二十年过去了,谁让悲观者前行?_风闻
AIPharos月光社-AIPharos月光社官方账号-2019-12-20 13:27

文/杨健楷
让无力者有力,让悲观者前行。
1999年新年的第一天,一份报纸的头版,刊出了上面这句话。它是一篇新年献词中的词句。
二十年过去了。一些最好的事情发生了,糟糕的也有不少,对大多数人来说,生活大多数时候没有太多变化。人们还像过去一样,庆祝每一次新的开始,在每一次结尾计算得失。
2019年的结尾,照例悲观。
一个关于“周期”的段子,变成了笑柄。一位擅长预测的分析师曾断言:2019年将是触底反弹的一年,八零后们将在这一年逆天改命。正在奔四的八零后们,又被忽悠了一次。
前一段,关于“2017和2019”的话题,多了起来。不敢想当年,人们流行起了小怀旧。2017没有多好,2019没有多差,在微弱的对比中,有心的人试图寻找浪潮。
下一个十年的浪潮,藏在两张图片中:

2017年光环曲线。来源:Gartner

2019年光环曲线。来源:Gartner
这是咨询机构Gartner发布的2017和2019年的“光环曲线”图。它反映的是该年科技行业不同领域的景气程度,以及技术成熟所需时间的长短。
在2017年,Gartner预测,在32项新兴科技中,有10项技术有望在2-5年之内成熟,占总体比例的32%。到了2019年,形势急转直下。2-5年内成熟的新兴科技,其占总体比例的数字,下降到了17%。
数字的变化,反映的是人们对新兴技术的乐观程度。
当总体数字下降,人们情绪低沉。但最耐心的猎人永不会着急,他们会仔细寻找,按图索骥,然后发现:图上藏着不落的“光环”。

不落的“光环”
人工智能是2017年到2019年光环曲线上不落的“光环”。
这个领域的关键词每年都在深化,颗粒度变得更细:2017年,是深度学习、机器学习;2018年,是神经网络专用芯片;2019年,是边缘AI。从笼统的大概念,到细分领域的专有名词,人们对于人工智能的讨论,正在更加深入。
作为前沿科技领域的资源平台,我们也在为此尽一份薄力。
2019年12月19日,新加坡。
在2019年第六届IEEE云计算与智能系统国际会议产业论坛上,AIPharos邀请到了人工智能业界最具创造力的一些学者与产业领袖,展开了一场关于智能系统驱动产业变革的讨论。
与会者有本次产业论坛主席Salesforce研究集团亚洲区Steven Hoi和6Estates公司Chao Wang,以及英伟达AI技术中心高级主管Simon See、松下新加坡研究院高级研发经理Pongsak Lasang、Sopra Steria亚洲区负责人Vera Jin、澎思科技首席科学家Jane Shen。

与会者合影,自左至右分别是Dr. Pongsak Lasang, Dr. Vera Jin, Ms. Jane Shen, Dr. Steven Hoi, Dr. Simon See, Dr. Wang Chao。来源:AIPharos
Sopra Steria亚洲区的负责人Vera Jin博士发言表示,新加坡自2006年就已经建立了1.0版本的智能交通系统。在现实世界中构建系统会面临很多挑战,因而需要与时俱进地把分析与智能控制系统相结合。
针对听众提问的“社会是否为自动驾驶车辆做好了准备”这一问题,Vera Jin认为,社会永远无法完全准备好,从来是技术推着人类往前走。
新加坡的智能交通系统已经非常先进,但频发的自动驾驶负面新闻,使得政府不得不寻找一条安全稳妥的路径。Vera Jin认为自动驾驶车辆于新加坡来说,能够有效缓解劳动力短缺的问题,但在新加坡政府决定使用自动驾驶巴士之前,大约还需要一年半的时间去测试。
在AI的发展中,城市治理是一片宽阔的战场,不同公司发挥了不一样的角色。Sopra Steria在新加坡的智能交通系统中充当了整合者与ODM商的角色,澎思科技则在“平安城市”工程中广泛地利用其AI技术。
澎思科技首席科学家Jane Shen认为,AI技术仍然在迅速地发展,每隔几个星期,业界就会传来一些新的突破。
**Jane Shen将视觉智能分为四个方面:视频、图片的修复与增强;物体的识别、追踪、分类与分析;视频结构化;视频智能压缩与视频总结。**在计算机视觉技术的加持下,视频压缩极大地减少了对传输带宽和存储空间的需求,视频结构化颠覆了原来的视频分析方法,让人们从周克华案时期的人工手动逐帧看视频分析,过渡到了“机器阅片”的时代。
这个月,Jane Shen带领其团队在大规模真实监控异常检测数据集(UCF-Crime)上的成绩刷新世界纪录,而这只是这家AI公司在众多榜单和竞赛中所取得的成就之一。

“光环”背后
昨天英伟达CEO黄仁勋现身苏州,发布Orin自动驾驶芯片,引起热议。AIPharos请到了英伟达AI技术中心高阶主管Simon See参与讨论。
Simon在现场给出了佳士得拍卖的那幅著名的人工智能绘画作品所依据的“公式”。

2018年10月29日,巴黎艺术组织Obvious利用生成对抗网络创作的油画《爱德蒙·贝拉米》,在佳士得拍出43万美元的价格。来源:AIPharos
艺术家们使用生成对抗网络(GAN)技术绘制了这幅画,并卖出了43万美元的“天价”。Simon表示,你可能有很多艺术创意,却不一定有时间去实现,这个时候生成对抗网络能助你一臂之力,帮你实现心中的图景。
而生成对抗网络的流行,只是深度神经网络得到大规模应用的冰山一角。神经网络的数量飞速增长,仅参数就从6000万个增长到了87亿个。面对急剧增加的运算压力,现有的计算架构需要做出变革。
Simon表示,**高效运作的AI计算要求同时在四个方面做到出色:****计算速度、可扩展性、能源消耗与生态系统。**对于越发吃算力的AI来说,使用原有的PCIe高速串行总线标准用来传输数据、训练算法已经显得昂贵,而NVLINK系统则经济有效。
AI在光环曲线上的稳固位置,和AI在行业应用中的日益扩展,得益于背后成本-效益结构性因素的积极变化。
首先是AI自身的结构性改进。松下新加坡研究院高级研发经理Pongsak Lasang认为,在广泛的嵌入式设备中,ThinNet作为一种高效、轻量化的卷积神经网络,能够在物体快速移动的同时实现精准识别。
同时,Pongsak Lasang在现场阐述了松下研发的多摄像头视觉定位(Visual Localization)方案。松下的这种方案,能够在没有GPS定位和激光雷达系统(LIDAR)的硬件条件下运行。
基于地图的定位方案在小的区域运行可以通过载入当前区域的地图实现,但需要在整个新加坡运行的话,可能就要受到存储和算力的限制。松下的多摄像头视觉定位方案可以在车辆行驶时动态识别出车辆所在的位置,并与本地地图进行匹配。该技术架构经济有效,将安装在丰田的LQ概念车型上,帮助实现低速运行状态下的4级辅助驾驶。
松下的两个案例凸显了学术界与工业界的不同。学术界更加追求精度排名,但工业界要求用更好的模型降低问题的复杂度,并最终降低成本。这种对于成本-效益的管理,是AI能够在光环曲线近三年的新兴科技淘汰赛中胜出的关键因素。

“光环”曲线之外
一项新兴技术能够连续三年待在光环曲线上面不容易。
Icon Ventures的Michael Mullany针对2000年到2016年的光环曲线做过一个统计。他发现,在统计的200多种新兴技术中,有高达50多种新兴技术只出现了一年,之后便消失的无影无踪。也就是说,光环曲线上面约四分之一的技术可能也就是跑一次龙套,但是在龙套出现的时候,我们无从判断它的持久重要性。
而重复好几次出现在Gartner的光环曲线上,也像是一个诅咒。语音合成这项技术在21世纪初的头几年频繁出现,但是直到最近才真正有所进展。“万亿级架构”这个Gartner生造的名词,在光环曲线的2006年和2007年版本中分别出现,它是现在大数据采集管道的“先驱”。
此外,还有一些技术频繁改头换面,“新兴”了十几年,但直到最近才有所进展,AI就是其中之一。
在Gartner 1995年出的第一张光环曲线上,有一个看起来和人工智能没什么关系的名字—“突现计算”。实际上,突现计算是一种类似神经网络的机器学习。还有一个叫“智能代理”,过了两年,微软真的研发出了一个智能代理Clippy,但很快就遭到了一致差评。而这个“智能代理”,放到今天是类似于小冰、小爱的聊天机器人,主要涉及的技术是自然语义理解(NLP),这同样是人工智能领域非常重要的一个分支。
当AI以“边缘AI”这样的名字登上2019年光环曲线的时候,这意味着起码在今年,人们就AI是什么达成了共识,而不像2017年和2018年,我们还在讨论“深度学习”、“机器学习”这些路线层面的问题。
AI正在像春雨一般“润物细无声”,渗透到复杂的人类社会系统。这种广泛渗透的背后,是一种技术对于人的未来的关照。
每一个时代都有每一个时代的语境。在接下来一个十年,最好的和最坏的依旧并存,依旧有人无力,依旧悲观不免,但一定还会发生一些改变。
关于真理、正义、公义、良知,还有爱。
每一项更好的技术,都会让我们向前一点点。