芯耀
18
?
若問 2017 年感受最深的是什么，作為科技媒體人的我會(huì)說：AI 熱。在政策的推動(dòng)下，這場(chǎng)由應(yīng)用驅(qū)動(dòng)的 AI 熱，似乎也在“催熟”其背后的技術(shù)。
毫無疑問，人工智能將滲透進(jìn)各個(gè)領(lǐng)域的各個(gè)應(yīng)用中，而未來十年是人工智能落地的關(guān)鍵期，那么找到最先落地的突破口成為關(guān)鍵。
透過近兩年的市場(chǎng)情況，我們看到了智能語音市場(chǎng)的火爆，看到了人臉識(shí)別即將成為下一個(gè)戰(zhàn)場(chǎng)。AI 在生物識(shí)別領(lǐng)域蔓延著，這也成為全球互聯(lián)網(wǎng)巨頭關(guān)注的焦點(diǎn)與角逐的戰(zhàn)場(chǎng)。我們似乎可以得出一個(gè)結(jié)論，生物識(shí)別成為了 AI 最先落地的重要突破口之一。
12 月 15 日，園區(qū)金雞湖智庫和與非網(wǎng)聯(lián)合舉辦了以“新交互，新未來”為主題的技術(shù)沙龍活動(dòng)，科大訊飛蘇州研究院院長支洪平、蘇州邁瑞微電子有限公司市場(chǎng)總監(jiān)袁聰、西交利物浦大學(xué)電子與電氣工程系主任黃開竹教授分別帶來不同主題的演講，對(duì) AI 與生物識(shí)別進(jìn)行了深入解讀。
AI，從感知到認(rèn)知
人工智能的歷史使命就是將人類從繁重的腦力勞動(dòng)中解放出來。如今，我們所感受到的 AI 浪潮是經(jīng)歷了兩次“冬天”之后的第三次爆發(fā)。
從 2016 年的人“狗”圍棋之戰(zhàn)到《西部世界》，再到智能音箱，忽如一夜春風(fēng)來，AI 應(yīng)用遍地開。
熱潮下的真相是什么？要如何理性的看待 AI 的第三次爆發(fā)呢？本次沙龍活動(dòng)上，三位嘉賓從學(xué)術(shù)與產(chǎn)業(yè)的角度對(duì)本問題進(jìn)行了解讀。
人工智能三階段
計(jì)算智能
使得機(jī)器能夠像人類一樣進(jìn)行計(jì)算，諸如神經(jīng)網(wǎng)絡(luò)和遺傳算法的出現(xiàn)，使得機(jī)器能夠更高效、快速處理海量的數(shù)據(jù)。
感知智能
讓機(jī)器能聽懂我們的語言、看懂世界萬物。語音和視覺識(shí)別就屬于這一范疇，這些技術(shù)能夠更好的輔助人類高效完成任務(wù)。
認(rèn)知智能
機(jī)器將能夠主動(dòng)思考并采取行動(dòng)，實(shí)現(xiàn)全面輔助甚至替代人類工作。
支洪平院長表示：語音合成持續(xù)進(jìn)步超越一般自然人說話水平、語音識(shí)別正確率超過速記員水平、智能評(píng)測(cè)超過人工老師，但現(xiàn)如今的 AI“智能水平”在計(jì)算智能方面完勝人類、在感知智能方面與人類媲美、在認(rèn)知智能方面與人類有差距。
科大訊飛類人答題機(jī)器人的 2017 年測(cè)試成績充分說明，這是一個(gè)“偏科生”，與數(shù)學(xué)相關(guān)度高的學(xué)科得分成績偏高，文科成了難啃的骨頭。
?
黃開竹教授表示：“這是人工智能歷史上最好的時(shí)代，但人工智能的時(shí)代并沒有到來?！?/p>
當(dāng)前的人工智能離通用人工智能還有很遠(yuǎn)的距離。比如對(duì)話機(jī)器人很熱們，但沒有聽一兩年人類對(duì)話錄音就能自己說話的機(jī)器；AlphaGo 通過分析數(shù)千局比賽然后又進(jìn)行更多的自我對(duì)弈而“學(xué)會(huì)”了下圍棋，它打敗了人類，但同樣的程序卻不能用來掌握國際象棋。
人工智能三法寶
當(dāng)前人工智能主流應(yīng)用是基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，或者換種說法，以神經(jīng)網(wǎng)絡(luò)為代表的算法由于大數(shù)據(jù)結(jié)合，通過計(jì)算力加持，成為當(dāng)前主流人工智能的演進(jìn)路徑。
因此，算法、大數(shù)據(jù)、計(jì)算力是 AI 成功的三大法寶。
黃開竹教授認(rèn)為，當(dāng)前人工智能爆發(fā)實(shí)際是應(yīng)用驅(qū)動(dòng)爆發(fā)，技術(shù)欠缺特別是算法欠缺是制約人工智能行業(yè)發(fā)展的現(xiàn)狀和突出問題。當(dāng)前深度學(xué)習(xí)的成功更像是暴力計(jì)算的成功，比如 AlphaGo 使用了 1920 塊處理器+280 塊 GPU，每小時(shí)耗能達(dá)到 440 千瓦，而人腦每小時(shí)消耗 20 瓦能量。
深度學(xué)習(xí)之對(duì)抗樣本問題
目前，提及 AI 總會(huì)聽到一個(gè)次“深度學(xué)習(xí)”，深度學(xué)習(xí)的發(fā)展帶動(dòng)了一系列的研究，尤其是在圖像識(shí)別領(lǐng)域。在一些標(biāo)準(zhǔn)測(cè)試集上的試驗(yàn)表明，深度模型的識(shí)別能力已經(jīng)可以達(dá)到人類的水平。但是，對(duì)于一個(gè)非正常的輸入，深度模型是否依然能夠產(chǎn)生滿意的結(jié)果。
我們先來看結(jié)論吧：對(duì)抗樣本將會(huì)被大多數(shù)當(dāng)前最好的深度學(xué)習(xí)分類器識(shí)別錯(cuò)誤！
一個(gè)對(duì)抗樣本，修改一張熊貓的圖片，讓機(jī)器學(xué)習(xí)模型將它識(shí)別成一只長臂猿。
當(dāng)加入對(duì)抗干擾，干擾增大時(shí)，AI 識(shí)別數(shù)字發(fā)生變化。
人工智能生物識(shí)別
目前看，生物識(shí)別與 AI 在人臉識(shí)別與語音識(shí)別方面有了結(jié)合，生物識(shí)別與 AI 是一種怎樣的關(guān)系呢？袁聰先生指出：“生物識(shí)別與大數(shù)據(jù)有著密不可分的關(guān)系，大數(shù)據(jù)的最終目的是數(shù)據(jù)挖掘，聲、光、電、壓等信息在 AI 看來，只是數(shù)據(jù)，并通過機(jī)器學(xué)習(xí)等算法實(shí)現(xiàn)識(shí)別的功能?！?/p>
在蘋果推出只有面部識(shí)別功能的 iPhone X 后，“指紋識(shí)別是否還有春天”引起了業(yè)內(nèi)的熱議。袁聰反復(fù)強(qiáng)調(diào)“安全有界限”，未來趨勢(shì)必將是多種生物識(shí)別組合的模式，比如指紋識(shí)別與虹膜識(shí)別相搭配等。
與非網(wǎng)原創(chuàng)內(nèi)容，未經(jīng)許可，不得轉(zhuǎn)載！
