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! 複製 laoyaoic 微信公共號搜索添加關注.
1.中國科技公司嘗試更多AI新領域;
相較美國矽谷, 中國百度, 阿里巴巴和騰訊等企業在人工智慧 (AI) 有更多數據優勢. 中國公司已利用機器學習進入了一些較新的領域, 包括醫療診斷, 臉部辨識, 以及可用語音操作的 AI 硬體.
英國金融時報報導, 百度, 阿里巴巴和騰訊高度重視 AI, 在國內和海外建立專家實驗室, 聘請頂級工程師. 騰訊首席營運長任宇昕表示, 2016 年開始騰訊把 AI 視為優先項目之一, 當作一個戰略重點.
阿里巴巴在今年的盈利報表中也開始介紹推動 AI 的成果. 今年 11 月 11 日的「光棍節」展現了 AI 的一部分威力, 阿里巴巴在購物節前一個月利用 AI 製作了 4 億個定製橫幅廣告; 在預售期, 阿里巴巴的聊天機器人每天回答 350 萬個簡單詢問, 比如「我的包裹在哪? 」
阿里巴巴的第三方電商平台淘寶網也在發展 AI, 讓用戶利用圖片搜尋, 找到相同或類似的商品. 比如, 這可以讓購物者搜尋某個名人穿的裙子.
分析師們表示, 上述中國企業在利用 AI 方面仍處於起步階段, 但是這類應用暗示了中國如何可能居於全球領先地位, 特別是隨著企業加快利用相關技術.
諮詢公司麥肯錫 (McKinsey) 高級合伙人史瓦米那尚 (Anand Swaminathan) 表示, 中國相比矽谷有兩個優勢: 「他們在這裡能夠藉助 10 億以上人口進行測試, 因此美國在這方面先天不足. 而且中國的投資速度和規模從根本上高於美國. 」
中國科技業在通訊和醫療行業可能如何利用 AI, 會是未來值得關注的議題.
阿里巴巴目前採用的語音開通個人助手概念, 比蘋果的 Siri 和亞馬遜的 Alexa 領先一步; 阿里巴巴計劃在地鐵站推出可以過濾掉背景噪音, 只聽訂票者說話的售票機.
阿里巴巴智能語音交互團隊總監鄢志傑表示, 這項技術新穎之處在於, 在不斷改進的技術的幫助下, 把它應用於實際產品, 代表個人助手可能進入公共場所, 包括機場, 火車站, 餐廳和服務台.
智能程度更高的 AI 和更龐大的數據規模也適用於醫療應用場合. 騰訊打算把 AI 技術應用於檢測早期肺癌的公司之一. 但香港大學助理教授, 呼吸內科專家林志良 (David Lam) 表示, 項目得出初步結果將需要 5 年時間. 中央社
2.百度, 華為AI戰略合作 聯手智能終端軟硬融合;
百度, 華為21日在北京宣布雙方簽署戰略協議, 在互聯網服務, 內容生態及人工智慧AI領域進行深度合作. 包括百度語音, 視覺識別等各種人工智慧技術都置入華為手機; 此外, 百度的內容生態也將和華為手機進行深度合作. 這次合作, 百度將取得人工智慧終端商業化的重要途徑; 而華為則可利用百度的技術平台提升手機的使用者體驗, 雙方各取所需. 百度CEO李彥宏表示, 百度和華為有著很相似的基因. 但是, 雙方對技術的追求是個更大的共同點. 現在百度和華為牽手, 是 '百花(華)齊放' . 華為餘承東說, 在華為手機裡, 現在輸入法用的是百度, 搜索用的是百度, 未來會用的更多百度的業務, 包括百度語音, 百度地圖等. 未來雙方在AI領域將會進行深度合作. 餘承東表示, 華為剛剛發布的手機mate10裡已經植入了人工智慧晶片, 未來還要繼續加強. 餘承東進一步指出, 手機產業高度競爭未來能生存下來的企業只有少數幾家, 未來希望在大陸做到40%以上的市佔. 華為需要生態合作夥伴一起來做打造硬體+軟體的生態. 餘承東稱, 觀察了很多網際網路公司, 發現華為和百度的互補性最強. 據悉, 雙方的合作細節包括: 自然交互; PaddlePaddle+HiAI(包括麒麟970晶片與PaddlePaddle的合作); 內容與服務. 雙方表示, 將深度整合華為在移動通信和智慧終端產品, 及百度在AI能力, 內容能力, 商業能力上的優勢, 共同探索智慧時代的無限可能. 在AI平台和技術合作方面, 雙方將基於華為HiAI平台和百度PaddlePaddle深度學習架構, 發揮華為NPU(Neural Network Processing Unit)的優勢, 共建以華為AI開放平台和百度大腦為中心的開放生態, 服務廣大AI開發者, 豐富消費者人工智慧應用和智慧服務體驗. 同時, 雙方將在各類智能終端開展深度語音和映像合作, 促進人機溝通更加便捷; 針對AR場景化創新, 雙方將以技術革新+硬體落地的軟硬結合形式共同打造AR生態, 為廣大用戶打通虛擬與現實之間的界限; 在互聯網服務和內容生態合作方面, 雙方將加強在搜索和資訊流等領域的合作, 共同為消費者帶來更豐富優質的內容與智能便捷的服務體驗. 簡言之, 雙方的合作包括: 1.自然交互, 包括語音, 語義, 視覺和沉浸式體驗; 2.PaddlePaddle+HiAI(包括麒麟970晶片與PaddlePaddle的合作); 3.內容與服務, 包括搜索, 資訊流, 手機百度等. 事實上百度在AI領域近期動作不斷. 11月, 華為與百度知道達成戰略合作, 貫通產品知識服務與雲技術, NLP等AI深度學習能力. 接著12月, 高通宣布和百度DuerOS合作, 專註於驍龍平台手機的智慧語音系統; 恩智浦也宣布, 正式成為百度Apollo開放平台的合作夥伴. 就在一個月前, 在小米物聯網開發者大會上, 陸奇與雷軍同台亮相, 百度與小米聯合宣布, 將在物聯網與人工智慧領域展開合作. DIGITIMES
3.AI再進化 推動新工業革命;
人工智慧 (AI) 的生成, 是由很多不同領域的科學與技術所整合, 單一技術的挺進而沒有相關進階軟硬體之輔助, 是很難將AI提升至新的境界.
近期在巨人的肩膀上就同時匯聚一群可催化AI新興技術, 包括神經網路等深度學習演算法的突破, 大數據與雲端運算的加速結合運用, 穆爾定律下運算效率的持續演化, 各類物聯感知系統的興起, 在萬物「可連」與「速連」的平台下, 一起點燃蟄伏已久的AI加速器. 讓AI以更新的思維 (演算架構) , 輔以內部更高速運算的大腦組織 (雲端硬體) 與更海量的數據 (大數據) , 在探知外部的各種訊息後 (IoT感測器) , 透過自我學習與思考 (深度學習) 來展現仿人的智能. AI以人類所認為的思考方式, 藉由機器正走進民眾的真實生活.
目前的「弱人工智慧」諸如語音助理, 映像辨識, 智能翻譯與掃地機器人等, 都確實幫助人類解決許多問題, 也讓生活更加便利有效率, 這些數字力量就如同人類分身般, 幫助一同分擔日常所需的腦力與勞力; 而「力道」更強的AI, 如自駕車, 工業機器人, 智能理財顧問, 甚或是人工智慧醫師或律師, 所分擔的程度與能解決問題的能力, 就更為廣大如像自駕車普遍可讓車禍事故率降低, 工業用機器人可讓生產效率提高, AI理財顧問可提供更理性且獲利機率較高的建議, 智能醫療可提升醫護資源與質量等, 讓人類真正享受生活.
尤其針對穩定, 容易預測且複製的工作, AI甚至可以做的比人類更快且更好, 這意味著, 無論人類的工作有否被搶走, 未來在各種AI普及情況下, 我們的工作型態一定會有所改變, 這改變不只限於單一領域或產業, 而是具典範轉移般涵蓋各類專業的巨變. 透過學習, AI正悄悄推動著新一代的工業革命.
在前幾次工業革命中, 機器或許只單純地複製人類腦力或勞力, 但現在機器或程序已開始學會複製人類的「專業」. 例如金融業以往利用機器來幫助專員做分析建議給客戶, 機器本身只具儲存, 運算, 搜集數據與驗證等輔助功能, 但未來金融業可利用已具學習專業能力的智能機器, 直接做分析決策.
未來像這樣「複製專業」的概念對機器 (人工智慧) 而言, 或許就如配置機器模組般自然簡單; 可能有人會說那是對簡單的專業而言, 但人工智慧的特性就是可以不斷學習成長, 現在所謂簡單的專業, 對以前而言是極其困難的事. 在相關技術陸續到位後, 相信針對各類「專業」複製化會是人工智慧接下來的發展趨勢, 而其影響層面不僅改變我們工作型態, 從而衍生出來的還包括教育, 社會, 犯罪, 甚或法律型態改變, AI無限潛力固然讓人類更有效率追求慾望, 但相對改變所產生的成本與風險真是我們所能承受的嗎?
無論我們對AI看法是希望憧憬或末日悲觀, 轉動的科技巨輪從不因人類的遲豫而停止, 電子通訊不會再回到飛鴿傳書, 電汽火車也不會再返回躍馬揚鞭, 保握僅有時間來思考應對這即將來臨的智能風暴應該更為實際. 若人腦與計算機之間真如科學家霍金所說, 並沒本質差別, 那麼人類最該擔心的風險或許不是機器可以如何快速學會人類一切; 而是如同蘋果執行長庫克所提, 人類愈來愈像計算機思考, 漸漸充滿那不具價值, 同理心與不計後果的想法, 如同機器式思考, 被數字漸漸同化. (作者是台灣國家實驗研究院科技政策研究與資訊中心研究員)
經濟日報
4.防AI技術濫用 歐美築防火牆;
以目前智能科技的技術現況, 電影或小說中「強人工智慧」的情境離實際仍有一段距離, 隱藏其背後的潛在風險對一般人感受更是遙如天際, 而人類對未來的習性經常是發生後再來探討, 人工智慧的威脅一直只出現在大家嘴巴上.
其實世界各國已開始著手築砌人工智慧風險的防火牆, 由各個層面分別檢視未來可能發生的種種狀況, 早一步做風險防治與控管, 其內容涵蓋政策, 科技, 法律, 倫理甚與是生存等議題.
歐洲議會於2017年2月16日正式向歐盟執委會提出議案, 擬設立一套全面的法律, 界定人工智慧帶來的道德與法律責任問題, 立法動機在於人工智慧及機器人技術的發展迅速, 逐漸成為人類日常及經濟活動的一部分, 希望透過立法規範來確保其安全無虞. 目前立法決議尚在討論階段, 未來將設立專門機構, 落實相關人工智慧和機器人在技術與倫理上的監管.
美國白宮總統辦公室也於2016年12月發布《人工智慧, 自動化與經濟》的白皮書, 說明在人工智慧的衝擊下, 諸如勞動市場, 經濟與政策法令未來可能面臨的挑戰, 並提出因應未來工作型態改變所需的新教育, 訓練及過渡的相關對策. 英國科學辦公室也於2016年11月9日發布政策報告《人工智慧:機會與未來決策影響》, 介紹人工智慧對社會及政府所產生的機會和影響, 並提出適應由人工智慧作決策行為時的歸責, 以及風險管理機制等建議.
在產業界方面, Google於2014年提出設立倫理委員會, 確保人工智慧機器人技術不被濫用. OpenAI於2015年由Tesla, Y Combinator等公司出資成立, 主要聚焦在人工智慧的倫理問題. 另外, 臉書, 亞馬遜, Alphabet, IBM與微軟等五大科技業者於2016宣布成立「造福人群與社會的人工智慧夥伴關係」 (Partnership on AI) , 這是非營利組織, 希望通過一個標準開放式的模式, 讓人工智慧在社會變遷過程中, 變成一種包含道德, 公平, 包容, 透明, 隱私, 互動, 人與人工智慧的協作, 信賴及可靠等方面的研究課題. 期望以此種涵蓋人類核心議題發展, 消除人們對人工智慧風險疑慮.
學研界的防治更是蓬勃多元, 如標準制定組織IEEE發布的《合倫理設計: 利用人工智慧和自主系統最大化人類福祉的願景》, 是鼓勵科技人員在AI研發過程中, 優先考慮倫理問題. 2017年1月於美國加州舉行Beneficial AI 2017會議, 全球頂尖的AI領域專家聯合簽署未來人工智慧發展的23項原則 (Asilomar AI Principles) , 內容包括AI開發中的安全, 責任及應對AI造成的災難性風險. 劍橋大學內的跨學科研究中心「存在風險研究中心」, 致力於研究和減輕可能導致人類滅絕或文明崩潰的風險, 此機構將人工智慧列為可能造成人類滅絕的主要風險之一, 除提出警告, 還加以研究並探討防治方法. (作者是台灣國家實驗研究院科技政策研究與資訊中心研究員)
STPI簡介
國家實驗研究院科技政策研究與資訊中心 (STPI) 成立於1974年, 長期以來專責於我國科技研究發展所需數據之搜集, 建置, 分析, 處理與服務等事務. 近年來在既有之資訊資源基礎上, 強化趨勢研析, 關鍵議題發掘, 專利情報分析, 創新創業推動等能量, 並協助政府擘劃我國科技發展之願景與策略, 以朝向專業之科技政策研究智庫邁進.
趨勢研析與前瞻規劃團隊
本團隊以系統性方法進行技術發展趨勢觀測與深入研析, 提供我國產官學研動態情報資訊藉以掌握趨勢脈動; 並建立具證據基礎之需求導向前瞻研究能量, 協助各部會進行我國科技發展方向規劃.
經濟日報
5.AI五大隱憂 不可不提防;
人類對自主智能的風險預想, 大多集中在較可情境想象的「強人工智慧」, 如擁有高度智能的機器人上; 隨IoT/AI世代來臨, 「 弱人工智慧」已先滲入人類生活, 各界不得不更早審視所有可能影響人工智慧範疇, 及其所產生風險.
資源分配極度不均: 人工智慧已經開始改變很多人的工作型態, 2016年全球經濟論壇預測, 人工智慧與機器學習將於未來幾年造成約700萬個工作機會消失, 同時創造出200萬個新創工作機會. 英國物理學家霍金認為, 人工智慧的崛起, 可能重創中產階級而留下少數特定的工作, 導致嚴重經濟失衡.
這些推論都認為人類的「既有專業」將輕易被機器快速複製, 造成經濟階層結構調整, 並形成技術性失業, 生產效益與利潤會被集中掌握在少數擁高度人工智慧資源群體中, 貧富差異極劇, 社會高度暴露在資源分配不均的風險中.
資訊壟斷: 人類思考無法跳脫自身之經驗範疇外, 機器也是如此. 人工智慧若沒有數據, 即使搭配再優異的運算硬體與演算方法, 仍無法在目標的領域中發揮功效. 未來在相關軟硬體技術到位情況下, 「足夠且有用(海量且標記過)的數據」, 將是人工智慧產業建立利基的最大關鍵之一, 各領域領先者會大量的對關鍵數據建立屏障產生區隔, 而使用戶取得數據成本愈來愈高, 造成「智者愈智, 愚者愈愚」資訊壟斷風險.
未來無隱私: 麥肯錫預估, 2025年將會有1兆種類的對象相互聯網, 這代表在物聯網趨勢下, 未來周遭可能全是資訊收集器, 在人工智慧技術涵蓋下, 這些資訊收集器可能都具有自主思考功能, 並自行判斷所需的時機來開啟感測器. 無論未來隱私權的防治可做到何種地步, 人工智慧與萬物聯網的綜效, 一開始就將隱私權相關風險推進到一個很高的級數.
社會疏離: 在網路時代盛行時, 依賴網路虛擬世界來滿足社會互動的人數顯著提升, 網路虛擬世界的友善, 讓人與人的交流充滿想象與機會, 網路虛擬的人格似乎也更有勇氣與創造力; 但這不是真實世界, 會讓極度依賴的群體產生跟真實世界間很大落差, 進而造成社會疏離. 人工智慧時代後, 這個虛擬世界得到延伸, 各虛擬現實與人工智慧讓虛擬世界更真實, 催生出更多依賴群聚, 造成真實社會人際互動更疏離的現象.
無自主權: 人工智慧已進化到可判斷出日常生活中我們常看且想看的資訊, 機器投其所好的做法固然幫忙省時, 但也讓訊息趨單一化. 在未來AI對象更普及的世界中, 這種人類過度依賴且被單一化價值(或者是目標化價值)的現象, 會往更惡化的方向升級, 導致人類在各領域無自主思考風險, 某程度上也算人類心智滅亡危機. (作者是台灣國家實驗研究院科技政策研究與資訊中心研究員) 經濟日報
6.晶片進入AI時代 除了拼技術還要拼場景
人工智慧晶片領域的戰爭越來越激烈, 除了技術層面的突破, 還要拼誰能搶佔更多的應用場景.
曆時兩年, 人工智慧初創公司地平線的第一代AI視覺晶片在12月20日發布, 首先將面向智能駕駛, 智慧城市, 智能商業三類場景. 地平線創始人餘凱對第一財經記者說, 明年還將在智能家居領域有更多的商業化落地.
在AI晶片領域, 近年來, 隨著地平線, 深鑒科技, 寒武紀等公司的崛起, 或將改變我國每年花費巨額外匯進口晶片的局面.
軟硬結合路線
地平線此次發布的晶片包括兩款, 一款取名征程(Journey)1.0, 面向智能駕駛, 另一款取名旭日(Sunrise)1.0, 主打智能攝像頭. 兩款晶片採用的都是地平線的第一代BPU架構——高斯架構.
地平線公司介紹, '征程' 能夠同時對行人, 機動車, 非機動車, 車道線, 交通標誌牌, 紅綠燈等多類目標進行即時檢測和識別. '旭日' 能夠在前端實施大規模人臉檢測跟蹤, 視頻結構化等應用.
餘凱曾經是百度深度學習研究院的負責人之一, 一直從事的都是軟體方面的工作. 但是, 2015年創立地平線時, 團隊卻選擇了走軟硬結合的路線, 即 '演算法+晶片' 的業務模式, 這是一條比較 '重' 的路線. 對團隊來說既是一次跨界, 同時也需要大量的資金來支援長周期的研發.
'人工智慧要在社會的各個場景落地, 應用, 只做軟體是不夠的. ' 餘凱在20日的發布會上說道. 他認為, 軟硬結合現在已經是越來越受重視的前沿方向.
'大家都知道AlphaGO打敗了李世石, 但是大家不知道這背後我們付出了多大的代價. 人類的大腦是20瓦, 而AlphaGO所用的計算機是2000千瓦, 我們用十萬倍的功耗才把李世石打敗, 這就說明人工智慧要往前發展, 硬體肯定是個障礙. ' 清華大學計算機系教授, 中科院院士張鈸也在現場說道.
下一步: 應用場景
從應用場景去驅動硬體的設計, 目前最領先的兩家巨頭是英偉達和英特爾. 前者的GPU(圖形處理器)在AI領域有非常廣泛的應用. 後者則在AI晶片產業鏈上做了大量的收購和投資, 包括此前投向地平線的約1億美元.
此外, 穀歌, 特斯拉, 蘋果, 高通, 華為等產業巨頭都在研發AI晶片. 美國投資研究機構晨星公司此前發布報告提到了Alphabet(穀歌母公司)的TPU, 認為其可能會驅使亞馬遜和微軟等企業推出更多客制化晶片, 成為英特爾, 英偉達和賽靈思在AI晶片市場上的競爭對手.
這些公司正試圖生產出最符合自身需求的產品以減少對傳統晶片巨頭的依賴. 比如像特斯拉, 其輔助駕駛系統Autopilot的硬體系統就是基於英偉達的顯卡GPU, 不過, 一旦擁有自主研發晶片能力, 他們對英偉達的依賴也將減少.
一些AI領域的新晉獨角獸也在加足馬力. 就在上個月, 中科院孵化的寒武紀發布了新一代的AI晶片. 寒武紀稱, 這塊晶片的適用範圍覆蓋了映像識別, 安防監控, 智能駕駛, 無人機, 語音識別, 自然語言處理等應用領域.
提到和競爭對手的區別, 餘凱說道, 地平線的AI晶片選擇是與場景深度結合的模式, 在此基礎上, 公司一個重要的商業模式是 '交鑰匙方案' , 即提供軟硬體設計一起的定製化解決方案.
穀歌雲人工智慧和機器學習首席科學家李飛飛此前說道, 人工智慧正在經曆曆史時刻, 它已經走出實驗室進入了產業應用階段.
對於地平線來說, 首先要搶佔的垂直應用領域就是自動駕駛, 他們認為自動駕駛代表的是 '人工智慧核心技術的珠穆朗瑪' . 地平線已經和奧迪達成了合作, 面向全球市場開發平台性的自動駕駛技術. 此外, 還在和英特爾合作開發麵向自動駕駛的新型處理器的架構, 以及車規級(車用導航的規格標準)的軟體系統.
此外, 地平線還在智能家居領域進行了商業化嘗試, 包括智能空調, 掃地機器人等產品. 餘凱對第一財經記者表示, 明年在第二代伯努利架構的新一代征程處理器推出後, 在智能家居的商業化方面還會有更多的落地.
第一財經