人工智能的风口与瓶颈
2018/2/9 8:48:46 点击率[107] 评论[0]
【法宝引证码】
    【学科类别】人工智能
    【出处】《群言》2018年第1期
    【写作时间】2018年
    【中文关键字】人工智能;风口;瓶颈
    【全文】

      从1956年美国达特莫斯(Dartmouth)会议提出“人工智能”概念,至今已有61年的历史。在沉睡了61年之后,人工智能重新焕发活力,或许可以称为近两年最火爆的关键词,各行各业都在高呼“拥抱人工智能”,国家也专门提出了人工智能发展战略。那么人工智能风口在哪,它的发展瓶颈又是什么呢?
     
      一、人工智能,风口来了!风在哪?
     
      人工智能的风口在哪?这是首先需要回答的问题
     
      我在给研究生们讲授《人工智能与知识产权》课程时,被学生们问到最多的问题就是:科幻电影中的场景,可以成真吗?显然,科幻电影中,机器人不仅可以与我们下棋,而且是深度进入我们的生活,机器人保姆,机器人服务员,机器人警察,甚至机器人女友,社会生活的方面,高度智能化。
     
      未来5-10年,人工智能到底对我们的生活会产生什么样的影响,对产业又会产生什么样的影响?类似的问题,不仅同学们关注,产业界的朋友也特别关注,朋友们甚至会时常与我玩笑:作为法律和人工智能的研究者,哪支科技股票未来潜力最大?
     
      产业界关心,投资人关心。事实上,所有的问题聚焦于:准确把握人工智能的发展方向和发展节奏。“风口来了,猪都能风起来”,那么,风到底什么时候来,它从哪里来,又向哪里去,是需要我们认真研究的问题。
     
      (一)机器人的“工匠”精神
     
      四种机器人产业中,应当说占市场比例最大,发展最为成熟的当属工业机器人,无论是德国的工业4.0,还是我国的《2025制造业大国》都提到工业机器人的布局。当下的工业机器人几乎被“四大家族”垄断,像日本的发那科(fanuc)和安川(YASKAWA),还有德国的库卡(kuka)、瑞士的ABB,等作为工业机器人的龙头老大,已经占据了全球绝大数市场份额(80%以上)。像美国的特斯拉汽车制造流水线所采用的正是库卡的机器人,整个车间几乎看不到人。我国广东、渐江等很多制作业企业现在已越来越多开始使用工业机器人,以至于我国已成为全球最大的工业机器人的消费市场。
     
      可以想像,未来5-10年,中国工业机器人消费市场还将持续增加,家庭式的手工作坊将逐渐淡出江湖。我国已有一些企业着眼于工业机器人研发,就目前来看,无论从外在的“颜值”,还是内在的“性能”方面,与“四大家族”相比,还存在较大的差距,真白地说,落后的还不是一点半点。什么时候,中国也会产生像“四大家族”这个工业机器人制作企业,这的确是一个巨大市场空间。
     
      结合智能手机的发展经验来看,先是苹果一家独大,最终国内的华为、小米群星荟萃,打破了苹果在华一股独大的局面,因此,可以肯定,国内一定会产生具有较大竞争能力的工业机器人企业。不过,对于这种企业的成长周期,不要报以太为乐观的态度。与智能手机不同的是,工业机器人除了对算法具有较高的要求,还要求制造的精准、工艺的完美、材质的精良,我把它统称为“机器人工匠精神”,所以你可以理解,为什么工业机器人四大家族企业会诞生在德国、瑞士这些在传统制作业中就体现出“工匠精神”的国家。这也是为什么工业机器人市场潜力巨大,但从短期投资的角度来看,我不太看好国内工业机器人企业的原因,当然,从长远投资的角度,国内工业机器人企业的确潜力巨大。
     
      (二)思考型机器人,卷土重来
     
      思考型机器人在现有市场中占比最小,难度最大,同样也是潜力最大。思考型机器人的底层是深度学习和神经网络的布局。运用神经网络和深度学习布局,它还可以广泛适用于医疗、经济、金融、医疗、教育、代理、咨询、办公等诸多领域。尤其需要指出,上述传统服务行业亟需人工智能的改造,包括服务的每一个环节当下都渗透着人工智能的缺失,因此,可以预见,未来,人工智能将在这些行业释放巨大的红利。
     
      按照英国科学家阿兰?图灵在1950年提出的“图灵测试”标准,一部机器人是否具有智能取决于人在与其交流后是否能够区分出它是机器人,因此,“智能”的标准,从一开始便是围绕思考型机器人展开的。李开复博士早期研究的语言识别,便是思考型机器人最初的模型。在近60年的时间里,无数科学家围绕思考型机器人展开研究,但限于计算机硬件计算能力的限制,人工智能一直处理严冬季节。如今,大数据的运用和计算机的超算能力,再一次为思考型机器人迎来前所未有的发展机遇,所以我说它“卷土重来”,我甚至把它称为“思考型机器人的第二次勃兴”。尽管如此,思考型机器人也面临着它发展中的瓶劲,稍后会在“人工智能发展瓶劲”部分重点阐述。
     
      (三)生活机器人,前景广阔,但步履维艰
     
      以扫地机器人为代表的生活机器人,近几年来表现势头强劲。在每年国际机器人展会上都会展出不少生活服务型机器人,除了扫地机器人,还有保姆机器人、教育机器人、机器人秘书等等,我看过这些机器人的宣传和展示,准确地说,这些机器人大多还只是概念,目前还很难进入市场。
     
      这与现有计算机算法的研究水平有关。即便是采用当下最先进的人工智能算法,也还难以满足生活场景的极致复杂性。在今年的国际机器人展会上展示了一款“助残机器人”,它主要用于给老年人喂饭、洗澡等应用,事实上,如果仅仅是简单的稀饭,机器人尚且可以派上用场,但如果火食中还有米饭,还有鸡蛋,外加上牛肉土豆呢,显然现有机器人的手臂外加勺子的算法就难以满足了。保姆机器人也遇到了同样的问题,它虽然可以回答“今天天气如何?”亦或是“现在几点了?”但,人们对保姆的需求,绝不仅仅是这些,即便是一个最普通的场景:想让机器人帮助自己拿一包餐巾纸出来,这虽然是一个普通的动作,但它需要机器人完成对现场的场景、物理、意途等方面的理解,还需要配合动作的完美协调,其中的算法十分复杂,即便如此,这个动作都难以让人满意。
     
      还有当下很多银行、酒店大堂内配备的咨询机器人,存粹成了摆设,除了孩子们把它当成玩具,人们还是愿意寻求大堂中的客服(fresh-and-blood)获得精准帮助。
     
      扫地机器人算是生活应用场景最为简单的一个,而且它也符合城市化快节奏下众多家庭的生活需求,它的智能化水平或许并不是最高的,但从产品设计的角度讲,无疑它是成功的。但是不少用户仍然反馈它无法满足各家的清洁个性需求,买来之后成了摆设。
     
      二、人工智能的前景:选对行业
     
      (一)人工智能将在哪些行业最先释放红利?
     
      在人工智能的一片嘈杂中,哪些行业会最有可能释放人工智能的红利?回答这一问题,需要放眼中国当下的主要矛盾。《19大报告》指出,当下中国的主要矛盾已经演变为“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”,言外之意,如今人们已基本解决了温饱,但诸如像看病难这样一些健康需求还无法得到满足。由此,我以为在医疗、企业服务、撰写、咨询等四个行业中,人工智能的红利将被最先释放。
     
      以医疗行业例,医疗行业中存在大量需要人工智能可以解决的问题。在美国旧金山一家年轻的创业公司恩尼提克试图通过机器自我学习来解决癌症诊断,这家公司甚至被评为全球最有科技含量的50家公司之一。在中国,这一问题显得更为迫切。当下中国当下面临医疗资源严重不足的情况。据统计中国10几亿中,平均每人每年挂号资数是7次,总计要达到100亿次以上,然而医生资源又主要集中在大城市,中小城市面临着医疗优置资源严重不足的现实。如何让通过人工智能优化配置医疗资源?如何通过人工智能自我学习疹断疑难杂症?其空间巨大,潜力巨大。
     
      再以企业服务为例,中国现有企业多达7000万家,其中每一家企业所需求的企业服务又是五花八门,包括“公司注册、税务申报、商标代理、专利代理、社保、法务咨询”等各个方面,由此所形成的企业服务便呈现几何基数的局面。为此,HOW实验室也于2017年正式提出了创建“企业服务大脑”的计划,将多元、交织、复杂的企业服务化归“一元模式”,设置企业服务大脑,指挥机器人集群,数据共享、协同作战,由此极大节约社会成本。
     
      还有各行业的撰写领域,也势必会迎来人工智能的时代。在机器人研发过程中,我甚至发现,越是复杂、专业的撰写越容易被机器人取代;尤其在未涉及到大数据计算、统计的撰写,机器人更是具有无法取代的优势。事实上,反倒是那些简单的撰写,诸如给女朋友一封情书,倒是由真人来写效果会更好,反之像新闻稿、代理词、专业法律意见、医院的体检报告,机器人对数据的引用以及强大的逻辑推演会比普通人厉害得多!之所以首推上述行业,归根结蒂还是基于上述行业间空足够大;与此同时,人工智能能够较好地解决行业痛点。
     
      (二)大数据的投资价值
     
      人工智能话题下还有很多值得讨论话题,比如人工智能与大数据关系。很多人都说,大数据将是未来最宝贵的资源,于是现在有很多人投身于数据行业。HOW实验室的建设过程中就用到了很多大数据,我们与很多数据商也有合作。
     
      事实上,在人工智能时代,最有价值的不是数据,而是数据的算法,再上一层便是数据算法最终所形成的产品。在机器人实验过程中,最复杂的部分是对机器算法的研究。像科达讯飞用于训练机器识别语音的语料很多也是从其他数据公司购买的,然而对语料计算的算法却成为科达讯飞最为核心的竞争力。
     
      这样,在人工智能时代,也就形成了一个由“产品设计”,“算法应用”,“程序撰写”,“数据提供”等四条产业链互动格局。无疑,在整个产业链中,产品设计属于食物链的最顶端,其次是算法应用,程序撰写,最后才是数据提供。如果把机器人视为一个产品的话,数据可以视为这个产品的原材料。
     
      我曾到访过不少数据公司调研,当下的数据公司总体上营利情况不佳。事实上,官方很多数据未充分公开的情况,很多数据商尚有一些利润空间,随着官司方数据的充分公开,数据商们的日子会越加难过。
     
      在人工智能时代,真正具有价值的数据是垄断数据,比如像京东商城、嘀嘀打车这些大的商户所采集的数据是独一无二的,机器人会根据这些数据推演出科学的结论,而这一切是其他机构无法办到的,这才是人工智能时代最有价值的数据。
     
      (三)人工智能投资的三个原则
     
      一个行业,亦或是一个企业是否适用人工智能战略取决于三方面的要素:第一,行业痛点是否与人工智能相契合?第二,市场空间是否足够大?第三,现有最先进的算法能否适用?事实上,一旦回答了这三个问题,产业的投资价值也就相对清晰了,这里特别说明第三个要素,即现有最先进的算法能否适用,事实上,人工智能技术的发展也需要一个过程,有一些场景,比如婴儿保姆机器人是具有较大市场空间的,但由于场景的复杂性,现有最先进的算法还需要进一步进化,类似这样的产品都属于未来期待型的。因此,对于人工智能投资的预期也需要对现有技术的准确把握。
     
      三、人工智能的瓶颈:切忌闻“机”起舞
     
      (一)不要在传统互联网领域浪费时间
     
      说到人工智能和机器人,很多人、很多企业都会很兴奋,所谓闻“机”起舞,甚至出现一窝蜂,所谓抢占“风口”,为此有必要澄清人工智能与传统程序的区别。并不是任何企业都可以号称自己是人工智能企业的。印像中某年的春晚中上演了关于机器人跳舞的节目,事实上那只是事先编好的程序,充其量算作“玩具”,并非真正意义的“人工智能”。
     
      我几乎每年都会参加国际国际机器人大会,那上面参展的有一半以上“机器人”(可以唱歌、跳舞)从其本质上都属于前面所说的玩具。我曾与这些产品的工程师聊过,这些产品底层的编程语言大都是java、python、亦或是php(这三种语方居多),程序大都事先写好,对话的语言和数据也几乎是固定的,这体现在机器人能够背诵的诗词是固定的,整个计算过程与传统的计算机程序并没有本质区别,并非是真正意义人工智能产品。因此,从这一意义上讲,人工智能与传统计算机程序的区别并不在于产品的表面,比如把它做成一个机器人样子,或者表面上可以对话,恰恰在于底层的算法。一般投资人在考察人工智能产品时恰恰忽视了这一点。
     
      近几年来,人工智能神经网络的算法尤其引人关注,无论是S型神经元算法、卷积神经网络,亦或是梯度算法,每一种算法的背后还涉及到大量数学、微积分和统计学的推导过程,事实上,在与具体产品相结合时都还需要有独道的创新方才可以适用。因此,我以为人工智能概念更为确切定义是:计算机编程+神经网络+问题解决,三者缺一不可。
     
      (二)不要在概念炒作中浪费时间
     
      在人工智能领域,不乏有很多概念炒作者,有大企业,也有小企业,有的不懂,有的不懂装懂。
     
      还是那句话,并不是所有的企业都适合人工智能;也并不所有场景都适用于人工智能。有的饭店推出机器人端菜,很多酒店的大堂还推出机器人客服咨询,事实上,这些机器人除了宣传之外几乎毫无用处,并且,该聘请的人员一个没少,该付出的劳动一点没小,在这里机器人除了噱头还是噱头。
     
      前段时间马云的无人餐厅也曾火爆一时,甚至跻身于人工智能要闻之首,事实上,就智能点餐而言,手机APP可以实现,平板IPAD可以实现,化身为桌面的触摸屏当然也可以,这并非是人工智能所要追求的本质。“无人点餐”的概念更多还只是炒作,当然,从商业运营的角度,这一切无可厚非,但作为人工智能的研究者切不能人云亦云。
     
      类似的情况在服务业也大量存在,最近炒作最热的莫过于某某法院又在全面实现人工智能,对于人工智能在法律行业中运用我是十分看好的,但这并不等神化它的作用,“员额制”已经让法官们心惊胆战了,再来一个人工智能,法官们深感前景暗淡,事实不然,即便在人工智能时代,尤其是审判过程中法官的作用还必须凸显,机器人更多的应用场景还是在数据处理和分析方面,即便是匹配到了相似的案例,也仅仅只能作为参考,要知道,人对“正义”的理解远胜于机器。
     
      四、人工智能,是否会拥有意识(conscious)?
     
      人工智能,是否会拥有意识?这是我经常被问及的问题。
     
      严格而言,这是一个哲学问题。我想借用一个实验来阐述我对这一问题的理解。我用当下较为先进人工神经网络理论为一个机器人建构了专属于它自己的神经网络,任何一个问题,只有和它聊过一遍,它便可以记住。事实上,对于机器这不是一件容易的事情,要知道人的语言表达是千差万别的,一句话可以有各种各样的说法,但无论你怎么说,机器都要明白其中的含义,这并不是一件容易的事情。
     
      在对机器人进行了一段时间的训练之后,甚至出现了这样的事情:原本没有训练过的问题,它能够自主的通过既有问题得出答案,也可以简单地解释,它所作出的回答超乎我的预期,这算是意识吗?
     
      事实上,机器人的每一次回答的背后都需要大量的运算才能完成,这样,它所体现出来的“意识”是基于数学运算而产生的结果,为了能够更充分表达机器意识形成的基理,我借用神经网络众多数公式中的一个:


     
      这是一个高等数学中关于“最小二乘”算法的公式,它是我在神经网络布局中应用的众多数学公式上的一个,它涉及到高等数学中矩阵和导数的计算。这里你能否看懂这个数学公式并不重要,我旨在于说明,机器的反映是通过这样一系复杂的运算最终产生的。同样的例子还有IBM的watson机器人,它在2011年参加知识问答节目打败了所有人类选手,它通过自我学心完善了自己的大脑,在对专业领域的认知方面超过了人类,这一案例也曾被轰动一时。同样的问题,watson能思考吗,它有意识吗?
     
      在对机器人意识的解释中,前任百度首席科学家吴恩达的“意识论”具有较大影响力。吴恩达曾担任斯坦福大学人工智能实验室主任。他所构建的机器人神经元自主学习从而能够识别猫的图片,这一案例曾轰动一时。他也据此提出了机器人或将具有意识的看法。
     
      无论是IBM的watson,还是吴恩达的人工神经系统构建,都是建立在一系列复杂运算基础之上的。显然,他们所彰显的依然是计算机强大的计算能力。然而,人类意识却是一个十复杂的东西,除了计算还充满了很多情感要素,诸如爱、恨、同情等等,我国人工智能协会的会长李德毅院士甚至在这一基础上,还提出一个更为复杂的命题“爱是可以计算的吗?”如果可以,又该用如何的算法来构建如此复杂情感的人工智能呢,我想,这也是成为科学界接下来继续要思考的问题。
     
      六、结语
     
      这是一个最好的时代,这是一个最坏的时代。无论你是否喜欢,我们都将迎来人工智能时代。要么拥抱它,要么被它彻底替代,除此之外,几乎没有其他更好的选择了。
     
      本篇文章同时也是我正在撰写的新书《机器人法》的组成部分,在这部书还将继续讨论人类应当如何构建属于自己的未来社会新秩序。阿西莫夫在1942年提及的机器人三大定律之首,便是机器人不得伤害人类(参见科幻小说《环舞》)。在接下来人工智能的研究中,这一法则无疑还将被反复提及和论证。毕竟,人工智能的研究的目的是让人类社会变更加美好,而不是创造一个新物种去取代人类。

    【作者简介】
    杨延超,中国社会科学院。 

    本网站文章仅代表作者个人观点,不代表本网站的观点与看法。
    转载请注明出自北大法律信息网
0
北大法律信息网
www.chinalawinfo.com
法律动态
网站简介
合作意向
网站地图
资源导航
版权声明
北大法宝
www.pkulaw.cn
法宝动态
法宝优势
经典客户
免费试用
产品服务
专业定制
购买指南
邮件订阅
法律会刊
北大英华
corp.chinalawinfo.com
英华简介
主要业务
产品列表
英华网站
诚聘英才
联系我们
用户反馈
返回顶部
二维码