电商平台淘宝网也在发展 AI, 让用户利用图片搜寻, 找到相同或类似的商品. 比如, 这可以让购物者搜寻某个名人穿的裙子.
分析师们表示, 上述中国企业在利用 AI 方面仍处于起步阶段, 但是这类应用暗示了中国如何可能居于全球领先地位, 特别是随着企业加快利用相关技术.
咨询公司麦肯锡 (McKinsey) 高级合伙人史瓦米那尚 (Anand Swaminathan) 表示, 中国相比硅谷有两个优势: 「他们在这里能够藉助 10 亿以上人口进行测试, 因此美国在这方面先天不足. 而且中国的投资速度和规模从根本上高于美国. 」
中国科技业在通讯和医疗行业可能如何利用 AI, 会是未来值得关注的议题.
阿里巴巴目前采用的语音开通个人助手概念, 比苹果的 Siri 和亚马逊的 Alexa 领先一步; 阿里巴巴计划在地铁站推出可以过滤掉背景噪音, 只听订票者说话的售票机.
阿里巴巴智能语音交互团队总监鄢志杰表示, 这项技术新颖之处在于, 在不断改进的技术的帮助下, 把它应用于实际产品, 代表个人助手可能进入公共场所, 包括机场, 火车站, 餐厅和服务台.
智能程度更高的 AI 和更庞大的数据规模也适用于医疗应用场合. 腾讯打算把 AI 技术应用于检测早期肺癌的公司之一. 但香港大学助理教授, 呼吸内科专家林志良 (David Lam) 表示, 项目得出初步结果将需要 5 年时间. 中央社
2.百度, 华为AI战略合作 联手智能终端软硬融合;
百度, 华为21日在北京宣布双方签署战略协议, 在互联网服务, 内容生态及人工智能AI领域进行深度合作. 包括百度语音, 视觉识别等各种人工智能技术都置入华为手机; 此外, 百度的内容生态也将和华为手机进行深度合作. 这次合作, 百度将取得人工智能终端商业化的重要途径; 而华为则可利用百度的技术平台提升手机的使用者体验, 双方各取所需. 百度CEO李彦宏表示, 百度和华为有着很相似的基因. 但是, 双方对技术的追求是个更大的共同点. 现在百度和华为牵手, 是 '百花(华)齐放' . 华为余承东说, 在华为手机里, 现在输入法用的是百度, 搜索用的是百度, 未来会用的更多百度的业务, 包括百度语音, 百度地图等. 未来双方在AI领域将会进行深度合作. 余承东表示, 华为刚刚发布的手机mate10里已经植入了人工智能芯片, 未来还要继续加强. 余承东进一步指出, 手机产业高度竞争未来能生存下来的企业只有少数几家, 未来希望在大陆做到40%以上的市占. 华为需要生态合作伙伴一起来做打造硬体+软体的生态. 余承东称, 观察了很多网际网路公司, 发现华为和百度的互补性最强. 据悉, 双方的合作细节包括: 自然交互; PaddlePaddle+HiAI(包括麒麟970芯片与PaddlePaddle的合作); 内容与服务. 双方表示, 将深度整合华为在移动通信和智慧终端产品, 及百度在AI能力, 内容能力, 商业能力上的优势, 共同探索智慧时代的无限可能. 在AI平台和技术合作方面, 双方将基于华为HiAI平台和百度PaddlePaddle深度学习架构, 发挥华为NPU(Neural Network Processing Unit)的优势, 共建以华为AI开放平台和百度大脑为中心的开放生态, 服务广大AI开发者, 丰富消费者人工智能应用和智慧服务体验. 同时, 双方将在各类智能终端开展深度语音和图像合作, 促进人机沟通更加便捷; 针对AR场景化创新, 双方将以技术革新+硬件落地的软硬结合形式共同打造AR生态, 为广大用户打通虚拟与现实之间的界限; 在互联网服务和内容生态合作方面, 双方将加强在搜索和资讯流等领域的合作, 共同为消费者带来更丰富优质的内容与智能便捷的服务体验. 简言之, 双方的合作包括: 1.自然交互, 包括语音, 语义, 视觉和沉浸式体验; 2.PaddlePaddle+HiAI(包括麒麟970芯片与PaddlePaddle的合作); 3.内容与服务, 包括搜索, 资讯流, 手机百度等. 事实上百度在AI领域近期动作不断. 11月, 华为与百度知道达成战略合作, 贯通产品知识服务与云技术, NLP等AI深度学习能力. 接着12月, 高通宣布和百度DuerOS合作, 专注于骁龙平台手机的智慧语音系统; 恩智浦也宣布, 正式成为百度Apollo开放平台的合作伙伴. 就在一个月前, 在小米物联网开发者大会上, 陆奇与雷军同台亮相, 百度与小米联合宣布, 将在物联网与人工智能领域展开合作. DIGITIMES
3.AI再进化 推动新工业革命;
人工智能 (AI) 的生成, 是由很多不同领域的科学与技术所集成, 单一技术的挺进而没有相关进阶软硬件之辅助, 是很难将AI提升至新的境界.
近期在巨人的肩膀上就同时汇聚一群可催化AI新兴技术, 包括神经网络等深度学习算法的突破, 大数据与云端运算的加速结合运用, 穆尔定律下运算效率的持续演化, 各类物联感知系统的兴起, 在万物「可连」与「速连」的平台下, 一起点燃蛰伏已久的AI加速器. 让AI以更新的思维 (演算架构) , 辅以内部更高速运算的大脑组织 (云端硬件) 与更海量的数据 (大数据) , 在探知外部的各种讯息后 (IoT传感器) , 透过自我学习与思考 (深度学习) 来展现仿人的智能. AI以人类所认为的思考方式, 藉由机器正走进民众的真实生活.
目前的「弱人工智能」诸如语音助理, 图像辨识, 智能翻译与扫地机器人等, 都确实帮助人类解决许多问题, 也让生活更加便利有效率, 这些数字力量就如同人类分身般, 帮助一同分担日常所需的脑力与劳力; 而「力道」更强的AI, 如自驾车, 工业机器人, 智能理财顾问, 甚或是人工智能医师或律师, 所分担的程度与能解决问题的能力, 就更为广大如像自驾车普遍可让车祸事故率降低, 工业用机器人可让生产效率提高, AI理财顾问可提供更理性且获利机率较高的建议, 智能医疗可提升医护资源与质量等, 让人类真正享受生活.
尤其针对稳定, 容易预测且复制的工作, AI甚至可以做的比人类更快且更好, 这意味着, 无论人类的工作有否被抢走, 未来在各种AI普及情况下, 我们的工作型态一定会有所改变, 这改变不只限于单一领域或产业, 而是具典范转移般涵盖各类专业的巨变. 透过学习, AI正悄悄推动着新一代的工业革命.
在前几次工业革命中, 机器或许只单纯地复制人类脑力或劳力, 但现在机器或程序已开始学会复制人类的「专业」. 例如金融业以往利用机器来帮助专员做分析建议给客户, 机器本身只具储存, 运算, 搜集数据与验证等辅助功能, 但未来金融业可利用已具学习专业能力的智能机器, 直接做分析决策.
未来像这样「复制专业」的概念对机器 (人工智能) 而言, 或许就如配置机器模块般自然简单; 可能有人会说那是对简单的专业而言, 但人工智能的特性就是可以不断学习成长, 现在所谓简单的专业, 对以前而言是极其困难的事. 在相关技术陆续到位后, 相信针对各类「专业」复制化会是人工智能接下来的发展趋势, 而其影响层面不仅改变我们工作型态, 从而衍生出来的还包括教育, 社会, 犯罪, 甚或法律型态改变, AI无限潜力固然让人类更有效率追求欲望, 但相对改变所产生的成本与风险真是我们所能承受的吗?
无论我们对AI看法是希望憧憬或末日悲观, 转动的科技巨轮从不因人类的迟豫而停止, 电子通讯不会再回到飞鸽传书, 电汽火车也不会再返回跃马扬鞭, 保握仅有时间来思考应对这即将来临的智能风暴应该更为实际. 若人脑与计算机之间真如科学家霍金所说, 并没本质差别, 那么人类最该担心的风险或许不是机器可以如何快速学会人类一切; 而是如同苹果执行长库克所提, 人类愈来愈像计算机思考, 渐渐充满那不具价值, 同理心与不计后果的想法, 如同机器式思考, 被数字渐渐同化. (作者是台湾国家实验研究院科技政策研究与信息中心研究员)
经济日报
4.防AI技术滥用 欧美筑防火墙;
以目前智能科技的技术现况, 电影或小说中「强人工智能」的情境离实际仍有一段距离, 隐藏其背后的潜在风险对一般人感受更是遥如天际, 而人类对未来的习性经常是发生后再来探讨, 人工智能的威胁一直只出现在大家嘴巴上.
其实世界各国已开始着手筑砌人工智能风险的防火墙, 由各个层面分别检视未来可能发生的种种状况, 早一步做风险防治与控管, 其内容涵盖政策, 科技, 法律, 伦理甚与是生存等议题.
欧洲议会于2017年2月16日正式向欧盟执委会提出议案, 拟设立一套全面的法律, 界定人工智能带来的道德与法律责任问题, 立法动机在于人工智能及机器人技术的发展迅速, 逐渐成为人类日常及经济活动的一部分, 希望透过立法规范来确保其安全无虞. 目前立法决议尚在讨论阶段, 未来将设立专门机构, 落实相关人工智能和机器人在技术与伦理上的监管.
美国白宫总统办公室也于2016年12月发布《人工智能, 自动化与经济》的白皮书, 说明在人工智能的冲击下, 诸如劳动市场, 经济与政策法令未来可能面临的挑战, 并提出因应未来工作型态改变所需的新教育, 训练及过渡的相关对策. 英国科学办公室也于2016年11月9日发布政策报告《人工智能:机会与未来决策影响》, 介绍人工智能对社会及政府所产生的机会和影响, 并提出适应由人工智能作决策行为时的归责, 以及风险管理机制等建议.
在产业界方面, Google于2014年提出设立伦理委员会, 确保人工智能机器人技术不被滥用. OpenAI于2015年由Tesla, Y Combinator等公司出资成立, 主要聚焦在人工智能的伦理问题. 另外, 脸书, 亚马逊, Alphabet, IBM与微软等五大科技业者于2016宣布成立「造福人群与社会的人工智能伙伴关系」 (Partnership on AI) , 这是非营利组织, 希望通过一个标准开放式的模式, 让人工智能在社会变迁过程中, 变成一种包含道德, 公平, 包容, 透明, 隐私, 互动, 人与人工智能的协作, 信赖及可靠等方面的研究课题. 期望以此种涵盖人类核心议题发展, 消除人们对人工智能风险疑虑.
学研界的防治更是蓬勃多元, 如标准制定组织IEEE发布的《合伦理设计: 利用人工智能和自主系统最大化人类福祉的愿景》, 是鼓励科技人员在AI研发过程中, 优先考虑伦理问题. 2017年1月于美国加州举行Beneficial AI 2017会议, 全球顶尖的AI领域专家联合签署未来人工智能发展的23项原则 (Asilomar AI Principles) , 内容包括AI开发中的安全, 责任及应对AI造成的灾难性风险. 剑桥大学内的跨学科研究中心「存在风险研究中心」, 致力于研究和减轻可能导致人类灭绝或文明崩溃的风险, 此机构将人工智能列为可能造成人类灭绝的主要风险之一, 除提出警告, 还加以研究并探讨防治方法. (作者是台湾国家实验研究院科技政策研究与信息中心研究员)
STPI简介
国家实验研究院科技政策研究与信息中心 (STPI) 成立于1974年, 长期以来专责于我国科技研究发展所需数据之搜集, 建置, 分析, 处理与服务等事务. 近年来在既有之信息资源基础上, 强化趋势研析, 关键议题发掘, 专利情报分析, 创新创业推动等能量, 并协助政府擘划我国科技发展之愿景与策略, 以朝向专业之科技政策研究智库迈进.
趋势研析与前瞻规划团队
本团队以系统性方法进行技术发展趋势观测与深入研析, 提供我国产官学研动态情报信息藉以掌握趋势脉动; 并建立具证据基础之需求导向前瞻研究能量, 协助各部会进行我国科技发展方向规划.
经济日报
5.AI五大隐忧 不可不提防;
人类对自主智能的风险预想, 大多集中在较可情境想象的「强人工智能」, 如拥有高度智能的机器人上; 随IoT/AI世代来临, 「 弱人工智能」已先渗入人类生活, 各界不得不更早审视所有可能影响人工智能范畴, 及其所产生风险.
资源分配极度不均: 人工智能已经开始改变很多人的工作型态, 2016年全球经济论坛预测, 人工智能与机器学习将于未来几年造成约700万个工作机会消失, 同时创造出200万个新创工作机会. 英国物理学家霍金认为, 人工智能的崛起, 可能重创中产阶级而留下少数特定的工作, 导致严重经济失衡.
这些推论都认为人类的「既有专业」将轻易被机器快速复制, 造成经济阶层结构调整, 并形成技术性失业, 生产效益与利润会被集中掌握在少数拥高度人工智能资源群体中, 贫富差异极剧, 社会高度暴露在资源分配不均的风险中.
信息垄断: 人类思考无法跳脱自身之经验范畴外, 机器也是如此. 人工智能若没有数据, 即使搭配再优异的运算硬件与演算方法, 仍无法在目标的领域中发挥功效. 未来在相关软硬件技术到位情况下, 「足够且有用(海量且标记过)的数据」, 将是人工智能产业建立利基的最大关键之一, 各领域领先者会大量的对关键数据建立屏障产生区隔, 而使用户取得数据成本愈来愈高, 造成「智者愈智, 愚者愈愚」信息垄断风险.
未来无隐私: 麦肯锡预估, 2025年将会有1兆种类的对象相互联网, 这代表在物联网趋势下, 未来周遭可能全是信息收集器, 在人工智能技术涵盖下, 这些信息收集器可能都具有自主思考功能, 并自行判断所需的时机来开启传感器. 无论未来隐私权的防治可做到何种地步, 人工智能与万物联网的综效, 一开始就将隐私权相关风险推进到一个很高的级数.
社会疏离: 在网络时代盛行时, 依赖网络虚拟世界来满足社会互动的人数显著提升, 网络虚拟世界的友善, 让人与人的交流充满想象与机会, 网络虚拟的人格似乎也更有勇气与创造力; 但这不是真实世界, 会让极度依赖的群体产生跟真实世界间很大落差, 进而造成社会疏离. 人工智能时代后, 这个虚拟世界得到延伸, 各虚拟现实与人工智能让虚拟世界更真实, 催生出更多依赖群聚, 造成真实社会人际互动更疏离的现象.
无自主权: 人工智能已进化到可判断出日常生活中我们常看且想看的信息, 机器投其所好的做法固然帮忙省时, 但也让讯息趋单一化. 在未来AI对象更普及的世界中, 这种人类过度依赖且被单一化价值(或者是目标化价值)的现象, 会往更恶化的方向升级, 导致人类在各领域无自主思考风险, 某程度上也算人类心智灭亡危机. (作者是台湾国家实验研究院科技政策研究与信息中心研究员) 经济日报
6.芯片进入AI时代 除了拼技术还要拼场景
人工智能芯片领域的战争越来越激烈, 除了技术层面的突破, 还要拼谁能抢占更多的应用场景.
历时两年, 人工智能初创公司地平线的第一代AI视觉芯片在12月20日发布, 首先将面向智能驾驶, 智慧城市, 智能商业三类场景. 地平线创始人余凯对第一财经记者说, 明年还将在智能家居领域有更多的商业化落地.
在AI芯片领域, 近年来, 随着地平线, 深鉴科技, 寒武纪等公司的崛起, 或将改变我国每年花费巨额外汇进口芯片的局面.
软硬结合路线
地平线此次发布的芯片包括两款, 一款取名征程(Journey)1.0, 面向智能驾驶, 另一款取名旭日(Sunrise)1.0, 主打智能摄像头. 两款芯片采用的都是地平线的第一代BPU架构——高斯架构.
地平线公司介绍, '征程' 能够同时对行人, 机动车, 非机动车, 车道线, 交通标志牌, 红绿灯等多类目标进行实时检测和识别. '旭日' 能够在前端实施大规模人脸检测跟踪, 视频结构化等应用.
余凯曾经是百度深度学习研究院的负责人之一, 一直从事的都是软件方面的工作. 但是, 2015年创立地平线时, 团队却选择了走软硬结合的路线, 即 '算法+芯片' 的业务模式, 这是一条比较 '重' 的路线. 对团队来说既是一次跨界, 同时也需要大量的资金来支持长周期的研发.
'人工智能要在社会的各个场景落地, 应用, 只做软件是不够的. ' 余凯在20日的发布会上说道. 他认为, 软硬结合现在已经是越来越受重视的前沿方向.
'大家都知道AlphaGO打败了李世石, 但是大家不知道这背后我们付出了多大的代价. 人类的大脑是20瓦, 而AlphaGO所用的计算机是2000千瓦, 我们用十万倍的功耗才把李世石打败, 这就说明人工智能要往前发展, 硬件肯定是个障碍. ' 清华大学计算机系教授, 中科院院士张钹也在现场说道.
下一步: 应用场景
从应用场景去驱动硬件的设计, 目前最领先的两家巨头是英伟达和英特尔. 前者的GPU(图形处理器)在AI领域有非常广泛的应用. 后者则在AI芯片产业链上做了大量的收购和投资, 包括此前投向地平线的约1亿美元.
此外, 谷歌, 特斯拉, 苹果, 高通, 华为等产业巨头都在研发AI芯片. 美国投资研究机构晨星公司此前发布报告提到了Alphabet(谷歌母公司)的TPU, 认为其可能会驱使亚马逊和微软等企业推出更多客制化芯片, 成为英特尔, 英伟达和赛灵思在AI芯片市场上的竞争对手.
这些公司正试图生产出最符合自身需求的产品以减少对传统芯片巨头的依赖. 比如像特斯拉, 其辅助驾驶系统Autopilot的硬件系统就是基于英伟达的显卡GPU, 不过, 一旦拥有自主研发芯片能力, 他们对英伟达的依赖也将减少.
一些AI领域的新晋独角兽也在加足马力. 就在上个月, 中科院孵化的寒武纪发布了新一代的AI芯片. 寒武纪称, 这块芯片的适用范围覆盖了图像识别, 安防监控, 智能驾驶, 无人机, 语音识别, 自然语言处理等应用领域.
提到和竞争对手的区别, 余凯说道, 地平线的AI芯片选择是与场景深度结合的模式, 在此基础上, 公司一个重要的商业模式是 '交钥匙方案' , 即提供软硬件设计一起的定制化解决方案.
谷歌云人工智能和机器学习首席科学家李飞飞此前说道, 人工智能正在经历历史时刻, 它已经走出实验室进入了产业应用阶段.
对于地平线来说, 首先要抢占的垂直应用领域就是自动驾驶, 他们认为自动驾驶代表的是 '人工智能核心技术的珠穆朗玛' . 地平线已经和奥迪达成了合作, 面向全球市场开发平台性的自动驾驶技术. 此外, 还在和英特尔合作开发面向自动驾驶的新型处理器的架构, 以及车规级(车用导航的规格标准)的软件系统.
此外, 地平线还在智能家居领域进行了商业化尝试, 包括智能空调, 扫地机器人等产品. 余凯对第一财经记者表示, 明年在第二代伯努利架构的新一代征程处理器推出后, 在智能家居的商业化方面还会有更多的落地.
第一财经