2018 年 AI 趋势报告


2018年4月26日

2018 年 AI 趋势报告

文/ CBINSIGHTS 译/ 欧剃 编辑/ Allen

enter image description here

最近,CB Insights 发布 2018 年 AI 报告,预测了 12 个 AI 相关的趋势,优达菌觉得这份报告含金量很重,其中有很多和中国相关的章节(尤其是对中美 AI 领导权问题进行了深刻剖析),相信对大家会很有帮助和参考意义,所以就选取部分进行汉化,和大家分享。

1.新的蓝领工种:给机器人当“保姆”

和通常认为的相反,如今在美国,随着工业机器人数量的增长,制造业企业的雇员数量不减反。为了节省人工成本,制造业相关工作曾经大量被外包给发展中国家。但采用工业机器人之后,人力成本得以减少,这类制造基地有可能回归,向最终消费市场所在区域靠拢。

最近,为阿迪达斯代工衣物的苏州天元纺织有限公司,在美国阿肯色州小石城开了一家新工厂,还雇佣了 400 名当地工人。该公司采用了来自乔治亚州的初创企业 SoftWear Automation 生产的自动缝纫机器人来完成许多给阿迪达斯的产品订单。大量的重体力工作任务将由机器人自动完成,甚至包括以往只能由人类完成的品控、组装和制造工作。人类雇员则负责更高端的工作任务,包括机器人的维护和操作等。SoftWear Automation 的野心是打造“没有人力直接干预就能完成服装制造的工厂”。

)

然而,在大规模自动化的迅猛浪潮中,总有一些东西是无法完全自动化的。根据消费者的偏好和机器人的特性,多多少少都需要人类的介入。即使是高度自动化的亚马逊自动仓储设施也不能例外。为了提升分拣装货仓储等工作的效率,亚马逊在不同的自动化仓储设施中配置了10万台以上的机器人,然而在最终的取货、包装等环节上,还是需要人工进行,更别提这么多机器人的修理维护了。这也使亚马逊的订单中心创造了数千个面向人类的工作机会。

2.各种专业方向的AI将无处不在

为各种服务定制的专用AI将势不可挡地深入生活的每一个角落,从控制啤酒发酵,到自动培育烟草,机器学习将接管一切可能的领域。机器学习技术基本上可以被应用于任何领域,只要有足够的数据来训练它,并且有明确的结果要求给计算机做目标。

从英国的 IntelligentX 发布全球第一批 AI 酿的啤酒,到俄国的DeepFish 用神经网络来识别鱼类的雷达信号,瑞典的 Hoofstep 拿风投的钱让深度学习程序分析马匹的行为,纽约的 Prose 用 AI 来生产个人定制的护发产品… 最后这家拿到了约757万美金的风投。 2018年,这样的事情肯定会有增无减。从单纯的爱好到超级吸金的创意,机器学习已经证明了自己的能力。可以说,机器学习已经跳出了一项技术的桎梏,它将成为今后各种应用软件和智能技术的基石。

3.中美之间的AI领导权争夺战已经爆发

回顾 2017 年,虽然国内的AI创业公司在全球 AI 市场中只有 9% 的市场份额,但从年度人工智能初创企业的股权融资额来看,中国的 AI 创业公司拿到了全球总量的几乎一半,首次在资金份额上超过了美国。

按照我国的人工智能发展规划,到 2020 年,中国人工智能总体技术和应用将与世界先进水平同步;到 2025 年,人工智能基础理论实现重大突破;到2030年,人工智能理论、技术与应用总体达到世界领先水平。

这其中的关键项目之一,就是 AI 芯片技术。据悉,该项目的目标是创造出比 Nvidia 生产的 GPU 的性能和能效都高20倍的新型处理器。国内 AI 芯片初创公司寒武纪科技的A轮融资总额达到1亿美元,目标是为深度学习开发专用的芯片,预计在三年内生产出10亿片。

同时,中国公司似乎在 AI 相关的专利申请上逐渐超越他们在美国的友商。通过对近年来的 AI 相关专利进行简单检索(查询标题和摘要部分中包含的关键词),可以看出,来自中国的 AI 相关专利正在迅猛增长中,远远超过了美国专利和商标局近年来公布的同一领域的专利数量。以深度学习为例,中国公布的相关专利数量达到了美国同期的 6 倍。

可以说,中美之间的AI领导权争夺战已经爆发,在2018年,我们将看到怎样的精彩角逐呢?

4.未来国防科技将推进 AI 技术更新

国防科技自然也没放过 AI 这一威力巨大的先进技术。不但许多初创公司拿着自己的技术向军方兜售,军方自然也不甘人后。目前的热点集中在数据中心上。早至2014年起,亚马逊就为 CIA 建设了一座定制的云计算平台,全部设备都达到处理敏感信息所需的安全级别。亚马逊还收购了两家 AI 网络安全企业,进一步强化云端数据安全。不论采用哪一家的技术,AI 都必将成为新一代政府主导的网络安全项目的核心。冷战期间,美国佬担心的是在核武器军备竞赛中落后,而现在,他们担心的是网络军备。而这将使网络安全和传统的国土安全相辅相成,融为一体。

在2017年,我们见过了 WannaCry 系列勒索病毒的威力,也目睹了 Equifax 网络安全事故泄露出公民个人信息的事件,甚至传说中俄国利用网络干预美国总统大选结果等一系列网络安全事件。日趋严峻的网络安全形势反过来给安全相关 AI 算法的研发带来了一个史无前例的重要机会。由于网络攻击的方式不断进化,防御方将不得不面对层出不穷的新型病毒,而这给 AI 搭建了一个绝佳的舞台。凭借大规模处理、分析的能力,AI 将拥有快速鉴定各类异常情况、风险动作和可能出现威胁的信号的本领。

目前,网络安全领域已有 134 家初创公司,近5年总融资额超过 36.5 亿美元,其中 34 家是去年刚完成首轮风投融资。而这一行业的领航巨擎包括 Cybereason、CrowdStrike、Cylance 和 Tanium,它们每家的估值都超过9亿美元。

5.Alexa,你听得懂中文吗?

从全球市场上来看,亚马逊 Echo 和 Google Home 基本上垄断了智能家居的语音交互领域。但这些服务对母语不是英语的用户并不是太友好。

有需要的地方,就会有市场。在 CES2018 ,人工智能驱动的自然语音识别已经成了新的热点,基本上,所有的物联网设备都集成了亚马逊 Echo 或 Google Home 的语音技术。 LG 的物联网产品中,约有 80 种带有和 Google Home 联动的能力,而三星则干脆开发了自己的 AI 语音助手 Bixby,并希望在 2020 年完成智能家居设备的全覆盖。

6.白领职业自动化速度加快

过去定义的白领职业——比如律师、咨询顾问、金融顾问、新闻记者、证券从业者等——跟蓝领工人一样,也将面对 AI 的影响。由 AI 驱动的,针对专业人士的自动化及辅助增强软件(EAAS)将开辟 AI 辅助或 AI 增强产品的新领域。

这一 AI 增强技术将极大地威胁白领阶层中的文字工作者,从律师到记者,从理财经理到经济咨询顾问,都难以幸免。比如,在法律文书工作中,人工智能在增加效率、减少错误方面具有巨大的潜力,自然语言识别(文字处理)工具能在转瞬之间处理上千页的法律文书。

程序员恐怕也不是金饭碗。已经有基于人工智能的自动软件测试工具正在研发之中,更别提用深度学习从手绘草稿中自动生成 HTML 代码的 pix2code 、Sketch2code 等技术了。英国人去年就搞出了 DiffBlue,训练 AI 帮你修 Bug,或者将代码从一种语言迁移到另一种。是不是很可怕?

最难以撼动的职业领域估计还是健康护理和教育领域,因为这不仅需要准确频繁的动态自然语言交互,还需要高度的共情能力。然而,以教育领域为例,AI 已经开始协助人类教师完成诸如试卷评分、语法纠正等方面的辅助性工作。

7.AI 转入外围设备

2017年,AI 的一大变化是从服务端逐渐转入外围设备,也就是直接整合在小型设备和传感器中。换句话说, AI 可能直接“住在”你的耳机里,自动过滤屏蔽周围的噪音,或是整合在你的车载控制系统里,快速实时根据路况信息调整车辆情况。这就避免了过去需要和云端AI本体或是手机智能app通讯然后才能产生响应的延迟。另一方面,外围设备中的 AI 能 更好地作为离线私人数字助理,根据你的使用偏好完成个性化服务,例如识别口音或是面部表情等。

Apple 发布的 A11 芯片自带一个“神经网络引擎”,据说能以最高每秒6000 亿次的速度执行机器学习任务。新 iPhone 设备的 FaceID 等功能都仰赖于此。

而芯片巨头英特尔也不甘示弱,通过大规模的并购将许多机器学习的专用芯片技术纳入囊中。近期英特尔也发布了一款工作于外围设备的 AI 芯片 Myriad X,期望能将深度学习技术跑在小到无人机或婴儿监控狐狸设备上,而不再局限于智能手机平台。

当然,在外围设备上运行的 AI 确实能极大地提高效率,减少响应时间,但存储和处理能力的瓶颈依然存在。因此,2018 年,更多的外围设备 AI 模型将趋向于使许多智能外围设备的 AI 之间能进行数据交换,并和中央服务器通讯,以期跨越这个瓶颈。

8.“胶囊网络”的出现

如今,深度学习已经被用于驱动大部分的 AI 应用,今后,在“胶囊网络”架构的推动下,它又将迎来新一轮的变革。以往的机器学习常用的一种神经网络架构叫卷积神经网络(Convolutional Neural Network, CNN),但现在,一种全新的架构正浮出水面,据称能在多个方面超越 CNN 的性能,并弥补许多旧架构存在的安全问题。

图为卷积神经网络遇到的挑战

来自 Google 的 Geoffrey Hinton 是深度学习技术的先行者之一,他在 2017 年公开的一个研究成果中介绍了一种被称为“胶囊网络”的新架构。据介绍,这一架构将允许 AI 用更少的数据完成通常的模式识别任务,并更容易分辨出错误的结果。 过去的卷积神经网络需要用大量同类数据来提取特征,并分辨细微的不同之处。而胶囊网络需要的训练数据更少,能采用对象间的相互位置和角度等信息进行判断,自动忽略无关紧要的细微区别。 Geoffrey Hinton 的文章还指出,胶囊网络在应对复杂的对抗攻击(用故意处理过的图片混淆识别算法)时比卷积神经网络更健壮。

9.AI领域的人才争夺将给相关人才

带来六位数的薪水

目前人工智能领域的专业研究者数量根本无法满足市场对 AI 领域相关人才的需求。顶尖的 AI 专家现在随随便便都能捞个几百万。

按照猎聘网上的信息, BMW 中国开给高级机器学习研究员的薪水达到了 56.7 - 62.4 万美元,而其他一些公司的机器学习专家职位也在31.5 - 41 万美金上下。腾讯的一份报告指出,该方向的研究人员总量大约只有30万,这还包括相关领域的在读学生;而市场对 AI 专业人员的总需求量大约在100万。在美国,目前网络上约有 32000 个人工智能相关职位虚位以待,平均薪资都达到 6 位数。大型科技企业基本上就是在拿钱袋子争夺 AI 领域的技术人才。

Deepmind (2014 年被 Google 买下)最近的财报显示,去年该公司在“人员及相关开支”方面的支出就达到了1亿480万美元之巨,而领英上搜索的结果是,在该公司工作的员工数量也不过就415名,请读者自己算算他们平均年薪会有多少吧。

另外一方面,大型科技企业的 AI 专业人员还有不少离职自己创业的。吴恩达(Andrew Ng)就炒了百度的鱿鱼,自己拿着1.75亿美元的风投开了家机器人公司;AI 芯片企业 Groq 的 CTO 原来当过 Google 为机器学习定制的张量处理器的芯片硬件工程师,还搞过 Google X 项目;Horizon Robotics 的联合创始人兼CTO是前百度研究院副院长,百度深度学习实验室主任。到2018年,随着人才走向初创企业,这场人才争夺战将越来越白热化。

10.机器学习将变得更加普及

回顾这几年,先是大数据,然后云计算,接着是机器学习,各种热潮一浪接一浪。很快,机器学习也将成为新的业界常态,而不是什么新奇的科技玩具。从数据上来看,机器学习的热潮在2017年达到了巅峰,平均每家创业孵化器一年就新增 300 多个 AI 初创企业,是往年的3倍;投资者砸了150亿美元在各领域的 AI 企业上,超过 1100 家新的 AI 企业拿到了首轮融资。但这些企业需要在热点退去前拿出足够健壮的商业模式,才能在这新的业界常态下幸存。

人工智能领域在2017年拿到了 141% 的资金支持,这还不包括针对硬件的机器人初创企业,然而这种疯狂的炒作很快就会消亡。机器学习技术的正规化将会使得投资者更谨慎地选择投资的 AI 企业,因为在这样的业态下,采用 AI 相关算法来驱动产品已经是一种默认选项,一种行业标准,而不是什么值得吹嘘的成就了。

如今在工业物联网领域,机器学习早已是不可分割的必要组件之一,只有 AI 才能实时读取并处理从大量设备和传感器中发回的海量数据;对网络安全公司来说,采用机器学习算法来分析并侦测可疑情况已经是标配;甚至很多投资者都已经在用 AI 来分析和挑选最有潜力的投资对象了。

11.AI 辅助医疗将获得监管部门批准

很快,机器学习将作为医学影像诊断的日常手段之一。美国的相关监管部门正在考虑批准使用 AI 进行辅助医疗。在医学影像学中采用 AI 来提早发现疾病,并提升监测的准确率。机器学习算法将能在几秒钟内完成专业医生也需要几个小时才能完成的影像分析,并能准确识别到人类可能会忽视的微小差别。

当然,现在也已经有了许多针对消费者的 AI 检验工具,比如 SkinVision —— 这一产品采用计算机视觉来检查分析可疑的皮肤病变。但新一波的医疗保健 AI 将会使机器学习成为医院和诊所的必备工具。

本月,生物制药公司阿斯利康与阿里巴巴旗下的阿里健康宣布合作,将基于阿里健康的人工智能研发能力,建立许多疾病的临床辅助筛查和诊断模型。通用电气也和英伟达合作,将深度学习能力赋予通用电气医疗集团的医学影像设备上。

受到 Google DeepMind、IBM、通用电气和阿里巴巴的青睐,医疗保健领域看起来是 AI 初创公司投资的最热门领域之一,而该领域增长最大的就是医疗影像与诊断方面的企业。

初创公司 Arterys 是最初几家获得 FDA 认证的公司之一,它的心脏影像分析云计算平台的测试准确性和分析速度都首屈一指,肿瘤学相关的 AI 也正在申请 FDA 认证。MedyMatch 则采用深度学习分析CT影响,侦测颅内出血的位置,并因此获得了 FDA 的“突破性医疗设备认定”。

当然,目前此类 AI 都还只是进行辅助诊断,最后还是由放射科专家或内科医生进行确诊。

12.你也可以 DIY 一个自己的AI

想不想让你手机上的语音助理用新垣结衣的声音来跟你说贴心话?想不想亲手打造一个 AI 相机?

要 DIY 一个自己的 AI ,并不需要什么计算机博士或数学什么玩意的学历。你有一大堆开源软件仓库,数百种 API 和 SDK 可以用,甚至还有 Google 或 Amazon 提供的各种组装工具包,可以说玩 AI 的门槛是前所未有的低啊。

Google 发布了一款“全年龄向”的 AI 开发项目,称为 AIY (你自己的人工智能)。这个项目的第一个教程就是叫你自己打造一个树莓派语音识别装置。不管是亲手往电路板里塞进一个人工智能,还是让你的 AI 语音助理变身新垣結衣,你都将体会到前所未有的人工智能创造体验。

不仅如此,Google 还发布了一款基于神经网络的计算机视觉工具,用户可以很方便地用它制造一个能分辨猫狗的算法,或是某种通过表情识别出情绪的软件。亚马逊也推出了一款基于深度学习的无线摄影机: DeepLens,甚至还为这个设备举办了一次编程马拉松,让用户利用这个设备打造机器学习项目,第一名的奖金将达到 7500 美元。

看到这里,你是不是也心痒难耐,想要学着玩玩 AI 了呢?