写点什么

人工智能时代的下一个创新突破口在哪里?

  • 2019-11-22
  • 本文字数:6189 字

    阅读完需:约 20 分钟

人工智能时代的下一个创新突破口在哪里?

随着人工智能浪潮的兴起,它给社会带来了非常大的变化。如果再过几十年回头看,AI 对社会的影响可能比互联网对整个社会的影响更加深远,就如同过去的工业革命一样。人工智能给整个产业带来变革背后的逻辑是什么样的?当下和未来 AI 还有哪些创新机会和方向?本文整理自北京大学人工智能创新中心主任雷鸣在近日召开的 AICon 北京 2019 上的演讲,内容从人工智能当下发展和对社会产业结构的带来的变革、未来有可能出现的产业机遇两部分展开。


各位早上好!特别高兴来到这儿跟大家分享一下 AI 的发展现状,以及我所看到的,最近二三十年科技进步产生的新机会。


AI 带来颠覆式的产业变革


上图展现的是全球人均收入按照年代的数值图,这是经济学的一个研究结果,人均收入指的就是人均 GDP,可以粗略理解为劳动生产率。当我们思考整个历史的时候可以看到,全球范围内的劳动生产率在过去三千年几乎是没有变化的。中间的一个拐点就是所谓的工业革命。从这一点开始,我们人类正式开挂了。在过去 200 年左右的时间里,人类的人均劳动生产率提升了 10 倍。过去 200 年的工业革命,使我们整个生活跟过去的社会几乎是割裂和绝缘的。我们会开始思考,工业革命为什么这么厉害?到底发生了什么?以及再看现在的技术革新和发展有没有可以跟工业革命相匹配的一些工具?我赞成革命性的发展会导致社会和生产率突破性的变化。



深度学习其实就是这样一个革命性的技术。它到底有什么不同?


吴恩达曾提出,对于传统计算机算法,一开始给予很多数据的时候性能可以提升,但是当数据到某一个量之后就会发生天花板效应,这之后性能就无法继续提升了。过去我们开发的变成系统都是专家系统,也就是人类自己把规则总结好,再用程序写出来,因此瓶颈就是专家的经验,无法随着数据的增加自己去学习新的东西。


但是深度学习有一个非常神奇的能力,就是随着数据量的增加可以不断提升自己的水平,就像 AlphaGo 和 AlphaZero 的水平是能够随着数据量增大而不断提升的。


2017 年的时候谷歌发布了一篇论文,在视觉任务上,性能能够随着数据集量级提升而提升。数据集的量级提升,带来的性能提升可能是线性的,听起来可能有点可怕。但大家要意识到一个事情,我们有一个算力的摩尔定律,每 18 个月左右单位成本计算能力会翻一番,或者单位算力是翻一番的。同时我们还有数据的摩尔定律,从过去十年到二十年的情况来看,基本每一年数字化的数据量增速是在 40%左右,差不多是两年翻一番。


深度学习突破了专家的极限,随着时间的推移,深度学习算法在各项能力上都会不断提升。比如说任务输入输出是固定的,在没有特别变量干扰的情况下,人能做好的机器早晚也能做好。现在做不好主要是数据不够,或者对应的算力不够,当数据算力越来越高的时候,机器是可以做好的。



工业革命用能源加机械替代了人类的体力劳动,随着大量体力劳动被抹掉之后,大部分人都会转向技能性劳动,所以人类现代教育真正的起源是工业革命,因为我们需要技能劳动者。技能劳动者要有一些通用技能,比如说能读懂文字、能沟通交流、能做基础的数学算账,这些可以抽象为我们最基本的 K12 教育,包括大学分科。现在普遍来说,各个国家通用的面向大众的教育,其实是把人培养成社会这个宏大机器里面一个部件,我们叫一个“螺丝钉”。社会靠分工和协作高速发展,这是过去工业时代,需要很多技能型劳动力来填充,让这个机器高速运转。


但现在教育面临一个巨大的问题,最近二三十年我们发现真正驱动社会变革的不是分工,而是创新。而我们整个教育体系对于创新的教育相对还是比较少的,大部分的学校还是刷题、死记硬背,这些与未来对人才的要求不一定契合。


为什么近些年社会进步快了?因为大量的技能劳动分工之后,开始有专门的人从事创新劳动。比如说企业里的科研机构、研究院、一些从事创新的人,包括大学教授,一些国家支持的研究项目,这些都属于创新。创业者也是创新,只不过不是技术创新,而是商业模式、产品、服务、流程等的创新。这些创新是真正推动社会进步的根本力量,只有创新才能真正地提升效率,然后省出更多的人力做新的创新。


工业革命成为全球人均收入增长的拐点,智能革命把人类生产力水平带到一个前所未有的高度。我认为智能革命或这一波人工智能会通过数据加智能的方式逐步替代掉几乎所有的技能劳动者,也可以叫做重复性脑力劳动者,进而对于创新能力的要求会越来越高。未来主要的有价值的行业都会是创新导向。而那些重复性的工作,机器通过大量训练以后会做得越来越好。今天我们其实已经看到了很多案例,比如说最早的扫地机器人、ETC 收费、车库用摄像头和安防系统替代基层的保安,未来可能实现的自动驾驶等。


很多人问自动驾驶最近几年能行吗?如果是五年内行不行,我可能无法回答,但我觉得二十年一定行。二十年其实也不是很远的距离,也许五年真的能行,谁也不知道,因为对未来的预测有时候我们过度保守,有时候过度乐观,站在今天的维度上没有人能预测未来。当我们把劳动形式大量转向创新的时候,社会进步会再一次被打开。我觉得未来社会进步速度可能会更快一些。



在农业时代,社会总财富里面农业财富占了 90%,虽然过去也有其他行业,但是相对于所有的农业产值来讲,都只是消耗的很小,影响很小。但是在后工业时代,比如 2010 年的数据,全球农业总产值占全球 GDP 的 2.81%,不到 3%,其他占比高的产业都是新的,主要是工业和服务业。是农业萎缩了吗?不是的,农业没有萎缩,为什么会这样呢?是因为其他的产业增长得快。因此我们按前面的趋势去类推,到智能时代之后,我们认为农业、工业和服务业,这些靠技能、靠体力的产业,也会像农业一样占比下降,而创新型产业又会成为社会的主要财富的聚集地,慢慢的占比会越来越大,最终会占到 90% 以上,都是创造性行业提供的社会价值,这是我个人的观点。


智能革命时代将会由数据和智能化驱动,产业格局将彻底改变,而这种变化会孕育无穷的机会。从农业时代到工业时代,整个社会格局基本都改变了,现在的很多大企业都是近一百年建立的。未来几十年一样有无数机会能改变这个社会的格局。所以大家需要聪明地分析,并抓住这些机会。我在北大清华讲课的时候常说,这个时代努力已经没有那么重要的,它是一个基础,最重要的是选择。选择不同的路,同样努力,差异可能巨大无比。我认为,努力能带来的差异可能是两三倍,但是选择可以带来十倍甚至百倍的差异。


接下来简单分析一下互联网和人工智能给产业带来的改变。


互联网并没有改变经济结构中生产和消费的任何一面,只是改变了生产者和消费者之间的连接关系。 互联网打通了地域的限制、信息量的限制、物理空间的限制,因此我们看到了两个巨大的机会,一种是替代性中介,比如阿里巴巴,将购物从线下实体店转移到了线上的电商,产业本身已经存在,只是以新的替代旧的,又比如今日头条是用互联网媒体替代原来的报社、杂志社;另一种是新型中介,比如社交媒体、搜索引擎、O2O 等。以前很多的限制导致像社交、搜索这样的需求在经济学上无法满足,信息在那,人在这,连接不上。但有了互联网以后,我们就有了虚拟身份,我可以跟全世界交朋友。搜索也一样,当年写论文还要到图书馆查,不然就只能问老师,现在有什么问题敲个键盘回车就知道了,代价小了,以至于搜索变成了我们每天的需求,包括 O2O 也是一样的,我不再罗列。


再看 AI 对产业的改写,也是类似的道理。AI 在经济结构中主要解决两点,第一是让连接更高效,第二是解决生产者的问题。对于生产端的问题,互联网是极其无效的。为什么互联网医疗、互联网教育没有什么进展?第一没有出现市值上百亿美金的企业,第二落地的时候也还是要开线下的店面。连接问题解决的是当生产和消费两边资源都相对充裕,只是找不到对方。如果生产者和消费者能找到对方,但有一方资源很紧俏,这类问题互联网是解决不了的,比如医疗资源紧缺就是这样的一个例子。


AI 提升中介的例子有抖音和蚂蚁金服,他们实现的是提高连接的效率。比如抖音是个性化推荐,能用 AI 为用户推荐 TA 感兴趣的内容,节约用户自己筛选内容的时间;蚂蚁金服是信用预测,通过大量的交易数据对企业进行建模,准确预测企业将来违约的可能性,进而帮助金融机构更方便快速地判断是否该给他们提供贷款。


AI 替代包括两类,一种是替代现有的生产者,比如自动驾驶,通过自动驾驶系统替代驾驶员,或者用智能医生替代初级医生,进而解决我们刚才讲的供给侧问题。比如医疗资源普遍不足,如果我们开发出一个智能医生,可以达到协和医院医生的水平,而且可以为全世界服务,这就很有意义,可以解决我们所谓的医疗公平问题,正如搜索引擎解决了人类的信息服务公平问题。


另一种是 AI 新型生产者,也就是智能助理。当 AI 助理真的跟真人差不多的时候,人人都可以有一个助理,它能大幅节省我们的时间、提高效率,就会成为一个全新的产业,这一种是刚才提到的在经济上以前无法实现,现在通过技术可以满足我们的需求了。

AI 的发展路径

AI 的发展路径我认为有这样几个要点: 从低技能行业到高技能行业;从高数据行业到低数据行业;从经济效益高的行业到经济效益一般的行业。


可以这样理解:


从低技能行业到高技能行业,低技能行业算法简单,就可以尽快落地,但是为了解决更复杂的问题,就要向高复杂度的技能行业发展。


从高数据向低数据发展,数据量越大,越有利于进行训练,AI 发展的速度也比较快。


从经济效益高的行业到一般行业,自动驾驶就是其中一个例子。自动驾驶行业对应的产业 GDP 占了 10%,几乎是跟当前零售业同等大小甚至更大的产业。一旦自动驾驶做好了以后,将会成为整个产业力量最大的一方,会重塑这个产业,在这个产业产生几千亿的机会是没有问题的。



再聊一聊人工智能的实用价值关键点。任何一个行业里的关键技能,随着时间的推移都能看到 AI 做得越来越好。其中有两个关键点,第一个关键点是人类平均水平,第二是专家水平。当机器的水平达到人类平均水平的时候,我们就能看到希望;当机器超过专家水平时,就能大范围替代人类。机会是有时间窗口的,任何事情我们动手都要稍微早一点,但是也不能太早,太早可能就像大家说的会变成先驱,干半天资金链断了,还没有看到曙光;太晚了行业就成为红海了,如果一个事情 BAT、TMD 家家都做,你也去做就晚了。



另外说一下大规模推广。做出来不等于能赚钱,需要找到营收平衡点。有的时候即使人工智能已经能够替代人的工作了,如果人工智能的成本高于人的成本,那也是不可接受的。只有当人工智能成本大大优于人的成本时,才可能在行业里面大规模推广。但是我们现在看到一个趋势,就是人力成本不断上升,而人工智能的硬件成本永远都是下降的,同等价格的算力只会越来越便宜,在摩尔定律的作用下,二者总会有一个交叉点,交叉点之后情况就会发生巨大的改变。在交叉点之前还有机会,所以还是要早点动手。

AI 创新的未来机遇


我们可以先看看互联网时代的中美互联网巨头,其中颜色代表类型,大小代表市值。美国互联网巨头和中国互联网巨头其实在很大程度上都有一一对应的关系,那么到底是什么样的原因推动了这些巨头的诞生呢?


所有的机会都是有时间窗口的。回顾过去 20 年,我们能看到互联网时代一个非常重要的特点就是互联网基础设施的落地。1995 年的机会是互联网商业化,在超窄带的传输下文本信息得以传播,诞生了门户时代。2000 年,传输效率提升,图像的传输也变得更加便捷,应用越来越多样化,几乎所有的应用都可以在图文形式下提供服务,这时候是垂直互联网真正兴起的机会,现在知名的巨头公司都跟这个有关系,比如阿里、腾讯、百度、携程、盛大等。而那些通用的门户网站慢慢从历史中消亡了,虽然现在新浪、搜狐、网易都还在,但其实你再仔细想想,他们作为门户基本已经死掉了,只是名字还在,内容已经变了。


2005 年,信息传输效率进一步提升,我们步入了流媒体时代,由此产生了很多流媒体服务的创业机会,比如美国的 Netflix、Youtube 和中国的优酷等,都是那时候诞生的。


在 2010 年移动化的机会来了,诞生了很多移动 APP。2015 年移动宽带又有了进一步的发展,流媒体服务在移动端变得可能,由此带来了移动流媒体的服务。


我们认为互联网时代基本上是由带宽和移动化驱动的,这两项每一次巨大变化都会带来应用的机会,基础设施和技术的变化让过去做不到的事情变得能做到了。但其实每一拨新机会都是被新公司拿到的。所以大家不要天天说有了 BAT 我们还怎么创业,有了 TMD 我们还怎么创业,其实都能创业,只是我们眼前黑。


而 AI 的未来则是由算力驱动的,计算机视觉的突破就是因为算力发展到了新的阶段,没有 GPU 的时候完全做不了深度学习。算力越高能解的问题越大,照片、视频流、基础的自然语言问题现在已经可以解决,其他的还不能解决。随着算力提升,我们可以解决越来越多的问题,这里还有很多机会。


如果看 AI,我会认为 2015 年前后几年是全面 2B,到现在大家都还认为 AI 是 2B,但我不这么认为。我认为 2020 年左右会发展成垂直服务,AI 必须解决特定垂直行业的问题,而不能希望它解决企业所有需求,所有需求太广泛了。所有公司都应该是产业公司,起码在今天看是这样,所以我认为 2020 年是垂直化服务的时代。



未来的创新机会主要在于 5G 和 AI 两个方面,我们需要考虑有什么可以使从前做不到的事情变得可以做到。其中,5G 具有高传输、低延时、低功耗、低成本的特点,物联网的崛起也是因为这一点。另一个是 AI,目前算力已经发展得很快,并且也出现了强有力的大模型,在此基础上聚焦产业痛点,解决实际问题,将会诞生出很多可以探索的新路径。



最后说一下中国,我认为在 AI 时代中国有机会成为领导力量。简单说几点:


一是美国显然还是非常强的,这个没什么可争论的,我们从来没有说我们已经超过美国。但是相对而言,中国也有很多优势。第一,中国有大量优秀得 AI 人才,现在国际顶会上有三分之一的论文署名是中国的学者,中国学者发的文章数量已经超过美国了;第二,我们的创新能力正在引领世界,从前是中国抄美国,现在很多创新是美国在抄中国,比如 Facebook 也在做跟抖音类似的事,现在很多创新开始出现逆向;第三,中国是有强大购买力的单一市场,中国人多力量大,即使企业只做中国市场,也是全球业务规模数一数二的,如果将来能够出海就会更厉害;最后,从政府包括投资也讲一下,2018 年中国 AI 投资占全球总投资量是 48%,美国是 30%,中国在 AI 领域的投资已经超过了美国。


我们现在处在非常好的时代,技术在高速发展,机会越来越多,中国正处在风口上,我认为有非常多的机会值得大家探索和思考。最后非常感谢大家的时间,也非常感谢 AICon,希望大家在这个大会上能够学到更多的东西,希望大家有辉煌灿烂的未来,谢谢。

演讲嘉宾介绍

雷鸣,北京大学人工智能创新中心主任,酷我音乐创始人,百度七剑客之一。2000 年任百度首席架构师,领导核心技术团队,使之成为全球最好的中文搜索引擎。2005 年创立了酷我音乐,担任董事长兼 CEO,领导酷我音乐成为中国领先的互联网音乐平台。


他现在致力于人工智能和产业结合相关研究、教育和投资。他任北京大学人工智能创新中心主任,并在北大和清华分别开设《人工智能前沿与产业趋势》课程。同时,他孵化及投资了十多家人工智能相关的初创企业。


他 2000 年获得北京大学计算机硕士学位,2005 年获得斯坦福商学院 MBA 学位。现任北京大学科技创新校友会理事长,斯坦福大学北京俱乐部副主席。


这里,获取更多AICon 北京 2019 现场报道详情!


2019-11-22 09:002331
用户头像
蔡芳芳 InfoQ主编

发布了 801 篇内容, 共 553.6 次阅读, 收获喜欢 2789 次。

关注

评论 1 条评论

发布
用户头像
万物互联
2019-11-22 10:02
回复
没有更多了
发现更多内容

3w 字长文爆肝 Java 基础面试题!太顶了!!!

苹果看辽宁体育

Java 面试 后端

区块链产业园区服务平台开发,搭建区块链园区运营平台

13828808769

区块链+ #区块链#

模块一:课后作业

iHai

架构实战营

LeetCode题解:剑指 Offer 49. 丑数,二叉堆,JavaScript,详细注释

Lee Chen

算法 大前端 LeetCode

马特量化交易机器人,炒币24小时不停歇

飞亚科技

架构实战营模块一作业

Geek_vidmje

架构实战营

架构实战营作业:模块一

心晴雨亦晴(~o~)

区块链农产品溯源平台,为农产品质量安全护航

13828808769

区块链 区块链+

手把手教你写一个spring IOC容器

华为云开发者联盟

spring 容器 ioc spring框架

年薪百万是社会认同,更是自身价值体现

博文视点Broadview

旋转木马案例

赫鲁小夫

4月日更

花费一月时间吐血整理程序员必读书单,建议收藏

Silently9527

程序员

python 调用 cmd 而不显示黑框的方法

一代咩神

Python cmd

空中交警:借你一双“慧眼”,让你看透这飞机的“黑色十分钟”

华为云开发者联盟

modelarts yolo 华为云ModelArts 模型开发 华为开发者大会2021

初识Nginx(一)

书旅

nginx

Rust从0到1-结构体-一个例子

rust struct

Spark数据倾斜方案实战(二)

小舰

4月日更

Spring IOC 特性有哪些,不会读不懂源码!

小傅哥

Java spring 小傅哥 控制反转IOC

区块链农产品质量安全溯源,保证农产品品质

13530558032

模块一-学生管理系统架构设计

华仔架构训练营

架构实战营 模块1 课后作业

༺NPE༻

架构实战营 模块1作业

唐江

架构实战营

善盾SD币是什么?

飞亚科技

Golang 字符串分组

一代咩神

Go 语言

盘点 15 个好用的 API 接口管理神器

Java小咖秀

工具 工具分享

智慧平安社区建设,创建“三零平安社区”

13530558032

手摸手教你阅读和调试大型开源项目 ZooKeeper

HelloGitHub

Java zookeeper 源码分析 ZooKeeper原理

区块链电子合同--助推合同数字化管理

13530558032

使用 lxrunoffline 管理运行wsl

模块一作业

chenmin

Prometheus2.25新特性讲解

远鹏

Prometheus cncf openmetrics

人工智能时代的下一个创新突破口在哪里?_AI&大模型_雷鸣_InfoQ精选文章