第一时间get全球最新科技知识与数据
下载钛媒体客户端

扫描下载App

腾讯优图科学家贾佳亚:当烤红薯也能用到深度学习,AI 的壁垒会在哪?

摘要: AI 产业如今出现一个看似矛盾的现象:算法的开源让人们学习 AI 的门槛降低,但在产业层面,AI 的发展依旧具备明显的壁垒效应。

5月24日,腾讯“云+未来”峰会继续在广州进行,在上午的“AI 专场”中,腾讯优图实验室杰出科学家贾佳亚首个开场,对AI 产业的发展趋势,以及腾讯在医疗、内容、自动驾驶等产业的 AI 落地进行阐述。

在加入腾讯前,贾佳亚曾与微软研究院、谷歌、高通、英特尔、Adobe等图像和人工智能研究机构开展过联合研究工作,而在加入腾讯后,除了负责计算机视觉、机器学习等人工智能领域的研究外,在贾佳亚的职责中,探索“人工智能与各种应用场景结合”是极其重要的一环。

贾佳亚以个人经历谈到了 AI 在过去一年的变化。从2013年至今,AI 从“深度学习”等晦涩的名词逐渐在产业落地,他发现不论是大楼内部还是烤红薯的壁炉,都开始在温度控制等方面用到 AI ,这种技术落地的速度让 AI 与普通人的距离越来越近。

如何甄别“真假 AI ”是他谈到的第一个议题。在贾佳亚看来,2013年之后,AI 在场景、行业、任务、技术层面有飞跃式的提升,大家都在说自己做人工智能,但如果没有基于深度学习进行训练和测试的结果和场景,就不应该称之为“真AI”。

随着 AI 的迅速落地,行业产生了另一个看似矛盾的现象:算法的开源让人们学习 AI 的门槛降低,但在产业层面,AI 的发展依旧具备明显的壁垒效应。

贾佳亚将其归结为三点原因:

首先是计算资源。2015年以前,不少 AI 研发团队还在利用通用的计算资源做运算,如今,每个部门都会有自己专有的计算资源,以减少功耗,加快速度以及增加准确率,这会是接下来的发展中一个重大趋势。

其次是计算平台和框架。市面上虽然有开源学习框架供 AI 爱好者学习,但专业的 AI 团队一定会有自己的业务强优化编程平台,并用非常低的功耗实现高速得出训练结果的能力。

最后是人才。在 AI 诞生之前,大家会认为AI研发是极少数研发人员主导的小数据、小模型研发样本。而在2017年,除了大量的技术人员之外,有了更多底层编程人员开始做算法调优,AI 人才的金字塔开始变得稳固和庞大。

“如果一个团队已经有先发优势,想成为后起之秀,必须以更快的速度积累人才、积累框架、积累行业经验,这也是为什么在产业层面会越来越具有壁垒效应。”贾佳亚表示。

以下为腾讯优图实验室杰出科学家贾佳亚在腾讯“云+峰会”的演讲实录,经钛媒体编辑后发布:

贾佳亚:大家早上好,我所在的部门是腾讯优图实验室,今天我想给大家介绍一下,过去一年我们看到的 AI 进程是如何变化的。

AI 正同我们生活有越来越密切的联系。举个例子,大家出去买楼,售楼小姐会说,我们的大楼温度控制都是用AI设计的;有一次我去买一个烤红薯,大爷说我们烤红薯温度也是AI控制的,肯定比别的地方的烤红薯好吃。

这让我感受到,从去年以来,我们有越来越多的机会接触 AI 名词,这也意味着现在必须回归本源,想一想如何定义AI。

首先给出一个概念:真 AI。

2013年之后,AI 在场景、行业、任务、技术层面有飞跃式的提升,大家都在说自己做人工智能,但如果没有基于深度学习进行训练和测试的结果和场景,就不应该称之为“真AI”。

以工业自动化场景为例,传统工业自动化是希望在生产中尽量实现流程自动,用机器辅助流水线,尽量减少人工干预,这并没有涉及到智能这一块,即使大家有非常先进的机器人做制造,但最后一个零件生产出去合不合格,绝大部分还是依赖于人做判定。

而在AI时代,我们可以打通工业自动化的最后一环,让所有判定、决策都由机器实现,这就是AI自动化在自动检测产品以及改进自动生产精度上面的表现。

还有医疗。在两年前,医疗可能还是一个实验室产品,大家都说我们在实验室做了某一个技术,希望帮助某一类病种得到检测上的提升,但没有人敢说这种技术可以实际投入使用。

从去年开始,我们发现医疗开始走出实验室,走入医院和医生身边。每个医生都有机会接触智能技术,并对诊断和判断带来新的帮助。

还有非常重要的一个部分:海量线上内容自动处理。

之前讲线下内容,比如一张图片里有什么可以吸引你的目光,它有没有社交价值,能不能通过审核,能不能给小朋友看,都需要大量的人去观察和检测。但现在除了一些特殊问题,所有线上检测都可以实现自动化。

目前技术最前沿的 AI 应用在自动驾驶。通过这几年的投入,我们对道路行人的判定、包括有多少辆车、司机的驾驶意图,都可以通过深度学习完成,在技术层面上看,很多AI 应用已经超越了人。

除了场景之外,对于研发人员而言,整个技术研发的历程同样在演化中。

首先是计算资源。2015年之前,我们在深度学习或者其他的研发过程中,只需要2-4GPU计算卡就能供一个人完成检测识别内容,但是到2017年,我们需要的资源从2-4张计算卡变成200-400张计算卡。

另外,我们也不仅仅是利用一些通用的计算资源做运算,而是每个团队,每个部门都会有自己专有的计算资源,以减少功耗,加快速度以及增加准确率,这会是接下来的发展中一个重大趋势。

第二个维度是计算平台和框架。

2015年,市面上出现了公有的开源学习框架,虽然比较粗糙,但可以供广大AI爱好者来使用;到了去年,市场又出现了很多编程平台,解释性语言已经被广泛应用起来;而从今年开始,每个真正做AI的研发团队,一定会有自己的业务强优化编程平台,这意味着会用非常低的功耗实现高速得出训练结果的能力。

第三个维度是人才。2015年,大家会认为AI研发是极少数研发人员主导的小数据、小模型研发样本。而在2017年,除了大量的技术人员之外,我们发现有了很多底层编程人员开始做算法调优,AI 人才的金字塔开始变得稳固和庞大。

最后给大家说一下我的总结:AI在技术普及层面民主化——人们学习AI的门槛开始变低,网上有无数在线教材和开源代码,用户可以自行构建 AI 系统——这是民主化的进程,但这并没有令人工智能发展进入白热化的阶段。

相反,我们发现在产业层面,人工智能的发展上反而具备了壁垒效应。为什么?就是我之前讲的三个因素,每个人工智能团队要发展,必须充分考虑计算资源,计算平台,要构建自己的私有计算平台,必须有非常强有力的人才储备。

如果一个团队已经有先发优势,想成为后起之秀,必须以更快的速度积累人才、积累框架、积累行业经验,这非常不容易,也是为什么在产业层面会越来越具有壁垒效应。

举个例子,大家想买一辆汽车很容易,因为汽车产业很成熟,但是如果想进入汽车行业,自己开一个厂,再造一批汽车,这就很难。

最后,我们优图实验室和腾讯其他团队希望能开放自己的技术给所有客户,相信会有一天,卖红薯的大爷能用上了“真·AI”技术提高烤红薯的质量。谢谢大家。(本文首发钛媒体,整理/苏建勋)

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

本文系钛媒体原创,未经授权不得使用,如需获取转载授权,请点击这里
分享到:

第一时间获取TMT行业新鲜资讯和深度商业分析,请在微信公众账号中搜索「钛媒体」或者「taimeiti」,或用手机扫描左方二维码,即可获得钛媒体每日精华内容推送和最优搜索体验,并参与编辑活动。

苏建勋
苏建勋

钛媒体记者,关注大公司战略、AI 与企业出海,有料可邮件 jianxunsu@tmtpost.com。

评论(1

  • 反正都是弱人工智能,有什么好耍的

    2018-05-24 18:21 via android

Oh! no

您是否确认要删除该条评论吗?

分享到微信朋友圈