智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
【中國智能制造網(wǎng) 企業(yè)動態(tài)】即便有了Tensor Flow或Open AI等人工智能框架的支持，相比主流網(wǎng)頁開發(fā)人員，人工智能仍然需要深層知識和理解。
在Kaggle上，你甚至可以通過解決現(xiàn)實世界的項目賺到可觀的收益?？偠灾@工作不錯，但光憑它是否足以讓你創(chuàng)辦一家企業(yè)？畢竟，你不可能改變市場機制。從商業(yè)角度來看，人工智能只是現(xiàn)有問題的另一種實施方式?？蛻舨⒉魂P(guān)心采取怎樣的實施方式，他們只關(guān)心結(jié)果。這意味著你不能僅僅通過人工智能來坐享其成。蜜月期結(jié)束后，你必須要創(chuàng)造價值。從長遠來看，只有客戶才重要。
雖然你的客戶可能并不關(guān)心人工智能，但風投對此很關(guān)心。新聞媒體也同樣關(guān)注。很多行業(yè)都是如此。這種關(guān)注度上的差異可能會給創(chuàng)業(yè)公司制造一個危險的現(xiàn)實扭曲力場。但你不要被騙了：除非你創(chuàng)造了通用的多用途人工智能，否則就沒有免費的午餐。即使你是風投的寵兒，你也必須為你的客戶走到終點。因此，讓我們也當一回駕駛員，看看我們?nèi)绾螢槲磥淼膱鼍白鰷蕚洹?br />
“主流人工智能列車”
人工智能似乎與其他大趨勢不同，比如區(qū)塊鏈、物聯(lián)網(wǎng)、金融科技等。當然，它的未來是不可預(yù)測的。但幾乎所有技術(shù)都是如此。不同之處在于，我們作為一個人的價值主張似乎正處于危險之中——不只是其他行業(yè)。我們作為決策者和創(chuàng)意者的價值正在被重新評估。這引起了人們的情感反應(yīng)。我們不知道如何定位自己。
基礎(chǔ)技術(shù)的數(shù)量非常有限，大部分都可以歸類為“深度學習”，這構(gòu)成了幾乎所有應(yīng)用的基礎(chǔ)：卷積神經(jīng)網(wǎng)絡(luò)、長短時記憶網(wǎng)絡(luò)、自動編碼器、隨機森林、梯度增強技術(shù)，以及少數(shù)其他應(yīng)用。
人工智能還提供了許多其他的方法，但這些核心機制近已經(jīng)取得了壓倒性的成功。大多數(shù)研究人員認為，人工智能技術(shù)的進步將來自于這些技術(shù)的改進(而不是那些與之有本質(zhì)區(qū)別的方法)。出于以上原因，我們可以把這稱為“主流人工智能研究”。
任何真實的世界解決方案都由這些核心算法和非人工智能外形組成，來準備和處理數(shù)據(jù)(例如數(shù)據(jù)準備、功能工程、環(huán)境建模)。人工智能這一部分的改進往往會讓非人工智能的部分變得多余。這是人工智能的本質(zhì)，也幾乎是它的定義——讓解決特定問題的方法過時。但是，這種非人工智能的部分通常是以人工智能為驅(qū)動的公司真正的盈利來源。這是他們的秘密武器。
人工智能的每一個改進，都使得這種競爭優(yōu)勢更有可能開源，而且每個人都可以使用。但也會帶來災(zāi)難性的后果。就像弗雷德里克?耶利內(nèi)克曾經(jīng)說過的：“每次我解雇一位語言學家，語音識別器的性能就會提升。”
機器學習基本上已經(jīng)引入了下一階段的裁員：代碼被簡化為數(shù)據(jù)。幾乎所有基于模型、概率和規(guī)則的識別技術(shù)都是在2010年被深度學習算法淘汰。
現(xiàn)在只要用幾百行腳本(加上相當數(shù)量的數(shù)據(jù))就能打敗領(lǐng)域?qū)I(yè)知識、功能建模以及成千上萬行代碼。正如上面所提到的：這意味著，在主流人工智能列車的軌道上，專有代碼不再是一種可防御的資產(chǎn)。
重大貢獻極其罕見。真正的突破或新進展，甚至是基本組成部分的新組合，這些只有非常有限的研究人員才有可能做到。正如你可能想到的那樣，這個內(nèi)部圈子的規(guī)模要小得多(人數(shù)肯定少于100)。
這是為什么呢？也許這根植于它的核心算法：反向傳播。幾乎每一個神經(jīng)網(wǎng)絡(luò)都是通過這種方法訓練的。簡單的反向傳播形式可以在個學期的微積分課程中學到，完全不復(fù)雜(——但也不是小學水平的知識)。雖然這似乎很簡單——或者可能是出于這個原因——在50多年豐富多彩的歷史中，只有少數(shù)人能看到難點所在并質(zhì)疑其主要架構(gòu)。
如果反向傳播能像今天這樣具有可見性，我們的成就可能會比現(xiàn)在的階段10年(計算能力除外)。
從70年代的普通神經(jīng)網(wǎng)絡(luò)到再循環(huán)網(wǎng)絡(luò)，到今天的長短期記憶網(wǎng)絡(luò)，都震動了人工智能領(lǐng)域。并且，它還只需要幾十行代碼！數(shù)代學生和研究人員經(jīng)過數(shù)學計算，計算出了梯度下降法，證明了它的正確性。但后，大多數(shù)人點了點頭，說“這只是一種優(yōu)化形式”便繼續(xù)努力。分析理解是不夠的。你需要某種形式的“發(fā)明家直覺”來使之與眾不同。
要想擁有業(yè)界研究水平絕非易事，因此99.9%的公司只是搭上主流人工智能列車，還無法成為業(yè)內(nèi)大佬。核心技術(shù)是由業(yè)界主要的開源工具集和框架提供的。為了達到新的水平，專有方法會隨著時間的流逝而消失。從這個意義上說，絕大多數(shù)人工智能公司都是這些核心產(chǎn)品和技術(shù)的消費者。
列車通往何處？
人工智能(以及所需的數(shù)據(jù))被拿來與許多東西進行比較：電、煤、黃金。這顯示出科技界有多迫切想要找到規(guī)律或趨勢。這是因為，這種知識對于規(guī)避一個簡單的事實所能對你的業(yè)務(wù)或投資造成的風險至關(guān)重要。如果你把你的事業(yè)建立在人工智能列車的軌道上，沒有什么能拯救你。
因為列車頭已向商業(yè)領(lǐng)域飛奔而去，只有少數(shù)情況值得考慮。
種情況，主流人工智能研究列車的運行速度將明顯放緩，甚至已經(jīng)停止運行。這意味著更多的問題類別無法解決。這也意味著我們下車后，必須為我們的客戶走到終點。這對創(chuàng)業(yè)公司來說是一個很大的機會，因為他們有機會開發(fā)專有技術(shù)，并有機會創(chuàng)建一個可持續(xù)發(fā)展的業(yè)務(wù)。
第二種情況是，主流列車在當前時期呼嘯前行。那就更不容易躲開它的前進勢頭或下火車了。人工智能高速發(fā)展階段中，個人方法的領(lǐng)域知識很可能被大公司“開源”。那么過去你所有的努力可能都變得一文不值。目前，像AlphaGo LINK這樣的系統(tǒng)，除了由開源框架提供的標準(“vanilla”)功能外，還需要很高比例的技術(shù)。如果我們在不久的將來看到具有相同功能的基本腳本，我不會覺得驚訝。但“未知的未知”是一類問題，下一波人工智能的發(fā)展浪潮便能解決。自動編碼和基于注意力的系統(tǒng)在解決這類問題上勝算很大。沒有人能想象出，哪個垂直領(lǐng)域可以通過這個解決。幾率：可能。
第四種情況，火車的速度更快。后，“奇點已近”?，F(xiàn)在已經(jīng)有關(guān)于這方面的書了。億萬富翁們一直在為之奮斗。我可能會再寫一篇關(guān)于它的文章。這里的游戲是人工通用智能。如果我們做到了這一點，一切賭注都結(jié)束了。
后，還有“黑天鵝”事件的情況(“黑天鵝”指非常難以預(yù)測，且不尋常的事件，通常會引起市場連鎖負面反應(yīng)甚至顛覆)。在車庫里的某個人發(fā)現(xiàn)了遠離了主流算法的新一代算法。如果這位獨行俠可以自己使用這種算法，我們可能會看到個自制的億萬富翁。但這種情況又從何而來呢？我不相信這種事可能會突然發(fā)生。它可能是主流技術(shù)和被拋棄的基于模型的算法的結(jié)合。2010年神經(jīng)網(wǎng)絡(luò)的興起，一些曾經(jīng)大有希望的方法(象征方法等)便失去了部分研究基礎(chǔ)。目前在人工智能領(lǐng)域的研究也復(fù)興了其他相關(guān)研究領(lǐng)域。要找到一種“不受歡迎”且還未涌入大量研究人員的技術(shù)或算法已經(jīng)變得越來越困難。然而，可能會有一個局外人找到或復(fù)活一種改變游戲規(guī)則的方法。
誰能贏？
讓我們把所有這些都放在一起，后問一個價值百萬美元的問題。答案不僅取決于以上種種情況，重要的是在于你是誰。在這個等式中，業(yè)務(wù)的起始位置是一個關(guān)鍵因素，因為它的資源和現(xiàn)有資產(chǎn)是他們部署策略的關(guān)鍵。
在人工智能聯(lián)賽中，有幾家財力雄厚、能夠吸引關(guān)鍵人才的公司。由于這是一個相當燒錢的過程，所以你需要其他的收入來源。這就限制了選手們進入的谷歌、Facebook、微軟和IBM俱樂部。除了現(xiàn)有條件之外，他們還建立了龐大的專有系統(tǒng)，以及開放源代碼的堆棧，來到達新的問題類。過了一段時間之后，你就會把這些東西放進下一代的開源框架中，以建立一個活躍的社區(qū)。
這些玩家也有自己的平臺，可以用來訓練更好的算法。人工智能可能是一個巨大的市場，但它對于企業(yè)和企業(yè)在日常業(yè)務(wù)中的應(yīng)用也對企業(yè)的成功至關(guān)重要。這些平臺包括亞馬遜、Facebook、Google Apps、Netflix，甚至Quora，他們都使用人工智能來捍衛(wèi)和加強其核心業(yè)務(wù)模式。他們想辦法更好地為自己的客戶服務(wù)，但他們意識到要保持自己的核心業(yè)務(wù)與他們用人工智能處理的工作截然不同(至少是公開的)。
一些新興平臺已經(jīng)為他們自己的工具集找到了采用這一策略的方法。這些公司發(fā)現(xiàn)了一個人工智能起初只是有可能實現(xiàn)，或者是可以使之獲利的想法。一個例子是語法檢查程序語法。
乍一看，你可以把它看作是一個很好的插件，現(xiàn)有的供應(yīng)商可以輕松地自己構(gòu)建這種語法檢查程序語法。但事情遠不止如此。他們在這里建立了兩項資產(chǎn)：一個社區(qū)生成的數(shù)據(jù)集，以進一步提高質(zhì)量，并以更可持續(xù)的方式，為廣告合作伙伴提供一個非常個性化的市場。
然后是工具制造者。就像馬克?吐溫說的那樣——讓別人挖金子，站在一旁，把鏟子賣給他們。這在過去也行得通，在這里也行得通。提供數(shù)據(jù)，舉辦比賽，人才交易，人類教育。這一設(shè)想的藍圖是找到每一個人工智能野心家都需要(或想要)的東西，然后明碼標價。
Udemy教授AI課程，而Kaggle則發(fā)起了人工智能競賽，幫助其他公司走出自己的小圈子，讓數(shù)據(jù)科學家們打造自己的技能。這兩家公司都不需要在人工智能領(lǐng)域建立核心競爭力。企業(yè)還需要大量的數(shù)據(jù)才能取得成功。他們中的大多數(shù)人使用的是監(jiān)督學習，所以必須有人監(jiān)督。
后，還有一些公司在人工智能咨詢領(lǐng)域找到了自己的定位。因為即使是在巨人的開源框架的肩膀上，仍然有很多工作要做。
像Element AI這樣的公司能夠?qū)⑦@些額外工作的一部分產(chǎn)品化，并將其轉(zhuǎn)化為一項服務(wù)。事實上，近的1.02億美元投資確保了他們成功所需的雄厚財力。
還有其他一些公司正在蓄勢待發(fā)，那些鼓吹自己有針對性的人工智能解決方案的公司，正在取代現(xiàn)有的商業(yè)流程。然而，這些公司在兩個方面面臨挑戰(zhàn)。可以開發(fā)開源項目來解決同樣的問題，而現(xiàn)有的供應(yīng)商正在大量投資于更自動化的解決方案，以解決同樣的問題。該行業(yè)重要的因素是主流人工智能研究的速度，這種研究只在一小群研究人員中進行。他們的測試結(jié)果會在時間使用人工智能玩家開發(fā)的框架開源。其余的人要么是想在人工智能領(lǐng)域分一杯羹，要么要阻礙其發(fā)展。終，定位是一切，而決定了自己位置、并記住以上所說情況的公司，也能到達他們想要的目的地。
原標題：我們進入全民人工智能時代，誰會是下一個谷歌？
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
