不满足弱AI应用,硅谷正在这些强AI方向上多点突破

不满足弱AI应用,硅谷正在这些强AI方向上多点突破
2018年04月06日 12:06 窄钓科技

不管AI听上去多么令人敬畏,当你打开Alexa或Siri,试图让他们真正干点事情的时候,就会明白离AI掌控一切还很远——“Siri,有什么不错的日本餐厅?离得最近的?”“不好意思,我不知道您在说什么。”

正如这些功能有限的聊天机器人一样,如今市面上的大部分弱AI应用,都是针对单个问题设计出来的程序,很难真正联系上下文进行推理、决策。总之,它们还不太好用。

这当然不会是未来的样子,而在硅谷乃至全美,我们已经能看到不少公司在试图改变这件事情。不管是强人工智能的基础性技术、还是ToC(针对消费者)应用,或ToB(针对企业)应用上,都有不少令人振奋的进展。

研究人类的生物规律,推动强AI发展?

早在2015年,Seeking Alpha就做出过这样的预测:人工智能行业的市场一定会不断发展。未来十年内,就会完成从弱人工智能到强人工智能的转变。

这里的强人工智能,指的不是此前风靡的强人工智能假说(机器人有与人相似的情感与心灵),而是与弱AI相比,强AI有着更强的理解、推理和分析能力。

当然,Seeking Alpha根据摩尔定律进行的这个推算有点过于简单直接了。但不可否认的是,从学界到工业界,强人工智能已经吸引了大量资本、科学家的进入,并且已经展现出了其可观前景。

比如硅谷的神秘人工智能公司Vicarious,就在钻研强AI的基础技术,希望不用进行大量的数据训练就能得到优秀的AI模型。它成立于2010年,已经从硅谷著名基金和大佬处募集了超过7000万美金资金,投资人名单里有Mark Zuckerberg、Elon Musk、Peter Thiel等等,非常华丽。这个公司里有许多加州的著名教授,做的都是人工智能相关研究,其中就包括领导Google AI部门的著名华裔女科学家李飞飞。

做了这么多年的研究,他们一直没有透露自己的具体方法和产品,但是表示投入了很多资源在研究神经科学、脑科学和人类行为学上。

“过去几年业界使用的是相对粗糙、与人类神经网络大致相似的深度学习算法。Vicarious则希望建造一种在生物层面上与人类更相似的神经网络算法,带来‘人工想象力’。”MIT Review在去年5月的一篇文章中这样描述Vicarious的技术。

2013年,他们宣布的进展令人激动——通过深度学习技术,他们宣布破解了CAPTCHA(验证码测试,被广泛用于区分人和电脑),已经成功地保证能让电脑稳定破解验证码图像。去年的NIPS上,Vicarious发布了论文,也解答了不少业界对其的疑惑。一位不愿具名的AI学者向记者透露,这家公司现在在做的方向是供应链管理机器人,通过技术让这些机器人更加智能、互相学习。

Vicarious破解CAPTCHA,图片来自《福布斯》

除了Vicarious以外,去年年末,Uber收购的Geometric Intelligence也在做类似的事情,这家公司由纽约大学心理学家Gary Marcus和剑桥大学信息工程学教授Zoubin Ghahraman创立,声称在开发一种新的技术,把基于规则学习、数据学习和深度学习的方法结合起来,“用比深度学习少一半的数据量来训练模型”。在Wired的采访里,Geometric Intelligence创始人、纽约大学心理学家Gary Marcus说道,在语言领域和无人驾驶汽车领域里,有些问题是注定无法通过深度学习的“蛮力”解决的——这些数据的量不够用于训练模型,或者甚至这些数据都根本不存在。

在被Uber收购后,这家公司的主要科学家团队会成为Uber的AI核心实验室,在通用AI领域不断探索,“范围远超无人驾驶领域”。

C端应用:缓步前进,但面临挑战

随着AlphaGo悍然斩落全球所有的顶级棋手,普通民众对于AI的认知程度不断提高,但其在消费者端的应用,仍旧面临着两个问题。

第一个是技术上的困难。以Siri为例,假如我们连着向它询问三个问题,“XX是谁?”“XX的老婆叫什么名字”“她多大年纪了?”传统的AI只能把三个问题分开理解,所以在中间或后面的问题,可能就会收获一个令人啼笑皆非的答案。

也不是一直没有进展,“现在有些公司已经可以提供一些前后文的关联性了,”AI企业Synergies Intelligent Systems创始人、MIT博士Michal Chang张宗尧对记者说道。

比如百度搜索最近就推出了新功能,可以让前后问句产生关联性。另一个例子是Google 最近发布的以神经网络为基础的翻译功能,就可以辨认出一个人手机上照片里的中文,并翻译成英文。

“但是想要关联很大范围的内容还是很难,在这一点上,最大的挑战不完全在于人工智能技术,更在于对人的思维和语言的了解。”张宗尧说道。这也是想要解决这些问题的公司往往需要在神经网络方面投入大量资源的原因。

第二个问题则是由于消费者端的特性——我们到底需不需要一个拟人化的人工智能?

“在消费者的领域里,总会有一些方向,他们希望看到拟人化的产品。”硅谷著名投资人、Fusion Fund创始合伙人张璐对记者说道。可是由于技术所限,AI的行为与反馈又往往不够像真人。

而这就可能带来“恐怖谷效应”,让消费者对此产生抵触情绪,也限制了如今消费者端AI技术的推广。

硅谷投资人:强AI的工业应用会来得更早

与之相对,这位硅谷投资人认为,强AI应用的企业级将会走得比消费级更快。

“以医疗层面的应用为例,应用场景很明确,也对成本有一定的容忍度。”张璐说道。除此之外,工业级应用往往没有拟人化的需求,也就不用担心“恐怖谷效应”了。

除此之外,企业的另一特征也让强AI的应用更具有意义——许多企业的价值,很大程度上都在于管理者的智慧、经验与积累,而这些随着人的生老病死,在过去很难传承。在乔布斯去世后,苹果的创新精神与过去很难匹敌。

“过去公司里每个层级的管理者做的事情,都被认为是很高阶的行为,”张宗尧向记者介绍道,“传统AI很难拿到跨行业、跨领域的大量企业数据,所以就很难智能化这一部分。另外,在企业里,每个岗位的管理者做的事情都不一样,而不同企业里的管理者之间的差异可能就更大了,这些是弱AI依靠大量数据训练出来的模型很难解决的。”

这个拥有MIT博士学位及业界经验的AI专家之前和高盛的核心技术成员Prasanth Varma共同创立了一家人工智能企业Synergies Intelligent Systems,就是希望通过强AI技术,用较少的数据和独有的分析推理能力来解决这个问题。

“这是一个很大的计划,需要把复杂的问题一一拆解,再由不同实验室进行合作。我们需要和不同领域的专家合作来完成这个计划。”张宗尧解释道。他们联合了跨几个大陆的不同高校的实验室,包括美国麻省理工学院、德国汉堡大学和台湾交通大学来解决这个问题,用强AI技术打造一个AI系统,适用于不同规模、不同行业的企业。企业只需要输入自己的数据并做简单调试,它就能开始工作,帮助企业做各种分析和商业决策。

这个技术的前景,是代替企业内涉及分析、管理的种种层面,包括企业的仓库管理、产品定价、营销策略、公司战略方向、供应商选择等等,未来可能全面代替分析师、让管理变得更科学,“这基本等于让一个只有三个月经验的管理者凭空多出10年的管理经验,做出非常优秀的决策,”张宗尧解释道。

虽然强AI技术暂时还显得较为神秘,但是这个方案能够带来的经济效益是很明朗的,正是因此,Synergies在创始之初就吸引了许多合作伙伴,用极短的时间就达到了收支平衡。

目前他们的客户包括全球的中型企业及大型财团和许多年营业额在10亿美元以上的公司。对于其中一家制造业巨头公司来说,Synergies的商业GPS已经帮助他们提升了20%的生产效率。而一家区域性零售业公司也通过AI系统的分析和建议,成功减少了48%的库存。

当然,技术以外还有需要关注的部分。“虽然人工智能相关的很多基础技术还有很大的提升空间,但是创业公司除了需要做到提供更快、更好的技术方案以外,也需要关注市场应用场景、能不能真正有效地降低成本等等。”张璐对记者说道。

Tvision Insights的技术示例

比如她投资的计算机视觉公司Tvision Insights,就把这个技术应用在了人脸识别和广告内容投放领域。根据今年早些时候纽约时报的报道,这家公司可以通过安装微软的Kinect设备,来追踪人的眼球与电视之间的互动。他们会把这些追踪到的看电视的特点用于智能投放,比如到底有没有在看电视,看电视的情绪,是否很投入,用户年龄和性别等等。

“这样的公司不仅有比较先进的技术,还找到了很好的市场应用方向,可能会对电视行业、营销行业产生很大影响,这是AI技术进行商业应用的一个很好的例子。”张璐说道。

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部