人工智能已成巨头游戏,后来者何以脱颖而出?

人工智能的概念是上世纪中期提出的,不过受制于技术此后一直处于低谷。直到最近,人工智能概念不断回暖,俨然已经成为最近的科技热点, Garnter 也预测人工智能会成为 2014 年 10 大技术趋势之一。

科技巨头们对这一领域也倍加青睐,大举进入攻城拔寨。Google 的深度学习系统已经能够识别出猫脸,IBM 的超级计算机Watson已经不满足于在智力竞赛中击败人类选手,微软联合创始人 Paul Allen 可以让机器人通过高中生物考试,俄罗斯富豪德米特里?伊茨科夫甚至计划到 2045 年实现真实版的阿凡达计划,Facebook 也不甘人后,成立了人工智能实验室。

这些巨头磕磕绊绊好多年才有进展,普通人总会有错觉,人工智能是各种高端高冷高深。事实上,它背后的逻辑一般都可以简化为这样的过程:

收集海量数据;

信息处理(也就是行话所谓的特征设计),将信息变得有用、通用;

借助于算法、模型,输出结果,将结果反馈到现实环境。

从上面的逻辑过程中,我们就可以看出,在这波人工智能的大潮中,数据发挥的作用越来越重要,科技巨头凭借着数据、计算优势会占尽先机。Google 研究员 Ilya Sutskever 就表示,如果数据足够多、计算能力足够强、人工神经网络足够深,即便不加“pre training”预处理,也会收到不错的效果。

既然数据的重要性会日益增强,那未来的数据会有什么特性呢?

Navia Systems 的创始人 Beau Cronin,一直关注人工智能领域,在一篇科技文章中就提出了自己的观点。Beau Cronin 认为,未来的数据将会呈现出三个特性:

数据的载体会很小(比如基因,载体很小,但信息量巨大);

数据必须借助于精确严谨的算法和模型才能编译(比如基因信息);

数据获取的成本会越来越高(个人对信息安全越来越重视,政府很可能立法规范信息获取)。

人工智能的应用领域主要包括深度学习、基于云计算的大规模分布式数据挖掘、模拟人脑的平行计算芯片,像现在比较热的无人车、智能机器人也属于人工智能的范畴。结合上面提到的未来数据的特性,进入深度学习领域的门槛会越来越高,大公司已经具有先发优势,很可能占据主导地位,后来者并不适合去做。那么后来者可能在那些地方寻找到人工智能的机会呢?

高度智能的无人车导航方案:无人车的运行其实是基于事先准备好的地图和算法的,但目前还有很多地方是没有这种事先准备好可供无人车“学习”的地图。所以提供一个高度智能的无人车地图方案。比如说,借助于SLAM(Simultaneous Localization and Mapping的简称,同步定位与建图), 机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。

组织行为解释与预测方案:通过数据监控、分析,构建组织内的信息决策模型。举例来说,可以利用财务数据和其他公共数据,解释一个公司的某个行为,并且预测这个公司接下来的行动和发展。这个同样适用于制造业和商业,用来了解行业发展,评估行业表现,制定优化措施。

事实上,并不是说上述两个领域,谷歌这样的大公司做不了,而是这不是他们的主要业务,不会占据主导地位,因此后来者还是有机会的。