“AI 新時代，我們該關(guān)注什么？”

剛剛，在廈門人工智能峰會上，依圖科技聯(lián)合創(chuàng)始人朱瓏出席演講并丟出了這個終極疑問。

在他看來，文明的變遷靠的是科技的推動，科技推動就是基礎(chǔ)設(shè)施的革命；基礎(chǔ)設(shè)施提升的關(guān)鍵在于：提升一個區(qū)域或者一個城市的智能密度。

智能密度可以分為兩個維度考量：

宏觀上，要從單體的機(jī)器智能到群體的智能。比如說一個攝像頭能夠識別人臉的數(shù)量從100個到1000個、1萬個。而且這1萬個攝像頭能夠相互交流，互相對話，并且它們識別出來的信息是可決策的。

微觀上，單個計(jì)算機(jī)能夠支撐的智能算力要足夠大，這里的智能算力不是簡單的機(jī)器算力。

高級的算法可以用更少的機(jī)器算力實(shí)現(xiàn)更高的智能?？傊?strong>算力和算法兩者決定了智能的密度，而提升智能密度是普及AI的關(guān)鍵。

朱瓏總結(jié)，從感知智能到認(rèn)知智能，未來還會出現(xiàn)一個新物種：機(jī)器智能，它會慢慢地具備人類的智能。

機(jī)器智能的發(fā)展可以分成幾個階段：

1、記錄功能，沒有任何的識別能力；

2、可識別，比如說攝像頭能夠識別人臉；

3、可關(guān)聯(lián)，不同攝像頭之間識別出來的信息之間的關(guān)系是什么？怎么判斷？

4、可預(yù)測、可預(yù)判；

5、可規(guī)劃。

他篤信，隨著數(shù)據(jù)、算法、存儲、算力和傳輸?shù)然A(chǔ)設(shè)施的不斷提升，AI在未來幾年會有更為革命性的發(fā)展，讓智能文明社會加速到來。

以下是朱瓏的全部演講內(nèi)容，雷鋒網(wǎng)AI掘金志做了不改變原意的整理與編輯：

人工智能為什么重要？

中國和美國都把AI作為國家戰(zhàn)略，今天廈門人工智能峰會以及多媒體信息識別技術(shù)競賽的舉辦也印證了這一點(diǎn)。

人工智能是世界創(chuàng)新的源動力，依圖很榮幸能夠參加這次競賽，為國家創(chuàng)新貢獻(xiàn)我們的力量。

此前我們參加了三年美國國家標(biāo)準(zhǔn)技術(shù)局（NIST）舉辦的人臉識別供應(yīng)商測試（FVRT），也獲得了三次冠軍，深知舉辦這類賽事的不易，在此向本次比賽的組織者和執(zhí)行人員致敬。希望廈門能夠成為人工智能發(fā)展標(biāo)準(zhǔn)和方向的引領(lǐng)者，成為人工智能思想交流的高地。

我簡單介紹一下我的背景，從中也能看出美國研究人工智能的不同學(xué)派。

我在美國待了十年，我的三位導(dǎo)師，一個是理論物理出身的 Alan Yuille，他也是霍金的學(xué)生。

第二個是我在麻省理工大學(xué)人工智能實(shí)驗(yàn)室讀博士后的老板Bill Freeman，他也是在今年4月人類首次拍攝到黑洞照片研究小組的領(lǐng)導(dǎo)者。

第三位大家可能比較熟悉了，紐約大學(xué)教授 Yann LeCun，他是推動這一輪人工智能浪潮興起的技術(shù)——深度神經(jīng)網(wǎng)絡(luò)的其中一位奠基人，他也因此獲得了2018 年的圖靈獎。

由此可見，在美國從物理到深度神經(jīng)網(wǎng)絡(luò)再到腦科學(xué)，不同領(lǐng)域的頂級專家都在研究人工智能，他們推動了過去幾十年人工智能的發(fā)展，讓AI有了今天這個基礎(chǔ)。

那么，人工智能發(fā)展現(xiàn)在處于一個怎樣的狀態(tài)？

剛才高文院士有講到人類智能的演化用了大約630萬年。我總結(jié)了人類文明的變遷：從人類直立行走到形成最原始的社會形態(tài)，再到1 萬年前的農(nóng)業(yè)革命，工業(yè)革命我們花了200年，而人工智能從一九五幾年開始到現(xiàn)在，也就60多年的時間，人類的文明史或者是地球的文明史大致就是這么一個區(qū)分。

從眼睛看到這個世界的感知智能到語言也即認(rèn)知智能的誕生，到今天很可能出現(xiàn)一個新的物種，那就是機(jī)器，它慢慢地具備了人類的智能。

當(dāng)機(jī)器的智能曲線與人類的智能曲線交叉甚至超過的時候，文明的形態(tài)會是什么？這非常值得我們遐想和憧憬或者是思考。

我今天給出最重要的一個觀點(diǎn)就是：文明的變遷靠的是科技的推動，科技推動就是基礎(chǔ)設(shè)施的革命。

這里我列舉了一些不同文明時代的基礎(chǔ)設(shè)施，從剛才談到的發(fā)明火到使用文字，農(nóng)業(yè)文明時期有了輪子、道路；

工業(yè)文明出現(xiàn)了蒸汽機(jī)、內(nèi)燃機(jī)，有了鐵路；

信息文明，也就是我們過去30年的互聯(lián)網(wǎng)時代，出現(xiàn)了計(jì)算機(jī)、PC、互聯(lián)網(wǎng)、手機(jī)，人類克服了時空的障礙。

這幾個最重要的基礎(chǔ)設(shè)施的變革，見證了文明的變遷。

我們現(xiàn)在處于什么時代？我們這個時代的基礎(chǔ)設(shè)施又是什么呢？

過去30年，CPU運(yùn)算能力提升了100萬倍，存儲能力也提升了100萬倍，通訊能力也即數(shù)據(jù)的傳輸速度提升了100萬倍。我們現(xiàn)在是站在過去30年的基礎(chǔ)上來看接下來發(fā)展的基礎(chǔ)。

智能時代只談開始的時間可能定義得不清楚，這里只談2019年回溯回去的過去五年，我們發(fā)生了什么、五年前是什么。

AlphaGo在2015年的時候超過人類的那一天，也是機(jī)器以計(jì)算機(jī)視覺為代表超過人類的那一天，大家可能記憶猶新。

人工智能現(xiàn)在已經(jīng)非?；鹆耍褪沁@火的過去五年，機(jī)器又發(fā)生了什么呢？機(jī)器的算法水平又提升了100萬倍，什么意思呢？

就是人臉識別為代表的錯誤率又下降了100萬，它可以從1萬人當(dāng)中識別、1000萬人當(dāng)中識別、 1億人當(dāng)中識別出你，10億人當(dāng)中識別你，甚至20億人當(dāng)中識別你，這是已經(jīng)看似超過人類的那個時刻之后，它又提升了100萬倍，算力提升了10萬倍。

從過去我們用1萬量級規(guī)模的數(shù)據(jù)做訓(xùn)練，到百萬規(guī)模的數(shù)據(jù)做訓(xùn)練，到現(xiàn)在用10億的數(shù)據(jù)集做訓(xùn)練，又提升了1萬倍，速度是非?？斓?。

基礎(chǔ)設(shè)施現(xiàn)在處于一個什么水平？當(dāng)前發(fā)展了這么多， AI處于什么樣的一個水平呢？

我這里用比較通俗的一個語言講一下：人不需要思考、本能地一眼瞄過去，能看見的、能說清楚的、能看懂的，這是機(jī)器可以看到的。

比如說這里有人，有座位，這個是機(jī)器可以看清楚的。但這么遠(yuǎn)要識別清楚，可能有點(diǎn)難，比如這里有多少個人？可能要數(shù)一數(shù)，誰跟誰近，這個會坐在旁邊認(rèn)識，可能要想一想，機(jī)器還不一定能做好。

機(jī)器可以聽懂什么？就一下能聽懂的語音識別，理解一句話、一個段落可能就變得困難，對一個文章的理解還比較困難。非常低階的智能機(jī)器已經(jīng)可以或者接近可以了。我們覺得智能要往下躍遷，最重要的就是提升基礎(chǔ)設(shè)施，我后面會講基礎(chǔ)設(shè)施是什么。

我把機(jī)器智能分成幾個階段：

第一個就是記錄功能，沒有任何的識別能力；第二個是可識別，比如說攝像頭能識別人臉；到第三個可關(guān)聯(lián)，不同的攝像頭之間識別出來信息之間的關(guān)系是什么？怎么判斷？這是有關(guān)聯(lián)性。第四個是可預(yù)測、可預(yù)判。第五個是可規(guī)劃。大概分這個級別。

我們覺得智能的提升是在基礎(chǔ)設(shè)施的提升上。

我舉城市管理的一個例子，因?yàn)槌鞘泄芾懋?dāng)中包括安防攝像頭的覆蓋，把剛才講的五級智能做一個分類，從最簡單的代替人記錄，可追溯、到可檢索、可關(guān)聯(lián)，代替人的推理與決策，代替人統(tǒng)籌，分成幾個級別。

右邊這一列是說達(dá)到這些級別的提升，我們要怎么做。是需要最簡單的一定程度下的稀疏攝像頭的識別率和到最高到20萬個攝像頭基本的一個覆蓋。

這里可以看到我們的感知需要增加密度，我們的算力需要增加識別的能力，就慢慢地就在整個城市規(guī)模上，它有智能等級的躍遷。

這是一個空間布局的感覺，當(dāng)密度達(dá)到一定程度的時候，就可以在空間上或者一個關(guān)鍵場所的圍欄上，形成自己的新的高階的智能，比如看軌跡怎么發(fā)生、事件怎么建模。

我們提了一個概念：基礎(chǔ)設(shè)施提升的關(guān)鍵在于，提升一個區(qū)域或者一個城市的智能密度。

分兩個維度來解釋，一個是宏觀上，單體智能要變成群體智能，一個攝像頭的智能要變成1萬個攝像頭的智能，他們之間識別出來的內(nèi)容是能夠匯聚在一起，能夠形成一個新的、大的智能體。

微觀上，要普及成從一個到1萬個，甚至10萬個，微觀上的算力要急劇提升，才能有經(jīng)濟(jì)性，或者說性價(jià)比較高的基礎(chǔ)能夠普及開來。

我們5月份發(fā)了一款A(yù)I芯片，這是云端的一個視覺芯片，一塊芯片能夠支撐50個攝像頭的算力，那一臺1U的服務(wù)器可以支撐約兩百路攝像頭的算力，比同類的市面上最先進(jìn)的英偉達(dá)的方案提高5到10倍的性價(jià)比。

一個是它的能耗降低了非常多，空間降低了非常多，降低多少呢？

一個機(jī)柜能夠支撐一萬路攝像頭的全解析的功能，且機(jī)柜中有空間的限制、電的限制、能源的限制、算力的限制，這是在一個城市在做城市的智能等級的提升上面，有了非常重要的基礎(chǔ)設(shè)施的準(zhǔn)備。由此，我們就可以打開城市管理的豐富的場景。

這里列了大概18個場景，包括機(jī)場、火車站等等，可以解鎖更多的應(yīng)用。

我們認(rèn)為，今天從算法的成就到算法的提升，到我們整個城市或老百姓都能感知到，點(diǎn)亮AI就是要在基礎(chǔ)設(shè)施上做重大的提升，包括剛才高院士提到的人才資本和政策以外。

我們認(rèn)為基礎(chǔ)設(shè)施就是數(shù)據(jù)、算法、存儲、算力和傳輸，它們一定會在未來的幾年會進(jìn)一步以三倍、十倍的速度再加大速度提升，這才是革命性的，這個會讓智能文明更快速的到來。

這是我們的一個小小的愿景，也是希望能夠在廈門以10萬路的視覺中樞為基礎(chǔ)，助力廈門成為全球智能密度最高、智能等級最高的城市。謝謝大家。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。