马化腾：发展AI，四大要素缺一不可
正在加载...
腾讯科技讯 （韩依民） 4月2日，2017中国（深圳）IT领袖峰会正式开幕，在高端对话环节，腾讯董事会主席兼首席执行官创始人、董事长兼首席执行官、全球执行副总裁沈向阳与控股有限公司董事局主席围绕“人工智能：中国机遇与挑战”为主题，进行了对话。针对主持人吴鹰()为什么重视人工智能、对人工智能有什么看法的提问，马化腾就腾讯本身在人工智能上的布局进行了回答。马化腾介绍，腾讯在业务层面，比如社交网络业务、后台数据分析等都已经用上人工智能，只是大家感受不到，这是在后端，现在腾讯想在前端做出一些产品。AlphaGo通过人机对战让全世界对人工智能的认知到了新的高潮，腾讯的团队也本着练手的心态在做尝试。“绝艺和AlphaGo不同的是，我们AI全程得到国内顶尖棋手的指导。”不久前腾讯旗下围棋AI绝艺在日本UEC比赛中获得冠军，马化腾认为，绝艺赢得比赛是小小的成功，不能过于欣喜，但是也不能说这是一个毫无意义的事情。对于人工智能的意义，马化腾表示，AlphaGo给业界带来的最大触动在于，以后在很多领域如果能做出模拟器定义参数自己学习、找到规律，会远超人类的想象。“AlphaGo出来以后经过了十亿盘对弈超越了过去人类所有交战的盘数，自己寻找规律，对人类认知的范围极大的扩展，这给人类很大的启示。”在对话中，主持人吴鹰提问，“人工智能是通过模拟人脑的思维方式，还是完全不同的路径实现飞跃”？对此，马化腾表示，我们期待有本质性的飞跃，但其实现在AI都是圈定在一个比较窄的领域，通过各种参数训练，属于很窄的技能模拟，现阶段要研发出通用的AI很难。马化腾认为，从现在的研究状态到下一步实现通用人工智能，是不是能够超越当前的碳基智慧、是不是其他的元素有可能形成更高级的和智慧，超越人类现在发现的知识？答案是有可能的。对于腾讯是否有可能将业务数据开放出来给创业公司使用的可能，马化腾表示，分享是大方向，需要逐步来做。要回答这个问题首先需要了解发展人工智能的四个方面：场景、大数据、计算能力和人才。马化腾介绍，技术如果没有场景落地、平台业务支持的话基本很难往下走，而业务产生的大量数据则需要进行标签化和清理，因为里面有很多垃圾数据对发展AI并没有实际用处；在计算能力上需要布局云资源，拿出几十万核的计算能力；最后是人才，腾讯过去一年招了很多人工智能方面的人才。另外还有一个用户很关注的是数据安全问题，研究人工智能使用数据的前提是要保护个人信息安全和个人隐私问题，“如果数据不进行脱敏，我们是绝不能用的，只有先进行脱敏处理，没有人能够通过数据倒到某个人，这样处理干净才可以谈下一步。”基于以上发展人工智能的基础，马化腾表示，关于数据开放业界在向互惠互利的大方向走，但是数据要什么模式、怎么清理、做什么标签才能给其他部门、其他公司使用，还需要探讨，并建立标准和规则。附马化腾问答实录：吴鹰：为什么重视人工智能？有什么看法？马化腾：在公司内部结合业务形态我们已经有一些业务，比如微信朋友圈和QQ空间我们有上十亿的人脸照片，在国内有相当长的研究，包括后台数据分析，都用上人工智能技术，只是大家感受不到，这是在后端，在前端希望做出一些产品。AlphaGo通过人机对战的事件让全世界对人工智能的认知到了新的高潮，团队也本着练手的心态做尝试。Google收购的DeepMind团队论文发表之后，全世界原来做计算机围棋的团队走入瓶颈的团队都用人工智能的方式来做，纷纷采用深入学习的方法融入到围棋的软件开发。我们内部团队有三个团队在做，在不同的部门，这个部门刚好可以突破这个瓶颈。更大的特点，和AlphaGo不同的是，我们AI全程得到国内顶尖棋手的指导，我们十几位研发人员不懂围棋，一开始连黑先下还是白先下规则都不知道，所以结合计算机原理以及很多专家的训练。绝艺赢得比赛是小小的成功，不能过于欣喜，但是也不能说这是一个毫无意义的事情。过去对AI很多从一些规则或者简单的训练得出来能够改善计算处理的能力，最终发现一个更同步和更深层的意义，能够在计算机的后台用云计算大数据的方式去高速学习，可以自己跟自己对弈。AlphaGo出来以后经过了十亿盘对弈超越了过去人类所有交战的盘数，自己寻找规律，对人类认知的范围极大的扩张，这给人类很大的启示。在很多领域，围棋以外的，金融、医疗、病理的检测，如果用计算机后台做出模拟器，充分的尝试。就如自动驾驶一样，模拟做各种各样的反馈，自然会琢磨出一套理论和经验，给我们带来很大的思考。以后在很多领域如果能做出模拟器定义参数自己学习，找到规律的能力远超我们想象的，这是我们得到最大的启发。问：人工智能要取得突破性进展，是模仿人的神经网络、人脑的效率，通过仿生人脑思维的方式突破，还是完全不一样的方式？马化腾：我们期待有本质性的飞跃，比如说发现飞机的空气动力学、流体动力学和鸟不一样的，车轮和人型马一样，仿生是某些垂直的领域，包括围棋是选非常窄的领域，通过各种参数训练。郭为刚提到用AlphaGo下一盘棋消耗多少能源，垂直领域训练消耗能源，但是实际用消耗不了多少。现在训练出来的单机版本跟职业棋手差不多，训练需要很长时间，最麻烦的是改一个参数，规则改一点、算法改一点，全部重新来消耗很大，所以这属于很窄的技能模拟。未来下一步到通用的，再下一步是不是有更本质性的发现背后的原理，智能其实可以超越现在碳基智慧，是不是有其他的元素可以形成更高级的生命和智慧呢？这是超越人类现在发现的知识，这是有可能的。有人突发奇想说，现在认识的是高智能生命用量子计算模拟出来的环节，一切都是模拟起来的，这是发挥大家脑洞大开的想象力吧。吴鹰：有没有可能把数据分享出来，让这些创业公司来用？马化腾：这个问题在内部也有讨论。首先，人工智能关注哪几块：场景、大数据、计算能力、人才。场景，想把技术应用在什么情景下？是不是高频跟用户接触，这是落地很重要的地方。我们看到研究院、研发团队，如果没有场景落地、平台业务支持的话，基本上很难往下走。大数据，也是平台、业务部门里面有大量的实际运转数据产生出来，这里面很多大数据是垃圾数据，没有标签、没有人规划定义，用算法也学不出来，学完之后也是走火入魔疯狂的结果，这里面数据的清洗标签化难度相当高，要雇很多人，用比较笨的方法用人脑去清洗干净再让AI去学，这个过程是混合的过程。计算能力，云资源，这方面我们也要做云，要拿几十万核的计算能力CPU还是有能力的，而且在云里面本身有比较好的调用。人才，通过一年的时间招了很多人，包括在西雅图还设了一个实验室。我们观察到很多AI的大佬们，更关注怎么落地，把毕生的研究成果体现出来。内部BG之间也在沟通微信、手机QQ平台数据能不能用？大家知道，BG或者部门里面平台他们也很希望近水楼台先得月，数据在身边流动为什么不让人先研究一把，所以现在我们处在内部怎么把数据分享出来的阶段。还有一个用户很关注的是个人因素，就是你不要把我的数据都卖了。这里面有很重要的个人信息安全和个人隐私的问题，如果数据不进行脱敏，我们是绝不能用的，只有先进行脱敏处理，没有人能够通过数据倒推到某个人，这样处理干净才可以谈下一步。数据要什么模式，清理做什么标签才能给其他的部门，包括外部合作伙伴怎么用。同时也有很多的数据是来自于合作伙伴或者业界的其他公司，他们也遇到这样的问题，拿到一堆裸数据不知道怎么用，业界要形成一个标准互惠互利，这个路径还有很长时间，大方向在往前走。
正文已结束，您可以按alt+4进行评论
责任编辑：chunwzhang
扫一扫，用手机看新闻！
用微信扫描还可以
分享至好友和朋友圈
Copyright & 1998 - 2017 Tencent. All Rights ReservedAI-first趋势下，为什么值得大家去发展人工智能平台型产品？
本文是11月10日大数据杂谈群分享的内容。
关注“大数据杂谈”公众号，点击“加群学习”，更多大牛一手技术分享等着你。
各位晚上好，感谢InfoQ邀请我为大家分享人工智能（AI）的趋势及应用。
首先简单介绍下自己。我是天云大数据成立早期成员之一，主要研究智能信息处理、人工智能、数据挖掘和复杂网络。天云大数据专注于FinTech、金融和保险行业结合大数据的创新，而我目前负责天云大数据算法及实施部，带领团队研发AI相关产品和构思解决方案。
今晚的分享由两部分组成：
第一部分，探讨AI发展状况及未来趋势。
第二部分，介绍天云大数据在AI方面的实践及成功案例。
AI经历数十年的发展，虽在诸多行业有应用，但直到今年夏天AlphaGo与李世石的博弈达到了一个新的高度。这也加快推动了IT企业的转型，谷歌已率先将发展方向从mobile-first调整至AI-first，代表安卓引领的移动互联网时代已成过去，今天的发展优先级是AI。电商起家的亚马逊如今仅在美国西雅图的集团总部就有数千人团队研究个性化推荐、分布式存储等大数据、AI应用。
未来，AI的市场前景广阔。据瑞银最新发布的《未来值得关注的九项颠覆性技术趋势》报告中指出，到2020年，全球AI市场规模有望达到1200 – 1800亿美元。
目前，行业还在对AI产业化模式进行摸索。有的科技企业着重利用AI能力为特定应用和垂直领域数据做模型，达到快速落地的目的；有的则致力于搭建AI平台。
回顾10年前移动互联网的发展史——初期各大手机厂商倾向自主研发平台，诞生出一批经典小游戏，比如俄罗斯方块、贪食蛇、接水管等，这种手机移动百宝箱的Java OTA业务一度非常流行。直至2008年，苹果发布了针对iPhone的SDK，随后谷歌也在安卓系统上添加类似功能，一举打破了过往的技术封闭，将iOS、安卓平台开放给全世界的开发人员，并借助他们的编程能力和创意共同构建出了具有亿级活跃用户、百万应用程序、百亿下载次数的APP商城。平台的开放将用户和开发者紧紧黏着在一起，也加速了许多未能顺应这个改变的企业的消亡。
由此可见，平台型产品能够对相关技术的发展起到极为关键的推动作用。因此，AI产业化的未来还将是能够释放其能力给更广阔的市场、共建生态的平台型产品。
的确，不少科技企业也相继布局AI平台，希望尽快在下一个技术浪潮占据领先地位。
亚马逊AWS机器学习平台通过数据集的类型决定所要解决的机器学习任务的类型，根据模型提供实时和批量预测。
微软Azure机器学习平台配备了一整套算法和工具，便于有经验的数据科学家建模。
谷歌云机器学习平台借助其TensorFlow机器学习库，提供深度学习等算法，供对神经网络、C、C++和Python有深入了解的人使用。
天云大数据也推出了AI平台MaximAI，稍后会有进一步介绍。
总的来说，现有的AI平台虽都具备分布式存储和处理数据的能力，也在不同程度提供数据挖掘算法，但都对人才要求较高，一般业务人员难以参与，导致建模过程中缺乏行业知识作支撑。
如何推动AI领域的研究成果面向公众共享，使其成为真正普适性的技术是关键的问题。AI民主化是必然的趋势。
天云大数据推行的轻AI理念，可为用户带来便捷性，将AlphaGo背后高深莫测的数据科学技术变得日益亲民，同时使AI产业化成为可能。
轻AI强调数据科学三要素——数据、算法、人才的相互结合。
数据是根本；Hadoop底层可支持海量数据的存储。
算法是对数据进行系统地学习的途径；运用Spark框架编写的数据挖掘算法可实现全量数据建模。
人才是关键；借助简单易用的操作界面和模板，突破数据科学人才稀缺等研发瓶颈，让更多人能利用数据进行建模预测，达到应用目标。
天云大数据分布式数据科学平台MaximAI正是一款基于轻AI理念的产品。通过创新Free Coding模式将深度学习、梯度提升、随机森林等众多经典算法和前沿算法的参数和建模结果以界面形式展现，用户无需编程背景。
这种交互模式大大降低了人才技术门槛，使业务人员也能直接参与模型建立。
MaximAI同时配备Scala、python和R语言环境，支持算法包及模板订阅功能。这项服务将数据科学家从复杂高深的分布式程序开发方式和软、硬件系统调试中解放，助其高效快捷地利用数据挖掘技术处理多样的业务问题。
MaximAI采用Spark/ALLUXIO分布式内存计算框架，提供从用户管理、数据就绪、预处理、建立模型、工程审批到预测的全面建模生命周期管理解决方案。
企业级客户不需再依赖昂贵的GPU，在商业化X86集群上即可运行深度学习模型，实现了从并行化计算到分布式计算的转变。这种架构解决了分布式与机器学习算法难结合的问题，帮助企业快速实现AI产业化。
接下来我将为各位介绍天云大数据在AI方面的成功案例。早前我们和东部一个沿海城市的公安部门合作，利用MaximAI将该市过往十余年的数百万条犯罪记录、天气日报、人口普查结果等数据源进行预处理后，输入深度学习模型，建立可预测犯罪案件能否成功侦破的模型。
我们将模型预测近期案件的结果做了可视化展现。在模型预测准确性视图中，红色代表模型预测正确，蓝色代表模型预测错误，证实MaximAI平台预测犯罪案件成功侦破的机率，与真实发生案件的数据相差无几。
MaximAI构建的模型辅助警方合理调配资源、提高办案效率，使不熟悉算法、编程的刑侦人员也能快速掌握并使用。
海航也有和我们合作，采用AI技术进行机场机位分配，达到提高廊桥利用率的目的。
机场方面向我们提供了过去两年的航班数据、机位可停放机型及机场分布图。我们对数据进行预处理后，结合MaximAI中贪婪算法（快速局部搜索）和遗传算法（全局搜索）模板，实现机位预分配和实时分配，平均靠桥率提高了10%。
Q1：请问机位分配的ai算法是什么？
吕慧：利用贪婪算法搜索局部解，然后将其解作为遗传算法的部分初始解，进行全局搜索。
Q2：人工智能和机器学习的区别
吕慧：人工智能是由人赋予机器理解人类行为的手段，而机器学习是人赋予机器学习的能力。
AI：简单来讲，“弱人工智能”可以像人类一样完成某些具体任务，有可能比人类做得更好，例如，Pinterest服务用AI给图片分类，Facebook用AI识别脸部，这就是“弱人工智能”。
强人工智能（General AI）”，也就是打造一台超棒的机器，让它拥有人类的所有感知，甚至还可以超越人类感知，它可以像人一样思考。在电影中我们经常会看到这种机器，比如 C-3PO、终结者。
大体来讲，机器学习就是用算法真正解析数据，不断学习，然后对世界中发生的事做出判断和预测。此时，研究人员不会亲手编写软件、确定特殊指令集、然后让程序完成特殊任务，相反，研究人员会用大量数据和算法“训练”机器，让机器学会如何执行任务。
Q3：ai平台是否开源？
吕慧：我们的平台基于spark 实现。
底层是基于分布式spark计算框架，有集成的图形操作界面及定制应用场景行业应用的代码模版，未来会考虑开源。
吕慧，天云大数据数据科学家，09年获得中国传媒大学博士学位，现为天云大数据博士后工作站在站人员，主要研究方向为智能信息处理，数据挖掘和复杂网络。在任职期间，参与了公司与银行、保险、移动运营商等多个领域的合作项目，包括泰康精准化营销、光大信用评分、光大文本数据挖掘等多个项目。
往期精彩回顾
大数据杂谈
ID：BigdataTina2016
▲长按二维码识别关注
专注大数据和机器学习，
分享前沿技术，交流深度思考。
欢迎投稿，欢迎加入社区！
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点AI发展速度比想象的快，我们需要限制其发展吗？_网易科技
AI发展速度比想象的快，我们需要限制其发展吗？
用微信扫码二维码
分享至好友和朋友圈
【网易智能讯 9月10日消息】人工智能的发展速度比许多专家想象中的要更快。一些人呼吁更好地追踪其进展，以确保这项技术不会有害。人工智能正在快速发展，已经开始改变世界，一些专家对这种发展速度感到担忧。科技行业的大人物经常哀叹不受约束的人工智能系统发展的危险：像埃隆·马斯克和斯蒂芬·霍金这样的人，他们警告未来人工智能将统治世界。无论他们的担忧是否有一定的根据，在密切关注人工智能创新的进展方面，肯定有一定的价值。人工智能正在变得越来越好，而且在很多情况下，它比专家们所想象的要好得多。AlphaGo，谷歌的人工智能游戏，已经打败了世界上最好的棋手，这在过去至少十年里是不可能实现的。埃隆·马斯克的OpenAI在DOTA 2上击败了世界上最棒的电子竞技选手，这比AlphaGo更先进，因为这个游戏要复杂得多，需要一点小伎俩来蒙骗对手。我们很容易就能得出这样的结论：我们需要更精确、更准确地描绘人工智能系统的发展。目前，公司正在进行多项努力，追踪人工智能，分析其当前和潜在的影响。其中有一项名为“人工智能指数”的程序，由非营利性实验室SRI International领导。他们正试图追踪研究人员最感兴趣的是什么形式的人工智能，以及流入人工智能公司的工程师和资金的数量。他们的目标是在2017年年底前发布一份关于人工智能发展状况和进展速度的综合性报告。另一个由电子前沿基金会（EFF）领导的公司正在收集人工智能研究的数据，以整合一个开源的进展资料。“我们想知道，人工智能的真正版本有什么紧迫和长期的政策影响，而不是人们过于兴奋的推测版本，”电子前沿基金会的首席计算机科学家Peter Eckersley说。尽管一些人仍不确定这些数据的价值，但Eckersley认为，随着时间的推移，这些数据的用途将变得清晰起来;他举了一个例子，追踪可能会提供真正的数据，以证明自动化是否会抢走人类的工作。在他的数据中，他也已经意识到追踪这项技术的发展是多么的重要。他说：“我们收集到的数据支持了这样一种观念，即人工智能系统的安全性是一个相关的、甚至可能是十分迫切的研究领域。”
人工智能有可能成为人类最伟大的成就，但批评者也可以说，人工智能有可能是最具破坏性的。对发展过程有一个清晰的认识可以给予一定程度的保证，即人工智能不会对我们造成伤害。正如《连线》杂志所言，我们目前正在评估是否需要测试人工智能的发展速度，但我们可能也需要考虑是否需要限制其发展速度。（选自：Futurism 作者：Patrick Caughill 编译：网易见外智能编译平台 审校：Simone）关注网易智能公众号（smartman163），获取人工智能行业最新报告。
本文来源：网易智能
责任编辑：王超_NT4133
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈