人工智能應(yīng)用于各行各業(yè)，重新定義我們生活的世界

這是一個大數(shù)據(jù)的時代，這是一個人工智能的時代。人工智能時代的標(biāo)志不是一個應(yīng)用的出現(xiàn)，或一個算法的改進(jìn)，或一場比賽的勝利，而是人工智能應(yīng)用于各行各業(yè)，重新定義我們生活的世界。

這也是一個指數(shù)級增長的時代。過去幾十年，信息技術(shù)的進(jìn)步相當(dāng)程度上歸功于芯片上晶體管數(shù)目的指數(shù)級增加，以及由此帶來的計(jì)算力的極大提升。這就是所謂的摩爾定律。今天，大數(shù)據(jù)時代產(chǎn)生的數(shù)據(jù)正在呈指數(shù)級增加，包括消費(fèi)者數(shù)據(jù)與企業(yè)數(shù)據(jù)。今天的數(shù)據(jù)，大約80%是企業(yè)數(shù)據(jù)。在指數(shù)級增長的時代，我們可能會高估技術(shù)的短期效應(yīng)，而低估技術(shù)的長期效應(yīng)。歷史的經(jīng)驗(yàn)告訴我們，技術(shù)的影響力可能會遠(yuǎn)遠(yuǎn)的超過我們的想象。

無所不在的人工智能

伴隨著大數(shù)據(jù)時代的到來，人工智能在過去十年取得了巨大的進(jìn)步。但今天的人工智能，更多的是狹窄的完成單一任務(wù)的人工智能，如人臉識別、語音識別。能夠解決各類問題的通用人工智能離我們還有太遙遠(yuǎn)的距離。從實(shí)際應(yīng)用角度來看，在可預(yù)見的未來，我們會看到人工智能從狹窄(Narrow AI)走向?qū)拸V(Broad AI)，從完成單一任務(wù)到完成多個任務(wù)，從解決一個領(lǐng)域的特定問題到解決一個領(lǐng)域甚至跨領(lǐng)域的多個問題。

未來的人工智能，我們會看到不斷增強(qiáng)的學(xué)習(xí)推理能力。如何從小樣本小數(shù)據(jù)中學(xué)習(xí)變得非常重要。面向消費(fèi)者的人工智能，積累了大量數(shù)據(jù)。比如圖像識別，我們可以用大量數(shù)據(jù)訓(xùn)練一個模型。而面向企業(yè)的人工智能，對于特定的任務(wù)，往往沒有大量的數(shù)據(jù)可用。多模態(tài)學(xué)習(xí)將會變得越來越普遍。比如人工智能剪輯電影，需要根據(jù)圖像、聲音，語言來理解視頻的涵義。未來的人工智能，需要能夠解釋結(jié)果，即不但給出建議，還能解釋為什么給出這樣的建議。就像醫(yī)生給出診療意見的同時，還需要解釋依據(jù)在哪里。

未來幾年，人工智能會從云向邊緣端擴(kuò)展，變得無所不在。比如可穿戴設(shè)備、物聯(lián)網(wǎng)終端設(shè)備。很多場合我們需要實(shí)時的信息處理，如自動駕駛的汽車、為病人服務(wù)的醫(yī)療設(shè)備。也有很多場合由于信息安全的考量或網(wǎng)絡(luò)帶寬的限制，信息無法傳輸?shù)皆贫硕仨氃谶吘壎颂幚?。?shí)現(xiàn)邊緣智能(Edge Intelligence)，往往需要低功耗的智能設(shè)備。我們會看到米粒般大小的智能設(shè)備，集計(jì)算、存儲與網(wǎng)絡(luò)功能于一體。人工智能從云向邊緣端的移動，將人工智能與物聯(lián)網(wǎng)結(jié)合起來，使得我們可以對物理世界進(jìn)行更好的理解、管理與優(yōu)化。

企業(yè)人工智能與行業(yè)創(chuàng)新

我們會看到更多人工智能在垂直領(lǐng)域的行業(yè)創(chuàng)新。比如醫(yī)療，金融，工業(yè)制造。今天的人工智能，更多的是面向消費(fèi)者的人工智能(Consumer AI)。未來幾年，我們會看到企業(yè)人工智能(Enterprise AI)的興起與發(fā)展。人工智能的成功需要商業(yè)成功，而人工智能的商業(yè)成功需要人工智能在行業(yè)應(yīng)用的成功。

談到人工智能，我們往往會談到數(shù)據(jù)、算法與計(jì)算。實(shí)際上，人工智能用于行業(yè)創(chuàng)新，應(yīng)用場景的選擇非常關(guān)鍵。你問一個馬車夫，他永遠(yuǎn)不會告訴你他需要一輛汽車。需求與應(yīng)用場景的確定不容易。這里涉及到信息技術(shù)與行業(yè)知識的結(jié)合。人工智能專家不具備深刻的行業(yè)知識，而行業(yè)專家又不完全理解人工智能今天發(fā)展到什么程度，未來幾年可能會取得什么樣的進(jìn)展。二者結(jié)合在合適的時間點(diǎn)選擇合適的切入點(diǎn)，就變得非常重要。今天的人工智能技術(shù)還不能解決我們面臨的全部問題。對于今天技術(shù)不能完全解決的問題，可以由人與機(jī)器協(xié)作共同完成，而不須一步到位。人機(jī)同行，共同完成人類或機(jī)器單獨(dú)不能完成的任務(wù)。

人工智能應(yīng)用在行業(yè)中會帶來兩類改變，一是借助機(jī)器提高效率；二是提供基于知識的專家助手幫助我們更好的決策。前者人工智能取代部分人力，后者人工智能賦能人類專家，增強(qiáng)人類的能力。我們會看到人工智能技術(shù)用于制造業(yè)，如視頻分析用來做產(chǎn)品缺陷檢測與質(zhì)量控制。我們會看到人工智能醫(yī)生。根據(jù)醫(yī)學(xué)指南，與臨床數(shù)據(jù)中學(xué)到的知識，為人類醫(yī)生提供實(shí)時的診療建議。我們會看到人工智能律師，引用相關(guān)的法律文獻(xiàn)，發(fā)現(xiàn)相關(guān)案例，向人類律師呈現(xiàn)最有價值的法律信息。

今天的人工智能，需要大數(shù)據(jù)訓(xùn)練模型，用于訓(xùn)練的數(shù)據(jù)需要標(biāo)識，費(fèi)時費(fèi)力。未來的人工智能，我們可以基于已構(gòu)建的相關(guān)領(lǐng)域的模型，再輔以新的數(shù)據(jù)快速學(xué)習(xí)，構(gòu)建新的模型。打個比方，相當(dāng)于當(dāng)我們需要完成一項(xiàng)工程時，我們會招聘有相關(guān)經(jīng)驗(yàn)的工程師，再加以適當(dāng)?shù)呐嘤?xùn)，而不會去找一個毫無經(jīng)驗(yàn)的初學(xué)者。針對行業(yè)領(lǐng)域，我們需要預(yù)先構(gòu)建哪些模型，如何構(gòu)建，都是接下來需要關(guān)注解決的問題。

人工智能時代，信息安全面臨全新的挑戰(zhàn)。一方面，人工智能技術(shù)本身可能被用來考驗(yàn)與攻擊信息系統(tǒng)的安全。另一方面，人工智能可能因?yàn)閷W(xué)習(xí)了有瑕疵的數(shù)據(jù)或被惡意更改的數(shù)據(jù)，而產(chǎn)生了安全的隱患，或倫理的缺陷。如何確保數(shù)據(jù)的安全，如何驗(yàn)證人工智能模型的安全與合乎倫理，是我們未來需要妥善應(yīng)對的問題。

未來的計(jì)算能力

人工智能需要強(qiáng)大的計(jì)算能力。隨著摩爾定律逐漸趨于物理極限，未來幾年，我們期待新的技術(shù)突破能為我們帶來新的希望。先談一下類腦計(jì)算(Brain Inspired Computing)。傳統(tǒng)計(jì)算機(jī)系統(tǒng)，長于邏輯運(yùn)算，不擅長模式識別與形象思維。構(gòu)建模仿人腦的類腦計(jì)算機(jī)芯片，我們今天可以以極低的功耗，模擬100萬個神經(jīng)元、2億5千萬個神經(jīng)突觸。未來幾年，我們會看到類腦計(jì)算機(jī)的進(jìn)一步發(fā)展與應(yīng)用。

接下來談一下模擬計(jì)算(Analog Computing)。傳統(tǒng)計(jì)算機(jī)系統(tǒng)，數(shù)據(jù)在存儲器與計(jì)算單元之間移動，耗費(fèi)時間并增加能耗。運(yùn)用存儲設(shè)備的物理特性，存儲器內(nèi)能夠進(jìn)行一些特定的運(yùn)算，以達(dá)到同時進(jìn)行計(jì)算與存儲的目的。例如，利用相變存儲器進(jìn)行模擬計(jì)算。這種模擬計(jì)算雖然沒有數(shù)字計(jì)算精確，但對于很多不要求絕對精度的人工智能問題，可以極大地降低能耗并提高運(yùn)算速度。

談到計(jì)算的未來，我們必須提到量子計(jì)算。在過去十年，我們在量子計(jì)算上取得了令人振奮的突破，讓我們對這項(xiàng)可能根本改變計(jì)算的技術(shù)充滿了期待與遐想。對合適的問題，超級計(jì)算機(jī)幾十萬年才能完成的工作，量子計(jì)算機(jī)可能不到一秒鐘即可完成。我們今天已經(jīng)可以構(gòu)建50量子位的量子計(jì)算機(jī)原型。量子計(jì)算機(jī)的實(shí)際應(yīng)用與商業(yè)化，可能比我們想象的快許多。

人工智能時代是一個供給端創(chuàng)新帶來巨變的時代。展望未來幾年，人工智能時代的技術(shù)創(chuàng)新涵蓋四個方面，即人工智能核心技術(shù)、新的計(jì)算能力、人工智能與區(qū)塊鏈與物聯(lián)網(wǎng)的結(jié)合，以及人工智能與行業(yè)的結(jié)合。

人工智能將影響到每一個行業(yè)、每一家企業(yè)，讓我們重新思考我們的定位，重新思考我們的核心競爭力。這是一個讓我們向往與憧憬的未來，這是一個讓我們興奮與期待的未來，這也是一個讓我們不安與擔(dān)憂的未來。正如計(jì)算機(jī)科學(xué)的奠基人圖靈所說：我們只能看清前方很近的距離，但我們能看到那里有太多的事需要去完成。

博士，IBM全球副總裁，IBM大中華區(qū)首席技術(shù)官，IBM中國研究院院長。主要研究領(lǐng)域包括計(jì)算機(jī)系統(tǒng)、計(jì)算機(jī)軟硬件協(xié)同設(shè)計(jì)、及與人工智能有關(guān)的技術(shù)創(chuàng)新。沈博士領(lǐng)導(dǎo)團(tuán)隊(duì)長期致力于面向未來的技術(shù)創(chuàng)新與商業(yè)拓展，涵蓋人工智能核心技術(shù)，云計(jì)算平臺與基礎(chǔ)架構(gòu)，區(qū)塊鏈技術(shù)與應(yīng)用，物聯(lián)網(wǎng)技術(shù)與應(yīng)用，以及人工智能在醫(yī)療、金融、環(huán)境等領(lǐng)域的行業(yè)創(chuàng)新與商業(yè)應(yīng)用。