特别推荐>>



AI竞赛如火如荼 中美谁主沉浮?

发布日期:2018-11-16 14:52
摘要」眼下科技领域最热的话题之一莫过于AI开发与应用竞赛。那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?记者就此采访了两位专家的意见,而这一话题势必会对中美两国起到深远的影响。



撰文 / Phred Dvorak

■ 眼下科技领域最热的话题之一莫过于人工智能(AI)开发与应用竞赛。通过开发出在复杂策略博弈中击败人类的AI程序,Alphabet Inc. (GOOG)这样的美国公司已经引起了轰动。而中国也矢志在2030年之前成为AI领导者,并已在面部识别等领域取得了巨大的进步。

很大程度上AI发展的关键在于数据,这是因为近些年来AI已经在机器学习和深度学习上取得了巨大的飞跃。机器学习是指计算机通过在大量数据中识别出某种模式来进行学习,而深度学习则是机器学习中受大脑多层神经元活动所启发的一种技术。

在AI的很多类似领域,给计算机输入的数据越多,得到的效果就越好。而据专家所说,中国拥有大量数据,从监控摄像头拍下的视频到有关购物者购买习惯的信息。成为AI领域的领导者能够将这一优势传导至所有领域,包括赋能经济增长的商业到军事等等。

那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?

记者采访了两位专家的意见:一位是西雅图艾伦人工智能研究所(Allen Institute for Artificial Intelligence)首席执行长Oren Etzioni,另一位是AI新加坡(AI Singapore)首席科学家兼新加坡国立大学常务副校长陈祖翰。AI新加坡是一个推动AI研究的国家项目。采访是分别单独进行的,本文将这些采访编辑到一起。

AI竞赛

记者:目前在AI领域领先的是谁?

Etzioni:基本上大家都同意美国是领军者。在商业部门,显然美国仍占支配地位,像谷歌(Google)、微软(Microsoft)和亚马逊(Amazon)等等,尽管拉开的距离已经逐渐缩短。在学术领域,按照论文数量、引用次数和重要带头人人数等衡量标准,美国依然处于领先地位。

陈祖翰:现在大家挂在嘴边的AI实际上指的都是AI领域的一个分支:机器学习或者叫深度学习。近来大数据和速度更快的电脑等处理技术的全面提升让深度学习变得越来越强大。

借助数据可用性的优势,中国已经在机器学习方面领先了。不论是数据的提供者还是数据的处理者,中国在数量上都占绝对优势。

记者:那么美国在AI领域的强项是什么?

Etzioni:我们拥有这种开放的历史和传统。美国依然对很多人具有非常大的吸引力。发展AI非常重要的一环就在于汇聚最聪明的人,那些最有创新精神和创造力、最成功的人。

如果我们成功做到让美国、让我们的大学体系和公司继续成为全世界最聪明的顶级人才都想来的地方,那么我想我们将在这场人才争夺战中大幅领先。

陈祖翰:美国的体系能够提供允许创造的土壤。

记者:那么中国呢?

陈祖翰:中国的优势在于执行。并不需要太多创新理念,你只需要大量数据再加上海量运算就能得到你想要的结果。

中国政府的结构化程度更高,人口的顺从度也很高,这就让AI的部署变得更加容易。

如果说起用监控摄像头追踪行人,在美国将很难实施,但在中国就容易得多。

因为数据的可用性,中国部署这些系统的效率更高。美国存在种种保护公民隐私安全的政策法规。而中国有不受这些隐私或安全考虑保护的数据。

Etzioni:AI发展的一些关键变量在于数据,而中国在这方面有优势,因为他们拥有的数据更多,又不太注重隐私。

第二个方面是政府的支持力度。中国已经明确表示要全面加大对AI领域的投资。美国也在通过美国国防部高级研究计划局(Defense Advanced Research Projects Agency, 简称Darpa, 是美国国防部监管新兴科技的分支机构)、风投生态系统以及谷歌、微软等公司进行大量的投资。

各自的弱点

记者:中国的数据优势有什么局限吗?

Etzioni:打造下一代AI系统需要很多不同种类的数据集,而其中很多数据集中国并不具有优势。

如果我们想制造更好的自动驾驶汽车,就需要用道路图片和图片上的标签来训练AI。我认为在这样的数据集方面美国是领先的。

在自然语言处理方面,英文数据集一直更有优势,因为英文数据集有多年的创建和组织历史。我想至少在这方面我们可以打个平手,可能还更胜一筹。

中国更领先的领域在于,举例来说,医疗数据。在美国我们对公布医疗数据有如此之多的限制,在中国就问题不大。


真的必须具体情况具体分析并考虑目前的发展形势。数据是推动AI革命滚滚向前的动力之一,但并不是唯一动力。

另一个问题是:我们目前处在AI发展的哪个阶段? 从AI现有的发展程度到未来能够达到的高度之间需要进行大量的创新。今天来看AI是一个有前景的技术,能够带来越来越多的应用;而未来这种技术的应用会更加容易,使用的数据远比今天要少,而容错能力又远比今天要强。

还有大量的基础研究问题,这就是我为何强调我们的大学体系和整个生态系统是美国的优势。

陈祖翰:机器学习能够从越来越多的数据中获益,但也有一些AI子集需要不断创新。

其中之一叫做“可解释的AI。”这个东西曾经叫做深度学习,能够从越多越多的数据中获益。老实说我们不知道它为何可行,我们需要明白它成功的原理,这样当它失败的时候我们就知道如何去修复。这不是只靠更多数据就能解决的。

另外一个我们叫做“意义建构。” AI的终极目标是让计算机来理解所有的事情并做出相应的处理。这是AI发展的下一阶段,也是目前机器学习还没有办法达到的。

现在已经做出来的AI能够为我们驾驶汽车,做投资决定。但它并不能真的对事情做出理解,而只是在数据中寻找特定模式。

就拿自动驾驶来说吧,它是怎么做到不撞人的?因为它之前已经读取了如果看到人就要转向的数据。然而,它无法做出如果一个人骑在自行车上你也应该避让的推论。

深度学习就是在数据中识别各种模式。你能识别出中国消费者数据中的模式,不足以说明能把这个模式套用在美国的消费者身上。

如果10年之后我们有了能够理解事物的机器,那么在中国好用的或许在美国和世界其他地方也能如此。但目前还不是这样。

中国现在有很多科技公司到新加坡来正是出于这个原因:如果你只用中国数据训练你的机器和计算机,那么它就只能在中国用。

但是在新加坡,所有东西都是多文化多语言的。所以,新加坡的优势就在于高度多元的数据。

如果你的面部识别系统能在新加坡用,如果你的语音识别系统也能在新加坡用,那么它在世界任何地方就都能使用。

在中国,面部识别的应用是非常普遍的。但是这些面部识别系统好用是因为用的是中国的数据,实际上在世界其他地方效果并不太理想。■




(注:本文仅代表作者个人观点。责编邮箱    service@or123.top)

「或者 *OR」商业新媒体





摘要」眼下科技领域最热的话题之一莫过于AI开发与应用竞赛。那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?记者就此采访了两位专家的意见,而这一话题势必会对中美两国起到深远的影响。



撰文 / Phred Dvorak

■ 眼下科技领域最热的话题之一莫过于人工智能(AI)开发与应用竞赛。通过开发出在复杂策略博弈中击败人类的AI程序,Alphabet Inc. (GOOG)这样的美国公司已经引起了轰动。而中国也矢志在2030年之前成为AI领导者,并已在面部识别等领域取得了巨大的进步。

很大程度上AI发展的关键在于数据,这是因为近些年来AI已经在机器学习和深度学习上取得了巨大的飞跃。机器学习是指计算机通过在大量数据中识别出某种模式来进行学习,而深度学习则是机器学习中受大脑多层神经元活动所启发的一种技术。

在AI的很多类似领域,给计算机输入的数据越多,得到的效果就越好。而据专家所说,中国拥有大量数据,从监控摄像头拍下的视频到有关购物者购买习惯的信息。成为AI领域的领导者能够将这一优势传导至所有领域,包括赋能经济增长的商业到军事等等。

那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?

记者采访了两位专家的意见:一位是西雅图艾伦人工智能研究所(Allen Institute for Artificial Intelligence)首席执行长Oren Etzioni,另一位是AI新加坡(AI Singapore)首席科学家兼新加坡国立大学常务副校长陈祖翰。AI新加坡是一个推动AI研究的国家项目。采访是分别单独进行的,本文将这些采访编辑到一起。

AI竞赛

记者:目前在AI领域领先的是谁?

Etzioni:基本上大家都同意美国是领军者。在商业部门,显然美国仍占支配地位,像谷歌(Google)、微软(Microsoft)和亚马逊(Amazon)等等,尽管拉开的距离已经逐渐缩短。在学术领域,按照论文数量、引用次数和重要带头人人数等衡量标准,美国依然处于领先地位。

陈祖翰:现在大家挂在嘴边的AI实际上指的都是AI领域的一个分支:机器学习或者叫深度学习。近来大数据和速度更快的电脑等处理技术的全面提升让深度学习变得越来越强大。

借助数据可用性的优势,中国已经在机器学习方面领先了。不论是数据的提供者还是数据的处理者,中国在数量上都占绝对优势。

记者:那么美国在AI领域的强项是什么?

Etzioni:我们拥有这种开放的历史和传统。美国依然对很多人具有非常大的吸引力。发展AI非常重要的一环就在于汇聚最聪明的人,那些最有创新精神和创造力、最成功的人。

如果我们成功做到让美国、让我们的大学体系和公司继续成为全世界最聪明的顶级人才都想来的地方,那么我想我们将在这场人才争夺战中大幅领先。

陈祖翰:美国的体系能够提供允许创造的土壤。

记者:那么中国呢?

陈祖翰:中国的优势在于执行。并不需要太多创新理念,你只需要大量数据再加上海量运算就能得到你想要的结果。

中国政府的结构化程度更高,人口的顺从度也很高,这就让AI的部署变得更加容易。

如果说起用监控摄像头追踪行人,在美国将很难实施,但在中国就容易得多。

因为数据的可用性,中国部署这些系统的效率更高。美国存在种种保护公民隐私安全的政策法规。而中国有不受这些隐私或安全考虑保护的数据。

Etzioni:AI发展的一些关键变量在于数据,而中国在这方面有优势,因为他们拥有的数据更多,又不太注重隐私。

第二个方面是政府的支持力度。中国已经明确表示要全面加大对AI领域的投资。美国也在通过美国国防部高级研究计划局(Defense Advanced Research Projects Agency, 简称Darpa, 是美国国防部监管新兴科技的分支机构)、风投生态系统以及谷歌、微软等公司进行大量的投资。

各自的弱点

记者:中国的数据优势有什么局限吗?

Etzioni:打造下一代AI系统需要很多不同种类的数据集,而其中很多数据集中国并不具有优势。

如果我们想制造更好的自动驾驶汽车,就需要用道路图片和图片上的标签来训练AI。我认为在这样的数据集方面美国是领先的。

在自然语言处理方面,英文数据集一直更有优势,因为英文数据集有多年的创建和组织历史。我想至少在这方面我们可以打个平手,可能还更胜一筹。

中国更领先的领域在于,举例来说,医疗数据。在美国我们对公布医疗数据有如此之多的限制,在中国就问题不大。


真的必须具体情况具体分析并考虑目前的发展形势。数据是推动AI革命滚滚向前的动力之一,但并不是唯一动力。

另一个问题是:我们目前处在AI发展的哪个阶段? 从AI现有的发展程度到未来能够达到的高度之间需要进行大量的创新。今天来看AI是一个有前景的技术,能够带来越来越多的应用;而未来这种技术的应用会更加容易,使用的数据远比今天要少,而容错能力又远比今天要强。

还有大量的基础研究问题,这就是我为何强调我们的大学体系和整个生态系统是美国的优势。

陈祖翰:机器学习能够从越来越多的数据中获益,但也有一些AI子集需要不断创新。

其中之一叫做“可解释的AI。”这个东西曾经叫做深度学习,能够从越多越多的数据中获益。老实说我们不知道它为何可行,我们需要明白它成功的原理,这样当它失败的时候我们就知道如何去修复。这不是只靠更多数据就能解决的。

另外一个我们叫做“意义建构。” AI的终极目标是让计算机来理解所有的事情并做出相应的处理。这是AI发展的下一阶段,也是目前机器学习还没有办法达到的。

现在已经做出来的AI能够为我们驾驶汽车,做投资决定。但它并不能真的对事情做出理解,而只是在数据中寻找特定模式。

就拿自动驾驶来说吧,它是怎么做到不撞人的?因为它之前已经读取了如果看到人就要转向的数据。然而,它无法做出如果一个人骑在自行车上你也应该避让的推论。

深度学习就是在数据中识别各种模式。你能识别出中国消费者数据中的模式,不足以说明能把这个模式套用在美国的消费者身上。

如果10年之后我们有了能够理解事物的机器,那么在中国好用的或许在美国和世界其他地方也能如此。但目前还不是这样。

中国现在有很多科技公司到新加坡来正是出于这个原因:如果你只用中国数据训练你的机器和计算机,那么它就只能在中国用。

但是在新加坡,所有东西都是多文化多语言的。所以,新加坡的优势就在于高度多元的数据。

如果你的面部识别系统能在新加坡用,如果你的语音识别系统也能在新加坡用,那么它在世界任何地方就都能使用。

在中国,面部识别的应用是非常普遍的。但是这些面部识别系统好用是因为用的是中国的数据,实际上在世界其他地方效果并不太理想。■




(注:本文仅代表作者个人观点。责编邮箱    service@or123.top)

「或者 *OR」商业新媒体






读者评论


您可能感兴趣的资讯
OR


最新资讯
OR


摘要」眼下科技领域最热的话题之一莫过于AI开发与应用竞赛。那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?记者就此采访了两位专家的意见,而这一话题势必会对中美两国起到深远的影响。



撰文 / Phred Dvorak

■ 眼下科技领域最热的话题之一莫过于人工智能(AI)开发与应用竞赛。通过开发出在复杂策略博弈中击败人类的AI程序,Alphabet Inc. (GOOG)这样的美国公司已经引起了轰动。而中国也矢志在2030年之前成为AI领导者,并已在面部识别等领域取得了巨大的进步。

很大程度上AI发展的关键在于数据,这是因为近些年来AI已经在机器学习和深度学习上取得了巨大的飞跃。机器学习是指计算机通过在大量数据中识别出某种模式来进行学习,而深度学习则是机器学习中受大脑多层神经元活动所启发的一种技术。

在AI的很多类似领域,给计算机输入的数据越多,得到的效果就越好。而据专家所说,中国拥有大量数据,从监控摄像头拍下的视频到有关购物者购买习惯的信息。成为AI领域的领导者能够将这一优势传导至所有领域,包括赋能经济增长的商业到军事等等。

那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?

记者采访了两位专家的意见:一位是西雅图艾伦人工智能研究所(Allen Institute for Artificial Intelligence)首席执行长Oren Etzioni,另一位是AI新加坡(AI Singapore)首席科学家兼新加坡国立大学常务副校长陈祖翰。AI新加坡是一个推动AI研究的国家项目。采访是分别单独进行的,本文将这些采访编辑到一起。

AI竞赛

记者:目前在AI领域领先的是谁?

Etzioni:基本上大家都同意美国是领军者。在商业部门,显然美国仍占支配地位,像谷歌(Google)、微软(Microsoft)和亚马逊(Amazon)等等,尽管拉开的距离已经逐渐缩短。在学术领域,按照论文数量、引用次数和重要带头人人数等衡量标准,美国依然处于领先地位。

陈祖翰:现在大家挂在嘴边的AI实际上指的都是AI领域的一个分支:机器学习或者叫深度学习。近来大数据和速度更快的电脑等处理技术的全面提升让深度学习变得越来越强大。

借助数据可用性的优势,中国已经在机器学习方面领先了。不论是数据的提供者还是数据的处理者,中国在数量上都占绝对优势。

记者:那么美国在AI领域的强项是什么?

Etzioni:我们拥有这种开放的历史和传统。美国依然对很多人具有非常大的吸引力。发展AI非常重要的一环就在于汇聚最聪明的人,那些最有创新精神和创造力、最成功的人。

如果我们成功做到让美国、让我们的大学体系和公司继续成为全世界最聪明的顶级人才都想来的地方,那么我想我们将在这场人才争夺战中大幅领先。

陈祖翰:美国的体系能够提供允许创造的土壤。

记者:那么中国呢?

陈祖翰:中国的优势在于执行。并不需要太多创新理念,你只需要大量数据再加上海量运算就能得到你想要的结果。

中国政府的结构化程度更高,人口的顺从度也很高,这就让AI的部署变得更加容易。

如果说起用监控摄像头追踪行人,在美国将很难实施,但在中国就容易得多。

因为数据的可用性,中国部署这些系统的效率更高。美国存在种种保护公民隐私安全的政策法规。而中国有不受这些隐私或安全考虑保护的数据。

Etzioni:AI发展的一些关键变量在于数据,而中国在这方面有优势,因为他们拥有的数据更多,又不太注重隐私。

第二个方面是政府的支持力度。中国已经明确表示要全面加大对AI领域的投资。美国也在通过美国国防部高级研究计划局(Defense Advanced Research Projects Agency, 简称Darpa, 是美国国防部监管新兴科技的分支机构)、风投生态系统以及谷歌、微软等公司进行大量的投资。

各自的弱点

记者:中国的数据优势有什么局限吗?

Etzioni:打造下一代AI系统需要很多不同种类的数据集,而其中很多数据集中国并不具有优势。

如果我们想制造更好的自动驾驶汽车,就需要用道路图片和图片上的标签来训练AI。我认为在这样的数据集方面美国是领先的。

在自然语言处理方面,英文数据集一直更有优势,因为英文数据集有多年的创建和组织历史。我想至少在这方面我们可以打个平手,可能还更胜一筹。

中国更领先的领域在于,举例来说,医疗数据。在美国我们对公布医疗数据有如此之多的限制,在中国就问题不大。


真的必须具体情况具体分析并考虑目前的发展形势。数据是推动AI革命滚滚向前的动力之一,但并不是唯一动力。

另一个问题是:我们目前处在AI发展的哪个阶段? 从AI现有的发展程度到未来能够达到的高度之间需要进行大量的创新。今天来看AI是一个有前景的技术,能够带来越来越多的应用;而未来这种技术的应用会更加容易,使用的数据远比今天要少,而容错能力又远比今天要强。

还有大量的基础研究问题,这就是我为何强调我们的大学体系和整个生态系统是美国的优势。

陈祖翰:机器学习能够从越来越多的数据中获益,但也有一些AI子集需要不断创新。

其中之一叫做“可解释的AI。”这个东西曾经叫做深度学习,能够从越多越多的数据中获益。老实说我们不知道它为何可行,我们需要明白它成功的原理,这样当它失败的时候我们就知道如何去修复。这不是只靠更多数据就能解决的。

另外一个我们叫做“意义建构。” AI的终极目标是让计算机来理解所有的事情并做出相应的处理。这是AI发展的下一阶段,也是目前机器学习还没有办法达到的。

现在已经做出来的AI能够为我们驾驶汽车,做投资决定。但它并不能真的对事情做出理解,而只是在数据中寻找特定模式。

就拿自动驾驶来说吧,它是怎么做到不撞人的?因为它之前已经读取了如果看到人就要转向的数据。然而,它无法做出如果一个人骑在自行车上你也应该避让的推论。

深度学习就是在数据中识别各种模式。你能识别出中国消费者数据中的模式,不足以说明能把这个模式套用在美国的消费者身上。

如果10年之后我们有了能够理解事物的机器,那么在中国好用的或许在美国和世界其他地方也能如此。但目前还不是这样。

中国现在有很多科技公司到新加坡来正是出于这个原因:如果你只用中国数据训练你的机器和计算机,那么它就只能在中国用。

但是在新加坡,所有东西都是多文化多语言的。所以,新加坡的优势就在于高度多元的数据。

如果你的面部识别系统能在新加坡用,如果你的语音识别系统也能在新加坡用,那么它在世界任何地方就都能使用。

在中国,面部识别的应用是非常普遍的。但是这些面部识别系统好用是因为用的是中国的数据,实际上在世界其他地方效果并不太理想。■




(注:本文仅代表作者个人观点。责编邮箱    service@or123.top)

「或者 *OR」商业新媒体







AI竞赛如火如荼 中美谁主沉浮?

发布日期:2018-11-16 14:52
摘要」眼下科技领域最热的话题之一莫过于AI开发与应用竞赛。那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?记者就此采访了两位专家的意见,而这一话题势必会对中美两国起到深远的影响。



撰文 / Phred Dvorak

■ 眼下科技领域最热的话题之一莫过于人工智能(AI)开发与应用竞赛。通过开发出在复杂策略博弈中击败人类的AI程序,Alphabet Inc. (GOOG)这样的美国公司已经引起了轰动。而中国也矢志在2030年之前成为AI领导者,并已在面部识别等领域取得了巨大的进步。

很大程度上AI发展的关键在于数据,这是因为近些年来AI已经在机器学习和深度学习上取得了巨大的飞跃。机器学习是指计算机通过在大量数据中识别出某种模式来进行学习,而深度学习则是机器学习中受大脑多层神经元活动所启发的一种技术。

在AI的很多类似领域,给计算机输入的数据越多,得到的效果就越好。而据专家所说,中国拥有大量数据,从监控摄像头拍下的视频到有关购物者购买习惯的信息。成为AI领域的领导者能够将这一优势传导至所有领域,包括赋能经济增长的商业到军事等等。

那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?

记者采访了两位专家的意见:一位是西雅图艾伦人工智能研究所(Allen Institute for Artificial Intelligence)首席执行长Oren Etzioni,另一位是AI新加坡(AI Singapore)首席科学家兼新加坡国立大学常务副校长陈祖翰。AI新加坡是一个推动AI研究的国家项目。采访是分别单独进行的,本文将这些采访编辑到一起。

AI竞赛

记者:目前在AI领域领先的是谁?

Etzioni:基本上大家都同意美国是领军者。在商业部门,显然美国仍占支配地位,像谷歌(Google)、微软(Microsoft)和亚马逊(Amazon)等等,尽管拉开的距离已经逐渐缩短。在学术领域,按照论文数量、引用次数和重要带头人人数等衡量标准,美国依然处于领先地位。

陈祖翰:现在大家挂在嘴边的AI实际上指的都是AI领域的一个分支:机器学习或者叫深度学习。近来大数据和速度更快的电脑等处理技术的全面提升让深度学习变得越来越强大。

借助数据可用性的优势,中国已经在机器学习方面领先了。不论是数据的提供者还是数据的处理者,中国在数量上都占绝对优势。

记者:那么美国在AI领域的强项是什么?

Etzioni:我们拥有这种开放的历史和传统。美国依然对很多人具有非常大的吸引力。发展AI非常重要的一环就在于汇聚最聪明的人,那些最有创新精神和创造力、最成功的人。

如果我们成功做到让美国、让我们的大学体系和公司继续成为全世界最聪明的顶级人才都想来的地方,那么我想我们将在这场人才争夺战中大幅领先。

陈祖翰:美国的体系能够提供允许创造的土壤。

记者:那么中国呢?

陈祖翰:中国的优势在于执行。并不需要太多创新理念,你只需要大量数据再加上海量运算就能得到你想要的结果。

中国政府的结构化程度更高,人口的顺从度也很高,这就让AI的部署变得更加容易。

如果说起用监控摄像头追踪行人,在美国将很难实施,但在中国就容易得多。

因为数据的可用性,中国部署这些系统的效率更高。美国存在种种保护公民隐私安全的政策法规。而中国有不受这些隐私或安全考虑保护的数据。

Etzioni:AI发展的一些关键变量在于数据,而中国在这方面有优势,因为他们拥有的数据更多,又不太注重隐私。

第二个方面是政府的支持力度。中国已经明确表示要全面加大对AI领域的投资。美国也在通过美国国防部高级研究计划局(Defense Advanced Research Projects Agency, 简称Darpa, 是美国国防部监管新兴科技的分支机构)、风投生态系统以及谷歌、微软等公司进行大量的投资。

各自的弱点

记者:中国的数据优势有什么局限吗?

Etzioni:打造下一代AI系统需要很多不同种类的数据集,而其中很多数据集中国并不具有优势。

如果我们想制造更好的自动驾驶汽车,就需要用道路图片和图片上的标签来训练AI。我认为在这样的数据集方面美国是领先的。

在自然语言处理方面,英文数据集一直更有优势,因为英文数据集有多年的创建和组织历史。我想至少在这方面我们可以打个平手,可能还更胜一筹。

中国更领先的领域在于,举例来说,医疗数据。在美国我们对公布医疗数据有如此之多的限制,在中国就问题不大。


真的必须具体情况具体分析并考虑目前的发展形势。数据是推动AI革命滚滚向前的动力之一,但并不是唯一动力。

另一个问题是:我们目前处在AI发展的哪个阶段? 从AI现有的发展程度到未来能够达到的高度之间需要进行大量的创新。今天来看AI是一个有前景的技术,能够带来越来越多的应用;而未来这种技术的应用会更加容易,使用的数据远比今天要少,而容错能力又远比今天要强。

还有大量的基础研究问题,这就是我为何强调我们的大学体系和整个生态系统是美国的优势。

陈祖翰:机器学习能够从越来越多的数据中获益,但也有一些AI子集需要不断创新。

其中之一叫做“可解释的AI。”这个东西曾经叫做深度学习,能够从越多越多的数据中获益。老实说我们不知道它为何可行,我们需要明白它成功的原理,这样当它失败的时候我们就知道如何去修复。这不是只靠更多数据就能解决的。

另外一个我们叫做“意义建构。” AI的终极目标是让计算机来理解所有的事情并做出相应的处理。这是AI发展的下一阶段,也是目前机器学习还没有办法达到的。

现在已经做出来的AI能够为我们驾驶汽车,做投资决定。但它并不能真的对事情做出理解,而只是在数据中寻找特定模式。

就拿自动驾驶来说吧,它是怎么做到不撞人的?因为它之前已经读取了如果看到人就要转向的数据。然而,它无法做出如果一个人骑在自行车上你也应该避让的推论。

深度学习就是在数据中识别各种模式。你能识别出中国消费者数据中的模式,不足以说明能把这个模式套用在美国的消费者身上。

如果10年之后我们有了能够理解事物的机器,那么在中国好用的或许在美国和世界其他地方也能如此。但目前还不是这样。

中国现在有很多科技公司到新加坡来正是出于这个原因:如果你只用中国数据训练你的机器和计算机,那么它就只能在中国用。

但是在新加坡,所有东西都是多文化多语言的。所以,新加坡的优势就在于高度多元的数据。

如果你的面部识别系统能在新加坡用,如果你的语音识别系统也能在新加坡用,那么它在世界任何地方就都能使用。

在中国,面部识别的应用是非常普遍的。但是这些面部识别系统好用是因为用的是中国的数据,实际上在世界其他地方效果并不太理想。■




(注:本文仅代表作者个人观点。责编邮箱    service@or123.top)

「或者 *OR」商业新媒体





摘要」眼下科技领域最热的话题之一莫过于AI开发与应用竞赛。那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?记者就此采访了两位专家的意见,而这一话题势必会对中美两国起到深远的影响。



撰文 / Phred Dvorak

■ 眼下科技领域最热的话题之一莫过于人工智能(AI)开发与应用竞赛。通过开发出在复杂策略博弈中击败人类的AI程序,Alphabet Inc. (GOOG)这样的美国公司已经引起了轰动。而中国也矢志在2030年之前成为AI领导者,并已在面部识别等领域取得了巨大的进步。

很大程度上AI发展的关键在于数据,这是因为近些年来AI已经在机器学习和深度学习上取得了巨大的飞跃。机器学习是指计算机通过在大量数据中识别出某种模式来进行学习,而深度学习则是机器学习中受大脑多层神经元活动所启发的一种技术。

在AI的很多类似领域,给计算机输入的数据越多,得到的效果就越好。而据专家所说,中国拥有大量数据,从监控摄像头拍下的视频到有关购物者购买习惯的信息。成为AI领域的领导者能够将这一优势传导至所有领域,包括赋能经济增长的商业到军事等等。

那么现在领先的是谁呢?他们保持领先地位的可能性又有多大?

记者采访了两位专家的意见:一位是西雅图艾伦人工智能研究所(Allen Institute for Artificial Intelligence)首席执行长Oren Etzioni,另一位是AI新加坡(AI Singapore)首席科学家兼新加坡国立大学常务副校长陈祖翰。AI新加坡是一个推动AI研究的国家项目。采访是分别单独进行的,本文将这些采访编辑到一起。

AI竞赛

记者:目前在AI领域领先的是谁?

Etzioni:基本上大家都同意美国是领军者。在商业部门,显然美国仍占支配地位,像谷歌(Google)、微软(Microsoft)和亚马逊(Amazon)等等,尽管拉开的距离已经逐渐缩短。在学术领域,按照论文数量、引用次数和重要带头人人数等衡量标准,美国依然处于领先地位。

陈祖翰:现在大家挂在嘴边的AI实际上指的都是AI领域的一个分支:机器学习或者叫深度学习。近来大数据和速度更快的电脑等处理技术的全面提升让深度学习变得越来越强大。

借助数据可用性的优势,中国已经在机器学习方面领先了。不论是数据的提供者还是数据的处理者,中国在数量上都占绝对优势。

记者:那么美国在AI领域的强项是什么?

Etzioni:我们拥有这种开放的历史和传统。美国依然对很多人具有非常大的吸引力。发展AI非常重要的一环就在于汇聚最聪明的人,那些最有创新精神和创造力、最成功的人。

如果我们成功做到让美国、让我们的大学体系和公司继续成为全世界最聪明的顶级人才都想来的地方,那么我想我们将在这场人才争夺战中大幅领先。

陈祖翰:美国的体系能够提供允许创造的土壤。

记者:那么中国呢?

陈祖翰:中国的优势在于执行。并不需要太多创新理念,你只需要大量数据再加上海量运算就能得到你想要的结果。

中国政府的结构化程度更高,人口的顺从度也很高,这就让AI的部署变得更加容易。

如果说起用监控摄像头追踪行人,在美国将很难实施,但在中国就容易得多。

因为数据的可用性,中国部署这些系统的效率更高。美国存在种种保护公民隐私安全的政策法规。而中国有不受这些隐私或安全考虑保护的数据。

Etzioni:AI发展的一些关键变量在于数据,而中国在这方面有优势,因为他们拥有的数据更多,又不太注重隐私。

第二个方面是政府的支持力度。中国已经明确表示要全面加大对AI领域的投资。美国也在通过美国国防部高级研究计划局(Defense Advanced Research Projects Agency, 简称Darpa, 是美国国防部监管新兴科技的分支机构)、风投生态系统以及谷歌、微软等公司进行大量的投资。

各自的弱点

记者:中国的数据优势有什么局限吗?

Etzioni:打造下一代AI系统需要很多不同种类的数据集,而其中很多数据集中国并不具有优势。

如果我们想制造更好的自动驾驶汽车,就需要用道路图片和图片上的标签来训练AI。我认为在这样的数据集方面美国是领先的。

在自然语言处理方面,英文数据集一直更有优势,因为英文数据集有多年的创建和组织历史。我想至少在这方面我们可以打个平手,可能还更胜一筹。

中国更领先的领域在于,举例来说,医疗数据。在美国我们对公布医疗数据有如此之多的限制,在中国就问题不大。


真的必须具体情况具体分析并考虑目前的发展形势。数据是推动AI革命滚滚向前的动力之一,但并不是唯一动力。

另一个问题是:我们目前处在AI发展的哪个阶段? 从AI现有的发展程度到未来能够达到的高度之间需要进行大量的创新。今天来看AI是一个有前景的技术,能够带来越来越多的应用;而未来这种技术的应用会更加容易,使用的数据远比今天要少,而容错能力又远比今天要强。

还有大量的基础研究问题,这就是我为何强调我们的大学体系和整个生态系统是美国的优势。

陈祖翰:机器学习能够从越来越多的数据中获益,但也有一些AI子集需要不断创新。

其中之一叫做“可解释的AI。”这个东西曾经叫做深度学习,能够从越多越多的数据中获益。老实说我们不知道它为何可行,我们需要明白它成功的原理,这样当它失败的时候我们就知道如何去修复。这不是只靠更多数据就能解决的。

另外一个我们叫做“意义建构。” AI的终极目标是让计算机来理解所有的事情并做出相应的处理。这是AI发展的下一阶段,也是目前机器学习还没有办法达到的。

现在已经做出来的AI能够为我们驾驶汽车,做投资决定。但它并不能真的对事情做出理解,而只是在数据中寻找特定模式。

就拿自动驾驶来说吧,它是怎么做到不撞人的?因为它之前已经读取了如果看到人就要转向的数据。然而,它无法做出如果一个人骑在自行车上你也应该避让的推论。

深度学习就是在数据中识别各种模式。你能识别出中国消费者数据中的模式,不足以说明能把这个模式套用在美国的消费者身上。

如果10年之后我们有了能够理解事物的机器,那么在中国好用的或许在美国和世界其他地方也能如此。但目前还不是这样。

中国现在有很多科技公司到新加坡来正是出于这个原因:如果你只用中国数据训练你的机器和计算机,那么它就只能在中国用。

但是在新加坡,所有东西都是多文化多语言的。所以,新加坡的优势就在于高度多元的数据。

如果你的面部识别系统能在新加坡用,如果你的语音识别系统也能在新加坡用,那么它在世界任何地方就都能使用。

在中国,面部识别的应用是非常普遍的。但是这些面部识别系统好用是因为用的是中国的数据,实际上在世界其他地方效果并不太理想。■




(注:本文仅代表作者个人观点。责编邮箱    service@or123.top)

「或者 *OR」商业新媒体






读者评论


您可能感兴趣的资讯
OR



最新资讯
OR