安防百科

人工智能、机器智能技术的区别和发展趋势

2018-04-16 16:51:07 来源:互联网

[摘要] 对于人工智能,目前有两种态度。一种是担心,Elon Musk等人担心先进的人工智能会对人类造成威胁,Nicholas Carr担心自动化会抢人饭碗...

  对于人工智能,目前有两种态度。一种是担心,Elon Musk等人担心先进的人工智能会对人类造成威胁,Nicholas Carr担心自动化会抢人饭碗、让人变蠢;一种是放心,Google主席Eric Schmidt认为先进的技术智慧让人类变得越来越好,况且现在的人工智能还非常原始。那么,现在的机器智能现状到底是怎样的呢?Bloomberg Beta 的 VC Shivon Zilis 历时 3 个月,分析了 2529 家人工智能、机器学习及数据相关的初创企业后为我们做出解读。

  什么是机器智能?

  所谓机器智能,是机器学习与人工智能的统称。计算机正在学习如何思考以及读写。也正在获得人类的感觉功能,包括视觉、听觉,以及触觉、味觉和嗅觉(对后三者的关注略少)。机器智能技术涉及多种不同的问题类型(分类、聚类、自然语言处理、计算机视觉等)和方法(支持向量机、深度信念网络等)。这些都包含在机器智能版图当中。

  机器智能离不开大数据,数据是机器学习和人工智能的基础。尽管如此,出于篇幅和专注于人工智能方法的原因,这份版图并没有把大数据放进去。

  公司分类

  从事机器智能的公司很多,但是版图幅面有限。所以机器智能方法被当作关键技术的公司才可以列入。然后入选的公司再分为三大类,一类是专注于机器智能核心技术创新的核心技术类公司;一类就是应用型公司,应用型按照应用对象又可以分为面向企业、面向行业以及面向人 / 人机交互HCI)这三类;第三类则是支撑技术,包括硬件、数据准备、数据采集等。

  如果你打算开一家相关的公司,可以利用这张图找出合适的核心技术和支持技术,然后打包成新颖的行业应用。尽管人人都想解决一些吸引人的问题,但是在许多不那么性感的行业还存在着大量的商机值得挖掘(如通过 Watson Developer CloudAlchemyAPI 等),所以未必要紧紧盯住热门的领域。

  版图思考

  Kevin KellyK.K)认为,廉价的并行计算、大型的数据集,以及更好的算法推动了机器智能的发展,从而给企业、产业和人类带来了变革。这张版图的应用划分正是受到了这种观点的启发。正如 K.K 所言,接下来的 10000 个初创企业的商业计划很容易预测,做 X 然后增加 AI有时候甚至连 X 都可以不要,因为机器智能本身就有可能创造出全新的行业。

  机器智能的前景非常可观。目前这个领域的初创企业被收购率已达到有 10%Zilis 认为到 2015 年年底可能还会有另 10% 被收购掉。买家共有 15 个,其中 Google 是机器智能领域的头号买家。

  大公司具有压倒性优势,尤其是开发有消费者产品的那些。搜索(Google、百度)、社交网络(FacebookLinkedInPinterest)、内容(NetflixYahoo!)、移动(苹果)及电子商务巨头(Amazon)处在非常领先的位置。因为这些公司拥有大量的数据,且可以通过不断与消费者交互,从而形成算法调整的反馈回环,再加上网络效应,所以是最容易从中收获机器智能成效的公司。

  一流的个性化和推荐算法促进了这些公司的成功。在移动的新战场上,机器智能也不可或缺:如自然语言接口(苹果 Siri)、可视化搜索(Amazon FireFly)、直接提供答案而非链接的动态问题回答。而 IBM 和微软在这个领域也取得了很大进展,但是主要集中在面向大型行业数据集的知识表征任务(因为缺乏上述公司类似的面向人的需求),比方说 IBM Watson 就用到了辅助医生诊断上面。

  人才垄断

  过去 20 年里,人工智能领域最好的人才都在学术界。这些人发明了许多新的机器智能方法,但是能带来商业价值的却没几个。但现在像深度信念网(deep belief nets)和阶层式神经网络(hierarchical neural network)这样复杂的机器智能方法开始解决一些现实问题了。而象牙塔上的那些学者也开始走进企业。比方说Facebook招了纽约大学的Yann LeCun教授和 Rob FergusGoogle聘了多伦多大学的 Geoffrey Hinton,而百度则有吴恩达(Andrew Ng),这些都是机器智能领域教父级的任务。不过这些人并不是完全跟学术脱离了关系,不少的时间和精力还是要贡献给学校的。

  高薪和好设施当然是吸引这些顶尖学术人才的因素之一,但是最重要的却是另一个东西:数据。FacebookGoogle、百度等拥有庞大的计算资源,还垄断了海量的数据,必然会吸引越来越多的人才加入,这就是大公司形成压倒性优势的原因。

  和平红利

  如上所述,大公司拥有固有优势,而赢得机器智能战者未来还会更加强大。幸运的是,对于其他公司来说,大公司开发出来的核心技术会迅速涌入到其他领域通过大公司离职人员以及公开发表的研究的方式。

  此外,跟大数据革命类似,技术巨头也会把一些突破性的技术贡献给社区,然后由其他人来做应用层面的创新。

  创业机遇

  我的公司从事 X 深度学习

  要想让你的公司明年火,可以用上面这句话做广告词。当然,前提是你的确是。

  深度学习是机器智能的热门方法。虽然可能有点炒作过头,但 GoogleFacebook、百度这样的巨头,以及 Enlitic 等很初创企业,在视觉和语言处理方面采用这种办法的确取得了不俗的成绩。

  深度学习最令人兴奋的是,如果处置得当的话,其自动学习功能可以替代部分领域专家的直觉。在很多情况下,这有望改写许多领域的解决方案。

  人才收购作为商业模式

  我们在讨论大数据的时候往往提到数据科学家的短缺。但是由于此前机器智能仅限于学术研究,机器智能专家更是短缺中的短缺。这一现状并不会很快改变。

  这种短缺对于真正理解机器智能的创始人来说却是一种福利。这一领域的许多初创企业能够获得种子轮融资,往往就因为一个原因机器智能人才收购的价格是一般技术人才收购价格的 5 倍以上(比方说 Deep Mind 人均收购价格为 500 1000 万美元)。作为有悟性的创始人,你甚至可以网罗一批机器智能人才然后就成立公司,说不定就有人会收购你了好吧,这是个玩笑,但是这的确反映出人工智能的价值。

0 0

《安防知识网》一个服务号 二个订阅号 微信服务全面升级

  • LED显示屏频繁跳闸是为什么?下面就LED显示屏频繁跳闸做一个简单的分析。希望能解决您LED显示屏跳闸的问题。  1.漏电保护器布局不合理  ...

  •    首先在了解检测气体之前先来介绍一下可燃气体检测报警器的工作原理:   在线式可燃气体报警器一般用催化燃烧原理的传感器,对铂丝...

  •   在平时的工作过程中,如果能够正确地使用防爆电加热器,将会给自己的正常工作流程提供很多不错的帮助。不过这说起来容易,但是实际操作...

  •   应用概况:电磁流量计应用领域广泛。大口径仪表较多应用于给排水工程。中小口径常用于固液双相等难测流体或高要求场所,如测量造纸工业...