雲棲科技評論第93期--傳媒--人民網
人民網首頁
93

卷首語

人民網公眾號

阿裡雲公眾號

人工智能產業的四大浪費(下)
   上一周的《雲棲科技評論》中,我們提到在人工智能產業的高速發展中,正不經意產生本可以避免的浪費,其中包括算力浪費、數據浪費、AI能力浪費和AI人才浪費等方面,雖然AI領域的投資仍然處在高速增長期,但浪費仍然會對產業發展產生負面影響。

   存在浪費就需要有針對性的解決方案,在此提出相關建議以拋磚引玉。

   首先,針對AI算力浪費來說,使用公共計算平台(公共雲)所提供的算力,尤其是AI算力,是一個避免重復建設AI計算平台(硬件基礎設施)的重要方式。公共雲因其按需付費、資源共享的特性,可以實現公共服務天然帶來的邊際成本效應的降低,從而能夠以更低的成本獲得人工智能算力,不僅降低企業獲得AI算力的成本,更能避免AI算力的浪費﹔

   其次,就AI能力的浪費來說,公共雲平台也是一個很好的選擇,一方面,雲平台天然解決了企業數據和技術的統一,這也構成了企業獲取人工智能能力的最重要路徑﹔另一方面,雲服務商將AI能力作為“公共服務”提供,對其易用性、適用性、功能性都有所優化或強化,對於企業來說,可以更加快速和便捷地將其應用到實際業務中去。

   第三,數據共享平台的建立至關重要。雖然近年來AI研究者們持續試圖在小數據集上實現AI技術突破,但總體來說收效並不明顯,數據仍然是AI產業發展的重要基礎資源,完整、全面、准確、實時的數據非常關鍵。因此,建立可信、可靠、可用的服務於AI產業發展的數據共享平台至關重要,當然,這種共享平台必須要保証數據安全、信息脫敏和隱私數據保護。

   最后是AI人才浪費的問題,正如上一期所說:由於在AI人才培養中,計算機學科、人工智能技術的教學未能與生物醫療、交通運輸、工程建筑、腦科學等學科實現融合與交叉,造成“AI人才不懂行業,行業人才不熟AI”的局面,AI人才往往變成了“計算機學科人才”而非AI產業人才。

   針對這一問題,借助跨學科教育培養新一代信息技術人才已經成為共識:2018年11月,MIT宣布在計算和AI領域投資10億美元,成立面向全球計算和人工智能領域教育與研究的“蘇世民計算學院”,該學院以培養“雙學科學者”為目標,讓各個學科的專家對計算和AI知識的掌握程度與他們在自己的專業領域一樣熟練,從而培養“AI+專業學科人才”,從而保証AI人才在產業中可以學以致用。

                                       阿裡雲研究中心 崔昊

  編輯制作:人民網研究院  內容提供:阿裡雲研究中心
  本刊僅用於行業交流,非商業用途。編輯或專家觀點獨立,不代表本刊立場。部分所選用內容,未能與作者取得聯系,請聯系本刊:yjy@people.cn

1、Facebook或支付數十億美元以了結其隱私泄露調查


Facebook或支付數十億美元以了結其隱私泄露調查

  【新聞摘要】 據《華盛頓郵報》報道,美國聯邦貿易委員會(FTC)正與Facebook討論,通過讓后者支付總金額高達數十億美元的罰款以了結一起由劍橋分析公司丑聞而引發的調查,有知情人士稱,目前雙方尚未就金額達成一致。Facebook的談判代表對該機構提出的條款表示了擔憂。如果FTC和Facebook無法達成協議,FTC可能起訴Facebook,結果可能會是被處以比雙方目前正在談判的罰款金額還要高得多的罰款。(閱讀報道)
  【小雲評論】2011年,Facebook簽署了相關協議,承諾會對其用戶的私人信息保密,但事實上卻“屢次讓這些資料遭到外泄”。華盛頓郵報估計,劍橋分析公司丑聞所引發的賠償,針對每位受影響的用戶,FTC最高可判處Facebook數額為41484美元的罰金。根據泄密事件牽涉到的美國用戶人數,此次Facebook面臨的最高處罰將達7.1萬億美元。但一般來說,類似的事件最終都以一個“Facebook可以接受的‘價格’妥協”,而這也引發了另一個擔憂:如果每次都是以“合理的價格”妥協,用戶隱私泄露的問題很可能根本無法得到根治。

2、加州公布2018年自動駕駛裡程


加州公布2018年自動駕駛裡程

  【新聞摘要】 加利福尼亞州車輛管理局(DMV)日前公開了2018年度全球62家無人駕駛公司在該州的路測數據,數據報告顯示,在L4級無人駕駛領域,技術成熟度與路測的總裡程數成正比關系,裡程數越高,技術成熟度越高,谷歌無人駕駛公司Waymo以127萬英裡的路測裡程數奪得2018年路測裡程總數冠軍。通用汽車旗下的Cruise緊隨其后名列第二,Apple、Zoox、Uber、Nuro、AutoX和Aurora等公司的路測裡程數均超過2萬英裡,AutoX是唯一一家中國北京的公司。在路測裡程數位列前11名的公司中,有四家中國公司上榜。(閱讀報道)
  【小雲評論】2017年公開數據顯示,除谷歌Waymo和通用汽車Cruise之外,沒有任何一家無人駕駛公司的路測裡程超過5千英裡,而在2018年,無人駕駛公司的前十一大路測裡程的門檻則為15441英裡,除Waymo外的單車年無人駕駛裡程甚至已經高達4253英裡(Aurora公司),過去的一年稱得上是“無人駕駛路測爆發的一年”。此外值得注意的是,除通用汽車Cruise之外,傳統車企的無人駕駛路測數據仍然與科技公司差距甚遠,在急切追趕電動汽車差距的同時,傳統車企不能忽略無人駕駛領域的投入力度,特別是具有非常重要意義的實際道路測試。

3、谷歌今年將在房地產投130億美元


谷歌今年將在房地產投130億美元

  【新聞摘要】 據CNBC報道,谷歌首席執行官桑達爾·皮查伊(Sundar Pichai)近日表示,該公司正在美國各地建設新的數據中心和辦公室,並已經擴張到幾個新的關鍵地點。為此,該公司今年在房地產方面的開支將達130億美元,比2018年增加一倍。桑達爾·皮查伊概述的計劃包括在內華達、俄亥俄、德克薩斯以及內布拉斯加等州建設新的數據中心,這是該公司首次在這些州建立基礎設施。此外,谷歌還將增加弗吉尼亞州的員工數量,為華盛頓特區提供新的辦公室和更多的數據中心空間,並在紐約哈德遜廣場擴建紐約園區。(閱讀報道)
  【小雲評論】2019年以來,谷歌顯著加重了在雲計算領域的投注,尤其是在雲計算的底層基礎設施——數據中心領域,谷歌持續投入重資,顯示出谷歌2019年在雲計算市場取得份額突破和業務發展的雄心。谷歌此時突然加大雲計算領域投入與全球雲計算市場的發展趨勢不無關系:雲計算市場正在顯著向主流的大型雲計算供應商,如亞馬遜AWS、微軟Azure和阿裡雲等聚集,谷歌、IBM等處於第二梯隊的雲計算服務商與三大巨頭之間無論是在業務增速還是在商業化程度上的差距都在加大。

4、美軍為傷兵研發智能繃帶


美軍為傷兵研發智能繃帶

  【新聞摘要】 據TechCrunch報道,為了在傷勢嚴重、條件危險的戰場上,為受傷士兵提供迅速而有效的治療,美國國防部下屬研究部門DARPA正在試圖通過在“組織再生生物電子項目(BETR)”下資助合作伙伴的形式,設計出一種包括智能繃帶在內的能夠預測病人需求並自動做出反應的系統,從而改善戰場上受傷士兵的傷口恢復效果。BETR項目經理保羅·希恩認為,理想的治療方法是感知、處理和響應傷口狀態的這些變化,並進行干預,以糾正和加快恢復,因此,智能反應系統“密切跟蹤傷口的進展,然后實時刺激愈合過程,以優化組織修復和再生”的功能邏輯是可行的。(閱讀報道)
  【小雲評論】正如文中所說,一個簡單的例子可能是,智能繃帶能從通過特定的化學信號檢測到傷口被某種特定的細菌感染。然后,它可以精確提供抗生素劑量,並在必要時停止給藥,而不是等待醫生的處方。或者,如果智能繃帶檢測到剪切力,然后心率增加,這很可能意味著病人正被移動,並處於疼痛中,在此情況下,它會自動釋放止痛藥。不僅如此,整個“治療”過程的數據都將實時反饋給醫護人員,從而加入醫護人員對於傷口的專業處理意見,進一步加速恢復速度。很顯然,BETR的這一想法需要人工智能的幫助:智能反應系統借助AI的能力學習基本的醫療護理和藥物使用知識,從而實現“繃帶智能”。

5、約6.17億在線賬戶信息在暗網出售


約6.17億在線賬戶信息在暗網出售

  【新聞摘要】 據國外媒體報道,從16個被黑客入侵的網站上竊取的約6.17億在線賬戶信息將在暗網上銷售,買家隻需支付不到2萬美元的比特幣,就可以從Tor網絡中的Dream Market網絡集市購買這些被盜的賬戶數據。從已經放出的數據中可以看到,這些賬戶都是真實有效的,不僅包括賬戶持有人的姓名,還有其電子郵件地址和賬戶密碼等信息。盡管這些數據經過哈希處理或單項加密,但破解起來並不是一件難事。不同的網站數據包含的信息也不盡相同,有些就含有位置、個人詳細信息以及社交媒體身份驗証秘鑰等信息。不過這些數據中似乎並沒有付款或銀行卡之類的信息。(閱讀報道)
  【小雲評論】雖然黑客售賣的數據中目前還看不到付款或銀行卡信息,但這些數據仍然有被用於“撞庫攻擊”(即憑據填塞攻擊,實施“撞庫攻擊”的犯罪分子往往會使用從一個網站中竊取的用戶名及密碼嘗試登錄該用戶其他網站的賬戶,從而獲得其它有價值的信息,如信用卡信息。)的風險。但此次用戶信息售賣事件最令人震驚的是:包括MyHeritage、MyFitnessPal和Animoto在內的網站在2018年確實披露過黑客入侵事件,但其他的網站卻從未有過相關新聞,這意味著這些網站的用戶在隱私信息被售賣前沒有得到及時通知以修改登錄密碼、信用卡賬號等關鍵信息,由此造成的風險可見一斑。

6、全球半導體廠商業績“觸頂”跡象明顯


全球半導體廠商業績“觸頂”跡象明顯

  【新聞摘要】 《日本經濟新聞》日前刊發報道稱,韓國三星電子等8家主要廠商的2018年第四季度淨利潤合計環比下滑約3成,全球半導體廠商的業績“觸頂”跡象正在加強。該報道認為,在中國經濟增速放緩日趨明顯的背景下,美國蘋果公司的iPhone等智能手機銷售放緩,數據中心的建設熱潮也告一段落。各廠商處於庫存增加導致財務容易受到擠壓的狀況,因此開始出現減少設備投資的趨勢。從數據上來看,8家主要廠商合計的淨利潤以2016年初為最低點,之后一直維持增長態勢,到2018年第三季度達到254億美元的頂峰。但在第四季度減少至186億美元。除高通和英飛凌之外的6家均陷入利潤下滑或虧損。(閱讀報道)
  【小雲評論】智能手機與數據中心建設熱度的減弱,使得全球半導體廠商的庫存正在增加,同時,據業界團體世界半導體貿易統計組織協會(WSTS)推算,2019年半導體市場規模增長3%,處於較低增速。當然,對於半導體廠商來說也並不都是壞消息:隨著人工智能、物聯網等領域的高速發展,與之對應的人工智能芯片、物聯網芯片預計進入高速增長期,其市場規模很可能彌補智能手機與數據中心領域芯片需求降低的市場缺口。不過目前這些芯片的需求還未形成規模,在此之前,半導體廠商恐怕確實要過上一段時間的“苦日子”了。

7、OpenAI組織展示通用語言學習系統


OpenAI組織展示通用語言學習系統

  【新聞摘要】 由硅谷多家公司和投資人共同成立的人工智能非營利性組織OpenAI日前發布了被稱為GPT-2的自然語言處理(NLP)模型,其最大亮點是可以生成給定單詞或句子的連貫文本,而且在一系列 NLP 測試中實現最佳 (或接近最佳) 性能。自然語言處理專家、Salesforce 首席科學家 Richard Socher 對《麻省理工科技評論》表示,OpenAI 這次的工作展示了一個更通用的語言學習系統,這些通用學習系統代表著未來。而OpenAI 認為,GPT-2 的誕生表明,足夠大的語言模型可以在不需要特定領域數據集或修改的情況下學習 NLP 任務。(閱讀報道)
  【小雲評論】GPT-2引發了人們有關“AI假新聞”的擔憂。此前,在沒有人工制作的語法規則和精心標記的數據集輔助的情況下,AI還難以實現自然“說話”,但GPT-2的出現讓這成為可能,這一強大的語言模型,可以在不需要特定領域數據集或修改的情況下學習 NLP 任務,換言之,制造“AI假新聞”,而且用作展示其能力的“AI新聞樣例”已經基本上確認了它的能力。為了不讓全球在未來充滿“AI假新聞”,除了OpenAI以“負責任的態度發布這個模型”,以及“針對可以用來生成誤導性內容的 AI 系統進行更多的審查”,充分考慮技術上的對應策略至關重要,比如使用對抗神經網絡等AI技術去識別、發現“AI假新聞”。

8、摩根大通首開先例推自有加密貨幣JPM Coin


摩根大通首開先例推自有加密貨幣JPM Coin

  【新聞摘要】 摩根大通銀行日前推出自有加密貨幣JPM Coin,這使該行成為全球第一家推出自有加密貨幣(數字貨幣)並投入實際業務使用的大型銀行,也是華爾街機構擁抱區塊鏈技術的最新大動作。據該機構稱,JPM Coin主要將用於機構客戶業務結算,目前其仍然是一個“原型”, 初期僅有一小部分交易使用 JPM Coin,也隻有少數擁有監管合規[許可?]許可的主要機構客戶才可能參與使用。摩根大通表示沒有計劃在這一階段對個人客戶提供服務。摩根大通旗下有規模龐大的批量支付業務,每日在全球轉帳流動量超過 6 萬億美元。(閱讀報道)
  【小雲評論】“炒幣”不是摩根大通的目標,數字貨幣本身也不是,對於一家金融機構來說,安全可靠的交易方式和為金融行業的發展做好准備更加重要,這正是JPM Coin的目標:摩根大通所做的是為未來全球金融交易基礎建設做好准備,包含將從跨境支付到發行公司債券的業務,都轉移到區塊鏈上。因此,雖然JPM Coin與美元可以以1:1兌換,但它並不是真正意義上的數字貨幣,更像是一種交易支付結算等限定用途的“可信的等價標記物”,因此其應用范圍將非常廣闊,包括跨境支付、証券交易以及大型企業會計賬務合並等。

9、2019年雲計算十大趨勢


2019年雲計算十大趨勢

  【新聞摘要】 據國內媒體刊發的《2019年雲計算十大趨勢》顯示,業內專家普遍認為,人工智能將引發巨大的商業變革,而未來衡量企業是否先進的一個重要指標就是——智能協助員工(不僅僅是服務於高管)做決策的比例。此外,企業決策層對於人工智能興趣濃厚,但更青睞全面的智能解決方案。與此同時,在行業整體發展上,多數專家認為,隨著諸多企業整體上雲,雲計算市場滲透率將加速提升,公有雲市場集中度進一步提高。同時,巨頭雲計算公司會利用人才、資本、生態等多重優勢,在雲計算領域展開並購,並嘗試向產業上游延伸。(閱讀報道)
  【小雲評論】以雲平台為基礎提供AI能力,解決了新技術普及期的一個關鍵問題,即如何以用戶可接受的成本,在盡可能廣泛的范圍內,讓用戶快速獲得先進的新一代信息技術,並將其應用到實際業務中。目前,阿裡雲等公有雲平台已經成為客戶獲得最前沿的全面人工智能能力的最重要渠道,並由於雲計算作為一種公共服務所帶來的天然的邊際成本效應降低,而能夠以更低的成本獲得人工智能能力。

10、IBM認為模擬芯片可為機器學習加速1000倍


IBM認為模擬芯片可為機器學習加速1000倍

  【新聞摘要】 IBM研究院的半導體和人工智能硬件副總裁Mukesh Khare日前表示,目前的機器學習限制可以通過使用新的處理硬件來打破,他認為在數字AI核心和近似計算、帶模擬內核的內存計算、採用優化材料的模擬核心等領域,針對AI需求設計的“AI硬件(特別是AI芯片)”可以帶來飛躍式的發展。因此,IBM Research AI硬件中心正在建立廣泛的AI芯片及其他AI硬件生態,其合作伙伴涵蓋半導體全產業鏈上的公司,包括IBM制造和研究領域的戰略合作伙伴三星,互聯解決方案公司Mellanox Technologies,提供仿真和原型設計解決方案軟件平台提供商Synopsys,半導體設備公司Applied Materials和Tokyo Electron Limited(TEL)。(閱讀報道)
  【小雲評論】“用硬件來解決問題”的思路在2010年前后曾經在數據庫性能優化領域出現過:SSD(閃存盤)所帶來的巨大性能提升,對苦於通過代碼和數據結構優化來提升數據庫性能的DBA(數據庫管理員)們來說不啻為“天降福音”,為數據庫帶來了飛躍式的性能提升。但同時市場上也有反對聲音認為:硬件的飛躍,助長了在軟件(算法、代碼和數據結構等領域)上“懶惰”,這會產生不良的后果。回到AI硬件的話題,作為AI發展的關鍵三要素:算法、算力和數據,僅僅算力上的增長是遠遠不夠的,算力的提升會帶來AI能力的躍升,但切記不忽略算法的重要性。