華為輪值董事長徐直軍:AI發(fā)展十大改變

華為輪值董事長徐直軍曾用輝煌和冷靜來概括目前人工智能存在理論和現(xiàn)實之間的鴻溝：一方面人工智能產(chǎn)業(yè)發(fā)展“輝煌”——2017年發(fā)表的機(jī)器學(xué)習(xí)論文數(shù)是2萬篇 / 全球有超過22個國家發(fā)布了AI計劃 / 2017年新誕生了1100多家AI startup公司 / 2017年與AI相關(guān)的兼并收購金額達(dá)到240億美元 / 2017年與AI相關(guān)的VC投資達(dá)140億美元。

另一方面，人工智能初級階段的“冷靜”同樣引人關(guān)注——只有4%的企業(yè)已經(jīng)投資或部署了AI / 只有約2%零售商已經(jīng)投資或部署了AI / 只有約5%部署的智慧城市中正在使用AI / 2017年只有約10%的智能手機(jī)內(nèi)置了AI / 全球AI人才的供需比僅有1%。

徐直軍認(rèn)為，要解決人工智能“輝煌”與“冷靜”之間的巨大落差，要從技術(shù)、人才、產(chǎn)業(yè)這三個方面進(jìn)行主動的變革。

改變之一：縮短訓(xùn)練模型的時間——按照目前的技術(shù)水平，訓(xùn)練某些復(fù)雜模型時往往需要數(shù)天甚至數(shù)月，而成功的創(chuàng)新發(fā)現(xiàn)往往需要多次迭代，這種訓(xùn)練速度嚴(yán)重制約了應(yīng)用創(chuàng)新。我們認(rèn)為，未來模型的訓(xùn)練要能在幾分鐘、甚至幾秒鐘內(nèi)完成。

改變之二：充裕經(jīng)濟(jì)的算力——算力是AI的基礎(chǔ)，但目前的算力非常昂貴，是一種稀缺資源。如果說算力的進(jìn)步是當(dāng)下AI大發(fā)展的主要驅(qū)動因素，那么，算力的稀缺和昂貴正在成為制約AI全面發(fā)展的核心因素。算力應(yīng)該是充裕且經(jīng)濟(jì)的，并且這種需求應(yīng)該盡快實現(xiàn)。

改變之三：人工智能要適應(yīng)任何部署場景——混合云已經(jīng)成為企業(yè)采用云服務(wù)的主要模式，當(dāng)前的AI主要在云，少量在邊緣，與企業(yè)的業(yè)務(wù)環(huán)境的結(jié)合有待進(jìn)一步深入。未來AI將無處不在，要能夠部署在任何場景，并確保用戶隱私得到尊準(zhǔn)和保護(hù)。

改變之四：更高效更安全的算法——算法是推動AI發(fā)展的另一個主要動力，但目前運用的主要算法多誕生于1980年代。隨著AI的廣泛普及，這些算法的不足愈發(fā)明顯。未來的算法，要能夠基于更少的數(shù)據(jù)需求，即數(shù)據(jù)高效。也要能夠基于更低的算力和能耗，即能耗高效。同時要解決自身的安全問題，并實現(xiàn)可解釋等等，這都是AI全面發(fā)展的重要技術(shù)基礎(chǔ)。

改變之五：更高的自動化水平——今天的人工智能，自身還需要大量的人工，特別是在數(shù)據(jù)標(biāo)注環(huán)節(jié)，今天甚至還誕生了一個新的職業(yè)叫“數(shù)據(jù)標(biāo)注師”。有人調(diào)侃說，今天的人工智能，是沒有“人工”就沒有“智能”。華為認(rèn)為，應(yīng)該大大提升AI自身的自動化水平，比如在數(shù)據(jù)標(biāo)注、數(shù)據(jù)獲取，特征提取，模型設(shè)計和訓(xùn)練等環(huán)節(jié)，要實現(xiàn)自動化或半自動化。

改變之六：模型要面向?qū)嶋H應(yīng)用——2018年6月，伯克利大學(xué)的助理教授 Benjamin 等發(fā)表了一篇題目奇怪的論文《CIFAR-10分類器能否泛化到CIFAR-10》。該論文指出，在CIFAR-10分類器上測試準(zhǔn)確度出色的模型算法，卻在作者創(chuàng)建的與CIFAR-10非常接近的另一測試集上出現(xiàn)了偏差，分類識別準(zhǔn)確率下降了5-15個百分點不等。這也就意味著，這個模型算法的可用度大幅度下降。由此，可見當(dāng)前很多優(yōu)秀的模型算法，更多的是“考試”優(yōu)秀，還未達(dá)到“工作”優(yōu)秀。未來的模型必須實現(xiàn)工業(yè)級的優(yōu)秀，即滿足工業(yè)生產(chǎn)的需要，而不僅僅滿足于測試集上“考試”優(yōu)秀。

改變之七：模型更新——模型的準(zhǔn)確率并非是一成不變的，而是會隨著數(shù)據(jù)分布、應(yīng)用環(huán)境和硬件環(huán)境的變化而變化，始終保持準(zhǔn)確率在期望的范圍內(nèi)對于企業(yè)應(yīng)用是必須的。但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環(huán)的系統(tǒng)。未來的模型要能及時適應(yīng)各種變化，實時更新，實現(xiàn)閉環(huán)系統(tǒng)，保證企業(yè)AI應(yīng)用始終處于最佳狀態(tài)。

改變之八：人工智能要多技術(shù)協(xié)同——每一個通用目的技術(shù)，只有與其它技術(shù)充分協(xié)同配合，才能發(fā)揮到極致，創(chuàng)造巨大的經(jīng)濟(jì)價值。AI也不例外，但在目前我們探討AI時，更多的是僅僅聚焦AI本身。AI需要與云、物聯(lián)網(wǎng)、邊緣計算、區(qū)塊鏈、大數(shù)據(jù)、數(shù)據(jù)庫…等技術(shù)充分協(xié)同，如此才能發(fā)揮更大價值。

改變之九：人工智能要成為由一站式平臺支持的基本技能——今天，AI還是一項只有具備高級技能的專家才能完成的工作，成熟、穩(wěn)定、完善的自動化工具還比較缺乏，獲得一個AI模型還是一個非常復(fù)雜，耗時耗力的事情。華為認(rèn)為，應(yīng)該有一站式平臺，提供必需的自動化工具，讓AI應(yīng)用開發(fā)更容易，更快捷。從而，使AI成為所有應(yīng)用開發(fā)者甚至所有ICT技術(shù)從業(yè)人員的一項基本技能。

改變之十：以AI的思維解決AI的人才短缺——AI人才的短缺，特別是數(shù)據(jù)科學(xué)家的缺乏，一直是業(yè)界顧慮較多的一個制約因素。而且我們認(rèn)為，數(shù)據(jù)科學(xué)家將永遠(yuǎn)是稀缺的。解決之道應(yīng)該是，以AI的思維解決AI的人才短缺。通過著力發(fā)展智能化、自動化、簡單易用的AI平臺和工具服務(wù)，以及提供培訓(xùn)教育，培養(yǎng)大量的數(shù)據(jù)科學(xué)工程師，使他們能完成大量基本的數(shù)據(jù)科學(xué)相關(guān)工作。通過這些大量的數(shù)據(jù)科學(xué)工程師與數(shù)據(jù)科學(xué)家和各領(lǐng)域?qū)＜蚁嗷ヅ浜系奶菪谓Y(jié)構(gòu)，來解決AI人才稀缺問題。