自1956年,英國數(shù)學(xué)家圖靈提出“機(jī)器能否思考”開始,人工智能經(jīng)歷了多次起伏,當(dāng)前正處于高速發(fā)展期。本輪人工智能進(jìn)步的科學(xué)基礎(chǔ),在于算法supervised學(xué)習(xí)和計(jì)算模型超大化兩大技術(shù)突破。它們正在推動(dòng)一波人工智能應(yīng)用的爆發(fā)式增長(zhǎng)。

一、算法supervised學(xué)習(xí):打開智能新大門

長(zhǎng)期以來,人工智能主要依靠人工設(shè)定規(guī)則,但這限制了學(xué)習(xí)和推理能力。20世紀(jì)90年代,統(tǒng)計(jì)學(xué)家Hinton等人提出深度學(xué)習(xí)理論,通過神經(jīng)網(wǎng)絡(luò)分層學(xué)習(xí),模擬人腦處理信息的路徑。到2010年代,大數(shù)據(jù)和計(jì)算能力飛速增長(zhǎng),使深度學(xué)習(xí)得以實(shí)現(xiàn),人工智能進(jìn)入新的發(fā)展階段。

相比早期固定規(guī)則,深度學(xué)習(xí)算法可以從大規(guī)模標(biāo)注數(shù)據(jù)中進(jìn)行supervised學(xué)習(xí),模型會(huì)不斷優(yōu)化和迭代,性能指數(shù)級(jí)提升。如今,supervised learning已成為開發(fā)通用人工智能的主流技術(shù)道路。以自然語言處理為例,有了海量語料語義標(biāo)注,機(jī)器學(xué)習(xí)能力才能得到全面提高。

二、模型超大化:AI能力的指數(shù)級(jí)提升

深度學(xué)習(xí)算法的進(jìn)步也促使人工智能模型不斷擴(kuò)大,由百萬參數(shù)量級(jí)增長(zhǎng)到現(xiàn)在的千億級(jí)參數(shù)。隨著參數(shù)量的增加,模型的理解和生成能力成倍提高。

早在2017年,Google的BERT語言模型就達(dá)到1.1億參數(shù),能理解長(zhǎng)文本關(guān)聯(lián);之后GPT系列模型參數(shù)繼續(xù)增長(zhǎng),最新版GPT-3已達(dá)1750億參數(shù),可以根據(jù)少量提示,自動(dòng)生成多段fluent文本。模型效果的飛躍提升,正在將人工智能推向更加廣泛的應(yīng)用。

三、典型應(yīng)用場(chǎng)景:釋放巨大生產(chǎn)力

在算法和模型雙輪驅(qū)動(dòng)下,一系列人工智能典型應(yīng)用快速崛起,并滲透到各行各業(yè),釋放生產(chǎn)力和創(chuàng)新動(dòng)能。

如無人駕駛汽車,通過融合視覺算法、決策系統(tǒng)等技術(shù),可以分析復(fù)雜道路環(huán)境并規(guī)劃行車路線,擁有接近人Driver的交通能力。在制造業(yè),通過機(jī)器視覺檢測(cè)產(chǎn)品質(zhì)量缺陷,再利用機(jī)器手精確抓取和組裝,實(shí)現(xiàn)了自動(dòng)化的智能生產(chǎn)。而在醫(yī)療領(lǐng)域,AI系統(tǒng)可以輔助醫(yī)生讀片,甚至通過模型訓(xùn)練直接進(jìn)行疾病風(fēng)險(xiǎn)預(yù)測(cè)。

在日常生活中,像Siri、Alexa等智能語音助手也給我們帶來了方便?？梢灶A(yù)見,隨著核心算法和模型的進(jìn)一步優(yōu)化,AI應(yīng)用將滲透各個(gè)社會(huì)角落,服務(wù)于人類發(fā)展。

四、平臺(tái)賦能:用戶可定制專屬AI

當(dāng)前,一些平臺(tái)開始嘗試賦能用戶自建AI產(chǎn)品,以適應(yīng)個(gè)性化需求。例如國產(chǎn)的扶搖AI助手,它可以讓用戶上傳自定義知識(shí)庫,然后基于該庫內(nèi)容進(jìn)行問答服務(wù)。用戶可以定制出針對(duì)醫(yī)療、投資等領(lǐng)域的專屬AI。這種用戶參與式的平臺(tái),將推動(dòng)更多垂直場(chǎng)景的人工智能應(yīng)用開花結(jié)果。

人工智能2.0時(shí)代正在加速構(gòu)建,它基于算法和模型雙輪驅(qū)動(dòng),催生出廣泛的應(yīng)用場(chǎng)景。但我們也要積極引導(dǎo)人工智能健康發(fā)展,構(gòu)建算法的可解釋性和可控性,讓人與人工智能形成和諧互信、合理利用的新關(guān)系。