十大模塊:你需要了解的人工智能設(shè)計和構(gòu)建

人工智能技術(shù)已逐漸步入主流行業(yè)，企業(yè)尋求通過應(yīng)用人工智能建立持續(xù)的競爭優(yōu)勢。但人工智能并非“即買即用”的產(chǎn)品，管理者們需要積極了解人工智能基礎(chǔ)技術(shù)、應(yīng)用模塊和發(fā)展現(xiàn)狀，才能更好地掌握其運用之道。

近年來，人工智能已邁出機(jī)房，步入主流行業(yè)。BCG和《MIT斯隆管理評論》所進(jìn)行的研究表明，人工智能將在未來五年內(nèi)對所有行業(yè)產(chǎn)生重大影響?！咀ⅲ何覀兊难芯炕趯θ?000多位行業(yè)高管、經(jīng)理和分析師進(jìn)行的全球調(diào)查，以及與30多位技術(shù)專家和高管進(jìn)行的深入訪談。參閱2017年9月6日麻省理工學(xué)院斯隆管理評論的《人工智能重塑企業(yè)：彌合目標(biāo)與行動之間的差距》】研究發(fā)現(xiàn)，超過70％的高管希望人工智能在其公司中發(fā)揮重要作用。

今天的人工智能算法能夠支持非常精確的機(jī)器視覺、聽覺和語音，并可以訪問全球信息庫。由于深度學(xué)習(xí)和其它先進(jìn)的人工智能技術(shù)的發(fā)展、驚人的數(shù)據(jù)增長水平，以及原始信息和數(shù)據(jù)處理能力的不斷提高，人工智能的性能得以不斷改善。

這些發(fā)展導(dǎo)致人工智能商業(yè)應(yīng)用的爆炸式發(fā)展，就像寒武紀(jì)時代，視覺系統(tǒng)的發(fā)展促使物種多樣性在世界范圍內(nèi)顯著增加。

同其它時代一樣，這個新時代將會有贏家和輸家。但我們與麻省理工學(xué)院的研究表明，如果繼續(xù)按照目前的模式發(fā)展下去，兩者之間的差距會變得巨大而嚴(yán)峻。數(shù)據(jù)顯示，即使在同一行業(yè)內(nèi)，不同公司對人工智能理解和應(yīng)用的程度也有顯著不同?？傮w而言，許多公司的高管認(rèn)為他們的組織對人工智能缺乏基本的了解。

關(guān)于人工智能，管理者應(yīng)當(dāng)知曉的十個事項

+

為了在這一快速發(fā)展的領(lǐng)域做出明智的決定，所有管理者都應(yīng)該對人工智能有基本了解。以下是十點關(guān)鍵事項：

01

人工智能是歸納式的

人工智能系統(tǒng)通過其已做決策所收到的數(shù)據(jù)和反饋而進(jìn)行學(xué)習(xí)。事實上，人工智能系統(tǒng)的預(yù)測與行動基于其所接受的訓(xùn)練數(shù)據(jù)。這一點正是人工智能系統(tǒng)與以推演為基礎(chǔ)的傳統(tǒng)編程的不同之處。傳統(tǒng)程序只是處理數(shù)據(jù)，而非從中學(xué)習(xí)。

02

人工智能的算法很簡單

核心的學(xué)習(xí)算法少到幾條代碼，多則上百條?；A(chǔ)的人工智能簡單易學(xué)，這也是其在當(dāng)下發(fā)展迅速的原因。您并不需要成為計算機(jī)科學(xué)家，就可對人工智能有個直觀的了解。其復(fù)雜度在于如何應(yīng)用人工智能來解決現(xiàn)實世界的問題。

03

人工智能擁有超人的工作速度和工作量

電子信號的傳輸速度比大腦內(nèi)化學(xué)信號的傳輸速度快百萬倍，因此人工智能可吸收大量數(shù)據(jù)，從中學(xué)習(xí)并快速行動。一些電子交易市場須以微秒計時，對參與者和監(jiān)管者而言，人工智能則是唯一的現(xiàn)實選擇。

04

對人工智能而言，語言和視覺觸手可及

人工智能領(lǐng)域最近的重大突破便是機(jī)器與人類的互動，掌握人類知識和在現(xiàn)實世界行走。雖然這些技能尚不完善，但已在許多場合得以應(yīng)用——并且人工智能還在快速改進(jìn)。

05

人工智能能夠克服傳統(tǒng)的復(fù)雜障礙

人工智能可以處理線性問題（本質(zhì)上可以直接歸納的簡單問題）和非線性問題（其他任何問題）。這一雙重能力為物流、制造業(yè)和能源效率等許多領(lǐng)域提供了眾多優(yōu)化機(jī)會。

06

潛艇不會游泳

即便是依靠相似的啟發(fā)教育法（例如：反復(fù)試錯），機(jī)器與人類處理任務(wù)的方式仍不相同。商業(yè)目標(biāo)是解決問題，而非創(chuàng)造機(jī)器人來模仿人類來完成某一特定工作。就像工程師并不是以馬奔跑的方式來設(shè)計汽車一樣，無人駕駛也不應(yīng)當(dāng)模仿人類駕駛員的動作。

07

人工智能難以追根究底

如果想要理解為何機(jī)器能做出特定的決定，必須親自設(shè)計程序，才能追蹤機(jī)器的決策制定過程。您還需要避免前沿算法，比如深度學(xué)習(xí)應(yīng)用程序中使用的算法。深度學(xué)習(xí)為基礎(chǔ)的應(yīng)用能給出直觀或創(chuàng)新性的答案，但這類答案的分析過程很難被追蹤。

08

分散行動，集中學(xué)習(xí)

人工智能架構(gòu)結(jié)合了集中化與分散化。例如，無人駕駛汽車在自動駕駛的同時將數(shù)據(jù)傳入中央數(shù)據(jù)中心。之后，系統(tǒng)使用來自車隊中每輛車的匯總數(shù)據(jù)來促進(jìn)中央系統(tǒng)學(xué)習(xí)，而單個車輛可通過定期更新軟件來接收中央系統(tǒng)學(xué)習(xí)成果。

09

商業(yè)價值實現(xiàn)于數(shù)據(jù)和訓(xùn)練

許多企業(yè)不理解數(shù)據(jù)和訓(xùn)練對人工智能成功的重要性。對于建立智能系統(tǒng)而言，好的數(shù)據(jù)通常比好的算法重要，正如對于人類來說，后期培養(yǎng)比其天資更為重要。

10

人機(jī)交互發(fā)生變革

為優(yōu)化人機(jī)交互所做出的努力已遠(yuǎn)遠(yuǎn)超過訓(xùn)練人類使用靜態(tài)計算機(jī)程序所做的工作。通過人工智能來提升人的表現(xiàn)，以及將人引入算法解決問題的過程，兩者均日益普遍且具有挑戰(zhàn)性。

人工智能模塊

+

以下十個模塊對設(shè)計和構(gòu)建人工智能系統(tǒng)至關(guān)重要。供應(yīng)商可以提供具備基本功能的模塊，但公司通常需要對這些模塊進(jìn)行修改以適應(yīng)個性化的應(yīng)用。最簡單的人工智能應(yīng)用案例通常由單一模塊組成，但通常會逐漸演變到包含兩個或更多模塊。下圖結(jié)構(gòu)是基于每個模塊主要涉及領(lǐng)域，包括數(shù)據(jù)、處理或行動。

機(jī)器視覺以視覺、X射線、激光或其它信號為基礎(chǔ)，對現(xiàn)實世界的物體進(jìn)行分類和跟蹤。光學(xué)字符辨識是機(jī)器視覺的早期成功案例，但解密手寫文本尚在研究中。

機(jī)器視覺的質(zhì)量取決于大量參考圖像上人為做出的標(biāo)簽。學(xué)習(xí)這些包含標(biāo)簽的數(shù)據(jù)是訓(xùn)練機(jī)器的最簡單途徑。在接下來的五年之內(nèi)，以視頻為基礎(chǔ)的計算機(jī)視覺技術(shù)將能夠?qū)討B(tài)行為進(jìn)行識別和預(yù)測，比如監(jiān)測系統(tǒng)。

語音識別能夠?qū)⒙犛X信號轉(zhuǎn)化成文本。在相對安靜的環(huán)境中，包括Siri與Alexa在內(nèi)的應(yīng)用能夠識別普通詞匯中的大多數(shù)詞語。對于更特殊的詞匯，像Nuance的Power-Scribe這種為放射科醫(yī)師量身定制的程序就變得極為必要。而我們還需要幾年時間才能制造出在許多人同時說話的嘈雜環(huán)境中仍能精確記錄的虛擬助手。

自然語言處理是對文本的語法分析和語意解釋。這一能力可用于識別垃圾郵件、虛假新聞甚至高興、悲傷、挑釁等情緒。目前，自然語言處理可對文本進(jìn)行基本總結(jié)，并在一些場合還可推斷意圖。例如，聊天機(jī)器人嘗試以感知聊天對象的意圖為基礎(chǔ)對聊天對象進(jìn)行分類。自然語言處理技術(shù)有可能在接下來幾年內(nèi)獲得顯著提升，但對復(fù)雜文本的完全理解仍是人工智能的重要課題。

信息處理通過搜索、知識提取、非結(jié)構(gòu)化文本處理等各種方法為查詢提供答案。這一模塊與自然語言處理緊密相關(guān)，它包括對數(shù)以億計的文件進(jìn)行搜索，或通過構(gòu)造基礎(chǔ)知識圖形來識別文本中的各類關(guān)系。（使用維基百科中關(guān)于安吉拉·默克爾的數(shù)據(jù)形成的圖形可將默克爾標(biāo)記為女性、德國***，以及已會見過唐納德·特朗普的人。）這一模塊還可能涉及到語義推理，比如從句子“特朗普是美國的默克爾”中可推論特朗普是美國總統(tǒng)。盡管知識數(shù)據(jù)庫快速發(fā)展，但以推理為基礎(chǔ)的機(jī)器學(xué)習(xí)可能在接下來的幾年內(nèi)仍處于初級階段。

從數(shù)據(jù)中學(xué)習(xí)本質(zhì)上就是機(jī)器學(xué)習(xí)——在歷史數(shù)據(jù)的基礎(chǔ)上進(jìn)行價值預(yù)測或信息分類的能力。盡管機(jī)器學(xué)習(xí)是機(jī)器視覺和自然語言處理等模塊的基礎(chǔ)，同時也是一個獨立的模塊。機(jī)器學(xué)習(xí)是一些系統(tǒng)的基礎(chǔ)，包括Netflix電影推薦、基于異常監(jiān)測技術(shù)的網(wǎng)絡(luò)安全程序，以及通過歷史數(shù)據(jù)預(yù)測客戶流失的標(biāo)準(zhǔn)回歸模型等。

如何移除數(shù)據(jù)中的人為偏見是機(jī)器學(xué)習(xí)面臨的挑戰(zhàn)之一。鑒定欺詐、預(yù)測犯罪或估算信用評分的系統(tǒng)需要對隱含如代理人、警務(wù)人員和銀行官員等偏見的信息進(jìn)行編碼。數(shù)據(jù)清理是一項有挑戰(zhàn)的工作。

最后，現(xiàn)階段許多機(jī)器學(xué)習(xí)模型本質(zhì)上是黑箱。數(shù)據(jù)科學(xué)家們需要在設(shè)計系統(tǒng)時考慮透明性的問題，特別是在有監(jiān)管要求的環(huán)境中，即使這樣會犧牲部分性能。目前這一領(lǐng)域正在進(jìn)行深入的研究，未來五年內(nèi)透明度有望提高。

規(guī)劃和探索代理可幫助識別實現(xiàn)目標(biāo)的最佳行動順序。無人駕駛車輛很大程度上依賴這一模塊來進(jìn)行導(dǎo)航。當(dāng)需要同時考慮更多的代理和行動時，識別最佳行動順序變得更加困難。強(qiáng)化學(xué)習(xí)是一個快速發(fā)展的子域，它的學(xué)習(xí)方式強(qiáng)調(diào)的是接收偶然的線索或獎勵，而不是明確的指導(dǎo)。強(qiáng)化學(xué)習(xí)與人類大腦通過反復(fù)試錯進(jìn)行學(xué)習(xí)相類似，它幫助Google DeepMind在圍棋領(lǐng)域取得成功。

圖像生成與機(jī)器視覺相反，它以模型為基礎(chǔ)生成圖像。盡管這項技術(shù)仍處于初級階段，這一模塊可在缺失背景的情況下完成圖像，比如將圖片改變成文森特·梵高風(fēng)格。圖像生成技術(shù)支持包括Snapchat的masks工具在內(nèi)的虛擬增強(qiáng)（VR）和現(xiàn)實增強(qiáng)（AR）工具。目前，圖像生成技術(shù)是大型科技公司正在積極并購的目標(biāo)。

語音生成包含以數(shù)據(jù)為基礎(chǔ)的文本生成，以及以文本為基礎(chǔ)的語音合成。Alexa的技術(shù)正是通過文本生成語音。這一模塊可以支持新聞機(jī)構(gòu)自動編寫基本的體育和收入報告，例如比賽總結(jié)及財經(jīng)新聞。在接下來的五年里，語音生成技術(shù)的發(fā)展很可能通過加入節(jié)奏、重讀和聲調(diào)使語音聽起來更加自然。在不久的將來，音樂生成也將變得更加個性化。

處理和控制是指現(xiàn)實世界對象間的互動。例如，機(jī)器人已經(jīng)學(xué)會人類如何在工廠中工作，但當(dāng)面對切面包或給老年人喂飯這類非常規(guī)或不固定的任務(wù)時則會遇到麻煩。由于全球很多公司開始投資這一領(lǐng)域，機(jī)器人將在挑揀倉庫異常物品和靈活處理不固定的人類行為方面表現(xiàn)得更好。

操控和移動涉及機(jī)器人在既定真實物理環(huán)境中的移動方式。無人駕駛車輛和無人機(jī)在使用車輪和旋翼方面十分嫻熟，但在用腿走路——特別是兩條腿走路方面面臨艱難挑戰(zhàn)?？身槙车嘏罉翘莼蜷_門的機(jī)器人將不會在未來幾年內(nèi)出現(xiàn)。四足機(jī)器人對平衡性要求略低，但目前已有的四足機(jī)器人已經(jīng)能夠進(jìn)入輪式車輛無法進(jìn)入的環(huán)境。