首页 | 滚动 | 国内 | 国际 | 运营 | 制造 | 终端 | 监管 | 飞象科技 | 业务 | 技术 | 报告 | 博客 | 特约记者 | 论坛 | 周刊
手机 | 互联网 | IT | 5G | 光通信 | LTE | 云计算 | 三网融合 | 芯片 | 电源 | 虚拟运营商 | 测试 | 会展 | 黄页 | 百科
首页 >> 7AL+国际创新文章 >> 正文

沈劲:人工智能将如何改变产业生态

2017年4月28日 15:32  CCTIME飞象网  

飞象网讯(李乐羽/文),4月28日消息,在今天的GMIC 2017北京大会上,Qualcomm全球副总裁 & 创投董事总经理沈劲发表题目为人工智能将如何改变产业生态的主题演讲。

以下为演讲内容:

主题:AI+国际创新峰会重塑产业未来

时间:2017年4月28日13:30——

地点:国家会议中心310会议室

嘉宾:沈劲 全球副总裁 & 创投董事总经理, Qualcomm

大家下午好!人工智能已经进入了下半场,大家说上半场是什么概念?我们知道50年代提出了人工智能的概念,应该说上半场就是在50年代和今天这个之间我们称之为上半场;如果说要挑一个事件作为一个界限来划分上下半场,我个人愿意选择2014年6月7号,因为在那一天一组所谓的专家在网上面和一个名叫“牛津”的人在网上进行聊天对话,聊了5分钟之后,专家这边有1/3的人认为这个“牛津”就是13岁的一个小孩,事实上这是一台由三个俄国的科学家所做的人工智能的计算机。按照图灵测试规则,这是一个标志点,就是机器的智能已经胜过了人的智能。正好那一天,为什么他们举办这个活动呢?也是图灵先生逝世的60周年。

下半场是什么概念呢?还要讲一个故事,指数发展的下半场,通常用64个棋上面放麦子的故事讲,在古印度有个皇帝为了奖励发明国际象棋的萨伊德大师“你说要什么条件?”萨伊德说要麦子,怎么要法呢?就是64个上放麦子,第一个一颗,第二个两颗,所谓的指数增长,当然皇帝跟我们都一样,在我们的想象当中麦子不算多他就答应了。事实上放到21格的时候,这个麦子就是用几麻袋搬过来了,当到了下半场也就是我们这个象棋总是有上半场和下半场,这一边或者那一边,过了32格的时候,全印度的麦子已经不够了,真的放满64格需要全球生产两千年的麦子才够用,这就是我们说的下半场的概念,所谓下半场就是过了下半场发展的速度会比我们想象的快得多。

这是我们认为为什么现在人工智能能够在各个领域去迅速变革的一个能量和动力所在。

大家说你有什么证明?光讲故事不行,证明这是在一个快速的指数级的发展过程当中,如果讲到人工智能大家一定会知道(U)在2012年那时候是用8层,它的错误率已经比前沿大大的降低了,降低到百分之十六点几,到2014年是22层,在2015年的的时候152层,那时候它的错误率已经小于4%,今天如果大家参加过一些会议的话,我们知道已经有一千多层了,所以它的发展不是线性发展,这是一个小的例子说明人工智能发展不是线性的发展。

还可以分享人工智能的三大推动力,数据、网络、计算能力,他们各自用指数的方式在发展,很容易说明的,比如数据,历史上90%的数据是在过去两年产生的,今后两年的每个单元的三级管的数量会等于从1972年发明半导体的总和,就是刚才讲的今后的两年的增长等于以前的总和。连接也就是手机的连接、物联网的连接,在今后的6年等于以前60年的总数。通常我们用这样的方式来说明指数的发展。

现在我引用两个资料跟大家分享,所谓人工智能的十大场景和5大应用领域;

10大场景是Tractica这个分析机构按照它创造的价值来排序,左边是价值最高的,依次派排过来,高盛提到的5大领域,能源140亿美金,零售900亿美金,健康540亿美金,金融430亿,农业200亿美金。它是包括成本的节约和新价值的创造。我给它做了一个对比,这些场景可以使用到哪一些领域当中,有一些是非常容易明白的,比如大规模医患数据的处理肯定要应用到医疗上面。具体讲的细一点,是怎么样?我们公司叫高通,有时候你一搜高通会出来一个高通量这个名词,我们做医药的一定知道高通量是怎么回事,也就是一种筛选药物的方式,它要用到大量的数据,今天用了人工智能以后使得我们药物研发的周期大大的缩短而且能够找到非常有效的药。这就是我们说的大规模医患数据有效的处理。

还有维修的精准的预测,这个对于比如我们能源上用到很多的大型设备,农业上面也用到了很多的设备,这些设备的检修怎么样能够预测好检修的时间表,也能够节约大量的成本。所以这张表就不一一跟大家分享了。

捡刚才讲的5个领域里的比较小的领域,也是非常庞大的领域就是农业上面的应用,农业是目前几大领域里面数据化做的最慢的领域,如果是在零售,很多数据都已经数据化了,而农业,我们传统的就是靠天吃饭、靠经验进行耕种,到了今天我们已经看到有些手机在使用,有些植入式的传感器得到了应用,也包括无人机在做数据的搜集和农药的喷洒工作。但是到将来大数据为基础的人工智能为农业会进行很大的变革,我这儿提出三个方面:

1、通过优化种子播种、灌溉、杀虫和收割提高产量和质量。事实上就在北京郊区有个农场种植草莓,他们就实施所谓生长曲线的最优化,现在就是草莓的季节大家已经吃到了草莓了,草莓都是从比较冷的1月份到比较热的夏天,草莓也是在大棚里养殖生长的。所以很多的参数是可以控制的,它的温度、水分都是可以控制的,通过控制让它走一条最佳的生产曲线之后产量是最高的、营养是最好的、口感也是最好的。

2、蔬菜水果智能的整理分工来降低人工。采摘完以后有很重的整理、分类的工作,如果我们到了新发地这样一个集散中心会发现再好的水果和蔬菜到了那儿都没办法区分开来了,因为在那儿全都是一些人工的操作。

3、计算机视觉和是语音应用在农作物和家禽病虫的预警。这一点通过下面的PPT讲解,以色列这家公司prospera这家公司是我们刚刚投的,它是用摄象头计算机视觉持续观察农作物叶子成长的情况,来发出比如有毛虫旱灾或者皎白粉病这样的预警。声音也可以来采集。如图这是做的一个实验,每天早晨在养鸡场、养鸭场采集他们的声音,然后再到大数据的模型里面进行运行,三天当中就是它有了一些病菌的感染,如果在三天之内能够准确的预测,预测准确度是66%,如果是8天是百分之百,能够提前知道鸡要生病了,然后给它打针,有了这个技术以后,不是每个鸡都是像现在一样打抗生素,吃抗生素的激就会大大下降,鸡的产量、质量都会上升。

高盛的报告当中没有讲到教育,但是教育在中国一定是个非常大的领域,我们今天在GMIC的会议上面有个专场就是讲到人工智能在教育领域里的应用,我今天提到7大方面的应用:

1、就是作业的批改,把老师助教的工作量省下来了,数学、科学用机器人批改一点儿问题没有,作文批改正在进步当中。

2、个性化学习的软件,事实上每个人学习的方法都是不一样的,但是我们每个人今天所受的教育都是一种方法,在一个模子培养出来的,英国一家机构就简单把每个人的学习方法分成了70种。举个例子,比如我自己对我自己进行了IQ的测试,我发现我形象思维非常发达但是逻辑差一点,就可以用很多形象思维的方式帮助我学习。还有我们现在大家知道人工智能机器是如何学习的,它先是从案例,然后到原理,事实上很多时候原理到底是怎么样的我们不知道,是一个黑盒子,但是至少先给案例,有很多大数据。事实上我也是这样的人,我更愿意从案例学习,所以应该说每个人学习方法都不一样。现在我们投资的一家公司爱乐奇,他已经有一千多万的用户群,已经有八亿多题平时的练习和考试,积累了大量的数据,这些数据可以分析出每个人不同的学习方法。

3、智能辅导系统,就是我们说的机器成了你的辅导员,有机构做了一对一的对照,机器进行一对一的辅导效果已经比一对多的课堂教学好了,和人一对一的辅导相近。在智能的辅导当中人工智能有非常大的进展,互动学习环境跳过,仿真游戏是非常好的学习工具,用的最好的是飞行的仿真器,我有一个飞行员朋友,他学习都不是在天空当中学习,都是在仿真器里学习的,鸿雀(音)公司就是几千美金一台仿真器,这是仿真我看到的经济价值最高的。除了这样的仿真器以外还有什么呢?平时我们使用很多的仿真,我女儿用的水文地理的仿真软件来学习环保,我儿子是用一个仿真软件学习如何炒股票。就是用虚拟货币学习如何炒股票。我觉得在仿真教育游戏这是非常大的人工智能应用的场景,教育反馈和评测、智能招生、课堂和课后这七大方面。

智能驾驶不得不提一下,虽然已经有很多人在提了,给大家拓宽一下思维,因为讲到无人驾驶大家就觉得我一定要做这么一个人工智能终级目标的工作,现在在这方面创业可能为时过晚但是我们投资了一家美国公司,汽车的智能不光体现在自动驾驶当中,我们知道现在车的减振器是被动的方式,如何通过事先知道路况变主动的,本来有一段视频,后来因为时间原因去掉了。你可以看到两个汽车的对比,对于自动驾驶意味着什么呢?如下图,以后我们不把方向盘了,也不开车了,这时候容易出现问题,容易晕车,因为你的脑子不知道路况,如果这个平稳了以后我们在自动驾驶当中可以看书还不晕,这样的创业是给大家指了一个方向。不要讲到人工智能在车方面的应用就是一个终级目标自动驾驶了。

当然各个领域我们要用人工智能去变革的还很多,有人工楼宇、家居、医疗、工业、交通、零售、安防还有智能的IT,表格大家拍个照就行了,我不讲了。从服务的领域对应用的种类、应用的场地和终端有哪些,最后的设备有哪些。

这个话题要讲产业链到底会发生什么样的变革,说实在的题目还是比较难的,我集中在这一张图片当中,现在我们看到有些公司已经成为上面通用的AI-aa-S这样的公司,他们是google、facebook这样的公司,也包括创业比较早的公司他们是在通用的AI-aa-S上的应用,在投资领域AI-aa-S有没有机会?有,比如大的医疗、农业,创业公司可以把自己定位在这个领域的我们说的平台级创业模式,我们在中国投的奥科美,它已经搜集了5千家农场的6大群30组的数据特别重要,我们知道人工智能引擎是要数据作为燃料给它学习的。当然每个领域还有很难的部分就是专家系统,这个专家系统是要做决策的,要做执行也包括实时数据的采集。我们认为现在创业的机会都是在这一朵云下面的,如果是做领域内的传统公司我们希望你们找到这里面做的比较差的,我们进行数据的积累还为时不晚,但是已经有很多的跟互联网相关的数据都是在大的互联网公司的手上,可能在垂直领域要做平台这个机会已经没有了,但是做专家系统或者是端到端的整个应用还是一个创业很好方向。一定会出现一些提供服务的公司它的专长是AI,它为传统在能源、农业里的一些大公司提供这些服务。

讲到所有的人工智能学习模型都是在一个超算中心在云端当中是一个非常集中和庞大的地方,事实上在设备端是人工智能应用的一个重要环节,也就是云和端,端恰恰也是高通的一个优势所在,很多万物互联设备都在使用高通的芯片,为什么端非常重要?1、所有采集的数据特别是视频这种需要带宽比较宽的数据都要传到云端的话带宽的支撑目前还是有问题。2、有安全方面的顾虑、数据隐私方面的考量。3、高可靠性,传来传去可靠性肯定是被打折扣了。4需要低延时快速响应的应用也需要在本地处理。

事实上高通已经和它的合作伙伴一起推出了25种不同的在端上面智能的平台,这儿也不一一讲了,只讲第一第二个,第一就是我们经常看到的,这里面就需要有一些本地的处理,我们平台是枭龙的智能家居助手这样一个参考设计平台,是我们的线路加上承载我们的芯片。第二是用在无人机上面的枭龙的飞龙的平台,现在像零零科技、零度、中科创达他们的无人机都是用了我们的平台,它可以把以前的7-8块不同的电路板集成在一起。

目前为止超过10亿所谓的终端上面承载有高通的芯片,今天还可以跟大家分享一个,在几天前我们和facebook共同发布的来支持caffe2,我们的芯片是异构,是它里面承载着GPU、DSP,这些为高效运行提供了很好的计算的引擎。

第二是在云端和终端,我们是支持一个共同的人工智能的架构,包括caffe、caffe2或者停止型的caffeflow,方便集成提供API和SDK包括部分原代码,支持caffe2的芯片包括820、835都是旗舰手机曾经使用或者目前正在使用的芯片,也包括用在其他方面的芯片,因为在云端的计划这些互联网大佬们还是有天然的优势,所以作为我们创业第一在垂直领域,第二在端上面花一些工夫来进行创业,做出一个解决方案,包括人工智能、专家系统、设备上的信号处理及任务的执行。谢谢大家!

编 辑:李乐羽
相关新闻              
 
专家观点
“我那时最多是从一个甩手掌..
精彩专题
聚焦2017华为全球分析师大会
3·15 网络诚信 消费无忧
MWC2017世界移动通信大会
聚焦中兴2017MWC
CCTIME推荐
关于我们 | 广告报价 | 联系我们 | 隐私声明 | 本站地图
CCTIME飞象网 CopyRight © 2007-2017 By CCTIME.COM
京ICP备08004280号  电信与信息服务业务经营许可证080234号 京公网安备110105000771号
公司名称: 北京飞象互动文化传媒有限公司
未经书面许可,禁止转载、摘编、复制、镜像