星環科技孫元浩：2018年人工智慧技術三大發展方向

圖：星環科技孫元浩

2017年AI成為最火熱的技術辭彙，大量資本湧入這個領域，在中國催生了一批創業公司，在美國催生了大量的收購。這意味著AI到了泡沫的頂峰，並且還將持續一兩年。

AI不是一個新的辭彙，而是已經發展幾十年的技術。從早期的邏輯推理階段，到專家系統/歸納學習，到機器學習階段，再到現在的深度學習階段，每個階段都產生一些技術突破，也創造過一系列泡沫。例如在2000年左右第一輪互聯網泡沫期，希望用AI讓機器能夠理解互聯網，由此催生了semantic web，目標是讓機器能夠自己理解信息並且機器間能夠自由溝通。 隨著VR技術的發展，又出現了一批AI驅動的虛擬人/虛擬助理，可以與人自由交談，當時異常火爆的Second Life是這個階段的典型代表。在影視作品中，《黑客帝國》把機器智能想像到了極致，人完全淪為機器產生能源的電池，世界全部是由計算機創造和控制的；《人工智慧》和《我，機器人》則給機器人賦予了感情，並將引發新的革命。但是過去每一次技術進步，沒有帶來人們想像中的應用突破，我認為除了演算法缺乏突破外，重要原因是受限於計算力和數據。

2006年開始大數據技術得到迅猛發展，從早期的分散式存儲和計算系統（HDFS/Map/Reduce 2006-2009），到SQL on Hadoop （2010-2014是焦點階段）技術的逐漸成熟，已經解決了大規模數據的存儲和統計問題，當大數據技術發展到2015年時，業界的關注焦點轉向了機器學習，希望利用分散式計算能力，來解決機器學習演算法，尤其是神經網路演算法的計算能力問題，使之能夠完成高密集的迭代計算，從而提高演算法精度。記得2015年我去參加紐約的Hadoop World大會，當時就發現短短一年中誕生了近50家機器學習的創業公司，在提供分散式機器學習的產品或服務。計算框架也產生了分歧，Spark當時擅長統計機器學習，而Google當時剛剛開源的單機版Tensorflow則擅長深度學習。同時深度學習演算法上的突破，使得過去多個應用領域，包括計算機視覺、自然語言處理、語音交互、傳統機器學習、機器人等過去隔得很遠的領域，都能被統一成採用一類深度學習演算法，都能高效地得到處理，並且能夠輕易地超過過去各自領域積累多年的演算法。現在開源的人臉識別演算法都可以達到98%的精度，使用深度學習演算法，可以比較容易地在ImageNet的競賽中得到前幾名。充分說明了深度學習演算法已經成熟。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！