至少现在, AI并非 '魔法无边'
杨克俭博士还是日本土木学会桥梁健康监测委员会委员, 耐爆耐冲击设计委员会委员, 长期担任在日中国科学技术者联盟会长职务. 十几年前他着手开发桥梁智能检测监测系统时, AI尚未波及到土木建筑界.
杨博士认为, 现在的AI是依存于超大量的数据, 通过机器学习和深度学习的算法而实现的技术, 仅仅是从数据做出来的黑箱化的思维工具, 并不是无所不能. 学习方法的突破实现了较高的预测精度. 至于它如何实现的高精度, 则是超大量的数据在高维特征空间中进行高密度, 高精度的内插所收获的结果. 所以要利用人工智能得到准确结果, 前提是拥有可以保证高质量内插计算的大量数据, 和能够准确设定出数据的特征量. 准确地说, 现在的AI所得到的结果是个相关关系, 而不是因果关系. 因此, AI至少现在还不是 '魔法无边' 的工具.
认识误区, 炒作膜拜危害大
杨博士说, 人们最大的误区是把AI已经实现的内容, 即将实现的内容, 还有不大可能实现的内容, 全都混在一起讨论. 其实, 如果没能理解AI的实际能力限制, 就可能做出无知的判断和策划, 造成失败. 一种常见的失败是想利用AI, 却白花钱得不到预想结果; 另一种是虽使用了强有力的AI工具, 但期待过高, 得不到满足结果, 最后放弃而失去了革新的机会. 有这两类失败经验者, 日后反而可能强烈反对AI的推进, 成为AI事业发展的阻力.
他认为, 要做出切合实际的判断, 首先要认清AI到底可以做什么, 将现在能做的, 不久能做的和将来能做的内容认真整理并切实分开是非常重要的.
其次在技术层面上, 机器学习的最大课题是特征量的设计, 人工确定特征量取决于设定者对实施对象的熟知程度等. 深度学习解决了这个问题, 实现了特征量抽出的自动化, 这个突破才促成了AI的第三次浪潮. 现在AI的模式识别水平是高于人类的, 比如机器战胜世界冠军棋手等, 所以引起了人们对AI的膜拜. 其实, AI在识别物体和序列的能力等方面还远不如人类.
另外, AI难以通俗理解是产生膜拜的重大原因. AI的性能越提高, 就越难于进行通俗解释, 过程逐渐黑箱化, 变成黑魔术, 引起人们误解. 人类很重要的行为之一就是通过联想形成推理故事等, 决策和直觉认知比较线性化, 对高维的非线性的AI较易产生膜拜现象.
掌握数据, 掌握AI产业未来
避开上述的认识误区, 可以更客观地分析和预测AI发展的未来. 杨博士认为, 未来AI产业发展的关键就是数据的收集和累积, 谁掌握了数据, 谁就掌握了AI产业的未来. 针对AI的第三次浪潮, 日本政界和经济界都没有等闲视之.
对于AI在建筑业智能检测监测系统的应用, 杨博士说, 今后建筑物的损伤程度判别, 损伤原因解明以及预测, 监控监测检测和建筑管理等方面, 都会因为引入AI而获得突破性进展. 据日本土木工程界预测, 2050年—2060年, 土木建筑业可以实现结构损伤的自动检测和自动修补, 在需要的场所自动建造房屋, 全街区智能化等.
如果实现全街区智能化了, 那建筑工程师不就失业了吗? 针对科技日报记者的疑问, 杨博士回答不会的. 实现街区智能化之后, 工程师的工作可以集中在交互界面, 降低AI计算成本等方面, 并在数据非常少的条件下担负决策责任等.
日本土木学会的资料显示, 2014年建筑业劳动者是343万人, 预计到2025年减到216万人. 日本政府在2016年9月的未来投资会议上提出目标, 到2025年要将建筑业劳动生产率提升20%.