至少現在, AI並非 '魔法無邊'
楊克儉博士還是日本土木學會橋樑健康監測委員會委員, 耐爆耐衝擊設計委員會委員, 長期擔任在日中國科學技術者聯盟會長職務. 十幾年前他著手開發橋樑智能檢測監測系統時, AI尚未波及到土木建築界.
楊博士認為, 現在的AI是依存於超大量的數據, 通過機器學習和深度學習的演算法而實現的技術, 僅僅是從數據做出來的黑箱化的思維工具, 並不是無所不能. 學習方法的突破實現了較高的預測精度. 至於它如何實現的高精度, 則是超大量的數據在高維特徵空間中進行高密度, 高精度的內插所收穫的結果. 所以要利用人工智慧得到準確結果, 前提是擁有可以保證高質量內插計算的大量數據, 和能夠準確設定出數據的特徵量. 準確地說, 現在的AI所得到的結果是個相關關係, 而不是因果關係. 因此, AI至少現在還不是 '魔法無邊' 的工具.
認識誤區, 炒作膜拜危害大
楊博士說, 人們最大的誤區是把AI已經實現的內容, 即將實現的內容, 還有不大可能實現的內容, 全都混在一起討論. 其實, 如果沒能理解AI的實際能力限制, 就可能做出無知的判斷和策劃, 造成失敗. 一種常見的失敗是想利用AI, 卻白花錢得不到預想結果; 另一種是雖使用了強有力的AI工具, 但期待過高, 得不到滿足結果, 最後放棄而失去了革新的機會. 有這兩類失敗經驗者, 日後反而可能強烈反對AI的推進, 成為AI事業發展的阻力.
他認為, 要做出切合實際的判斷, 首先要認清AI到底可以做什麼, 將現在能做的, 不久能做的和將來能做的內容認真整理並切實分開是非常重要的.
其次在技術層面上, 機器學習的最大課題是特徵量的設計, 人工確定特徵量取決於設定者對實施對象的熟知程度等. 深度學習解決了這個問題, 實現了特徵量抽出的自動化, 這個突破才促成了AI的第三次浪潮. 現在AI的模式識別水平是高於人類的, 比如機器戰勝世界冠軍棋手等, 所以引起了人們對AI的膜拜. 其實, AI在識別物體和序列的能力等方面還遠不如人類.
另外, AI難以通俗理解是產生膜拜的重大原因. AI的性能越提高, 就越難於進行通俗解釋, 過程逐漸黑箱化, 變成黑魔術, 引起人們誤解. 人類很重要的行為之一就是通過聯想形成推理故事等, 決策和直覺認知比較線性化, 對高維的非線性的AI較易產生膜拜現象.
掌握數據, 掌握AI產業未來
避開上述的認識誤區, 可以更客觀地分析和預測AI發展的未來. 楊博士認為, 未來AI產業發展的關鍵就是數據的收集和累積, 誰掌握了數據, 誰就掌握了AI產業的未來. 針對AI的第三次浪潮, 日本政界和經濟界都沒有等閑視之.
對於AI在建築業智能檢測監測系統的應用, 楊博士說, 今後建築物的損傷程度判別, 損傷原因解明以及預測, 監控監測檢測和建築管理等方面, 都會因為引入AI而獲得突破性進展. 據日本土木工程界預測, 2050年—2060年, 土木建築業可以實現結構損傷的自動檢測和自動修補, 在需要的場所自動建造房屋, 全街區智能化等.
如果實現全街區智能化了, 那建築工程師不就失業了嗎? 針對科技日報記者的疑問, 楊博士回答不會的. 實現街區智能化之後, 工程師的工作可以集中在交互界面, 降低AI計算成本等方面, 並在數據非常少的條件下擔負決策責任等.
日本土木學會的資料顯示, 2014年建築業勞動者是343萬人, 預計到2025年減到216萬人. 日本政府在2016年9月的未來投資會議上提出目標, 到2025年要將建築業勞動生產率提升20%.