2018世界科技創新論壇全體大會:人工智能標準化革命
2018年08月11日
Michael Levitt：
現在美國人不把它叫人工智能了，他們用的是機器學習。
機器學習就是把數據拿來，在裡面歸納一些東西。
舉個例子，我們說孩子的身高是年齡的函數，然後你會得出一個曲線，裡面有很多點點點，畫出一條線，平均一下，如果你是12歲的話應該1.4米，當然這是從數據裡面歸納出一些東西。
隨著機器學習的興起，當然你也可以稱之為人工智能，還有像深度學習、神經網絡、隨機森林等等，這些都是新的術語，它是老概念的新名字。
比如說電腦，不再是你告訴它什麼是好的什麼是不好的，電腦可以自己去歸納來，所以電腦已經可以做歸納了，我們說歸納非常重要。
比如自駕駛的車輛，電腦就可以知道我到什麼程度停下來，所以電腦這種歸納的能力也在不斷提升，無論化學、物理學等等，都可以借用這個發展。
顏水成：
兩個人工智能比較長遠的話題，原創性和安全性。
在學術界和工業界，AI技術無外乎三種，
一種是非常原創的，我們叫顛覆式的技術創新；
一種是微創新。
三是沒有創新，技術在一個領域取得了成功我照搬到另外一個領域來。
學術界做人工智能的研究非常有意思，它的研究成果跟數據、應用場景是完全獨立的，意味著在學術界做研究原創性變得非常重要，如果沒有原創性就很容易被大家遺忘。
軟硬結合之後對智能硬件我們會用傳感器，比如照相機，但其實是非常脆弱的，很容易被攻破的。比如一個鏡頭拿激光筆對著它，那它很快就會自盲。
AI軟件的安全性。這一點360研究比較早，它多是建立在底層的SDK上的，這些SDK可能裡面也有bug，比如我們做一個圖像識別的算法部署到服務器上，駭客利用軟件的漏洞可以在圖片上加一些信息進去，這個圖片就可以讓我的服務系統，或者陷入死循環，或者沒有辦法獲得系統的控製權限，
連接之後意味著駭客就有機會滲透到你的智能硬件裡面了，他想做什麼樣的事就他說了算。
另外可能還涉及到道德層面上的問題，比如說我們基本上有一個觀點，深度學習或者人工智能是沒有完美的算法，就意味著你一定要處理一些問題，
比如你做自動駕駛，在這個上面就一定要控製，你到底是撞前面的人還是把車右轉到車道讓自己產生傷亡
楊帆：
對計算機學科有一個定義，是什麼？
是對信息的採集、傳輸、存儲、計算和反饋的這樣一門科學。
這裏我舉一個小的例子，大家知道說我們有一些對話類的機器人微軟做過一個小冰機器人。這個小冰機器人跟你能對話，但是不知道這個機器人剛出來的時候會罵人，你罵它，它也罵你。人工智能就是這樣，他會模仿你的特徵。互聯網網民引起軒然大波，罵就罵吧，沒什麼關係。
但是不知道大家知不知道件事，微軟同樣做過一個事，在中國成功之後想在美國複製成功，做了一個TAY，但是很不幸試用階段，TAY遭受到了美國極端種族主義的一些人，你跟它說話，它會講一些政治不正確的東西，所以後來把這個東西下架停掉。這就是社會對新技術不滿足，不完美採用什麼樣的態度。
郝玉成：
第一個
關注人工智能技術發展的突破在哪些方面，
一是技術突破，
二是應用突破。
技術大家看到算法，AlphaGo、視覺等等，這些都是依賴於數據、算法、技術能力的提高得來的。我們再看看應用上的突破，工業機器人、金融、交通、法律等等，人工智能技術已經開始進入這些領域。
第二個
人工智能技術在製造業、產業方面面臨什麼樣的挑戰？我們剛才說AlphaGo典型的這個算法，它可以直接拿來用嗎？不可以。舉個簡單的例子，智能機器人，我們大家現在看到的大部分的機器人都是原來傳統上的自動化的機器人，如果我們要說智能機器人現在面臨哪些智能化的突破呢？最起碼四個智能化的技術：
1、傳感智能。我們說人造皮膚，這個技術突破不了，我們現在所謂的那些智能機器人功能是做不到的。
2、計算智能。AlphaGo只是計算智能的一部分，很多的算法在算法智能裡面，大數據到小數據，剛才講到了。
3、操作智能，最後得落地啊，一個機器人要去抓東西，它的有柔性，沒有操作智能怎麼可能實現？
4、系統性的智能，包括集成化的智能、感知智能等方面。所以構建一個智能的機器人，不簡簡單單是一個計算智能就能完成的，所以產業界的研究一定在這些技術方面，系統性的研究，把它放到這個裝備裡面去完成它的智能機器人的所有智能化的要求，這是面臨的挑戰。
第三個，當然要通過不斷的創新去加快人工智能技術的發展。
沒有留言:
張貼留言