AI只跟科技巨頭有關(guān)？小公司如何在AI時(shí)代競(jìng)爭(zhēng)？

AI只跟科技巨頭有關(guān)？小公司如何在AI時(shí)代競(jìng)爭(zhēng)？

硅谷Live /實(shí)地探訪/ 熱點(diǎn)探秘 / 深度探討

2017年，發(fā)起 ImageNet 比賽的斯坦福大學(xué)教授李飛飛宣布，今年將會(huì)是最后一屆挑戰(zhàn)賽。因?yàn)闄C(jī)器識(shí)別照片的錯(cuò)誤率已經(jīng)幾乎降低到跟人類一樣了，甚至超過人類。

2018年，計(jì)算機(jī)界諾貝爾獎(jiǎng)的“圖靈獎(jiǎng)”宣布由深度學(xué)習(xí)三巨頭獲得：Yoshua Bengio, Yann LeCun 和 Geoffrey Hinton。

從機(jī)器圖像識(shí)別超過人類，到深度學(xué)習(xí)獲圖靈獎(jiǎng)?wù)J可，但這并非人工智能的終點(diǎn)。

硅谷企業(yè)巨頭如何運(yùn)用人工智能的？未來的AI世界，會(huì)出現(xiàn)“超級(jí)智能”嗎？小企業(yè)又該如何應(yīng)對(duì)？硅谷洞察帶你聽聽加州大學(xué)伯克利分校計(jì)算機(jī)系大牛教授 Pieter Abbeel 如何說。

從監(jiān)督式學(xué)習(xí)到強(qiáng)化學(xué)習(xí): 有目標(biāo)的AI在未來會(huì)有很大影響

Pieter Abbeel 擁有斯坦福大學(xué)計(jì)算機(jī)學(xué)系博士學(xué)位，師從吳恩達(dá)。2008 年起，Pieter Abbeel 在加州大學(xué)伯克利分校電氣工程和計(jì)算機(jī)科學(xué)系擔(dān)任教授。他還曾在 Open AI 擔(dān)任科學(xué)家，曾擔(dān)任一家AI 改作業(yè)的教育公司 Gradescope 的聯(lián)合創(chuàng)始人，2018年，公司被收購(gòu)。

Pieter Abbeel 教授先從機(jī)器學(xué)習(xí)的三種主要實(shí)現(xiàn)方式說起，分別是：監(jiān)督式學(xué)習(xí)（Supervised Learning），強(qiáng)化學(xué)習(xí)（Reinforcement Learning）以及無監(jiān)督式學(xué)習(xí)（unsupervised Learning）。

所謂監(jiān)督式學(xué)習(xí)，就是通過給神經(jīng)網(wǎng)絡(luò)“喂”大量圖像，神經(jīng)網(wǎng)絡(luò)在這些被標(biāo)記了的圖像當(dāng)中進(jìn)行學(xué)習(xí)，最終找到和標(biāo)記物之間差異最小化的物體。

事實(shí)上，被稱為 “深度學(xué)習(xí)之父” 的多倫多大學(xué) Geoffrey Hinton 教授，就是通過提出一種深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) AlexNet，奪得 2012 年 ImageNet 比賽冠軍，成績(jī)比當(dāng)時(shí)第二名高出41%。他們采用的就是監(jiān)督式學(xué)習(xí)。

后來，很多人都將 2012 年的這場(chǎng)比賽視作當(dāng)今人工智能浪潮的催化劑。到2014年，可以說，幾乎所有高分參賽隊(duì)員都用了深度神經(jīng)網(wǎng)絡(luò)。

如今，人工智能從簡(jiǎn)單地識(shí)別圖像中的物體，到對(duì)圖像進(jìn)行描述，再到進(jìn)行視覺問答挑戰(zhàn)?？梢哉f，機(jī)器除了擁有人類理解圖像的能力，還能用人類語言描述圖像內(nèi)容，甚至關(guān)于任何一張圖片，機(jī)器能進(jìn)行自問自答。每一步，人工智能的能力都越來越強(qiáng)大。

那么，監(jiān)督式學(xué)習(xí)完成得好，需要什么呢？Abbeel 教授指出，第一，大量經(jīng)過標(biāo)記過的數(shù)據(jù)，第二，大量的計(jì)算資源，第三，一個(gè)好的AI團(tuán)隊(duì)。但隨之而來也伴隨著挑戰(zhàn)：企業(yè)需要有大量經(jīng)過標(biāo)記過的數(shù)據(jù)，屬于”勞動(dòng)密集型”產(chǎn)業(yè)。

這也是為什么 Abbeel 教授指出，強(qiáng)化學(xué)習(xí)在不遠(yuǎn)的將來，更讓人感到振奮。

強(qiáng)化學(xué)習(xí)跟監(jiān)督式學(xué)習(xí)的主要不同在于，監(jiān)督式學(xué)習(xí)更像是有一個(gè)老師，站在你旁邊監(jiān)督你，但老師會(huì)知道所有的答案是對(duì)是錯(cuò)。強(qiáng)化學(xué)習(xí)更是給學(xué)習(xí)對(duì)象（即機(jī)器）一個(gè)獎(jiǎng)勵(lì)反饋信號(hào)。像教小孩子走路或者小狗一樣，做得好，就給一點(diǎn)獎(jiǎng)勵(lì)，做不好，就懲罰。

強(qiáng)化學(xué)習(xí)一個(gè)最典型的例子，就是下贏了兩位人類圍棋高手柯潔與李世石的 AlphaGo。

Abbeel 教授表示，當(dāng)前強(qiáng)化學(xué)習(xí)確實(shí)主要用于游戲和機(jī)器人訓(xùn)練，解決平常的決策問題。比如伯克利就有模擬人類學(xué)習(xí)行走的機(jī)器人，它可能在學(xué)習(xí)過程中摔倒很多次，但一旦有一次沒有摔倒，分?jǐn)?shù)就更高，沒有摔倒的結(jié)果會(huì)反向傳播到神經(jīng)網(wǎng)絡(luò)當(dāng)中，從而強(qiáng)化學(xué)習(xí)結(jié)果。經(jīng)過大約2000次學(xué)習(xí)，這個(gè)機(jī)器人就能學(xué)會(huì)如何“跑”了。

對(duì)于 Abbeel 教授而言，他認(rèn)為家用機(jī)器人在強(qiáng)化學(xué)習(xí)下的運(yùn)用，更令人感到振奮。他個(gè)人主要研究方向便是將深度強(qiáng)化學(xué)習(xí)應(yīng)用到機(jī)器人上。

從2010 年起，他和學(xué)生對(duì)伯克利的 BRETT（Berkeley Robot for the Elimination of Tedious Tasks，“用于解決繁雜任務(wù)的伯克利機(jī)器人”）機(jī)器人進(jìn)行了編程，使其可以拿起不同大小的毛巾、弄清楚它們的形狀并將它們整齊疊好。如今已發(fā)展成可以疊衣服、整理玩具、餐具等等。（多少居家人的夢(mèng)想?。〔贿^該機(jī)器人造價(jià)40萬美元……）

按照 Abbeel 教授的預(yù)測(cè)，未來機(jī)器人將會(huì)面臨兩撥新的自動(dòng)化浪潮:

第一波：“長(zhǎng)眼睛”的機(jī)器人。他表示，當(dāng)機(jī)器人有了視覺能力后，會(huì)適應(yīng)很多新的場(chǎng)景，能夠完成的任務(wù)也就更多了。

第二波：“可示教”的機(jī)器人，即通過人的示范教學(xué)，讓機(jī)器人從中學(xué)習(xí)。完成那些無法通過編程教機(jī)器人的任務(wù)?！罢嬲兄诟斓亟淌跈C(jī)器人新技能的是使用遠(yuǎn)程操作和虛擬現(xiàn)實(shí)”，Abbeel 教授如今跟幾個(gè)學(xué)生創(chuàng)業(yè)的公司 covariant.ai 就在進(jìn)行這樣的嘗試。

那么，這樣的機(jī)器人到底什么時(shí)候能大規(guī)模推開，為制造業(yè)、倉(cāng)庫、物流等行業(yè)提供自動(dòng)化解決方案呢？Abbeel 教授預(yù)計(jì)五年內(nèi)可落地，主要因?yàn)楫?dāng)前技術(shù)尚未完全成熟，但已在實(shí)驗(yàn)室里逐漸變?yōu)楝F(xiàn)實(shí)。

至于無監(jiān)督式學(xué)習(xí)，跟監(jiān)督式學(xué)習(xí)的主要差別在于，沒有給定事先標(biāo)記過的數(shù)據(jù)進(jìn)行訓(xùn)練示例，機(jī)器自動(dòng)對(duì)輸入的數(shù)據(jù)進(jìn)行分類或分群。Abbeel 教授比喻，好比教孩子一樣，什么是汽車、卡車、自行車，只需要教一次即可，而無需反復(fù)告訴他。不過，當(dāng)前無監(jiān)督式學(xué)習(xí)應(yīng)用較為缺乏，這領(lǐng)域會(huì)是將來各大公司逐漸發(fā)力的地方，比如 Facebook 首席人工智能科學(xué)家Yann Lecun 就是因?yàn)閷?duì)無監(jiān)督式學(xué)習(xí)的研究而獲得的 “圖靈獎(jiǎng)”。

硅谷商業(yè)巨頭如何運(yùn)用AI？以深度監(jiān)督式學(xué)習(xí)為主

當(dāng)前人工智能在商業(yè)領(lǐng)域的應(yīng)用是否廣泛？Abbeel 教授認(rèn)為，對(duì)于商業(yè)領(lǐng)域的案例而言，主要還是深度監(jiān)督式學(xué)習(xí)，且非常有效，創(chuàng)造了大量的可能性。

第一個(gè)很重要的應(yīng)用場(chǎng)景就是：自動(dòng)預(yù)測(cè)能力。Abbeel 教授甚至采用他博士導(dǎo)師吳恩達(dá)的話說是：“我認(rèn)為在接下來幾年里，很難舉出一個(gè)領(lǐng)域的例子是不能被AI顛覆的?！?/p>

現(xiàn)在，我們就以硅谷的一眾大科技企業(yè)為例，來看看到底深度監(jiān)督式學(xué)習(xí)是如何運(yùn)用在日常生活中的：

比如美食點(diǎn)評(píng)網(wǎng)站Yelp（類似于美國(guó)版“大眾點(diǎn)評(píng)”），試想一下一天用戶上傳的照片有多少？2016年時(shí)，這個(gè)數(shù)字已經(jīng)高達(dá)10萬張至千萬張不等。

試想一下，怎樣向其他食客展示更漂亮的照片，從而吸引更多的食客來呢？這就是人工智能發(fā)揮作用的地方了。

前面說到數(shù)據(jù)，如果讓 Yelp 團(tuán)隊(duì)成員一張張標(biāo)注照片好看或不好看的話，并不現(xiàn)實(shí)。第一太主觀，第二，太浪費(fèi)勞動(dòng)力。因此，Yelp 的團(tuán)隊(duì)想到了訓(xùn)練數(shù)據(jù)庫。他們發(fā)現(xiàn)，決定一張照片質(zhì)量好壞的參數(shù)包括是否用數(shù)碼單反照片拍攝，以及記錄數(shù)碼照片的屬性信息和拍攝數(shù)據(jù)的EXIF數(shù)據(jù)等。

因此，利用深度學(xué)習(xí)構(gòu)建照片評(píng)分模型后，如今，Yelp 上面上傳照片的質(zhì)量，就高下立見了。下面兩組圖里，是不是底下的照片比上面的照片看上去讓人有食欲多了呢？

如果說Yelp是直接面向消費(fèi)者的話，那么，面向企業(yè)的商業(yè)也適用。Abbeel 教授的另一個(gè)例子就是全球著名客戶關(guān)系管理（CRM）軟件服務(wù)提供商 Salesforce。

每個(gè)來到舊金山的人對(duì)城里那座最高的大樓估計(jì)都印象深刻：沒錯(cuò)，那就是如今美西最高的大樓、Salesforce 的新辦公大樓Salesforce Tower，樓高 326 米，共61層，幾乎和北京的國(guó)貿(mào)三期一樣高。每年 Salesforce 搞公司慶典時(shí)，舊金山半個(gè)城市的交通就會(huì)大堵塞。

這家為客戶按需定制客戶管理服務(wù)系統(tǒng)的 SaaS 企業(yè)，把人工智能運(yùn)用到了最需要的一個(gè)地方：市場(chǎng)營(yíng)銷。

試想一下，每天是不是會(huì)收到商家給你發(fā)大量的訂閱郵件？但是你打開還是退訂，打開后是購(gòu)買還是瀏覽一下而已，對(duì)于商家而言，掌握這樣的客戶動(dòng)態(tài)對(duì)最終銷售成功很重要。因?yàn)檫@取決了商家要跟蹤那些更有購(gòu)買可能性的客戶，從而讓銷售團(tuán)隊(duì)進(jìn)行工作的優(yōu)先排序。

如今，人工智能就通過在客戶關(guān)系管理系統(tǒng)中跟蹤每一個(gè)客戶的互動(dòng)，從而對(duì)某些客戶進(jìn)行針對(duì)性營(yíng)銷，或者挽留那些可能會(huì)流失的用戶們。

放到醫(yī)學(xué)上，監(jiān)督式學(xué)習(xí)發(fā)揮的功能也同樣巨大。

如今，通過胸部X光檢測(cè)肺炎，人工智能檢測(cè)的水平已經(jīng)超過專業(yè)職業(yè)放射科醫(yī)生。去年，吳恩達(dá)團(tuán)隊(duì)發(fā)表的一個(gè)基于深度神經(jīng)網(wǎng)絡(luò) CheXNeXt 模型，可以診斷包括肺炎、胸腔積液、肺腫塊等在內(nèi)的14種疾玻其中10種疾病的診斷，AI與人類放射科醫(yī)生的表現(xiàn)相當(dāng)，還有一種超過了人類。但值得一提的是，AI的診斷速度是人類的160倍。

Abbeel 教授表示，美國(guó)食品藥品監(jiān)督管理局（FDA）去年也批準(zhǔn)了第一款人工智能設(shè)備用于檢測(cè)與糖尿病相關(guān)的特定眼部問題。這款設(shè)備是通過掃描人的眼睛視網(wǎng)膜，從而判斷糖尿病是否已經(jīng)進(jìn)展到某一程度從而影響人的視力，這樣就能及時(shí)提醒病人見眼科醫(yī)生了。

那么，人工智能是否會(huì)超越人類智慧，實(shí)現(xiàn)超人工智能呢? 在 Abbeel 教授看來，如今硬件部分確實(shí)已經(jīng)跟人開始逐步靠近，但軟件部分還是暫時(shí)缺失的。不過有一點(diǎn)可以確認(rèn)的：如果有一天實(shí)現(xiàn)了超級(jí)智能，那么它肯定不愿意讓人類把電源拔掉。這就需要確保對(duì)“超級(jí)智能”的第一次嘗試就是正確的嘗試，否則就可能出現(xiàn)跟人類價(jià)值不一致的問題。即使是他本人，也讓難以想象真正的場(chǎng)景會(huì)如何發(fā)生。

小公司在AI時(shí)代的競(jìng)爭(zhēng)

或許很多人會(huì)認(rèn)為，當(dāng)前AI時(shí)代已經(jīng)被大公司占了優(yōu)勢(shì)，無論是AI頂尖人才，還是數(shù)據(jù)。但在 Abbeel 教授看來，并非如此。任何公司，面臨 AI 時(shí)代的競(jìng)爭(zhēng)想要?jiǎng)俪?，關(guān)鍵在于把握以下幾點(diǎn)：

第一，數(shù)據(jù)是關(guān)鍵。盡管小公司的數(shù)據(jù)比大公司少很多，但作為在某一精專領(lǐng)域的小企業(yè)而已，無論做什么，都需要存儲(chǔ)更多的數(shù)據(jù)。舉個(gè)例子，比如客服打電話，是否可以把電話進(jìn)行錄音？網(wǎng)上客服的話是不是可以把文字記錄下來？無論是語音識(shí)別，還是文字識(shí)別，這都是人工智能可以充分訓(xùn)練的領(lǐng)域了。

第二，了解人類在將來到底能扮演什么作用。如果企業(yè)一旦擁有數(shù)據(jù)的話，那么只要是跟那些人在半秒鐘內(nèi)就能完成的事情，就應(yīng)該訓(xùn)練用神經(jīng)網(wǎng)絡(luò)去做。又或者是人跟AI結(jié)合起來，一起做。所以，無論把數(shù)據(jù)做何用，這都需要企業(yè)管理層思考清楚，人在當(dāng)中的作用。

對(duì)于小企業(yè)來說，那些企業(yè)日常重復(fù)做的事情更是要留意，“只要可以訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)來做的活，你都需要留意了?！?/p>

各位企業(yè)家或者創(chuàng)業(yè)者，是不是看完有種感覺，AI并非離商業(yè)如此遙遠(yuǎn)，而是可以落地的呢？上述內(nèi)容僅是 Pieter Abbeel 教授在為營(yíng)創(chuàng)學(xué)院EMBA硅谷訪學(xué)團(tuán)學(xué)員們講授的《人工智能將如何改變商業(yè)》課程部分精彩節(jié)眩

營(yíng)創(chuàng)學(xué)院由清華大學(xué)鄭毓煌教授發(fā)起，秉承“教育改變命運(yùn)，我們改變教育”的理念，立志成為人人都上得起的哈佛商學(xué)院。本次 EMBA 硅谷訪學(xué)團(tuán)由鄭毓煌教授和思科中國(guó)區(qū)原副總裁張堅(jiān)帶隊(duì)，50位中國(guó)企業(yè)家一起訪問硅谷。眾企業(yè)家在斯坦福大學(xué)和加州大學(xué)伯克利分校與諾獎(jiǎng)得主面對(duì)面，并走進(jìn)蘋果、思科、惠普、領(lǐng)英、英偉達(dá)等全球名企總部，與硅谷當(dāng)?shù)仄髽I(yè)家深入交流。