AI只跟科技巨头有关？小公司若何在AI时代竞争？

[原创文章：www.ii77.com]

[原文来自：www.ii77.com]

硅谷Live / 实地探访 / 热点探秘 / 深度商量

2017年，提议 ImageNet 竞赛的斯坦福大学传授李飞飞公布，本年将会是最后一届挑战赛。因为机械识别照片的错误率已经几乎降低到跟人类一般了，甚至跨越人类。

2018年，较量机界诺贝尔奖的“图灵奖”公布由深度进修三巨头获得：Yoshua Bengio, Yann LeCun 和 Geoffrey Hinton。

从机械图像识别跨越人类，到深度进修获图灵奖承认，但这并非人工智能的终点。

硅谷企业巨头若何运用人工智能的？将来的AI世界，会显现“超等智能”吗？小企业又该若何应对？硅谷洞察带你听听加州大学伯克利分校较量机系大牛传授 Pieter Abbeel 若何说。

从监视式进修到强化进修:  有方针的AI在将来会有很大影响

Pieter Abbeel 拥有斯坦福大学较量机学系博士学位，师从吴恩达。2008 年起，Pieter Abbeel 在加州大学伯克利分校电气工程和较量机科学系担当传授。他还曾在 Open AI 担当科学家，曾担当一家AI 改功课的教育公司 Gradescope 的结合创始人，2018年，公司被收购。

（Pieter Abbeel 传授上课中，版权属于营创学院）

Pieter Abbeel 传授先从机械进修的三种首要实现体式说起，离别是：监视式进修（Supervised Learning），强化进修（Reinforcement Learning）以及无监视式进修（unsupervised Learning）。

所谓监视式进修，就是经由给神经收集“喂”大量图像，神经收集在这些被标记了的图像傍边进行进修，最终找到和标记物之间差别最小化的物体。

事实上，被称为 “深度进修之父” 的多伦多大学 Geoffrey Hinton 传授，就是经由提出一种深度卷积神经收集构造 AlexNet，夺得 2012 年 ImageNet 竞赛冠军，成就比其时第二名凌驾41%。他们采用的就是监视式进修。

后来，好多人都将 2012 年的这场竞赛视作目前人工智能海潮的催化剂。到2014年，能够说，几乎所有高分参赛队员都用了深度神经收集。

现在，人工智能从简洁地识别图像中的物体，到对图像进行描述，再到进行视觉问答挑战。能够说，机械除了拥有人类懂得图像的能力，还能用人类说话描述图像内容，甚至关于任何一张图片，机械能进行自问自答。每一步，人工智能的能力都越来越壮大。

那么，监视式进修完成得好，需要什么呢？Abbeel 传授指出，第一，大量经由标记过的数据，第二，大量的较量资源，第三，一个好的AI团队。但随之而来也陪伴着挑战：企业需要有大量经由标记过的数据，属于”劳动密集型”财富。

这也是为什么 Abbeel 传授指出，强化进修在不远的未来，更让人感应振奋。

强化进修跟监视式进修的首要分歧在于，监视式进修更像是有一个先生，站在你旁边监视你，但先生会知道所有的谜底是对是错。强化进修更是给进修对象（即机械）一个奖励反馈旌旗。像教小孩子走路或许小狗一般，做得好，就给一点奖励，做欠好，就责罚。

强化进修一个最典型的例子，就是下赢了两位人类围棋高手柯洁与李世石的 AlphaGo。

Abbeel 传授透露，当前强化进修的确首要用于游戏和机械人练习，解决平时的决议问题。好比伯克利就有模拟人类进修行走的机械人，它或者在进修过程中摔倒好多次，但一旦有一次没有摔倒，分数就更高，没有摔倒的究竟会反向流传到神经收集傍边，从而强化进修究竟。经由大约2000次进修，这个机械人就能学会若何“跑”了。

对于 Abbeel 传授而言，他认为家用机械人在强化进修下的运用，更令人感应振奋。他小我首要研究偏向就是将深度强化进修应用到机械人上。

从2010 年起，他和学生对伯克利的 BRETT（Berkeley Robot for the Elimination of Tedious Tasks，“用于解决繁杂义务的伯克利机械人”）机械人进行了编程，使其能够拿起分歧巨细的毛巾、弄清楚它们的外形并将它们整洁叠好。现在已成长成能够叠衣服、整顿玩具、餐具等等。（几多居家人的妄想啊！不外该机械人造价40万美元……）

按照 Abbeel 传授的展望，将来机械人将会面临两拨新的主动化海潮:

第一波：“长眼睛”的机械人。他透露，当机械人有了视觉能力后，会适应好多新的场景，可以完成的义务也就更多了。

第二波：“可示教”的机械人，即经由人的示范教授，让机械人从中进修。完成那些无法经由编程教机械人的义务。“真正有助于更快地传授机械人新花样的是使用长途把持和虚拟实际”，Abbeel 传授现在跟几个学生创业的公司 covariant.ai 就在进行如许的测验。

那么，如许的机械人究竟什么时候能大规模推开，为制造业、仓库、物流等行业供应主动化解决方案呢？Abbeel 传授估计五年内可落地，首要因为当前手艺尚未完全成熟，但已在实验室里逐渐变为实际。

至于无监视式进修，跟监视式进修的首要不同在于，没有给定事先标记过的数据进行练习示例，机械主动对输入的数据进行分类或分群。Abbeel 传授比方，比如教孩子一般，什么是汽车、卡车、自行车，只需要教一次即可，而无需频频敷陈他。不外，当前无监视式进修应用较为缺乏，这范畴会是未来各大公司逐渐发力的处所，好比 Facebook 首席人工智能科学家Yann Lecun 就是因为对无监视式进修的研究而获得的 “图灵奖”。

硅谷贸易巨头若何运用AI？以深度监视式进修为主

当前人工智能在贸易范畴的应用是否普遍？Abbeel 传授认为，对于贸易范畴的案例而言，首要照样深度监视式进修，且非常有效，缔造了大量的或者性。  

第一个很主要的应用场景就是：主动展望能力。Abbeel 传授甚至采用他博士导师吴恩达的话说是：“我认为在接下来几年里，很难举出一个范畴的例子是不克被AI推翻的。”

如今，我们就以硅谷的一众大科技企业为例，来看看究竟深度监视式进修是若何运用在平常生活中的：

好比美食点评网站Yelp（雷同于美国版“公共点评”），试想一下一天用户上传的照片有几多？2016年时，这个数字已经高达10万张至万万张不等。

试想一下，如何向其他食客展示更时兴的照片，从而吸引更多的食客来呢？这就是人工智能施展感化的处所了。

前面说到数据，若是让 Yelp 团队成员一张张标注照片悦目或欠好看的话，并不实际。第一太主观，第二，太虚耗劳动力。是以，Yelp 的团队想到了练习数据库。他们发现，决意一张照片质量利害的参数包罗是否用数码单倒映片拍摄，以及记录数码照片的属性信息和拍摄数据的EXIF数据等。

是以，行使深度进修构建照片评分模型后，现在，Yelp 上面上传照片的质量，就高下立见了。下面两组图里，是不是底下的照片比上面的照片看上去让人有食欲多了呢？

（上：AI筛选前，下：AI筛选后上传的照片）

若是说Yelp是直接面向消费者的话，那么，面向企业的贸易也适用。Abbeel 传授的另一个例子就是全球有名客户关系治理（CRM）软件办事供应商 Salesforce。

每个来到旧金山的人对城里那座最高的大楼估量都印象深刻：没错，那就是现在美西最高的大楼、Salesforce 的新办公大楼Salesforce Tower，楼高 326 米，共61层，几乎和北京的国贸三期一般高。每年 Salesforce 搞公司庆典时，旧金山半个城市的交通就会大堵塞。

（图片来自收集，版权属于原作者）

这家为客户按需定制客户治理办事系统的 SaaS 企业，把人工智能运用到了最需要的一个处所：市场..。

试想一下，天天是不是会收到商家给你发大量的订阅邮件？然则你打开照样退订，打开后是购置照样浏览一下罢了，对于商家而言，把握如许的客户动态对最终发卖成功很主要。因为这取决了商家要跟踪那些更有购置或者性的客户，从而让发卖团队进行工作的优先排序。

现在，人工智能就经由在客户关系治理系统中跟踪每一个客户的互动，从而对某些客户进行针对性..，或许挽留那些或者会流失的用户们。

放到医学上，监视式进修施展的功能也同样伟大。

现在，经由胸部X光检测肺炎，人工智能检测的水平已经跨越专业职业放射科大夫。客岁，吴恩达团队揭橥的一个基于深度神经收集 CheXNeXt 模型，能够诊断包罗肺炎、胸腔积液、肺肿块等在内的14种疾病。个中10种疾病的诊断，AI与人类放射科大夫的示意相当，还有一种跨越了人类。但值得一提的是，AI的诊断速度是人类的160倍。

Abbeel 传授透露，美国食品药品监视治理局（FDA）客岁也核准了第一款人工智能设备用于检测与糖尿病相关的特定眼部问题。这款设备是经由扫描人的眼睛视网膜，从而判断糖尿病是否已经进展到某一水平从而影响人的视力，如许就能实时提醒病人见眼科大夫了。

（Pieter Abbeel 传授上课中，版权属于营创学院）

那么，人工智能是否会超越人类聪明，实现超人工智能呢?  在 Abbeel 传授看来，现在硬件部门的确已经跟人起头慢慢接近，但软件部门照样临时缺失的。不外有一点能够确认的：若是有一天实现了超等智能，那么它一定不肯意让人类把电源拔掉。这就需要确保对“超等智能”的第一次测验就是准确的测验，不然就或者显现跟人类价格纷歧致的问题。即使是他本人，也让不可思议真正的场景会若何发生。

小公司在AI时代的竞争

或许好多人会认为，当前AI时代已经被大公司占了优势，无论是AI顶尖人才，照样数据。但在 Abbeel 传授看来，并非如斯。任何公司，面临 AI 时代的竞争想要胜出，要害在于把握以下几点：

第一，数据是要害。尽管小公司的数据比大公司少好多，但作为在某一精专范畴的小企业罢了，无论做什么，都需要存储更多的数据。举个例子，好比客服打德律，是否能够把德律进行灌音？网上客服的话是不是能够把文字记录下来？无论是语音识别，照样文字识别，这都是人工智能能够充裕练习的范畴了。

第二，认识人类在未来究竟能饰演什么感化。若是企业一旦拥稀有据的话，那么只如果跟那些人在半秒钟内就能完成的事情，就应该练习用神经收集去做。又或许是人跟AI连系起来，一路做。所以，无论把数据做何用，这都需要企业治理层思虑清楚，人在傍边的感化。

对于小企业来说，那些企业平常反复做的事情更是要属意，“只要能够练习一个神经收集来做的活，你都需要属意了。”

列位企业家或许创业者，是不是看完有种感受，AI并非离贸易如斯遥远，而是能够落地的呢？上述内容仅是 Pieter Abbeel 传授在为营创学院EMBA硅谷访学团学员们解说的《人工智能将若何改变贸易》课程部门出色节选。

（Pieter Abbeel 传授跟学员合影，版权属于营创学院）

营创学院由清华大学郑毓煌传授提议，秉承“教育改变命运，我们改变教育”的理念，发奋成为人人都上得起的哈佛商学院。本次 EMBA 硅谷访学团由郑毓煌传授和思科中国区原副总裁张坚带队，50位中国企业家一路接见硅谷。众企业家在斯坦福大学和加州大学伯克利分校与诺奖得主面临面，并走进苹果、思科、惠普、领英、英伟达等全球名企总部，与硅谷本地企业家深入交流。

更多关于此次访学的出色内容，迎接存眷硅谷洞察后续报道。想给 Pieter Abbeel 传授提问？也迎接留言！

还想旁观更多大咖的原创音视频？扫码免费领取会员，点击“在线进修”，就能马上享用营创学院百位大咖作者的原创著作音视频！

本文参考文章：

感乐趣想认识叠衣服机械人练习背后的更多故事，能够查察该论文《基于视觉模型的强化进修作为练习通用机械人的途径》，BAIR，

https://bair.berkeley.edu/blog/2018/11/30/visual-rl/

Yelp是若何运用深度进修进行筛图的：Finding Beautiful Yelp Photos Using Deep Learning，Yelp， 

https://engineeringblog.yelp.com/2016/11/finding-beautiful-yelp-photos-using-deep-learning.html

斯坦福大学关于吴恩达团队用CheXNeXt模型进行X光检测的报道，Standford University，

https://med.stanford.edu/news/all-news/2018/11/ai-outperformed-radiologists-in-screening-x-rays-for-certain-diseases.html

介绍阅读

区块链申报 | 脑机接口申报 

硅谷人工智能 | 斯坦福校长

卫哲 | 姚劲波 | 胡海泉 

垂直莳植 | 无人车

王者荣耀 | 返老还童