这座挡在AI面前的大山能被翻越吗?

1956年,人工智能开始被提起,上世纪70年代再次成为焦点关注,如今这波AI爆发行情已经是第三次了,为什么人工智能多次起伏,而今天再看却被多方看好呢?

计算是瓶颈

人工智能的核心三要素是计算、算法和数据,在第一次人工智能被人关注时,计算层面有很大缺口,即便到今天,如果全面实现人工智能,世界计算力还要成长百万倍以上,这不仅仅是像云计算一样的中央计算成长,更需要边缘计算以及物联网后的终端共同努力,但这只是时间和累积问题,不是技术问题。

算法是挑战

如果说计算问题随着科技发展和技术迭代带来了巨大改观,那算法层面的停滞则让更多的数据无法发挥出更大价值,大数据在没有深度学习等算法之前总是难以摆脱效率问题,数据再大,但计算结果的表现却无法呈现正相关,是人工智能三起三落的主要原因,这是引擎出了问题。

好在如今的数据学习算法开始有了突破,加上数据的爆发,让AI应用真切有智能的体验,应该说在目前的人工智能发展演进上,算法有挑战,但不是大山。

数据才是大山

最后谈谈数据,从现在的发展速度看,数据爆发量达到空前状态,但别忘了,这么多数据里还有很多非结构化数据,当然还有很多数据成为冷数据,筛选、划分、算法调试、计算、最后产出AI的结果,让AI系统不断学习变聪明,认知越来越高级,是数据这个养料的基础。

人工智能之所以让人们感到智能,别忘了前面还有人工两个字。给机器喂什么料决定了机器有多聪明,一个是料对不对,一个是料大不大。

料对不对?

数据的提供存在人为层面问题,比如筛选过程、划分过程、沉淀过程,只能通过各行各业的高手做引导,喂数据,毕竟很多行业的规则和边界是模糊的,要结合整个社会层面应用看,还需要更多的衔接。如果选择的数据不合理或者一股脑的将数据喂过去,势必影响AI的智能程度。

料够不够?

还有一个更大的问题是孤岛问题,汽车出行,有人收集到交通数据,爱购物,有人收集到消费习惯,你的家庭人员结构、消费情况、信贷系统、健康与饮食、业余爱好等等这些,都有不同的人和机构在收集,但这之间是没有打通的!一个个大数据集群就像孤岛一样无法连通,这就会让各个AI系统变成盲人摸象,无法完整描绘出你这个人的本身!

AI的决策因此也会大打折扣,如何让各个系统连接(主要是数据层面共享),并且形成更精准的画像,对人有更全面和深入的认识,其实才是AI在未来很长时间内需要面对的大山,也许只有政府可以去解决这个问题,但我们目前看到的情况是:以BAT为核心的平台,纷纷想做这件事情,这样做可能会成就部分孤岛的连通,但是无法做到全面连通,而数据的闭塞也会让AI出现某些场景的“短路”。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171208A0QDMM00?refer=cp_1026

相关快讯

扫码关注云+社区