请选择 进入手机版 | 继续访问电脑版
开启辅助访问
链路首页链路财经目前收录 币种 : 4908 交易所 : 310钱包 : 17 24H 交易量 : $43,403,137,051 总市值 : $245,388,183,835
2019
08/14
06:51
分享
评论

  • 在自动驾驶时代里,人们可以把以前驾驶汽车的时间用来工作、思考问题、开会、娱乐。一部分共享汽车可以设计成会议室的样子,人们既可以围坐在汽车里讨论问题,也可以在乘车时通过视频会议与办公室里的同事沟通。

    自动驾驶的普及对产业结构、经济格局的影响将极其深远。想象一下,在过去的100多年,汽车工业是如何彻底改变了全球、全人类的生活方式,如何创造出了一大批市值百亿美元、千亿美元的大型跨国公司,如何带动了从设计、生产到零件、外包、服务、咨询、培训、交通、物流等数百个相关的生态产业,如何在短短数十年里让美国成为“车轮上的国家”,又如何在短短十几年时间里在中国小康家庭中普及了汽车出行的现代生活方式。如此庞大的汽车工业,正面临着以人工智能为依托的自动驾驶技术的改造。生态中的每一个子产业都可能在未来10年内发生翻天覆地的变化。

    因为高空的环境复杂度较低,飞行器的自动驾驶系统发展很快。两次世界大战前后,飞机自动驾驶或辅助驾驶技术不断改进。今天,现代客机、货机、战斗机绝大多数都拥有自动驾驶或辅助驾驶系统,可以大幅减轻飞行员的工作强度。在大部分气象条件下,只要飞行员允许,飞机的自动驾驶系统都可以自动完成包含起飞、降落在内的全部飞行控制操作。

    2012年5月,谷歌自动驾驶汽车正式获得了美国内华达州车辆管理局(DMV)颁发的执照,这也是美国历史上为自动驾驶汽车颁发的第一张执照。截止到2016年3月,美国已经有加利福尼亚州、密歇根州、佛罗里达州、内华达州、亚利桑那州、北达科他州、田纳西州、哥伦比亚特区等地区允许自动驾驶汽车在公共路面上进行测试。2012年,谷歌自动驾驶汽车已经取得了超过30万英里的公路行驶经验。基于雷克萨斯RX450h改装的自动驾驶汽车也已上路运行。也正是在这一年,谷歌将自动驾驶汽车的路面测试范围,从简单的园区路况和普通高速路况,扩展到了包含复杂交通环境的城区路况。截止到2016年,谷歌自动驾驶汽车的实际测试里程已经超过200万英里。

    因为对100%自动驾驶的高标准追求,谷歌的自动驾驶汽车研发和商业化之路无法在短期内获得收益。就在谷歌不懈追求最高水准的自动驾驶系统的同时,特斯拉、优步、百度、苹果、英伟达(NVIDIA)等高科技公司纷纷加入自动驾驶研发的阵营,并大多采用从与谷歌不同的角度切入市场,如关注辅助驾驶的特斯拉、关注汽车资源共享的优步、关注自动驾驶计算平台的英伟达等。传统汽车厂商如通用、奔驰、宝马、丰田等也陆续调整自己的技术战略,跟上最新的无人驾驶风潮。初创公司如以色列的Mobileye、Oryx Vision,美国的Nu Tonomy、Zoox、Drive.ai、Nuro.ai,国内的驭势科技(UISEE)、初速度科技(Momenta)等,则瞄准了整个自动驾驶产业链中的特定应用场景(如小区通勤、卡车运输等),特定解决方案(如视觉解决方案、地图解决方案等),或特定功能模块(如激光雷达传感器、视觉模块、决策模块、控制模块等),发挥初创公司灵活、高效的特点。

    从中文语义上来说,“无人驾驶”的语义过于狭窄,而“自动驾驶”的语义过于宽泛。即便在英文文本中,“self-driving car”“driverless car”“robotic car”和“autonomous car”等术语之间,内涵和外延也并非完全一致。从理想的情况看,人类当然希望尽早看到完全“无人驾驶”的汽车取代现有的所有人类司机,但从自动驾驶技术的发展进程看,未来将存在10年或更长时间的过渡期,各种不同类型、不同层次的自动驾驶技术将呈现共同发展,各自覆盖不同需求、不同路况、不同人群、不同商业模式的情况。因此,用内涵单一的术语不利于自动驾驶技术目前的发展阶 段。

    SAE标准将自动驾驶技术分为0级、1级、2级、3级、4级、5级,共六个级别。按照SAE的分级标准,第2级技术和第3级技术之间,存在相当大的跨度。使用第1级和第2级辅助驾驶功能时,人类驾驶员必须时刻关注路况,并及时对各种复杂情况做出反应。但在SAE定义的第3级技术标准中,监控路况的任务由自动驾驶系统来完成。这个差别是巨大的。技术人员也通常将第2级和第3级之间的分界线,视作“辅助驾驶”和“自动驾驶”的区别所在。

    也就是说,第3级的自动驾驶,目前还很难被不受限制地应用于所有场景。其实,之前已经讨论过,即便是特斯拉基于第2级自动驾驶的Autopilot技术,也存在这方面的问题。从商业化的视角来看,第2级或第3级的自动驾驶技术,将来只会被用于有限的场合,而直接面向第4级甚至第5级的自动驾驶,才是未来最大的商业机会。

    在美国,绝大多数人都同意,自动驾驶汽车的一个最好的应用场景,就是去取代那些工作负荷繁重、容易因长途驾驶时的疲劳而导致事故的卡车司机。但即便是这样一个在技术层面显而易见的事情,在牵涉到社会和经济问题时,也会变得十分复杂。

    自动驾驶将是中国未来10年科技发展面临的最重要的机遇之一。中国有全球最大的交通路网、最大的人口基数,自动驾驶的大规模商业化和技术普及反过来会促进自动驾驶相关科研的飞跃式发展。这种从科研到应用,从应用再反馈到科研的良性循环,正是中国能否在未来10年内,建立起世界先进水平的人工智能科技体系的关键。

    人类交易员大量被机器算法所取代,这只是人工智能正在智慧金融建设中发挥重要作用的冰山一角。事实上,包括银行、保险、证券等在内的整个金融行业,都已经并正在发生着用人工智能改进现有流程,提高业务效率,大幅增加收入或降低成本的巨大变革。

    人工智能之所以能在近年来突飞猛进,主要得益于深度学习算法的成功应用和大数据所打下的坚实基础。判断人工智能技术能在哪个行业最先引起革命性的变革,除了要看这个行业对自动化、智能化的内在需求外,主要还要看这个行业内的数据积累、数据流转、数据存储和数据更新是不是达到了深度学习算法对大数据的要求。

    放眼各垂直领域,金融行业可以说是全球大数据积累最好的行业。银行、保险、证券等业务本来就是基于大规模数据开展的,这些行业很早就开始了自动化系统的建设,并极度重视数据本身的规范化、数据采集的自动化、数据存储的集中化、数据共享的平台化。

    以深度学习为代表的人工智能算法所要做的,就是充分挖掘并有效地利用这些海量弱特征数据,建立起更加符合真实世界规律的数学模型。虽然无法凭借其中少数几条数据就做出借贷决定,但如果把几百个甚至几千个维度的数据综合起来,就可以训练出有效的风控模型,并以此为风控依据为用户做出借贷决定。

    金融市场上,用人工智能技术自动建立预测模型,自动进行量化交易来赚钱,是许多数学天才和计算机科学家都热衷的研究方向。

    从机器翻译到智能家电,再到智能超市,人工智能技术给我们生活带来的巨大变化才刚刚开始。其实,如果回到10年以前,2007年苹果才刚刚发布第一代iPhone手机,那时谁会想到只用了10年的时间,智能手机就无处不在了呢?类似地,从现在算起,再过10年,大家可以看看我们的生活细节发生了哪些变化。今天的我们绝对没法准确预测,未来10年中人工智能可以给我们的生活带来多么巨大的改变。

    人工智能对人类最有意义的帮助之一就是促进医疗科技的发展,让机器、算法和大数据为人类自身的健康服务,让智慧医疗成为未来地球人抵御疾病、延长寿命的核心科技。在AI的帮助下,我们看到的不会是医生失业,而是同样数量的医生可以服务几倍、数十倍甚至更多的人群。医疗资源分布不均衡的地区,会因为AI的引入,让绝大多数病人享受到一流的医疗服务。

    基于深度学习的“风格迁移”技术,可以为计算机绘画或计算机修图软件带来许多难以置信的功能。在本书开头,我们已经见识了名为Prisma的手机应用程序将普通照片变为或曼妙或奇幻的不同风格绘画作品的神奇魔力,也看到了著名的手机app美图秀秀提供的手绘自拍功能。

    从刀耕火种时代至今,人类历史上的协作分工,基本都遵循一个类似金字塔形状的社会结构模型:少数人影响、领导和指挥较多的人,较多的人再进一步影响或管理更多的人,逐级向下,金字塔底层是大量从事简单、重复性劳动的人。

    在现代商业体系中,处于金字塔顶层的政治家、经济学家为整个经济活动的总体战略布局指示方向——这个人群的数量最少;处于稍下层的企业家们,则在尽可能地利用互联网时代的全球化经济体系,设计最符合自身企业需求的商业模式——这个人群的数量稍多;企业里的中层管理者则起到承上启下的作用,在实际执行过程里既负责监控执行效果,又负责制定具体执行策略,实施人员管理(互联网和流程自动化的普及让这个中层的管理结构趋于扁平,使每个中层管理者可以管理更多的员工,或监控更复杂的流程)——这个人群的数量相当大,在中国也许有数千万人;而更多的人则投入到每一项具体的工作任务中,包括产品的生产制造者,技术的研发者,商品的运输者(想想我们在淘宝轻松购物的背后,有千千万万的快递骑士每天奔波于每个城市的街头)——这个人群在中国有好几亿人。这种社会体系顺利运行的基石就是分工协作,从最复杂的脑力劳动,到简单的、重复性的脑力或体力劳动,分别由数量不同的人群承担。

    那个时候,少数人类精英继续从事科学研究和前沿科技开发,大量简单、重复的初级工作由人工智能完成,大多数人享受生活,享受人生。由此也必然会催生娱乐产业的大发展,未来的虚拟现实(VR)和增强现实(AR)技术必将深入每个人的生活中,成为人类一种全新的娱乐方式。

    大多数情况下,人工智能并不是一种全新的业务流程或全新的商业模式,而是对现有业务流程、商业模式的根本性改造。AI重在提升效率,而非发明新流程、新业务。未来10年,不仅仅是高科技领域,任何一个企业,如果不尽早为自己的业务流程引入“AI+”的先进思维方式,就很容易处于落后的追随者地位。

    2016年,关注全球人工智能发展态势的朋友一定会注意到,这一年几乎成了人工智能的“战略报告年”,从科研机构到咨询公司,从民间到政府,我们看到了许多份重量级的AI报告。

    谷歌之所以为谷歌,最重要的是,无论在哪一次重大的技术变革中,谷歌几乎都能敏锐地捕捉到先机,早早建立起领先竞争对手一两年乃至三五年的巨大技术优势。当年,在移动互联网还在襁褓之中的时候,谷歌高层就极为重视,连续通过自研与收购相结合,为移动互联网打造了Android操作系统和Chrome浏览器两大基础平台。

    从2012年到2015年,谷歌内部使用深度学习(绝大多数都依赖于谷歌大脑)的项目数量从零迅猛增长到一千多个。随着谷歌Tensor Flow深度学习框架的开源,谷歌以外得益于谷歌大脑的项目更是数不胜数。到了2016年,“AI先行”在谷歌已经不只是一句口号,而是随处可见的事实了。

    以谷歌大脑为基础,建立一个面向人工智能时代的新技术平台。在这个平台上,基于深度学习的谷歌大脑是驱动引擎,几乎每一家Alphabet旗下的子公司都像是安装了这一引擎,在不同赛道上飞驰的赛车。这里面既有人工智能驱动的生物医疗项目Calico,也有智能家居项目Nest,既有曾风光无限的自动驾驶项目Waymo,也有面向智慧城市的Sidewalk Labs。当然,Alphabet旗下最能带来现金收益的龙头老大,还要数早已将人工智能作为核心竞争力的搜索与移动互联网巨头——谷歌。

    更糟糕的是,巨头建立的AI平台以及巨头之间的结盟关系,有可能让数字鸿沟变得越来越严重。信息在人工智能算法的组织、管理下,会更多地向有信息理解和处理能力的平台、企业、终端用户倾斜,接受过高等教育、积极参与网络生活的用户更加容易获得信息和人工智能应用的帮助,而教育水平低、较少参与网络生活的用户则难以找到可以改善自己生活的有效信息。

    中国的人工智能创业几乎与世界同步。根据《乌镇指数:全球人工智能发展报告2016》154的统计:人工智能领域,美国与欧洲投资较为密集,数量较多,其次为中国、印度、以色列。美国共获得3450多笔投资,位列全球第一;英国获得274笔投资,位列第二;中国则以146笔投资位列第三。美国人工智能企业总数为2905家,全球第一。仅加州的旧金山/湾区、大洛杉矶地区两地的企业数量即达到1155家,占全球的19.13%。中国人工智能企业数量虽不及美国,但在北京、上海、深圳三大城市,也集中了一批高质量的人工智能团队。北京、上海、深圳的AI企业数量占全球总数的7.4%,在东亚地区位列前三。其中,北京的AI企业就有242家。

    本质上,过去20年的互联网和移动互联网是一个不断将线上、线下的业务场景紧密连接,同时也不断促使数据产生、流转、集中和再利用的过程。如果把世界看成一个大市场,互联网和移动互联网的作用就是让这个大市场中的信息更透明,让信息流通更顺畅,以此降低交易成本,消除信息不对称。我们认为,下一次生产率革命的关键是“自动化”,而人工智能正是帮助现有流程实现自动化的最好工具。

    创新工场管理合伙人、资深投资人汪华认为,人工智能的商业化大致可分为三个主要阶段:第一阶段,AI会率先在那些在线化程度高的行业开始应用,在数据端、媒体端实现自动化。第二阶段,随着感知技术、传感器和机器人技术的发展,AI会延伸到实体世界,并率先在专业领域、行业应用、生产力端实现线下业务的自动化。第三阶段,当成本技术进一步成熟时,AI会延伸到个人场景,全面自动化的时代终将到来。

    按照我的归纳和总结,人工智能时代的创业有五个前提条件:·清晰的领域界限:人工智能创业,要解决的领域问题一定要非常清晰,有明确的领域边界,因为这一类问题是今天以深度学习为代表的人工智能算法最善于解决的。·闭环的、自动标注的数据:针对要用AI解决的领域问题,最好要在这个领域内,有闭环的、自动标注的数据。·千万级的数据量:今天人工智能的代表算法是深度学习。而深度学习通常要求足够数量的训练数据。一般而言,拥有千万级的数据量是保证深度学习质量的前提。·超大规模的计算能力:深度学习在进行模型训练时,对电脑的计算能力有着近乎“痴狂”的渴求。·顶尖的AI科学家:今天的人工智能研发还相当依赖于算法工程师甚至是AI科学家的个人经验积累。水平最高的科学家与普通水平的算法工程师之间,生产力的差异不啻千百倍。

    概括来说,目前的人工智能产业发展面临六大挑战:一、前沿科研与产业实践尚未紧密衔接:除少数垂直领域凭借多年大数据积累和业务流程优化经验,已催生出营销、风控、智能投顾、安防等人工智能技术可直接落地的应用场景外,大多数传统行业的业务需求与人工智能的前沿科技成果之间尚存在不小距离。二、人才缺口巨大,人才结构失衡:据Linked In统计,全球目前拥有约25万名人工智能专业人才,其中美国约占三分之一。三、数据孤岛化和碎片化问题明显:数据隐私、数据安全对人工智能技术建立跨行业、跨领域的大数据模型提出了政策、法规与监管方面的要求。各垂直领域的从业者从商业利益出发,也为数据的共享和流转限定了基本的规则和边界。四、可复用和标准化的技术框架、平台、工具、服务尚未成熟:虽然Tensor Flow、Caffe、MXNet等深度学习框架已被数以万计的研发团队采纳,相关开源项目的数量也在飞速增加,但一个完整人工智能生态所必备的,从芯片、总线、平台、架构到框架、应用模型、测评工具、可视化工具、云服务的模块化与标准化工作,尚需3年或更长时间才能真正成熟。五、一些领域存在超前发展、盲目投资等问题:目前的人工智能技术只有在限定问题边界、规范使用场景、拥有大数据支持的领域才能发挥最大效能。六、创业难度相对较高,早期创业团队需要更多支持

    无论从哪个角度来说,中国人/华人正在人工智能领域里发挥举足轻重的作用,而且,从2014年和2015年开始,中国人/华人已经处于人工智能研究的领先地位,占据了人工智能科研世界的半壁江山!

    创新工场根据技术成熟度和未来发展趋势,将人工智能各应用领域划分为现阶段已成熟、3到5年成熟、5到10年成熟、10年后成熟等不同类型,并分别设计相应的投资策略。创新工场将人工智能领域的应用划分为大数据、感知、理解、机器人、自动驾驶等不同门类,每个门类中,按照人工智能技术的应用成熟度,将具体应用领域排列在时间维度上。

    除了直接投资,创新工场还宣布成立人工智能工程院。这是一个专门面向人工智能的创业人才培养基地和创业项目孵化实验室,其使命是为人工智能创业提供人才与技术、产品和商业经验、市场推广、软硬件平台、高质量大数据源等多方位的支持。

    人工智能时代,程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能,几乎一定可以由机器来完成;反之,那些最能体现人的综合素质的技能,例如,人对于复杂系统的综合分析、决策能力,对于艺术和文化的审美能力和创造性思维,由生活经验及文化熏陶产生的直觉、常识,基于人自身的情感(爱、恨、热情、冷漠等)与他人互动的能力……这些是人工智能时代最有价值,最值得培养、学习的技能。

    在AI时代里,只会在某个狭窄领域从事简单工作的人,无论如何都无法与AI的效率和成本相比,必然会被机器所取代。如果不想在AI时代失去人生的价值与意义,如果不想成为“无用”的人,唯有从现在开始,找到自己的独特之处,拥抱人类的独特价值,成为在情感、性格、素养上都更加全面的人。

主题帖 181 关注 0 粉丝 0
情感指数

链路大数据分析置信度 10.23 %

TA的主题帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表