业务云原生架构、推荐系统以及线上生活等热点方向的高可用高性能业务架构有哪些?点击了解 了解详情
写点什么

深度学习大神 Bengio 的明星创业公司被“贱卖”背后:地缘政治如何影响人工智能

2021 年 4 月 26 日

深度学习大神Bengio的明星创业公司被“贱卖”背后:地缘政治如何影响人工智能

Element AI 是由人工智能先驱 Yoshua Bengio 博士联合创办的加拿大本土人工智能公司,并获得了来自微软、英特尔、英伟达和腾讯等公司的资助。Element AI 于去年年底被美国公司 ServiceNow 收购, 这笔交易被估价约为 5 亿美元。本文作者是德国人,对这起收购发表了自己的观点,即人工智能领域存在地缘政治,人工智能是强者更强、弱者更弱的产业,他分析了加拿大、美国、中国和德国的人工智能产业状况。


本文最初发表于作者个人网站,经原作者 Jose Quesada 授权,InfoQ 中文站翻译并分享。


新技术会造成巨大的经济和政治混乱。海军舰队投射力量、电力、蒸汽机和铁路都会产生这种效果。


在 21 世纪,人工智能可能是最具颠覆性的技术,因为它不仅是一项通用技术,而且还没有分销成本(数字化)。但是,人工智能带给世界的价值却分配不均。让我们来聊聊人工智能的地缘政治。


地缘政治学的研究对象是地球地理学对于政治和国际关系的影响。它提供了大的背景,并能改进宏观级别的决策的制定。地缘政治学关注的是地区和国家,但对于人工智能的地缘政治来说,公司是比国家更合适的单位。为什么这么说呢?因为在人工智能中,人们关心的是人才和数据。这两者都具有流动性和可塑性(相对于地理意义上的山川而言),但仍然具有某些地理特征(比如,德国的数据可能对朝鲜来说不太有用)。


据李开复的《AI·未来》(AI superpowers)一书所说,在人工智能领域中有七大巨头(相当于大国):谷歌、Facebook、亚马逊、微软、阿里巴巴、腾讯和百度。除了这 7 家公司之外,其他公司的人工智能能力大幅下降。将“七大巨头”之外的全球所有公司的人工智能能力加起来,都比不上任一巨头。我们称之为“人工智能贫乏者”(AI-poor)。


由于人工智能是一场赢家通吃的游戏,人工智能富有者(AI-rich)和人工智能贫乏者之间的差距正在迅速拉大:如果一家公司解决了自动驾驶汽车的问题,那么它将能赢得整个市场。对于人工智能贫乏者而言,没有必要去“克隆”,而拥有一个“也能用”的技术也将会处于劣势:如果第一名获得成功的几率达到 99.9%,而第二名只有 95%,那么第二名就不可能取得成功了。由于自动驾驶汽车事关人生命,汽车制造公司将会购买第一名的产品。他们需要从人工智能富有者的公司购买技术。在本文中,我们将探讨这种技术依赖的后果。


是什么让这些人工智能富有者的公司与众不同呢?这七大巨头都拥有人才、数据和基础设施。另外这七大巨头都是平台。平台商业模式是 21 世纪最成功的商业模式。平台是一种商业模式,通过促进两个或多个相互依赖的群体(通常是消费者和生产者)之间的交流,从而创造价值。


为了实现这些交流,平台利用并创建可按需访问的大型可扩展的用户和资源网络。平台创建了社区和市场,并具有网络效应,允许用户进行互动和交易。平台公司的利润和增长远远高于其他任何公司。举例来说,谷歌在 2016 年前后(据一位负责搜索和个人通信业务的副总裁的说法)就实现了 21% 的年增长和 20% 的利润。来自微软的数据也差不多,但对于大多数非平台公司,特别是企业而言,已经完全超出了范围。平台也很难以撼动,它的网络效应构成了一条有效的护城河。


人工智能凭借其零分销成本(数字化)的优势,可以完美地嵌入到平台中。这七大巨头利用自己的人工智能和数据方面的优势,试图进军每一个行业:医疗、人力资源、金融、零售、银行等。


重要地是要明白,即使在我们考虑人工智能之前,与在各个垂直领域称霸的领头者相比,这七大巨头也是完全不同的“动物”。在位者往往是“线性公司”,而不是平台,他们在数字化的道路上往往并没有走多远。与 20 世纪的成功模式相比,他们的商业模式没有什么变化。因此,他们难以利用人工智能的优势。

但,人工智能真的那么有价值吗?


要回答这个问题,就以 2014 年被谷歌收购的英国人工智能公司 DeepMind 为例来说吧。DeepMind 的算法一年节省的谷歌数据中心的电费就足以回本了。自那以后,DeepMind 一直是新闻焦点,因为他们解决了大多数人认为不可能解决的问题,包括在围棋赛中击败人类冠军。


最近 DeepMind 的一个突破帮助发现了蛋白质三维结构。科学家已经鉴定出 2 亿多种蛋白质,但已知的结构只是其中的一小部分。传统上,这些形状是通过精细化管理的实验室工作发现的,可能需要耗费数年时间。DeepMind 的算法 Alphafold 成功地发现了结构,并且有近三分之二的结构质量与实验结构相当。这是生物学领域的重大挑战之一。Alphafold 之所以重要,是因为蛋白质定义并控制了生命的所有功能。它将大大加快人们对细胞构成模块的理解,并使更快、更先进的药物发现成为可能。


德国蒂宾根马克斯·普朗克发育生物学研究所(Max Planck Institute for Developmental Biology)所长 Andrei Lupas 表示,他已利用这一程序解决了困扰科学家们十年之久的蛋白质结构问题。

“人工智能贫乏者”的公司和国家别无选择,只能选择购买


因为人工智能领域中存在着“赢家通吃”的现象,所以对于“人工智能贫乏者”来说,很难在内部创建最先进的人工智能。他们通常不具备人才、数据和基础设施的优势。没有办法,他们必须购买人工智能。


七大巨头的战略是通过自动化销售人工智能。李开复认为,如果将人工智能视作新的电力,那么他们就是公用事业公司。为了满足需求,他们安装了“电网”。就拿谷歌来说,我们来看一下这个战略是如何实施的。


谷歌拥有张量处理单元(TPU),这项技术使人工智能的计算成本远低于上一代(GPU)。让任何“人工智能贫乏者”都通过谷歌云服务来使用人工智能,这符合谷歌的利益。由于这是一项极具可扩展性的业务,谷歌需要让人工智能使用起来更容易。他们正投资于简化使用方式、扩展用例、教育企业。他们的目标是让任何一个人工智能贫乏者的国家或公司,即使人才或基础设施资源有限,都可以购买他们的人工智能或云计算。


大多数人工智能贫乏者的国家政治领导人都明白这种技术依赖的风险有多大,并歇尽所能降低这种风险。Element AI(还有加拿大)也许就是那张船票!

加拿大和 Element AI 如何保持平衡


按人均算,加拿大是世界上拥有深度学习研究人员最多的国家,而且还有一些一流实验室。


加拿大把极其丰富的研究人才库视为机遇。加拿大为这类公司提供资金,并改变签证政策,以确保加拿大成为人工智能富有者的国家,为人工智能贫乏者提供人工智能服务。阻止人才外流到美国还有额外的好处。


加拿大与七国集团(G7,西方七大工业国美、英、法、德、意、加、日)有很好的关系。七国集团的所有成员国(不包括美国,在人工智能七大巨头中,美国占了 4 个)在人工智能方面都存在技能缺陷。他们会很乐意购买加拿大的人工智能服务或技术,因为他们不能从美国或中国购买:如果他们从这两个国家中购买过多,那将会犯一个地缘政治错误。如果加拿大出对了牌,那么加拿大就可能会成为两个人工智能超级大国(美国和中国)的竞争对手。这意义非同寻常:当其他大多数国家的行业收入下降时,他们都会不惜代价获得这个地位。


Element AI 是加拿大战略的先锋。一家拥有约 500 名员工的公司,在深度学习方面具有世界级水平,其人才集中程度与 DeepMind 相当。该领域的教父之一,Joshua Bengio,是这家公司的共同创始人。这家公司 4 年融资超过 3 亿美元。Element AI 成为加拿大人工智能界自封的代表。一家不会失败的公司。它真的能做到吗?


旨在避免加拿大人才外流到美国的 Element AI,最近被美国加州的一家公司 ServiceNow 收购。这是 ServiceNow 继 Loom Systems、Passage AI 和 Sweagle 之后,在 2020 年发起的第四笔人工智能领域的收购。


政府的全力支持也无助于找到一个行之有效的商业模式。他们就这样“在藤蔓上枯萎了”。那是历史性的时刻。Element AI 被美国公司收购,标志着一个时代的终结。加拿大唯有提高人工智能的复杂性,才能与美国和中国相匹敌,并为人工智能贫乏者国家提供服务。

对人工智能贫乏者的影响:弱者更弱


对于人工智能贫乏者的国家来说,还有两个迎头赶上的机会:DeepMind 和 Element AI。DeepMind 被谷歌招入麾下,在人工智能和数据方面扩大了本就巨大的优势,而英国肯定会对自己做出的让这一切成为现实的决定感到拊膺顿足,懊悔不迭。


美国公司在 Element AI 产生重大价值之前就收购了它。但它仍然是一头巨鲸,足以“喂饱”一个人工智能贫乏者的国家十年。


在美国和中国之外的任何地方,都几乎没有可能建立起如此规模的人工智能公司。“人工智能贫乏者”世界已经错过了创建据点的最后机会。七国集团(不包括美国)将不得不依附于这两个人工智能超级大国之一,而随着人工智能所能提供的价值日益增加,与制造业等传统产业相比,这一交易将变得越来越糟糕。


我想有两种可能的情况。

悲观情景


  • 即便有大量开源库和模型,“人工智能贫乏者”也不能从人工智能中获得价值。他们越来越依赖于七大巨头。


  • 每个人工智能贫乏者的国家都将成为美国或中国的科技“殖民地”。而在这一点上他们都没有出路(在 DeepMind 和 Element AI 退出之后,本土人才并不足以捍卫任何可能的本土人工智能或数据优势)。


  • “20 世纪经济”(制造业)的市场价值持续下跌,利润也变得微薄,与人工智能富有者国家相比,工业时代国家的购买力急剧萎缩。


  • 人工智能民族主义和网络新殖民主义解释了 21 世纪的许多地缘政治交易。政治重组取决于谁提供你的人工智能。


  • 人才和数据集中在美国和中国的几家公司。


  • 人工智能富有者的国家将不断入侵一个接一个的垂直领域(如苹果健康),而在位者却无力回天(如,DeepMind 的 Alphafold 和类似的发现会取代制药和生物技术公司。从那以后,所有重大发现都将发生在七大巨头之一)。

乐观情景


  • 七大巨头开发开源库,撰写论文。人工智能贫乏者的国家仍然保留着数据。尽管没有研究人员,但在人工智能贫乏者的国家中,还是有足够的工匠可以从进步中获益,而无需向巨头们购买人工智能。但他们将会非常依赖开源库:如果人工智能富有者的公司不再共享开源代码、论文和预训练模型,那么人工智能贫乏者的国家就会回到岌岌可危的境地。


  • 人工智能价值从发明到实现(并不是由世界级的工匠队伍来完成的,但是一旦人工智能富有者解决了巨大而可怕的问题,他们就会变得“非常出色”)。大规模电气化就是这个过程的一个例子。在托马斯·爱迪生驾驭电力之后,这个领域迅速从发明转向了实现。全球各地成千上万的工程师开始利用电力,为新设备供电,并重组了工业流程。


  • 这支工匠队伍与欧洲的“渐进式创新”方法更加吻合。举例来说,德国人是对一个想法(由别人发明并发表)进行迭代的高手,将想法迭代至完美。要知道,汽车并非由德国发明,只是完美的生产水平,使得德国从这项发明中获得了最大的经济价值。如果在德国在人工智能方面也能采用同样的方法,那就有希望了。就拿德国公司 DeepI 来说,它的产品比谷歌的要好(也许它的预算很少),这是个惊人的成就:有多少公司能够在自己的领域中打败谷歌?那人工智能的领域呢?很遗憾,像 DeepI 这样的公司是例外。德国经济依然十分重视制造业,还没有迹象表明德国会将重点转移到人工智能上,以使 DeepI 这样的公司更加普遍,更加具有竞争力。


  • 也许在所有人工智能驱动的产品中,让德国受益最大的,就是最令人垂涎的:全自动无人驾驶汽车。但令人惊讶的是,像 Uber 这样的公司(他们就是靠所谓将从自动驾驶汽车获益上市的)实际上并没有从这一技术中得到多少好处!假如解决了这个极其复杂的问题(驾驶),Uber 的商业模式(不拥有汽车)将彻底改变,变成另一种不同的模式(拥有机器人汽车),其利润将大大减少,而且 Uber 在这方面也缺乏经验。然而,德国汽车制造商却可以拥有一批汽车,以出租代替销售。所以,如果自动驾驶软件能够运行,即使这个软件并非德国发明,他们也能从中获得最大的收益。它意味着一家“人工智能贫乏者”的公司(德国一家汽车制造商)正在向平台商业模式转型,这本身就是一个巨大的进步。


  • 巨头们乐于让人工智能变得简单易用,这样就能让更多的公司购买云服务,这就是他们赚钱的方式。人工智能直接应用于他们的消费产品(如 Gmail 的智能撰写、Google 相册搜索),虽然赚不到多少钱,但是可以帮助销售云基础设施。


  • 德国仍然需要训练有素的人工智能工程师,也就是这个时代的工匠,将深度学习应用于每一个垂直领域,并进行调整。如果美国和中国有支付高额服务费的文化,这些工程师就很难被德国吸引。要是德国的薪酬能吸引来自人工智能富有者的国家的人才呢?那么,德国几乎所有其他行业的本地工人都将会感到耻辱,社会将会陷入动荡。所以,培养本土人才是最好的选择:培养能接受本地工资水平,但仍有能力取得进步的工程师。没有迹象表明德国正在投资教育(任何数字化的东西,即使投资多年也是二流的,更别提人工智能了)。但投资人工智能的教育似乎是一个非常清晰的战略决定,而且一定会发生。


作者介绍:


Data Science Retreat(DSR)教师,居住德国柏林,从事深度学习技术方面的专业培训。DSR 是唯一一门提供全球领先的首席数据科学家级别教学的数据科学课程,帮助程序员和其他理工科背景的学员迅速进入数据科学领域。


原文链接:


https://josequesada.com/how-element-ai-imploding-accelerates-tech-dependence-on-us-and-china-geopolitics-of-ai/


2021 年 4 月 26 日 10:002675
用户头像
刘燕 InfoQ记者

发布了 589 篇内容, 共 187.5 次阅读, 收获喜欢 1151 次。

关注

评论

发布
暂无评论
发现更多内容

sed命令基础

飞翔

Linux 命令行

阿里架构师花近十年时间整理出来的Java核心知识pdf(Java岗)

周老师

Java 程序员 阿里 架构师 核心知识点

驳《阿里「Java开发手册」中的1个bug》?

王磊

Java 性能优化 性能

直播 | 阿里、快手、Databricks、网易云音乐...国内外大数据大佬齐聚一堂要聊啥?

Apache Flink

大数据 flink 流计算 实时计算

架构师 week 1 作业二

iLeGeND

食堂就餐卡系统设计

互金从业者X

架构师训练营-第一章 心得总结

Linkin

软件设计方法论

李海明

学习 思维导图 软件设计 设计实践

架构师训练营第一周总结

好名字

总结 极客大学架构师训练营

如何从 0 到 1 参与 Flink 社区?

Apache Flink

大数据 flink 流计算 实时计算 大数据处理

架构师训练营第一周命题作业

whiter

极客大学架构师训练营

【练习】食堂就餐卡系统设计

张金峰

极客大学架构师训练营

第一周作业二:架构师第一周上课总结

Geek_10

【架构师训练营】第1周-作业-食堂就餐卡系统

芥末

极客大学架构师训练营

第一周学习感想

heeeeeeyZ25

redis线程模型

wjchenge

01.食堂就餐卡系统简要设计以及学习总结

昵称

架构师是怎样炼成的

彭阿三

架构

食堂就餐卡系统设计 UML

Kun

极客大学架构师训练营

TypeScript:重新发明一次 JavaScript

LeanCloud

Java node.js typescript 前端

架构师训练营第一周学习总结

时来运转

极客大学架构师训练营

食堂就餐卡系统设计

heeeeeeyZ25

数仓系列 | Flink 窗口的应用与实现

Apache Flink

大数据 flink 流计算 实时计算 大数据处理

作业二

姜 某某

极客时间架构课Week01-作业一:食堂就餐卡系统设计

yulyulcl

01周-就餐卡系统设计

dao

极客大学架构师训练营 实验品

第一周作业1-食堂就餐系统设计

Geek_10

Flink 1.10 Container 环境实战

Apache Flink

大数据 flink 流计算 实时计算 大数据处理

作业一

姜 某某

食堂就餐卡系统架构设计

时来运转

极客大学架构师训练营

架构设计文档的一些心得

elfkingw

openEuler Developer Day 2021

openEuler Developer Day 2021

深度学习大神Bengio的明星创业公司被“贱卖”背后:地缘政治如何影响人工智能-InfoQ