【51CTO.com原創(chuàng)稿件】隨著各行各業(yè)數(shù)據(jù)量的急劇增加，大數(shù)據(jù)技術(shù)發(fā)展以及高性能計(jì)算硬件的成熟運(yùn)用，人工智能技術(shù)在誕生至今的60年中終于重新吸引了大眾的目光，從今年上半年多場(chǎng)有關(guān)人工智能的技術(shù)分享、主題論壇活動(dòng)就能深刻感受到行業(yè)的火熱。

技術(shù)關(guān)注必然會(huì)帶來(lái)資本追捧，人工智能也不例外，但客觀地講人工智能距離真正大規(guī)模運(yùn)用并帶來(lái)多種應(yīng)用的成功落地還需要大量時(shí)間，例如人工智能在商業(yè)領(lǐng)域的價(jià)值還未得到充分驗(yàn)證，如此火熱依舊是技術(shù)驅(qū)動(dòng)而不是市場(chǎng)驅(qū)動(dòng)，客戶需求沒(méi)有得到充分滿足，沒(méi)有看到新的商業(yè)模式，應(yīng)用領(lǐng)域比較狹窄集中在精準(zhǔn)營(yíng)銷、個(gè)性化推薦等互聯(lián)網(wǎng)場(chǎng)景中，例如自動(dòng)駕駛和金融等領(lǐng)域……百分點(diǎn)集團(tuán)技術(shù)副總裁兼***架構(gòu)師劉譯璟表示，當(dāng)前的人工智能技術(shù)還只能在較窄的場(chǎng)景下應(yīng)用，要想更好地解決現(xiàn)實(shí)問(wèn)題，還有很長(zhǎng)的路要走。

知識(shí)圖譜會(huì)成為推動(dòng)人工智能發(fā)展的利器

業(yè)內(nèi)表示，現(xiàn)在人工智能的發(fā)展并沒(méi)有出現(xiàn)算法和模型上得革命性變化，深度學(xué)習(xí)早在八十年代就已經(jīng)出現(xiàn)，如今被廣泛關(guān)注大部分的原因還是數(shù)據(jù)量的激增，在繼續(xù)發(fā)展的過(guò)程中，AI發(fā)展還有很多理論、技術(shù)方面的問(wèn)題沒(méi)有解決，這些問(wèn)題逐一解決有可能推動(dòng)AI的發(fā)展。

“照目前的形勢(shì)發(fā)展，AI能夠用出效果并產(chǎn)生商業(yè)價(jià)值一定是在垂直行業(yè)，但是垂直行業(yè)的數(shù)據(jù)量并不算龐大，通過(guò)構(gòu)建知識(shí)體系把小數(shù)據(jù)好好用起來(lái)就很關(guān)鍵。知識(shí)體系是AI中非常重要的技術(shù)領(lǐng)域之一，被稱為知識(shí)表示。眾所周知，2012年谷歌的知識(shí)圖譜越來(lái)越得到行業(yè)的認(rèn)可，以知識(shí)圖譜為代表的知識(shí)工程會(huì)得到更多關(guān)注。”劉譯璟對(duì)記者說(shuō)。

人工智能中的知識(shí)表示理論研究的是如何將人類體系中的知識(shí)用計(jì)算機(jī)可以理解的語(yǔ)言表達(dá)出來(lái)，以及如何讓計(jì)算機(jī)在基礎(chǔ)上進(jìn)行推理，典型技術(shù)包括本體、語(yǔ)義網(wǎng)以及知識(shí)圖譜。建設(shè)一個(gè)實(shí)用的知識(shí)圖譜并不是一件簡(jiǎn)單的事兒，需要人們將已有的知識(shí)進(jìn)行體系方面的梳理，再用屬性、關(guān)系等方式描述，目前像 Google、微軟這樣的巨頭企業(yè)已經(jīng)著手建設(shè)自己的知識(shí)圖譜，可以預(yù)料的是人工智能的進(jìn)一步發(fā)展定會(huì)依賴于各行各業(yè)知識(shí)圖譜的建設(shè)。

深度學(xué)習(xí)雖好用，但說(shuō)***?大錯(cuò)特錯(cuò)

長(zhǎng)期以來(lái)，視覺(jué)和自然語(yǔ)言處理原本是兩個(gè)獨(dú)立的學(xué)科，深度學(xué)習(xí)將兩者有機(jī)相連，為彼此帶來(lái)了突飛猛進(jìn)的發(fā)展。對(duì)圖像、視頻的理解從簡(jiǎn)單的獨(dú)立標(biāo)簽到連貫的自然語(yǔ)言描述，深度學(xué)習(xí)只用了幾年。

深度學(xué)習(xí)賦予了單一維度圖片數(shù)據(jù)、以及二維視頻數(shù)據(jù)更強(qiáng)的被理解、被識(shí)別的能力。這次人工智能熱潮讓“深度學(xué)習(xí)”廣泛傳播，有的人認(rèn)為深度學(xué)習(xí)是實(shí)現(xiàn)人工智能的***武器，***的程度不可想象。對(duì)此筆者專門在采訪中向劉譯璟咨詢了深度學(xué)習(xí)是否真的有那么神奇。

深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一種，可以算作是連接主義的一種方法，但并不是所有的方法，這種方法只能解決的是歸納，完成歸納設(shè)計(jì)，這也是***的局限。我們知道深度學(xué)習(xí)需要海量樣本進(jìn)行訓(xùn)練，例如AlphaGO的自我對(duì)局，如果學(xué)習(xí)的樣本越多，效果就會(huì)越好;而且深度學(xué)習(xí)的層數(shù)越多、特征越多，需要的數(shù)據(jù)量就越大。但在真實(shí)的業(yè)務(wù)場(chǎng)景中，真的有這么多數(shù)據(jù)嗎?

例如圍棋、游戲這種不需要多次重復(fù)的場(chǎng)景，可以在短時(shí)間內(nèi)完成數(shù)據(jù)的積累，但現(xiàn)實(shí)中我們面對(duì)的是投資理財(cái)、災(zāi)害評(píng)估這些場(chǎng)景，數(shù)據(jù)在少得可憐的情況下，又能怎樣做?即使能夠積累足夠的數(shù)據(jù)，時(shí)間的長(zhǎng)短也很難把握，在這些場(chǎng)景下，深度學(xué)習(xí)是無(wú)能為力的。

劉譯璟補(bǔ)充道：“隨著學(xué)習(xí)的深入，深度學(xué)習(xí)在技術(shù)方面的局限還會(huì)有很多，歸根到底深度學(xué)習(xí)是一個(gè)優(yōu)化問(wèn)題，這個(gè)優(yōu)化用怎樣的方法還亟待選擇。例如，隨機(jī)梯度下降的方法，訓(xùn)練時(shí)間很長(zhǎng)，消耗的資源也很多，很難用到現(xiàn)實(shí)中迅速需要做出決策的場(chǎng)景中，是否有一些新的優(yōu)化技術(shù)?有沒(méi)有一些像量子力學(xué)的計(jì)算方法可以讓這件事情做得更快，這也是目前很大的局限之一。”

此外，深度學(xué)習(xí)是一種端到端的學(xué)習(xí)方式，以神經(jīng)網(wǎng)絡(luò)著稱，從輸入到輸出是一個(gè)完全自動(dòng)的過(guò)程，不可解釋和缺乏反饋機(jī)制又成了局限。簡(jiǎn)單來(lái)說(shuō)，我們既不知道模型學(xué)到了什么，也不知道它歸納出了什么，更無(wú)法將得到的結(jié)果舉一反三，我們還無(wú)法對(duì)學(xué)習(xí)到的知識(shí)進(jìn)行評(píng)估并優(yōu)化……“深度學(xué)習(xí)是一個(gè)很好的工具，至少在某些領(lǐng)域里很好，但深度學(xué)習(xí)只是很小的一個(gè)技術(shù)點(diǎn)，離實(shí)現(xiàn)人工智能還很遙遠(yuǎn)。”劉譯璟總結(jié)道。

邊緣計(jì)算或成為人工智能落地的技術(shù)支持

如今，“萬(wàn)物上云”已經(jīng)成為企業(yè)競(jìng)相追逐的焦點(diǎn)。將各個(gè)終端數(shù)據(jù)匯總在云端進(jìn)行集中建模來(lái)實(shí)現(xiàn)人工智能的部分技術(shù)，事實(shí)證明確實(shí)不靠譜。簡(jiǎn)單來(lái)說(shuō)，數(shù)據(jù)匯總到云端還是存在隱私泄露危險(xiǎn)的，無(wú)疑帶來(lái)了數(shù)據(jù)安全以及法律道德等諸多問(wèn)題，增加了行業(yè)風(fēng)險(xiǎn);像自動(dòng)駕駛以及智能語(yǔ)音等應(yīng)用的落地，存在快速的響應(yīng)的問(wèn)題，云端這種部署確實(shí)很難達(dá)到;此外，云端建模的方式也會(huì)極大影響效率，根本在于應(yīng)對(duì)個(gè)性化的終端以及數(shù)據(jù)，這種方式很難Hold，分分鐘bug叢生。

如何解決人工智能云端部署，劉譯璟表示可以采用集中式建模(云計(jì)算)+ 微建模(邊緣計(jì)算)結(jié)合的方式進(jìn)行歷史和現(xiàn)場(chǎng)建模的同步實(shí)現(xiàn)。邊緣計(jì)算可以對(duì)一些簡(jiǎn)單問(wèn)題進(jìn)行自處理并將結(jié)果上傳云端，也就是說(shuō)邊緣計(jì)算是云計(jì)算的“縮小+加持”版本，可理解為是靠近設(shè)備的小型數(shù)據(jù)中心，這或許會(huì)成為人工智能在商業(yè)應(yīng)用落地重要的技術(shù)支持。

談及百分點(diǎn)對(duì)人工智能的布局，劉譯璟表示，百分點(diǎn)從2009年就已經(jīng)在利用人工智能技術(shù)，致力于自然語(yǔ)言處理、知識(shí)圖譜方面的推進(jìn)。如今會(huì)更多強(qiáng)調(diào)自然交互，完成產(chǎn)品在各種場(chǎng)景使用的需求，例如新發(fā)布的智能交互分析引擎，現(xiàn)在的數(shù)據(jù)分析技術(shù)確實(shí)還需要更多的專業(yè)性要求，百分點(diǎn)希望解決的是從非常模糊的語(yǔ)義到精確的計(jì)算機(jī)操作，這種過(guò)程的轉(zhuǎn)變，為此會(huì)在自然交互領(lǐng)域的研發(fā)投入更大的精力。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】