最近,阿里云研究中心发布了《人工智能:未来致胜之道》的报告,对于人工智能的定内涵、应用、未来趋势、格局都做了详尽的分析,非常具有参考意义。其主要观点有:
其中,报告从人工智能的技术突破和应用价值两维度分析,提到未来人工智能将会出现这三个阶段吸引了我们的注意:
在人工智能及现有技术的基础上,技术取得边际进步,机器始终作为人的辅助;在应用层面,人工智能拓展、整合多个垂直行业应用,丰富实用场景。随着数据和场景的增加,人工智能创造的价值呈现指数增长。
人工智能技术取得显著突破,如自然语言处理技术可以及时完全理解类人对话,甚至预测出“潜台词”。在技术创新的领域,现有的应用向纵深拓展,价值创造限制在技术取得突破的领域。
人工智能技术取得显著突破,应用范围显著拓宽,人机完全融合,人工智能全面超过人类,无所不在,且颠覆各个行业和领域,价值创造极高。
从报告中可以看到,在未来三到五年人工智能还是以服务性、功能性为主,也可以理解为我们之前所熟知的“弱AI”。按洪小文院长之前在我们公开课中的说法
强AI其实没有那么强,弱AI其实可以很强。
其在某一方面会相当熟练,甚至超过人类的水准。从目前人工智能的实际运用来看,大部分还是处于这个范畴中。可以预见未来仍将继续处于这一阶段,直到出现显著科技突破的那一天。
另外,报告中我们有关注到人工智能产业链这一块,对于这个大家十分感兴趣的部分也进行了梳理。
人工智能产业链根据技术层级从上到下,分为
基础层 技术层 应用层
基础层最靠近“云”,应用层最靠近“端”。
在计算能力层中,目前从事GPU的主要是英伟达,FPGA则是英特尔,这两家一直以来都致力于在硬件层面加速人工智能的发展历程。神经网络芯片可关注国内这几家公司,中星微、寒武纪以及西井科技。
目前虽然说各行各业、各种各样的数据都在大爆发,但是目前主要的几大数据来源还是:自筹数据、公共数据、产业协同数据。 不过自筹数据需要投入太大,公共数据覆盖面还是不足,产业协同数据也需要一定的成本。 这样看来,目前在数据层主要关注的还是BAT这一类拥有大量用户基数、涵盖各大使用场景的大厂。
在框架层面,可以看到现在越来越多的框架都选择了开源。从最初的Caffe、Theano到现在的Facebook使用的Torch以及Google使用的TensorFlow,百度近期推出的Paddle平台也同样选择了开源。就目前来看,开源可以使得各个框架平台的用户基数进一步扩大,再者由于这类框架在实际应用中几乎不可避免地会遇上各类问题,在开源社区中拥有越多的用户也代表其有更多的人员来进行试错、反馈,也帮助其能以更快的速度发展。
有关机器学习中的算法理念也是大家经常讨论的话题,例如决策树、贝叶斯分类、逻辑回归、聚类算法、主成分分、统计算法等,这些都是在日常使用中经常需要用到的算法。另外,除了深度学习、增强学习,目前迁移学习这个理念被提起的频次也越来越高,其能让现有的模型算法稍加调整即可应用于一个新的领域和功能的一项技术,这个概念目前在机器学习中其实比较少见,但其实它的潜力也可以相当巨大。
语音识别包括像科大讯飞这样的,图像识别则有图森科技、图谱科技。 另外,人脸识别领域有face++、商汤科技,NLP领域则有百度、搜狗,SLAM领域也有思岚科技。
应用层
阿里作为BAT三巨头之一,依托其本身数据以及实力优势,其对于行业的认识要比普通从业者以及大众来得明确。其发布的这份人工智能报告可以说为大家解释清楚了不少疑惑,具有一定的指导意义。
我们另外也有请教北极光创投的张黎,他表示:
目前AI产业链刚刚开始,一个重要标志就是研究领域取得的进展差不多开始进入工业化了,所以创业公司的机会还是挺多的,具体地
另外,AI科技评论君提出一点质疑。阿里巴巴人工智能产业图看似完美无缺,但是其提出的基础层、技术层、应用层与以往任何一个风口来时,呈现的生态结构差异并不大。人工智能作为智力密集型产业,实际落地的时候,其具体的生态结构是否也还是这老三层?对此,北极光创投的张黎表示:
目前大体是,唯一的区别可能就是技术比重大一些。
关于上面的问题我们还可以继续探讨。不过总体而言,对于创业公司来说,报告中对于人工智能产业链以及商业模式进行了初步画图,对于刚刚开始的创业公司来说,还是能看到一些蛛丝马迹:
创业公司可以从报告中一窥未来的人工智能创业机会在哪里,目前来看技术层与应用层仍然机会很大。另外,虽然在当前大数据时代从基础层级入手可能会比较麻烦,但是如果有技术优势且能有持续资本的支持下,仍然会有不少机会。