華為AI步入新進程 未來人工智能還需作何改變？

• 2018年10月11日 WuYaNan來源：搜狐 795 48
• 繁體

• 

  金融監管趨嚴，融資環境寬中帶緊，微博營銷企業如何實現有效投資？

  微博營銷研究報告對行業研究的內容和方法進行全面的闡述和論證，對研究過程中所獲取的資料進行全面系統的整理和分析，通過圖表、統計結果及文獻資料，或以縱向的發展過程，或橫向類別分析提出論...

由于云端與終端所采用的AI框架與底層環境不同，一般AI應用在訓練跟部署之間一定會經過一次以上的遷移——對企業而言這是一個無用的“內耗”，既耗費人力物力，又浪費時間。

這對于開發者本人而言也是個麻煩的事情，因為轉換底層環境涉及到很多算法跟算子的調校，很容易出現明明AI在云上跑得好好的，一換計算環境AI應用效率就跌。

因此，如果能夠用同一套框架，打通華為公有云、私有云、邊緣計算、手機等不同AI應用場景，那么AI應用就只需要一次調校，就能更簡單地部署。

相較于其他同樣具有國際級巨頭份量的中國科技企業，例如阿里巴巴、百度、騰訊等等，華為應該是最晚公開宣示全面擁抱 AI、宣示全面 AI 發展戰略的公司，但華為這種謀定而后動的方式，或更能后發制人。

人工智能需要十大改變才能開創未來

徐直軍稱人工智能才剛剛開始，需要從技術、人才、產業這三個方面進行主動的變革，需要在十個方面進行改變。

一、縮短訓練模型的時間：按照目前的技術水平，訓練某些復雜模型時往往需要數天甚至數月，而成功的創新發現往往需要多次迭代，這種訓練速度嚴重制約了應用創新。我們認為，未來模型的訓練要能在幾分鐘、甚至幾秒鐘內完成。

二、充裕經濟的算力：算力是AI的基礎，但目前的算力非常昂貴，是一種稀缺資源。如果說算力的進步是當下AI大發展的主要驅動因素，那么，算力的稀缺和昂貴正在成為制約AI全面發展的核心因素。算力應該是充裕且經濟的，并且這種需求應該盡快實現。

三、人工智能要適應任何部署場景：混合云已經成為企業采用云服務的主要模式，當前的AI主要在云，少量在邊緣，與企業的業務環境的結合有待進一步深入。未來AI將無處不在，要能夠部署在任何場景，并確保用戶隱私得到尊準和保護。

四、更高效更安全的算法：算法是推動AI發展的另一個主要動力，但目前運用的主要算法多誕生于1980年代。隨著AI的廣泛普及，這些算法的不足愈發明顯。未來的算法，要能夠基于更少的數據需求，即數據高效。也要能夠基于更低的算力和能耗，即能耗高效。同時要解決自身的安全問題，并實現可解釋…等等，這都是AI全面發展的重要技術基礎。

五、更高的自動化水平：今天的人工智能，自身還需要大量的人工，特別是在數據標注環節，今天甚至還誕生了一個新的職業叫“數據標注師”。有人調侃說，今天的人工智能，是沒有“人工”就沒有“智能”。應該大大提升AI自身的自動化水平，比如在數據標注、數據獲取，特征提取，模型設計和訓練等環節，要實現自動化或半自動化。

六、模型要面向實際應用：2018年6月，伯克利大學的助理教授 Benjamin 等發表了一篇題目奇怪的論文——《CIFAR-10分類器能否泛化到CIFAR-10?》該論文指出，在CIFAR-10分類器上測試準確度出色的模型算法，卻在作者創建的與CIFAR-10非常接近的另一測試集上出現了偏差，分類識別準確率下降了5-15個百分點不等。這也就意味著，這個模型算法的可用度大幅度下降。由此，可見當前很多優秀的模型算法，更多的是“考試”優秀，還未達到“工作”優秀。未來的模型必須實現工業級的優秀，即滿足工業生產的需要，而不僅僅滿足于測試集上“考試”優秀。

七、模型更新：模型的準確率并非是一成不變的，而是會隨著數據分布、應用環境和硬件環境的變化而變化，始終保持準確率在期望的范圍內對于企業應用是必須的。但目前的模型更新是非實時的，依賴人工周期性的更新，因此是一個半開環的系統。未來的模型要能及時適應各種變化，實時更新，實現閉環系統，保證企業AI應用始終處于最佳狀態。

八、人工智能要多技術協同：每一個通用目的技術，只有與其它技術充分協同配合，才能發揮到極致，創造巨大的經濟價值。AI也不例外，但在目前探討AI時，更多的是僅僅聚焦AI本身。

九、人工智能要成為由一站式平臺支持的基本技能：今天，AI還是一項只有具備高級技能的專家才能完成的工作，成熟、穩定、完善的自動化工具還比較缺乏，獲得一個AI模型還是一個非常復雜，耗時耗力的事情。

十、以AI的思維解決AI的人才短缺：AI人才的短缺，特別是數據科學家的缺乏，一直是業界顧慮較多的一個制約因素。數據科學家將永遠是稀缺的。解決之道應該是，以AI的思維解決AI的人才短缺。通過著力發展智能化、自動化、簡單易用的AI平臺和工具服務，以及提供培訓教育，培養大量的數據科學工程師，使他們能完成大量基本的數據科學相關工作。通過這些大量的數據科學工程師與數據科學家和各領域專家相互配合的梯形結構，來解決AI人才稀缺問題。

這十個改變，一定不是AI技術、人才、產業發展的全部，但都是未來發展的重要基礎。

延伸閱讀

推薦閱讀

猜您喜歡