设为首页收藏本站
开启辅助访问 切换到宽版

科学网

 找回密码
  注册
科学网 › 标签 › 智能技术

tag 标签: 智能技术

相关帖子

 版块 作者 回复/查看 最后发表

没有相关内容

相关日志

现代信息技术与图书馆员素质提升的内在逻辑
libseeker 2018-12-3 16:05
摘编自：李菲,柯平,郝广碧.现代信息技术与图书馆员素质提升的内在逻辑 .图书与情报,2018(04):97-104. 《图书与情报》2018年第4期刊发李菲、柯平、郝广碧《现代信息技术与图书馆员素质提升的内在逻辑》一文。该文认为以智能技术为代表的现代信息技术对图书馆的变革越来越明显，探讨信息技术与图书馆员素质提升的内在逻辑。对指引图书馆员素质提升及图书馆事业发展意义重大。 伴随着现代信息技术的不断升级，图书馆也实现了由传统图书馆向图书馆自动化、数字图书馆（传统互联网时期）、后数字图书馆（移动互联网时期）的变革过程，其中标志性的推动技术即计算机技术与通信技术。 结合时代背景，立足信息技术升级视域，现代图书馆员的素组主要由思想道德素质（爱岗敬业、服务意识）、文化科技素质（计算机网络知识、学习能力、图情知识、科研能力、语言能力）、信息素质（资源整合能力、信息搜集能力、信息鉴别与处理能力、信息导航能力）、心理素质（创新能力、自我调控能力、综合反应能力）、社交适应素质（市场能力、竞争能力、团队意识、人际关系能力、组织管理能力）等五种素质构成。思想道德素质不会随着信息技术发展而改变，其余四种素质一直随着信息技术升级而不断提升。 图书馆自动化时期的图书馆员素质缓慢提升。馆员素质能力的提升主要体现在计算机网络知识、图书馆与情报相关知识、学习能力、科研能力、语言能力、资源整合能力、信息搜集能力、信息鉴别与处理能力八个方面。相较于后续发展过程，此阶段的图书馆员素质提升相对缓慢，但为下阶段图书馆员素质提升奠定了坚实的计算机基础知识。 数字图书馆时期的图书馆素质爆发式增长。相较于上一阶段的图书馆员基础业务能力而言，科技文化素质与信息素质发生了变化，同时社交适应素质开始初步体现；市场能力、竞争能力、团队意识、人际关系能力、组织管理能力等非传统业务能力的重要性凸显出来，这一发展特征也与互联网的交互性特点保持高度一致。随着移动互联网的迅猛发展，用户需求的不断增加，图书馆员的“软”素质要求逐渐显现。 移动互联时期的图书馆员“软”素质意识萌芽。图书馆员在提供信息服务的同时，面临的是公民日益增长的知识与信息需求和不均衡的、非精准的信息服务方式之间的矛盾，这就要求图书馆员时时思变，为图书馆注入新的活力。心理素质作为馆员的“软”素质，在图书馆发展过程中的作用越发明显，“软”素质建设意识开始萌芽。 从图书馆自动化时期的二维素质，到数字图书馆时期的三维素质，以至到后数字图书馆时期的四维素质，每一类素质与之联动的现代信息技术升级内容不尽相同。通过现代信息技术层与图书馆员素质之间的映射轨迹，可以得出两者之间存在三种联动关系：显性联动关系、隐性联动关系、不联动关系（图谋注：信息技术与图书馆员素质提升逻辑映射图见原文）。 随着人工智能、物联网等智能技术的出现，图书馆员服务所需的信息素质（数据素质）、心理素质、社交适应素质、思想道德素质的要求越来越高，显性体现在竞争能力、创新能力、综合反映能力、资源整合能力、信息搜集能力、信息导航能力的提升；隐性能力包括服务意识和自我调控能力的提升需求（图谋注：智能技术对图书馆员素质提升的指向图见原文）。 对图书馆来说融合升级的现代信息技术，是图书馆发展的不竭动力，是图书馆人前行的方向与使命。如何在现代信息技术不断升级的过程中，实现预判并协助图书馆员更加从容的转型，是图书馆发展过程中应加以思考的问题。该文以典型现代信息技术给图书馆事业带来的变革为逻辑起点，在归纳各阶段图书馆变革促生的馆员素质提升内容基础上,构建现代信息技术联动图书馆员素质提升的逻辑模型。结合图书馆智能技术的理论探索与实践趋势，从显性能力和隐性能力两个方面定位了新一代图书馆员的素质提升方向。 （图谋 摘编）
个人分类: 圕人堂|2427 次阅读|0 个评论
[转载]智能技术—自动化的发展和未来
Kara0807 2016-9-14 07:48
Intelligent technology—the evolution and future of automation The world's oldest board game still has a few moves to play. Go, a game of strategy and instinct considered more difficult to master than chess, was created roughly in the same era as the written word. The game is uniquely human—at least, it used to be. Last year, a computer program called AlphaGo defeated an internationally ranked professional player. The computer's win signaled a significant evolution of information technology (IT) and artificial intelligence (AI), according to Fei-Yue Wang, a professor at the Chinese Academy of Sciences. As a result, IT is no longer information technology—the new IT is intelligent technology. In a recent editorial published in the IEEE/CAA Journal of Automatica Sinica, Wang argues that core principles of automation and Al must be reconsidered as the world navigates an IT paradigm shift. AlphaGo is not only a milestone in the quest for AI, but also an indication that IT now has entered a new era, said Wang, who is also the vice president and secretary general of the Chinese Association of Automation. Wang sketches the progress of robotic and neural machine-human interaction in a timeline of five control eras. Automation evolved from the pure mechanics of ancient water clocks and steam engines to the eventual development of electric circuits and transfer functions that gave way to power grids. Digital computers and microprocessors signaled the third shift and paved the way for the fourth—the internet and the World Wide Web. In the first four controls, physical and mental realities were approximated as accurately as possible and adjusted through the use of dual control theory. A machine with a set of conditions and a goal could succeed or fail. As the machine acts, it also investigates to learn what action may result in a better future outcome. Between the physical and mental spaces, there is another reality in need of double control. Augmented reality, or artificial reality, bridges the gap of actuality and imagination. Pokémon GO is a prime example, as people navigate the physical world to find fictional creatures with only experience as a guide. The parameters and goals shift with each new exposure. In Control 5.0... only association revealed by data or experience is available, and causality is a luxury that is no longer attainable with limited resources for uncertainty, diversity, and complexity, Wang said. Recognition of all three worlds and the dual learning roles of each, according to Wang, will be essential in the fifth era of intelligent technology. More information: IEEE/CAA Journal of Automatica Sinica, DOI: 10.1109/JAS.2016.7508796 Provided by: Chinese Association of Automation
个人分类: 王飞跃教授|1758 次阅读|0 个评论
沒有任何组织可以忽视智能技术
王飞跃 2016-6-8 11:03
沒有任何组织可以忽视智能技术 从6月4号到今天，己经有11位来自企校研军政的朋友转来这份报告，有的说“这里有好多平行的东西”，有的问“文中提到的各种商品的数字备份算是平行吗？”有的认为“这个数字双胞胎跟您的平行工业差不多” ，还有提我讲的SDX、Self X等等。 其实digital twin是最筒单的平行。许多年前西门子一位专家就说我的平行与他们正提倡的digital twin类似，我说电力系统的shadow影子系统更类似。2014春天西门子负责人员二次来访，又提我们之间的类似，所以夏天我去了他们的论坛做了平行智能制造的报告，结果与工业4.0不期而遇。GE现在称digital twin是他们的“灵感”，不知西门子何感。 实际上，digital twin远不够，还要digital family，digital organization, 由此实现reprogrammable organization，可编程工厂、企业、政府、军队、任何组织，从牛顿到默顿，从UDC到AFC。 基于ACP的平行除了A部分，还有C和P，合起来才为ACP。现在看来，大家仍在A上打转，C最多半部，P还不见影。许多人根本不理解大数据来自何处，不是第一第二世界，而是第三世界！但5年之内，大家一定会ACP平行，实现DPP的功能！ 报告至今没细读，存此，共享。 【转载】年度重磅│没有任何行业可以忽视人工智能——《麻省理工科技评论》 EmTech Digital 峰会干货整理 原创 2016-06-03 DeepTech深科技 60年前的夏天，4名电脑科学教授一起启动了一个目标为创造人工智能”的夏季课题。这是这个名词第一次出现在世界上。此课题的目标是：探索如何让机器运用语言和抽象思维。 当时的项目提议是：“我们认为，一组精挑细选的科学家在一起工作一整个夏天就可以实现重大突破。”这在现在看来简直是乐观的傲慢。我们直到现在都没有可以媲美人类语言或者可以实现抽象思维的软件。 但是，最近的几年里，人工智能软件已经实现了曾经被认为是不可能的功能。例如识别图像和语音，或者像谷歌最近给他们的电子邮件服务添加的功能：通过人工智能对语言的理解来写出短邮件回复。 5月23日在旧金山举办的为期2天的《麻省理工科技评论》Emtech Digital 峰会上，来自各行业的精英们探讨了这项科技是如何开启人类生活及工作的新可能。 下面是 《麻省理工科技评论》EmTech Digital 峰会部分精华内容整理： GE软件研发副总裁Colin Parris：将人工智能引入工业互联网 Founders Fund联合创始人Luke Nosek：医生将被人工智能取代 亚马逊机器人首席技术官Tye Brady：我对机器人的五点感悟 百度首席科学家吴恩达：人工智能将和电力一样具有颠覆性 特斯拉研发负责人Sterling Anderson：特斯拉自动驾驶将在Model 3之前推出 Facebook计划在今年使用神经网络来提高翻译水平 Gary Marcus：一味追求大数据是机器学习的误区，我们的算法所需数据更少且速度更快 GE的“数字双胞胎模型”（Digital Twin）灵感来源于长期应用于工业生产的产品和设备，拿航空制造业来说，引擎发动机在此行业中生产了将近40年。工业中的设备和产品技术投入巨大，效率的提高是工业生产发展的核心课题，而模型的提出是为了解决如何使得我们更加高效地使用和制造这些东西。 2005到2010年，工业增长率达到4%，而2010到2015却只有1%，这是生产力的退步么？GE Software就此提出构想，我们能否从生产设备出发，合理规划生产环节，将生产效率提高。 “数字双胞胎模型”的设计理念源自于商业应中用的“数字信息转化模型”（Digital Transformation），其中最出名的就是这三家公司的产品：苹果，亚马逊以及谷歌。它们有两个共同点，一个是它们对于数字信息转化的方案大同小异，而且公司市值的增速也都相当惊人，苹果公司在2004年的市值才80亿，而现在已经高达2340亿。 让我们说回数字模型，拿亚马逊来说，他们首先建立“单位模型（Model of One）”来统计用户的全面信息。这些信息来源于每一个用户，并且有一系列数据标签，包括年龄、性别和收入。用户信息在你逛亚马逊网站的时候就已经悄无声息地收集了，例如你查看的商品、付款方式、送货地址以及你购物车里的东西。而初代模型其实就反应了我们的购物心理，即喜欢买什么以及怎样购买。亚马逊然后将初代模型进行数据分类以及数据分析，得到能应用于商业的输出信息。 而将用户的购买兴趣和购买力进行分类在这里是十分关键的，例如我如果被分在“型男区”，而此区的用户大部分都买了“男人装”，那网站就会向我推荐。除此之外，亚马逊还将各个用户的信息编纂起来，并向他们定向推荐商品和个性化服务，例如我已经在亚马逊上订购了年末的滑雪双飞旅程，网站会以此为基础向我推荐一些滑雪的装备例如滑雪头盔之类的。我购买完商品之后又会向网站提供反馈，点赞或者差评之类。我买得越多，他们提供的信息就越来越完备，这是一个正反馈的流程。 这样的机制就是“单位信息处理（PL of One）”。用不了多久，依靠此模型，亚马逊就会知道我会花多少钱购物，以及怎样让我多花钱。从初代模型到用户信息模型，商业价值就产生了。除此之外，一个收集信息的平台也将推出，用来更方便地收集信息，例如亚马逊的购物网站、苹果的iTunes以及谷歌的搜索引擎。 那么“数字双胞胎模型”的机制也十分类似，只是将上述商业模型直接搬到了工业上来，持续对生产设备的各个部件进行监控和分析，并期望得到特定的商业价值。我们同样需要收集数据，例如收集引擎的生产数据、维修数据以及运转数据，然后构建“单位模型”以及“单位信息处理”，而相应的输出数据则从购物推荐、个性化服务以及评价系统变成“效率评估”、“性能评估”以及“产品商业评估”。 具体来说，就是将具有物理实体的机器所有信息收集起来，数据化，建立一个数字模型，就像它们的“双胞胎”一样，然后运用这个模型来预测机器会遭遇的问题或者来调试机器参数，使得它的效率更高。举个例子，GE90飞机引擎的问题预测，如图所示是经常途径炎热地区的飞机的引擎，其中的扇片上有防热涂层（TB Coating）。这样的涂层一旦损坏，就会影响发动机的性能，严重的话会造成人员伤亡。航空公司对此也是十分慎重，也发现了一些规律，往往200天这样的引擎就会出现问题，所以200天期限一到，就要进行引擎的检修。 这样的经验可能会灵验几次，但往往误差很大，如果200天中有很多天气温并不是很高则会减缓涂层损坏的速度，或者是湿度过大加速涂层的损坏。这样简单粗暴地将引擎送往检修，往往可能检测不出损坏，而此期间飞机也不能使用，白白增加了维修成本也降低了商业价值的产生。如果针对此涂层建立“数字双胞胎模型”，在每次飞行之后根据此次飞行的气温湿度等相关数据进行模拟分析，到了模型中损坏快出现的时候提前检修，这就使得维修显得十分及时了。 其实“数字双胞胎模型”能提供的服务还有很多，例如上述的“维修服务优化”、“工作方案优化”、“生产优化”、“服务优化”、“辅助设计优化”以及“新服务方案设计”。只要你提供数据，我们就能提供巨大的商业价值回报。 “数字双胞胎模型”中还应用了很多机器学习的理念，在这里我介绍其中的三个。 第一个是我们如何正确取得我们想要的数据，其中引入了计算机视觉采集技术； 第二项技术是我们怎样将数据进行过滤，并找到正确的我们想要的数据； 最后是如何建立我们的“数字双胞胎模型”。 问答环节： 主持人：我们都知道，双胞胎的基因十分相似，但是他们之间还是有这样那样的差别，那么你们所谓的“数字双胞胎模型”和它们现实中对应的物体之间也是有差别的吧。我的问题是，这种差别有多大，并且你们怎样应对这样的差别？ 科伦帕里斯：我们的应对呢，总的来说有两种，而差别一般分为三类。那么我们对不同的差别有不同的应对方案。第一种差别是有人对产品做了改变然而并没有告诉我们，这其实是我们最常遭遇的，那么我们则需要反复对比实际以及校对参数来保证模型的拟真程度。 第二种是新变量的产生，比如我们观测到的一个很诡异的现象——地球的“高空急流”实际上会变化——而当这样的变化产生时，地球上炎热地区的气候也会发生改变。而一旦我们观测到这样的新变量，数字双胞胎模型也要自然地做出相应的改良。 有些情况下，我们得到的数据并不完整，当你的数据缺失大到某种程度的时候，你的模型与现实的差异就比较明显了。这种情况下，我们一般采取的措施是，首先核对实际数据，或者采用其他相关数据分析，比如大气层的变化或其他我们观测到的与气候变化相关的数据，然后开始全面地学习和分析差异性的成因和影响。因为我们看待的是一整个综合的问题，其中的各个组成部分中也会存在差异产生的因素，当我们把这些因素都整合到一起，问题就基本解决了。 主持人：那“高空急流”的改变发生过几次呢？ 科伦帕里斯：我们就观测到过一次，你也知道研究“全球变暖问题”是一个无法预测的事情。 Founders Fund是一家投资公司，专门投资高新科技公司，这些公司一定是能对人类文明做出巨大贡献的，如Airbnb、Stripe、LinkedIn、SpaceX、Yelp等高科技创新公司。Luke Nosek也是DeepMind的董事会成员，此前在韩国取得重大成功的AlphaGo就是他们的杰作。 主持人：像电影里那样，人们对人工智能都有或多或少的恐慌。你们认为人工智能对于人类工作机会的影响有哪些？ Luke：我觉得，人工智能既在创造人类的工作机会也在减少人类的工作机会。那我就举一个常见的例子：优步（Uber）。优步的出现就创造了全民司机的世界，虽然这不是传统意义的人工智能，其实也是基于计算机技术的软件应用。而如果真正的人工智能驾驶系统建立完备，司机这种职业将不复存在。这就是我说的，工作种类的变革变得越来越快，一些工种消失，一些对应的工种就要出现。这也需要当下经济状况良好，有着这样那样的公司出现来承载这样的新职业，如此新的工种才能创造经济价值。 主持人：那么对于那些特殊工种而言呢？比如医生，他们接受了长期的培训，就为了与人治病救死扶伤，现在如果机器能比他们更加准确，那么他们也将被替换，你是这样认为的么？ Luke：恩，这是一个很难回答的问题。这些人一生都在接受培训，做一些特殊的事情。我并不这样认为。我觉得人工智能能在临床医学做的就只有处理数据的部分，因为医生往往不能记住繁多的病人病历还有最近最新发表的医学论文，而机器却十分擅长。但是机器也有做不来的地方，它们不能陪伴病人，使他们得到安慰，也不能照顾病人，而这些都是人类能做的。也就是说，我觉得机器和人类都能在其中找到自己最擅长的工作部分。 主持人：我不敢对整个医学界妄加评论，但是你貌似觉得在医护人员中只有一部分能继续留下来，不被机器抢了饭碗，例如护士、康复师以及物理治疗师。是这样么？ Luke：我觉得最终会是这样的。不过也许需要数十年吧。 主持人：不过最近的研究表明，人工智能的出现不会产生新的雇佣关系，也不太会改变现有的雇佣关系结构，而只是会在此基础上加入一点新元素：工作之中越来越频繁的人机交流。这样的场景相信大家都在电影中看见过，那么你是怎么看待这样的景象的呢？能为我们描述一下你心中的那个场景么？ Luke：我还是以临床医学为例子，这样的情况下，医生就有更多的时间花在病人身上了。教育中的情况也十分类似，人工智能将一些负责一些重复性的工作，例如评分系统，以及设计课程。而老师的角色就在于分析每一个学生的信息，然后加入情感方面的判断，建立学生和人工智能之间的联系，让人工智能给学生的帮助更加恰当。 主持人：我这几天都在看到这样那样的新闻和呼声，人们呼吁对人工智能的发展和研究设定一个标准。我个人觉得，规定人工智能的发展标准是十分困难的，因为有些事情并不能预测。那么你作为投资者，觉得人工智能的发展需不需要受到限制呢？ Luke：我觉得是十分困难的。而且就算要设立标准这个范围也是很广的，你也无从下手。最关键的是这种新型科技的发展本来就是未知的，标准就更加难以定义了，就好比我们古代的医学，也是显得十分粗鄙，但是还是一步一步发展过来，但是那时候也没有任何人规定手术时不能用某种剪刀吧。这是不可能的。 主持人：你觉得DeepMind的不足在哪里以及制约DeepMind发展的因素是什么？ Luke：我觉得现在的机器学习的表现是令人咋舌的，不过发展也就只是机器算法而已。如果我们想继续发展下去，我们必须加入很多其他学科的理念和理论，例如神经学、心理学、哲学以及等等。这样我们才能发展处下一代的人工智能，不然好的算法也终将是算法。 观众互动： 观众： 您刚刚谈论的人工智能和工作之间的影响，我想展开一下。您刚刚只讨论了某些高新的特殊职业例如医生，那么对于那些底层的蓝领工作者，比如麦当劳的员工以及快递员，这些人群也是十分巨大的。在人工智能替代人类工作的趋势中，医生能轻松转型成为治疗师之类的，而底层工作者的机会却不这么多，您怎么看待这个问题呢？ Luke：我觉得只要是人，就能找到工作，而能力不是存在于你的简历或者学历。技能可以继续学习，工作能否尽快找到就在于当下你学习技能的快慢，以及顺应潮流。 主持人：我的想法也差不多。举个例子，就是伊隆马斯克找到的一个工程师并让他参与Tesla ModelX的设计，他曾经是一个机器人专家，马斯克找到他时，他毫无自信说：“我都没有参与工业界项目的经验，我恐难当大任。”马斯克却说：“要的就是你这样的人，毫无经验，你就不会被条条框框所限制，就能发现我们看不见的东西。” 观众： 就像你们正在做的事情，就是对各行各业的高新科技进行评估然后投资。那么一定有某家公司或者某位研发者的某个金点子让你瞬间爆炸，你能告诉我们是怎样的点子么？ 主持人：哈哈哈，谁能让Luke Nosek瞬间爆炸呢？ Luke：（开始打太极）如果真的是让我瞬间爆炸的点子，因为我在投资公司，这也许是商业机密，所以也不能告诉你。 主持人：（开始救场）那你就抽象地说说呗。 Luke：（什么鬼……）但是硬要说的话，我只能很抽象地描述一下。想出这样点子的公司一定是我们能看到他们有十分有创造力的前景，比如自动驾驶系统，我们就能看出它有很多闪光点能在未来为我们人类做出很大贡献。 观众： （就是不放过你）恩，我打断一下，这个真的确实十分抽象。 主持人：（救不了你了）哈哈哈哈~ 观众： 你就直说一些你觉得很赞的理念或者想法呗，不一定要是某些公司的案例。 Luke：那我就说一下吧。最让我感到惊讶的就是人类的思维理念，而现在我们正处于理解人类思维以及怎样提升人类思维的十字路口。而人类思维的潜力我相信是巨大的，也许也比我们想象中人工智能的潜力还要大。这个课题贯穿很多门学科例如教育学、心理学还有很多实际应用中的工作，我对此十分兴奋。 照片上开拖拉机的是我父亲，他是密西西西比的一位伐木工。大萧条时期，刚十二岁的他不得不进入丛林去努力工作来养活家人。 我本人在技术领域工作了25年，遇到那些经历过大萧条时期的人们，我总爱问他们一个问题：“你觉得对你人生影响最大的一项技术是什么？”我父亲的回答是：“拖拉机、冰箱，还有飞机。”比如照片中的那台拖拉机，有了它，不需要再用人力或牲口犁地；至于冰箱，能让肉储存更长的时间，这对食物短缺的时代是至关重要的。所以，大家可以看到，这些技术对生活的影响都是非常直接的。 但至于飞机，我觉得很奇怪，又问道：“我说的是影响你自己生活的技术！”，他沉默了一会，答道：“儿子，当我四十岁的时候，我第一次从报纸上听说飞机这种东西，我当时很难相信一部机器载上人就可以像鸟一样飞到天上。”直到他亲眼看见一架飞机，看见它如何起飞降落。“我虽然说不好飞机对我的日常生活产生什么样的影响，但我知道，它将改变这个世界。” 由已实现的非凡科技所带来的的巨大的变革，我将这种现象称为“完美的边界“（the Boundary of Awesome）。技术是用来满足人类需求的，包括机器人。 我个人对机器人的定义是：一种安装了计算、传感、驱动系统的物理装置，以在物理环境中完成一项或多项的智力行为。 高等智力行为表现在对未建成环境的改造，辅以快速做出高级决策的能力。这种智力行为在初期的时候是预先设定好优先级的，后来发展到完全自动化。 机器人非常酷，我很高兴我自己的工作是每天和他们打交道。作为亚马逊机器人部门的首席技术官，我的责任是发掘、改进、应用相关技术，来使我们的员工、公司业务获益，当然，最重要的通过技术和新产品来改善用户体验。 我们的总体目标是通过应用智能技术制造吃更好的机器人，并以此扩展人类的能力，同时改善我们的工作、生活、娱乐环境。这个目标贯穿我们工作的始终，尤其在低成本高效处理用户订单上。每当用户点击“购买”按钮时，神奇的事情就开始发生了，只是用户们很难看到而已。你订购的商品存放在亚马逊各地的仓库中，并会为用户选择最佳的“订单处理中心”（Fulfillment Center）。 如果你有机会去我们的订单处理中心参观，你会发现所有的机器人、人类同时有条不紊的并行工作，互不干扰，就像在演奏一首人机交响曲，场面令人震撼。机器人们现在已经取代了很多以前必须由人类去完成的工作，而且效率要高得多。我们的技术原理其实很简单直接：我们让货物过来找人，而不是派人去找货物。通过这套系统，我们能保证亚马逊的物流系统可以以极高的效率运行。 至于整套系统是怎么工作的，大家可以看下面的视频。我想先介绍一下系统中的组成部分。这种橙色的机器人是“运输单元”，它负责搬运仓库中的黄色货架，货架上塞满了货物，什么形状的都有，而且有些是随意摆放的。亚马逊的仓库里有成千上万这种货架，机器人能准确识别需要搬运的货架，在预先设定好的最优路线上行进，快速且不会相互干扰。 亚马逊的订单处理中心面积非常大，约120万平方英尺（约合11万平方米），约28个橄榄球场那么大。这些机器人会按订单顺序排队来到工作人员身边，将目标货物所在的那一面朝向工作人员，以便他们拿取对应货物。 感谢我们的员工和机器人们，他们让亚马逊的订单处理能力前所未有的强大。在刚过去的高峰期中，我们达到了每秒处理500件货物的水平。如果把所有亚马逊搬运机器人所走过的路程加在一起的话，可以突破一个“1”，当然，单位很重要，毕竟在座的都是工程师：一个天文单位，这是地球到太阳的平均距离，约1.5亿公里！从今年起，我们的机器人该往回走了。 最后想说一下亚马逊机器人的团队，他们是一群极富创新精神的人，敢想敢做，很多亚马逊已部署的机器人都是由他们设计制造的。他们中的大部分人都在波士顿和西雅图工作。我能与他们共事是我一生的荣幸！ 好了，既然今天是EmTech数字峰会，而且主题是人工智能，我就来分享一下自己对机器人前景的五个观察。 首先是，机器人应该在人类身边，而不是远离。机器造出来就是为了满足人类的需求，只有当它们在身边是才能为你服务。比如手机，它也是高科技的产物，而且人们总是把它带在身上，以便随时随地的获得信息。人们拥有了一部随身携带的电脑，改变了我们的行为习惯，这才是改变革命性的。机器人也是一样，它们必须融入到人类的生活环境，但挑战在于，怎样快速融合？AI技术就是这一融合过程的催化剂。 其次，机器人应该很容易使用，而且不分男女老幼。道理很简单，某个产品被使用得越多，就会有更多的人去改进它，反之亦然，一个良性循环。AI技术将用于开发更方便、更自然的互动界面，不管你是对机器人说话，还是指点，或是碰触，总之，在人与机器人之间，必须有一种自然的行为方式。比如亚马逊的Echo，我自己经常使用，我妻子也是，我孩子也是。如果我们家的狗也会用，我想她会天天在网上订购肉骨头，这我可不干。 第三，机器人应该为人类创造一种学习环境，这点很重要。允许人类有很好奇心，允许人类了解机器人的能力，允许人类将他们认为合适的工具用于合适的场景。创造一个学习环境来让人类以最自然的方式去了解机器人的功能。AI技术将是建立这种学习环境必不可少的，人类将把AI作为了解机器人，以及赋予其更多功能的入口。 第四，机器人应该以可预测的明确姿态去完成任务。人类应该完全清楚机器人的下一步行动，这样才能建立人类与机器人之间的信任关系。AI将用来建立双方间的意向及状态的双向分享机制，AI要学会预测下一步行动，不管是人类的还是机器人的，这样才能使得人类与机器人的关系透明化。 最后，机器人应该以简化事物及增强人类能力为直接目标，简单的说就是让人类生活得更轻松。比如，亚马逊的运输机器人只负责一项工作：搬运货物。把这项工作做到极致后，带来的效果就是订单处理效率的极大提升。AI在这里的作用就是分配任务，让机器人去做它们擅长的事情，而让人类集中与那些需要大量脑力的重要工作上去，然机器去延展人类的能力。 主持人：作为掀起深度学习革命的先驱之一，你是在何时意识到，深度学习可能会跨过人工智能的门槛？ 吴恩达：我记得我在 16 岁的时候，第一次写出自己的神经网络。但很长一段时间里，我对神经网络都没什么信心，因为它并不怎么管用。直到 2009 年的时候，这是个转折点，我的同事 Adam Coates 给我展示了他自己写出的图表。那张图表使用一个深度学习模型，并将它不断扩大。他发现，模型被扩展得越大，输出的结果就越准确，而整个系统不过是从一个小模型演变过来的。所以那时我想，构建更加庞大的系统，可能是一个能够成功的思路。于是我找到 Sebastian Thrun，他那时在 Google X，我问他能不能提供给我一些 Google 的机器，他说好啊我们一起做，于是后来就有了 Google Brain 项目。 主持人：这故事的最后一部分我还真没听过。这段时间，百度在对话型交互界面上有了巨大的突破，从商业角度上看，为什么语音交互界面对百度如此重要？要在效率和灵活性方面取得进步，会面临哪些挑战？ 吴恩达：事实上，很多人低估了 95% 语音识别率与 99% 语音识别率的差别，这四个百分点的微小差距能够改变游戏规则：现在，只有少数人偶尔使用手机上的语音交互设备，然而如果我们达到 99% 的准确率，语音交互系统就会成为人们在使用产品时不可分割的一部分，人们会不假思索地使用。自去年以来，百度用户中使用语音助手的数量已经增长了三倍，我们肯定经过了快速弯道。随着语音识别技术越来越可靠，就会接近采用曲线（adoption curve），不久就会有越来越多的人与手机、电脑对话，甚至都不用考虑。我经常想到智能手机触摸屏，它改变了一切，乔布斯没有发明触屏（可能是HTC第一个发明的触屏电话），但是，他让触屏智能电话运行得很棒，你会不假思索地使用它，这改变了一切，因为这是一种全新的人机交互方式。我认为，几年后，语音交互也有这样的潜力，将来我们都会不假思索地以语音的方式与电脑、手机等智能设备交流。 主持人：近年来智能系统在商业中的应用越来越广泛。你认为商业公司战略应该如何与时俱进，适应智能系统的普及？ 吴恩达：这个问题很大，要花很多时间谈这个问题。我认为，人工智能是新的「电力」。一百多年前，电力的使用完全改变了一切，产生了许多意料之外的后果，例如，电力让冰箱成为可能，冰箱改变了食品供应系统，发电机也改变了产业建立方式。我认为，人工智能也会产业相似变革影响。目前，我们正处在这一阶段，许多公司正在首席数据执行官，以后可能还会雇佣人工智能执行官，来管理掌控一切的人工智能。而这与当时许多公司「电力VP」的角色十分相似，因为在当时，电力系统对人们来说太复杂了，以致于必须要由专人管理。目前，我们也是这样。这种策略有很多价值，如果你不十分确定怎么做，可以雇佣数据执行官或者人工智能执行官帮你搞定。 在接下来几年，会发生另一种变革：人工智能会具有战略决策般的重要性。举例，另一个对产业影响与之类似的变革，就是互联网的发明，当时首席信息官负责处理互联网之类事宜。我们意识到，互联网的发明从根本上变革了我们对创立公司方式的看法。人工智能会带来类似的转变。比如，现在，数据是许多公司的防御门槛，技术相对容易进行某种复制，但是数据是很难复制的，因此，你们公司的数据战略是什么？有时我们推出一个产品，部分原因在于我们喜欢这款产品，部分原因就是为了收集足够的数据，获取信息，为以后要做的事情做准备。 这就是战略计划的一部分，计划推出项目的先后顺序，先做什么，获取数据。我认为，一家领先的公司已经开始思考这样的问题。许多公司曾经希望自己早点思考互联网战略问题，就像很多年前一些公司希望早点设计出电力战略一样。现在正是考虑公司的数据战略的好时机。 主持人：我们现在的大学，能够培养足够的人工智能工程师来满足市场的需求吗？ 吴恩达：可能仅靠大学，无法提供如此多的专业人才，所以许多在线学习平台，如 coursera, Udacity 等等平台能够帮助我们解决这个问题。 主持人：听说，中国大城市的交通情况很让人头疼，我们的一位同事前段时间体验了百度的无人车，他的感受是，中国的道路真的是很难开，百度训练无人驾驶车就像中国司机一样夸张。你认为，在中国开发无人车，有什么在美国不会遇见的问题吗？ 吴恩达：中国交通的确让人头疼。有一次我们在五环高速试行无人车，一辆车突然就开到我们前面。如果是我的话我早就撞上去了，但是当时，汽车猛地停了下来。我还跟坐在驾驶位的同事说，哇你技术真好，刚才太危险了，人类接管了汽车，他说，我什么都没做，车自己停下了。这可能就是你刚才提到的那种体验。 我想和大家分享一个洞见：为什么我对百度的自动驾驶战略表示乐观。 例如，当我独自开车时，旁边的建筑工人可能会对你做出「停车」的手势，这时，你必须停车，如果做出「加速通过」的手势（类似召唤你过去的手势——译者），你最好开过去。对于无人车来说，它需要非常准确地判断这两个十分相像的手势，因为它们的含义是完全相反的。这时，99.99% 的准确率才能保证一切运作正常。 根据现在计算机视觉技术，区分这两种手势需要辩证能力。这就是为什么我认为现在绝大多数组织思考自动驾驶汽车存在的误区，自动驾驶汽车不仅仅是自动化，也需要轻微改变汽车的基础结构，比如给建筑工人无线麦克风，与自动驾驶汽车交流，搞清楚汽车传达的信息。如此以来，可能不久以后，自动驾驶汽车就可以上路了。 主持人：作为一名父亲，我很关心未来的教育和就业情况。你有什么建议给家长们，让他们帮助孩子更好地就业？ 吴恩达：像所有技术革命一样，人工智能会替代许多职位，也会创造许多职位。我能给各位家长的建议是，帮助你的孩子学习如何学习。随着技术更新换代越来越快，最重要的是拥有学习的能力，这样一个人才能不断地适应环境的变化，始终在需要人类的岗位上发挥价值。 主持人：你谈到了技术性失业这个主题，不过，目前在硅谷，一个特别热烈的讨论是，工作机会的有限是不是一种永久性的结构性有限，硅谷的解决方案是 universal basic income，意思是每个人出生的时候就有收入购买所需 ，这个概念可以追溯到经济学家米尔顿·弗里德曼，在你看来，无论工作机会是否有限，这种统一基础收入的解决方案是否会有意义？ 吴恩达：以后可能出现的失业潮，可能会更加迅速。之前，当农业渐渐被机器取代的时候，农民们尚可继续耕作，而他们的孩子转而学习别的技能。未来，从事司机等职业的人，可能在他们有生之年就会面临失业。我认为，有一种与此类似的方法可能会很有帮助，那就是，对于结构性失业的人，我们不发放「失业补助」，而是发放「学习补助」，让人们通过学习来赚钱。因为我相信，每个人都有通过自己的努力来创造更好的生活的权力。对于因智能系统的普及而失业的人来说，让他们能够学习其它更加需要人类的技能，能够帮助他们继续他们个人的发展。 主持人：你认为对于当前的机器学习技术来说，可能存在什么样的局限性，可能出现什么样的难题？ 吴恩达：目前，任何的机器学习系统使用的都是监督式学习，而实现监督式学习，我们需要大量的数据。例如，我们在百度训练语音识别系统的时候，我们使用了过去整整五年的语音数据和相应的文本数据。所以，对数据的庞大需求是机器学习的阿喀琉斯之踵。我希望以后能够出现新的技术，使得机器学习能够从更少的样本中学习。 观众问答： 观众： 我感觉对于人工智能在市场上的应用，工业产业常常被忽略，那么你认为人工智能对工业产业会有什么影响？ 吴恩达：我认为事实上没有什么产业是不会被人工智能所影响的，其中有很多是我们现在难以想象的产业。在互联网刚刚兴起的是，不论在百度还是谷歌，我们投放广告的方式是，雇佣专门的人员，他们需要和广告商讨论，寻找与之匹配的、用户访问量高的网站，然后把不同广告放到不同的网页去。后来，我们开始使用数据来帮助他们进行分析。到现在，我们几乎完全依赖机器学习系统来自动匹配广告和网页。但在一开始，那些工作人员是绝对不会相信机器能够取代他们的工作的。同样，拿服装零售业举例，以前，销售人员需要分析什么款式、什么颜色更符合用户的需求，他们需要预估一件产品的销量，现在，很多公司已经在使用数据来帮助它们分析了。 观众： 目前在语义理解方面，我们的进步十分有限，你觉得什么时候才会出现拐点？ 吴恩达：目前，我们已经能够使机器学习类比，这虽然只是非常基础的一步，但我确实相信我们能够一步一步地达成目标。其中，大量的数据是必要的，我相信这也是儿童学习的方式。算法也是十分重要的。我们确实非常需要一种新的算法来解决这一问题，但就我个人而言，我还不知道这种算法会是什么样的。概括地讲，大数据、更好的算法、以及强大的硬件，能够帮助我们进步。 当Tesla在2012年推出Model S时，这部车的主要卖点之一就是永久移动网络连接。如今，此功能将成为Tesla在自动驾驶汽车竞赛中的一个重大优势。 通过网络连接，Tesla可以从车主车内所带的探测器中下载各种数据，例如车主的开车习惯以及路况。这些数据则可以被用于测试Tesla的自动驾驶软件的效率。Tesla公司甚至曾经秘密的把自动驾驶软件下载到车主的车里，在不控制车的前提下测试软件在真实路况上的反应。 “我们可以从车里下载高分辨率的数据，并且可以通过OTA（Over The Air）来升级这些车辆。这个功能使得我们在过去的18个月里，从开发竞赛的尾巴追赶到如今拥有这些非常先进的自动或半自动驾驶功能”。Tesla 自动驾驶项目总监斯特林·安德森（Sterling Anderson）在旧金山《麻省理工科技评论》EmTech Digital大会上如此宣布。 “自从在18个月前推出这些硬件以来，我们积累行驶了7.8亿英里”，安德森说。“我们可以在自己的服务器上使用这些数据来观察车主们是如何使用我们的车辆，以及我们如何可以提高自己。” 安德森还表示，Tesla每10个小时就可以获得1百万公里的数据。Tesla的工程师们在开发自动驾驶软件的初期时，就会把软件的结果和这些数据比较。任何表现良好的软件可以被秘密的安装在车辆里来做进一步的测试。在不控制车辆的前提下，软件对真实路况的一切反应将被记录下来。 “我们经常会在已售车辆中安装一个‘惰性’功能”，安德森说，“这将允许我们观察一个功能在千万英里的实况下表现如何。” 当一个新的功能被推出时，安德森的团队也可以紧密观察它的情况。就拿Tesla的Autopilot功能来说，安德森展示了一个图表。图表显示了在Autopilot的控制下，自动驾驶的Tesla汽车比人类驾驶更加贴近车道的中心。自从去年10月正式推出以来，Tesla的自动驾驶功能已经积累了1亿英里。 可以随时随地的从车里下载数据，以及秘密的测试自动驾驶功能是属于Tesla的独门绝技。谷歌曾展示过最先进的自动驾驶技术，但是他们也只能从数量极少的原型车里下载数据。相比之下，Tesla的车辆不但在数量上超过谷歌，在区域的广度上也完全超越谷歌。 其他汽车厂家，例如通用汽车，也在试图开发自动驾驶技术。但是他们并没有像Tesla一样欢迎网络连接和OTA升级。 前不久，马斯克刚刚宣布，廉价版的电动车特斯拉Model3会在2017年晚些时候面世。其内饰和轮毂的设计依旧没有盖棺论定，马斯克在自己的推特里，也提到了车辆设计方面的不确定性，以及Model3“宇宙飞船”般的驾驶体验。宇宙飞船？这究竟意味着什么？难道这是关于特斯拉，乃至全世界，第一部无人驾驶汽车的高能剧透？ 当Sterling Anderson，特斯拉无人驾驶部门的负责人，被问及Model3会不会是人类历史上第一部无人驾驶车时，他“驳斥”了这种观点：“ 这种事情，在Model3问世之前，就应该发生了 。” “Model 3不会因为价格的原因缺失任何我们所拥有的技术，它会代表我们的最高水平。”Anderson表示， 特斯拉是独一无二的公司，它会将所有已经掌握的新技术，运用到所有正在生产的车型上，也就是说，所有特斯拉电动车在出厂时，都拥有当时特斯拉最先进的技术，“ModelS和X的技术水平也会一直进步下去。” 这预示着，也许特斯拉Model 3不会成为第一部无人驾驶车了，因为一旦特斯拉掌握了让无人驾驶（自动巡航）的技术——不仅仅针对高速公路，而是全路段——他们不会等待Model 3的问世，而会将这项技术直接加载到现有的车型中。 Anderson说，他们的无人驾驶研发团队目前正在尝试解决郊区行驶问题，以及如何处理十字路口情况的问题。他的说法也符合目前特斯拉在无人驾驶方面的计划，以及研发现状的报告。 以特斯拉Model S为例，它在2012年开始发售，当时并不具备自动驾驶所需要的传感器和其他硬件；到了2014年晚些时候，Model S增加了自动紧急刹车系统以及相关传感器；而2015年，Model S又增加了一项人工开启自动巡航的功能。 按这个速度下去，无人驾驶（自动巡航）指日可待？ Facebook正在试图大幅提高它自动翻译的精准度。 他们准备在年底推出一款全新的，基于人工神经网络的翻译系统。人工神经网络是Facebook以及其他科技公司花重资所开发的人工智能新技术。 在麻省理工科技评论EmTec Digital峰会上，Facebook语言技术部部长阿兰·帕克尔（Alan Packer）表示，使用神经网络所得到的翻译结果要比统计机器翻译所得到的结果更加自然。目前，绝大多数翻译软件所使用的都是统计机器翻译。 帕尔克还表示，神经网络在把俚语和比喻翻译为其他语言中相似的说法这方面可能更加出色。 谷歌也正在向神经网络上转移谷歌翻译，但是目前此项目还没具体的时间表。 Facebook和谷歌两者都有庞大的数据可以用来训练翻译软件。但是Facebook的数据可能更加口语化，更加贴近人们聊天的方式。 目前，Facebook上有大概2万亿个状态和回复。而且这个数字正在以每日10亿的数量增加。帕克尔曾解释过他的团队是如何使用这些数据来训练他们的软件，去翻译口语化的单词和句子的。 就拿数月前的一个发现来说。那时，Facebook有探测到法国学生正在使用各种英语单词的变种，例如“wow”的变种“uau”。Facebook的机器学习软件成功的学会了这些，并开始正确的翻译这些变种。帕克尔表示，Facebook目前可以翻译40多种语言，每天提供高达20亿次的翻译。每个月都有8亿名用户在Facebook上浏览翻译的语言。 但是有一种及其受到欢迎的语言帕克尔没有任何兴趣翻译——表情符号。 “它们一般都是通用的“他说。 Gary Marcus：一味追求大数据是机器学习的误区，我们的算法所需数据更少且速度更快 去年，微软和谷歌的图像识别算法都已表现出可通过学习打败人类的能力。他们各自搭建了自己的软件，进行了标准测试，让软件识别1000张各式各样的物体的图片，结果超过了平均的人类得分。 但是，为了让软件足够强大能够对抗人类，这两个公司的软件都对120万张带标签的图片进行了仔细观察。而对一个孩子来说，只用一张样例图片，就能够识别一种新的物体。 日前，创业公司 Geometric Intelligence 说，他们研发了一个可以更快学习的机器学习软件。该公司的 CEO Gary Marcus 在EmTech Digital 大会上表示，如果要学习一项新的视觉任务，他们的 XProp 软件所需要的样品图片数量与现在机器学习软件的主流形式——即深度学习相比要少得多。 Marcus 没有披露 XProp 的工作细节，但他展示了一张将 XProp 和某个深度学习程序在一项测试中的表现做对比的表格，该测试的内容是软件学习怎样识别手写体数字。 表格显示，训练数据越多，两个系统性能就会越精确。但是在相同数量训练样例的情况下， XProp 的性能表现得更好。 比如，XProp 学习过每个数字的大约150张手写图片后，识别新的数字图片，错误率只有约 2%。而对深度学习算法来说，为达到同样性能，则每个数字需要学习约 700 张样图。 这并不代表 XProp 一定有实际用处。识别手写体数字差不多属于已解决的问题了。可用来训练的数据很多，而用深度学习软件得出的最好结果错误率已经达到了 0.2%。Marcus 展示的数字显示，随着训练数据的增多，XProp 相比于深度学习软件的优势就会下降。 但是 Marcus 说，在谷歌街景项目收集的门牌号码照片的数据库中，XProp 的识别结果与上面那个实验相似，其他的图像识别测试中也是如此，这表明，该公司的技术可能具有广泛的可用性。 大多数机器学习研究人员都认为会出现一些能够通过学习更少的数据运作起来的新技术。 Marcus 说：“深度学习非常需要数据——而我们的学习速度则更快，我们的软件有时可以将所需数据量减少一半，有时甚至更多。” Marcus 是纽约大学的心理学教授，曾用几十年时间研究儿童的学习方式。他目前最困惑的一个问题是，语音及图像识别等由深度学习支撑的领域进展是否一定会帮助理解语言等更有挑战性的领域的进步呢？ 谷歌这样的大型计算公司通过将海量的标签训练数据集结到一起，已经有能力打造强大的语音和图像识别软件。Marcus 不否认这类科技将会带来成功的产品。但是，他相信，如果软件的性能要更加接近人类快速学习新技能，以及适应不断变化的环境的能力，那么需要更少数据量的算法就必不可少。 “我们处在大数据的时代，而且很多人觉得只要投入更多数据就能解决问题，”Marcus 对 EmTech 的观众说，“但是面对有些问题的时候，并没有那么多数据可以提供。” 他说，语言就是其中之一。人们的言语有无限种可能，将所有含义的语句归纳出来训练软件是不可能实现的。Marcus 还提到了无人驾驶汽车的例子，机器学习算法需要大量数据，在无人驾驶汽车中，这可能无法解决所有问题。 他说，如果一辆汽车必须一遍遍地体验环境才能掌握技能，那么用每种可能的交通和天气情况训练车辆，可能耗时太长。 翻译：杨一鸟，机器之心，羊羽， 十三
个人分类: 行业观察|7220 次阅读|0 个评论
数字化毁灭一切？
热度 15 王飞跃 2016-1-22 16:48
数字化 毁灭 一切？ 在 2015 年第七届中国智能车未来挑战赛举办之际，《新智元》创始人杨静女士给了我 两本 将由机械出版社出版的译书：本书《数字法则：机器人、大数据和算法如何重塑未来》和另一本《大智能时代：智能科技如何改变人类的经济、社会与生活》，告我出版社希望我能为 两本 书写序，而且只有 5 天的时间。 杨静为宣传未来挑战赛不辞辛苦，连续两年亲赴现场报道，而且以极大的热情为传播普及智能技术付出了许多努力，开创了利用新媒体推介和交流人工智能与机器人等的新途径。虽然我时间紧，但实在无法拒绝她的请求，何况自己还兼任中国自动化学会科普工作委员会主任及中国科协智能自动化科普团队的首席科学家，这也的确是份内之事。没有想到，接下来， 仅仅 读这 两本 就花了 自己两周 多的时间。好在很有收获， 两本 书超出 了我 的期望。 本以为不过又是 两本 时尚之作，细读之后，感觉 两书极富 特色，代表了当代社会关于人工智能技术 两个 “对立”阵营的典型观点：失望与希望，或更直白地说，反对与支持，十分值得关注智能技术的用户、研究者及政策制定者阅读， 而且 最好 两本 合起来读。 本书原作者是资深的数字化从业人士，但成功地使自己与“过度”数字化保持了一定的距离，故自以为能够以 “清醒”的头脑，质疑无原则地对 号称“创造性破坏”的数字化技术之歌功颂德：以自己的经历，大量的“事实”，画家般的视野，三棱镜般的过滤，且有点黑色的冷热幽默，长篇大论批判“被破坏的一定是不好的（因为它们无法生存），而破坏它们的一定是好 的 ”之荒谬信念。显然，作者希望自己的著作能唤起大众对数字化理性或经验性的认识，认清其危害 及 广泛而全面的可怕后果。在原作者眼里，数字化，更具体地讲就是机器人、大数据和算法等等，就象 “还没有名字”的“毁灭工作机会的无敌战舰”，“它无所畏惧地在市场里航行（或许该说成是创造性地横冲直撞），切割整个行业，把工人们扔到海底却不预备救生艇” ： “今天是办公室人员被扔下了船，明年可能是律师、会计、实验室人员、医生、教师等”。结果就是：我们知道的音乐行业没了、新闻行业没了、零售行业没了、金融服务、城市生活、个人隐私，……，都没了。“数字化导致了思想观念”也都 “巴尔干化”了，并“会将教育这桌丰盛大餐贬低为一罐浅浅的脱脂牛奶” 。 而时下风行中国之“免费增值”的社会效应？ “ 这种概念有点类似贩卖海洛因行当的做法 ” ，……，我不想继续恐吓可能的读者了， 自己去看吧， 反正太可怕了！ 事实上许多事不见得如作者所描述的那样严重可怕。比如，第九章关于 2004 年美国总统大选中 Diebold 公司利用数字化引入的复杂性使民主党的克里在俄亥俄州输给了共和党的小布什，最终 导致其在联邦 选举失败的猜测，有点过分想像。就是有其事，也是另一场政治舞弊而已，与数字化其实无本质关系（说来也巧，那一年我在大峡谷 Flagstaff 的一个酒店早起，与克里不期而遇，还 请 他为我的书留下签名，于公于私曾非常希望他能胜出）。其次，多数被数字化“消灭”的行业，其实在人类史上存在的时间很短，许多本来就是“数字化”自身的产物，而且差不多都是在“消灭”了更多更古老的传统行业后才兴起的，现在 轮到 自己 该 被消灭了，值得如此担忧吗？公平吗？最后，数字化“消灭”了自己的“传统型”对手后，可能会以更新更好更有效的方式“恢复”传统的形式。例如，让许多传统的书店无法生存的亚马逊公司，今年在西雅图开设 了 传统的实体书店。效果之好， 许多 用户都 愿 花上很长时间排长队进店，就是为了体验传统浏览买书的韵味。 本书的英文原名是“数字化正在 毁灭 一切（ Digital is Destroying Everything ）”，点明了作者对数字化的严重关切态度，副标题是“科技巨人不告诉你的部分：机器人、大数据和算法是如何根本性地改变你的未来的 (What the Tech Giants Won't Tell You about How Robots, Big Data, and Algorithms Are Radically Remaking Your Future) ”。中文译名更好地 中和 了书与作者的态度、内容与分析。其实，科学刚出现时带给人类的也只是担心与恐惧，而不是今天的繁荣：“日心说”使地球不再是世界的中心，“进化论”使人类不再是“上帝之子”，从物理到心理都是极大的打击。还好，波普尔为我们在物理世界、精神世界之外又创立了一个第三世界，即“人工世界”。数字化，正是人类在对物理与精神的第一第二世界的农业、工业开发之后，对第三的人工世界之大开发。这一人类史上的 全 新 开发 ，肯定会消灭一些旧的行业，但必定会创造出更多的新的更适合人类的行业，就像工业对农业所做的那样。 因此，不必过度担忧数字化技术的普及与应用，就像不必“杞人忧天”一样。但是，本书是十分有益的，让你更多地了解数字化可能带来 的 短 时间内 的割裂与痛苦，有效地面对、更好地生活、学习 和 工作。 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 本文是为《数字法则》一书所作之序，原文放置博客，谨做记录。
6138 次阅读|16 个评论
关于脑计划和智能化浪潮的简单思考
热度 1 acthinker 2015-12-5 21:48
【去年底9月写的。最近参加了卓越年会后感觉这一想法正得到更多人的共识。所以把它发到博客上。仅仅是一个简单的思考。这次年会所听到的一些类脑智能的进展已部分超越文章所提的问题了。】 从历史上看，科技研究计划与国家的战略是密不可分的。最早的科技计划，一般与军事和益寿有关，为的是维护江山和延续统治。近代以来，公民社会产生后，西方的科技计划虽也带有部分国防的因素，但是国家层次的科技计划大多数还是基于获得产业战略制高点的角度来考虑的。科技是第一生产力，近代的几次科技革命，其突破都具有一定的特征：广泛的影响力渗透力和显著的提升能力与效率。蒸汽机的发明诞生了现代的工厂和制造业，后期的电力，自动化，计算机，互联网技术的发展，没有一个不是具有全社会影响力的划时代突破，这些新技术都以不同方式催生了新兴的产业，提高了生产的能力与效力，提升了人类的能力和生活方式。因此，站在历史的河流边上，我认为这一次的脑科学计划，应该瞄准一个新的科技革命 --- 智能化革命。 为什么是智能化革命？ 21 世纪是生命科学的世纪，这句上个世纪影响了一代年轻人的话正在逐步成为现实。从科技革命的角度看，生命科学将参与推动三个大科技革命： 1 ）生物技术革命， 2 ）智能化革命， 3 ）生物智造革命。生物技术革命目前已经开始，随着基因技术的持续进步，人类认识、管理、生产和改造地球上生命体的效率大幅提高。生物智造将承接 3D 打印技术，掀起另一个制造技术的革命，彻底颠覆人类工厂和产品的方式和形态。这三大科技革命中，与神经科学最相关的是智能化革命。 任何一个大的科技革命需要满足三个条件： 1 ）普惠性理论、技术和产品的发现与创造， 2 ）对人类生产生活的广泛影响力和渗透力， 3 ）重塑人类生产活动的要素配置，显著提升劳动能力与效率。火、造纸术和印刷术、蒸汽机、电、计算机、互联网、无线通信等工具所代表的科技革命均符合上述条件。智能化革命同样符合以上三个条件。问题是，智能化革命可能吗？ 答案是：智能化革命已经处于爆发前夜。 目前计算机芯片已经达到约 20nm 的尺度，可以集成几亿个半导体元件；互联网技术进一步发展，大数据，云计算理论和技术有了新的突破；各类感受器和检测器技术发展到一定程度，摄像头扑捉图像的速度和精度都超过了人眼，机器分辨声音分贝和频率也早已超过生物耳朵的尺度，对语音的分析技术也进步很大，运动控制技术和材料的进步使得人形机器人的开发有了长足的进步。但是即使是这样，我们仍然无法将这些部件整合出一个智能水平超过儿童的系统。 为何？这其中最关键的一点 --- 和人的智能类似的智能理论与实现技术，仍然有待攻克。现在从形态、环路、信号传递与控制机制方面对神经系统的认识已经深入到一定层次，在智能的认知上，人类快要走出中世纪的漫漫长夜，像发现牛顿力学和量子理论那样，发现智能的基础理论，并创造智能的实现技术。我相信，这一目标，必定会在未来一二十年做到。 智能化革命的关键理论和技术 智能化革命包括两个方面，智能理论与智能实现技术，这两方面都需要神经科学的突破。尽管我们对神经系统有了很多的认识，但是迄今为止，神经信号的编码、计算，智能的时序与空间实现逻辑，记忆的存储、调取等等方面，最核心的东西依然没有突破。智能理论的三大基础理论点是： 概念 人类的认知活动是以概念作为基础元素的，我们形容名物、传情表意、归纳演绎均依赖于不同的概念。相比之下，计算机计算时却不是以概念作为基础元素的。计算机的整个逻辑系统构建于冯诺依曼逻辑体系之上，通过定义一定长度的二进制字节某种意义来进行信息的存储与分析，但是在存储和分析的时候依然是以字节来进行。这便是人脑和计算机最根本的区别。虽然计算机的运算速度超越人脑很多，但是计算机依然是一个只有分析计算能力而没有智能的机器。那么什么是概念？人脑中的概念是如何形成的？如何在机器中合成概念，并让机器以概念作为分析计算的基本元素呢？概念有内涵和外延，如何让智能系统学会概念的内涵，进而认识概念的外延？ 学习 人的认知和学习是怎么进行的，和当前的机器的深度学习差别在哪里呢？ 具象与抽象的转换与映射 。。。 智能化革命的学科交叉 纯做神经科学基础研究的人，可能会觉得这些东西的研究非常非常的基础，没有太多的实用价值。因而在向国家申请科学计划的时候，往往通过强调与健康和老龄化的关系，来烘托计划的现实意义。实际上，神经科学的现实意义非常的大，超过历史上任何一项技术。但是神经科学要实现这一宏图，就不能自己玩了。医学是一个交叉学科，他集聚了生命科学，医学，药学，物理学，化学，数学，计算机，互联网，心理学，材料学等基本所有学科的人才。同样的，面对一个认知系统，或者为了创造一个智能化的个体，他所需要集合的人才，也绝对不仅仅是神经科学家。因为现在智能技术的实现不能通过人，或者其它的生物体，现代科技所依托的依然是工厂里制造的电子机器。因此，智能化革命也将要集合机械电子、计算机、互联网，仿生学，基础材料、半导体设计等等其它方面的人才。只有集合这么多的人才，才能进行充分的学科交叉，才能创造一个创新的思想云，进而形成活跃而富有创建的群体性研发活动。
个人分类: 坐井观天|3197 次阅读|1 个评论
神经科学的创新生态 --- 技术架构、思想流和创新链条
热度 5 acthinker 2015-8-30 12:24
神经科学研究分成两大类： 基于信息传递控制的逻辑计算控制系统（左侧），以及基于微纳米尺度的结构功能生物系统（右侧） 。目前该研究体系依托两大支撑板块，从低到高的研究模式板块，以及不同角度层面的分析检测技术板块。 科技进步的线性演变和非线性突变呈螺旋共振催化态势 。线性演变指的是在某一个技术和理论框架下，新概念、新规律和技术的延续性创新和完善过程，而非线性突变指的是突破原有理论和技术框架，基于新的范式和构造形成的新的思想创新点，并由此产生新的框架和系统的过程。按照科学发展的逻辑，科学发现和技术创新相辅相成，有的时候创新的突破点不是来自于系统内，而是发源于边缘或者外围的技术突破。过去一二十年，电生理，光遗传、基因工程、光学成像等突破大多来自神经研究群体外部的技术创新。这是科学突破的一大特征。未来的突破来自哪里？ 分板块来讲，左侧板块依然存在悬而未决的重大基础问题。未来十年，认知、情感、运动、感觉等神经系统高级功能的环路与计算控制规则将会陆续有新的突破。不过，这个突破基本上奠基于目前已有或初露雏形的技术系统上。当今世界，科技创新的潮流呈现快速交汇、融合创新的态势。在信息技术领域，移动互联网促进了云计算、大数据技术的大规模应用，人口老龄化和劳动力成本上升促进了机器人的大规模应用。这些变化均指示，智能化革命已经处在黎明佛晓之际。 任何一项科技革命，要产生深远影响，必须具有普遍的应用价值和深厚的渗透能力，智能技术是既计算机互联网后具有这种潜力的新型技术。因此，这是神经科学可以发挥核爆级贡献的重大机遇！ 智能计算、控制理论和算法的实现，将促使神经科学从纯基础概念型的科学，拓展出具有广泛现实意义的新生命力。因此，寻找能够在智能系统方面引导、催化和产生突破的新型技术和学科交叉策略，是目前应当着力考虑一个问题。 举具体的例子，比如人意识系统的概念是什么？概念是如何存储、合成和学习交流的？如何让计算机从字符运算进化到概念运算？人的智能系统如何决策的？人的本体视觉、听觉、本体感觉系统，是如何处理信号，各模态之间如何协调通信的？ 因为现在很多基础问题还没有解决，因此全局性大规模的往人工智能方面进军，挑战巨大。但是，从图像、声音、运动和本体感觉这些基础的神经网络入手，吸取目前最新的研究成果，同计算机、机器人和数学家一起研究新型的神经系统芯片，各类感觉系统芯片系统和运算算法，可能已经开始着手了。 历史上任何一个学科发展壮大，都需要和人民与国家的现实需求结合，成为整个大循环代谢系统的关键环节。我在想，如果神经科学基于智能化产业革命的重大基础科学需求这个角度去设计，其重视程度、投资规模以及整合的国内研究群体，是不是更高、更有新天地？ 第二个板块，在人口老龄化缓缓而来之际，神经系统疾病的诊断治疗的确是人类健康领域的最大挑战。目前的国内创新体系中，有两个环节是欠缺的。一个是基础科研与临床资源的结合与深度合作。另一个是对基因组学和分子诊断投入的不够重视。在个性化医疗和分子诊断技术突飞猛进的时代，个人基因组学信息正逐渐和常规健康指标一样，成为临床诊断的重要依据之一。对基因组学信息的挖掘和相关知识产权的争夺，已经是国际上研发的热点。我国人口众多， 有很多少数民族和人口流动性不大的半封闭聚居群体，这些都是非常珍贵的生物学样本。但是我们目前多数的研究思路依然来自于国外的突破和资源。如何嫁接国内临床能力，整合国内丰富的临床样本，依托全世界最先进理念和技术，做出新的发现，是一个值得探索的新方向。
个人分类: 行业观察|5198 次阅读|7 个评论
虚实之间：游戏赛车驶向平行社会
热度 4 王飞跃 2015-3-17 08:01
虚实之间：从平行驾驶到平行社会 王飞跃 出乎很多人的意料，智能车竟成了今年拉斯维加斯“消费电子展（ CES ）”的主角。通用、福特、宝马、奥迪、现代等主要汽车厂商纷纷登场较力，通用甚至将其电动新车 Chevy Volt 提前在 CES 上亮相，好像忘了它们真正的赛场应该是几天之后的“北美国际车展（ NAIAS ）”。与去年只有两三家厂商在边场之外的停车场上进行简单的智能车演示相比，今年 CES 的展示主厅里弥漫着智能车的骚动和生机，以致有人惊呼 2015 年是 “CES 的旗帜之年 ” ：这一年， “ 车变得真正聪明了！ ” 而且，这只是开始，接下来的几年，智能车将 “ 开进其它展厅 ” ，成为 CES 的一代新宠。 其实，引领这一潮流，把汽车转换为智能车、再变成 “ 消费电子明星 ” 的，不是台上的各大汽车厂商，而是台下一个不久前还名不经传的加拿大嵌入式系统小公司， QNX ，它才是本届 CES 和接下来的 NAIAS 的最大赢家。 QNX 的汽车嵌入平台系统，通过车内车外的物联网将硬件集成、云计算把软件分离，几乎成了汽车电子行业的 “ 颠覆性 ” 技术，驱动着奥迪、大众、宝马、路虎保时捷等众多世界名车的智能化进程。去年十二月，福特宣布：微软不再是其车内通信娱乐平台 Sync 的软件提供商，由 QNX 取代。从 30 多年前一个不知主业在哪里的微核实时嵌入式操作系统的两人公司，到今天汽车智能系统的世界先锋，按此趋势发展， QNX 必将跨出汽车行业，成为面 向 CPS (Cyber-Physical Systems) 的智能软件系统全球供应商。 一周之后，世界汽车首展 NAIAS 在早已破产的汽车城底特律揭幕。再次出乎大家的意料之外，福特与微软秘密联手，使其新的赛车 GT 成为车展的耀眼明星。令人惊奇的是，这次微软不再是福特新车的软件提供商，而福特反过来却成了微软计算机游戏 Forza Motorsport 的汽车原型提供商！这样的合作，在汽车行业的历史上还是第一次，生生地使福特的 GT 即刻同时成为马路上和屏幕上的双栖明星超级赛车。真是游戏 “ 车 ” 生，有钱有势就是 ” 任性 ” ！ 从通用电动车 Chevy Volt 到 QNX 嵌入系统，再从福特赛车 Ford GT 到微软游戏 Forza MS ，这些令人眼花缭乱的所谓智能车技术之背后，隐含着什么？世人从中又该得到何样的启示呢？ 虚实双星 福特 Ford GT 是半世纪前世界赛车冠军 Ford GT 40 的涅磐重生，被列为福特汽车公司内部的一个十分秘密的项目，由福特汽车的直系传人亨利 ▪ 福特第三亲自挂帅监控。福特希望通过 GT 的成功，产生 “ 光环效应（ Halo Effect ） ” ，再辐射到其它低档的车型，进而提高其汽车的整体销售。 Forza Motorsport 是微软 Xbox 上的一款非常受年轻人欢迎的系列赛车游戏，自 2005 年起，两年一次，十分成功。在今年的 NAIAS 车展上，福特和微软联合宣布：以超逼真的虚拟现实 Ford GT 车为封面车（ The Cover Car ），启动新一轮的第六届虚拟车大赛 Forza Motorsport 6 。瞬间，福特的 Ford GT 和软的 Forza MS 成为 NAIAS 的虚实双星，成为车展的焦点和关注中心，媒体惊呼 :“Ford 和 Forza 为街头和银幕创造了一部超级车 “ 。 实际上，汽车生产厂家与游戏公司合作早已有之。例如，许多车商都利用老牌赛车游戏《追捕间谍（ Spy Hunter ）》做过汽车品牌的广告宣传。但这次非常不同，因为在福特的汽车工程师开始设计物理世界的现实版 GT 赛车的同时，微软的软件工程师也开始打造游戏世界的数字版 GT 赛车，作为其 Xbox 赛车视频游戏 Forza 的主角。这意味着福特必须一开始就得邀请微软游戏开发者加入 GT 的内部核心小团队，此时 GT 是福特的核心机密项目，就是福特公司之内还没有几个人知道此项目的存在。对于相对封闭，以保守和保密为文化特征的汽车行业而言，迈出这一步实属不易，或者，更准确地说，实属无奈。不管怎样，此次福特与微软联手创下了汽车行业历史上的又一个第一。 在现有的极端逼真赛车游戏中，虚拟车与现实车不但在外表和声音上可以乱真，甚至可以再现嗡嗡的发动机声和嘎嘎的底盘响等细节。为了把逼真度再进一步，游戏工程师获准从一开始就参与实际车的设计与研发，把自己“浸泡”在各种各样的规范、要求、样式、性能、指标之中，为 GT 的虚拟现实版收集了大量的数据。而且，在游戏车的创造过程中，微软的游戏开发者还不断地向福特的汽车工程师要数据，“我们不停地要求更多的数据，他们不停地提供更多的数据”，以致福特的人一见微软的人就会问：“是不是又来要数据了？” 最后，这都成为他们内部的一个笑话。 当然，福特决不会因为娱乐而与微软合作制造 GT 的游戏版。其目的用亨利 ▪ 福特第三的话说就是：一为了眼下的市场，二为了未来的消费者。虚拟 Ford GT 车是 Forza 赛车游戏中的 “ 缺省车 ” ，就是说玩家如果不再另作选择， GT 就是其游戏的赛车了。福特希望以此来吸引难以捉摸的年轻消费者，尽管他们能买的第一部车一般不会是昂贵的高端赛车，但与之在游戏世界里的历练、经验和感觉，甚至感情，或许能够吸引这些年轻人也把价格适宜的经济型福特车作为他们在现实世界里的首选，这就是福特所期盼的 “ 光环效应 ” 。 数据分析已经表明，玩游戏的年轻人对车有很强的好奇心并对其速度等性能有十分敏锐的感觉。对汽车厂商来说，更重要的是，许多年轻人常常通过游戏建立自己对汽车品牌的认知。用微软游戏开发的一位负责人的话说：他们在玩车的游戏中，不知不觉地选了自己喜欢的品牌。 除了眼前的市场，福特还希望能为自己的汽车培育未来的消费者。与前几辈人相比，现在的年轻人开车的机会与兴趣都大大减少。与过去几年相比，发给青少年的驾照数目大大减少；青少年之中，曾经的那种希望能在到了合法驾车年龄后尽快，甚至是生日的当天就拿到驾照的现象几乎已不复存在。因为社会变了，青少年有了更多的选择，比如上网、游戏；人们对安全更关心了，家长不想子女过早地开车上路，等等。针对这一重要变化，汽车厂商必须想出新的办法应对。 显然，赛车视频游戏为福特等厂家提供了新的希望和有效的工具。今天的赛车游戏几乎已是高端、高精度的汽车仿真器，从中不但可以感受不同车在路上的真实表现，甚至可以反映出车的悬挂和轮胎特性等细节。通过赛车游戏，玩家可以从各个方面感知一部真实车的实际动力学特性，获得逼真的驾驶经验。这就是为何福特汽车早在世上还不到 50 人知道其神秘的 GT 项目时，就开始与微软的游戏开发人员合作，而且把他们作为这 50 人中的一部分！福特之梦就是利用 Forza MS 游戏中的虚拟现实版 Ford GT ，为福特目前和未来的汽车培育现在和未来的用户，特别是年轻的消费者。 平行驾驶 实际上，福特和微软此次合作的意义绝不限于 NAIAS 上的成功以及可能带来的商业价值。就汽车行业而言，这次合作将加快平行驾驶的理念和技术的发展与普及；就整个社会而言，伴着大数据、物联网、云计算和新兴的智能制造技术与网络商务模式，逼真的游戏赛车还将作为时代先锋，推动社会驶向新的形态：一个虚实互动的平行社会。 平行驾驶的理念始于上世纪 90 年代末，是为了将有人驾驶与无人驾驶结合起来，为当时陷于低潮的汽车自主驾驶研究和应用寻找出路。在 1997 年加州圣地亚哥无人车的成功演示之后，美国国会和相关机构终止了对无人自主车研发的资助，加之法律和市场的考虑，人们对于无人车的应用前景深感悲观，无人车团队纷纷另寻出路，转向特种车、军事、安全等领域。平行驾驶的最初想法就是把无人车技术充分利用起来，使之变成辅助人类驾驶的在线“软件机器人”系统，平时提醒司机注意安全，使开车任务变得轻松容易，关键时刻可以采取措施，避免危险。这一想法曾在 90 年代末美国无人车 VISTA 的研制和数字试车场 DGP 的设计上，以及后来国内“ 863 ”汽车电子重点项目“基于 OSGi/VDX 的嵌入式实时特定汽车应用操作系统 vASOS ”中得以部分实施，但其方法的正式提出却是差不多十年后的 2005 年，即在第一届 IEEE 汽车电子与安全国际会议上提出的基于网络化智能代理、按照“车内简单、车外复杂”原理设计的平行驾驶系统。 在平行驾驶中，当人类司机驾着真实车奔驰时，作为 “ 软件机器人 ” 的智能代理也开着对应的 “ 虚拟车 ” 同时在奔驰。这种虚拟车，学术上称为 “ 人工车 ” 或 “ 软件定义的车 ” ，根据不同的要求在不同的程度上与真实车一一对应。而且，一部真实车可以有多部虚拟车与之相伴，有的随车而行，有的存于家中、办公室、服务中心、厂家或政府的档案机构，或者各式各样的网络云端服务平台之中。虚拟车可以通过网络与真实车交换信息，互相服务、互相支持。利用这种方式，虚拟车可以用可视化的形式提供真实车的本体知识、历史情况和实时信息；同时提供预测未来状态和情境的计算能力或检查事故原因的回溯计算功能；最终，还可以虚实互动，提供监视、控制、管理、服务真实车的各类功能。显然，这种智能汽车技术的发展与应用前景几乎是无限的。 微软的虚拟现实 GT 尽管与真实的 GT 不但形似还且神似，但从技术上还只能算是一部初等的 “ 人工车 ” ，因为它与真实车还无法在线互动，不能进行动力学或情境计算，只能 ” 虚拟 “ 平行驾驶中衍生出来的市场与商业化的平行互动。然而，福特与微软的成功尝试，将十分有助于平行驾驶技术的深入发展及应用。相信不要多久，每个厂商在卖车给你的同时，还必须提供给你相应的可计算、可通讯、可操作的虚拟 ” 人工车 “ 。届时， QNX 之类的系统将不再局限于车内音响和娱乐等功能，还会深入到车的传动及控制机构；纸质的各类汽车手册可以免了，因为虚拟车可以智能的方式告诉你关于车所需的一切，而且主动上网为你搜索新的知识和服务。甚至，各种虚拟车可以作为单独产品出售，人们不但可以用来娱乐，还可以用来学习汽车知识和驾驶技术，就像利用模拟机来学习驾驶飞机技术一样。 平行社会 毫无疑问，随着智能技术的发展，无论汽车是有人还是无人驾驶，其智能水平都将不断提升。或许，汽车真将成为带轮子的智能计算机、 iPhone 、甚至智能移动办公室或生活空间。可问题是，这一天何时到来、又如何实现？ 福特和微软的合作揭示了虚实互动的平行方式是驶向未来智能社会的可行和有效途径。相信未来的智能车每一部都会有形影不离的 “i 车 ” 相随，将是虚实互联、互通、互动的平行车，即， 平行车 = 车 + i 车 或者 平行车 = 车 + i 车 1 + + 车 2 + ……. + i 车 n 或许，将来厂家的每一个产品都必须有对应的 “i 产品 ” ，形成平行产品；社会上的每一个人更要有对应的 ”i 人 ” 与之相伴相生，形成平行人；最终，构成平行社会。 我们必须先进入一个平行的社会，才能真正实现智能化的生产与生活。就像农业社会需要农田、水渠、作坊、牲畜作为基础设施，工业社会需要矿藏、工厂、铁路、机场、高速公路作为基础设施一样，即将到来智能社会需要各种各样平行的人工数字系统或软件定义的系统作为其基础设施，这就是继物理世界、精神世界的大开发之后，人类对人工世界的又一次大开发。 人类骑着牛马牲口进化成为农民，又坐着火车开着汽车成了蓝领和白领的工人。希望在下一个社会形态里，我们的多数不再种地、不再打工、不再辛苦，而是悠闲地构思、设计、实施、测试、评估各类软件定义的人工系统，驾着虚拟的游戏赛车，驶入虚实互动的平行时代，成为一代新的智能人类。
个人分类: 科研记事|12365 次阅读|3 个评论
更多...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-6 22:58

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部