2016年3月16日 星期三

松尾豐:借助人工智慧(AI),讓製造業重放光彩

有意思的日本的質量期待:日本AI學會有3,000名會員,毫不遜色於世界級AI學會——美國AI協會(AAAI)5,000~6,000人的會員規模..... (Google 併購的是英國小公司)


借助人工智慧(AI),讓製造業重放光彩

松尾豐 [作者簡介]
財經
科技[2016.03.17]

人工智慧研究迎來第3次熱潮

人工智慧迎來了熱潮。1956年,人工智慧(AI,Artificial Intelligence)一詞誕生,據說這便是AI領域發展的開端,一路走到今天,這個研究領域已經擁有近60年歷史,目前正迎來第3次熱潮。
能夠戰勝專業棋手的程式、贏得了智力競賽冠軍的IBM「Watson」系統、iPhone安裝的語音對話系統Siri等等,這些都是AI領域通俗易懂的例子,而在技術層面,有一種叫做深度學習(deep learning)的技術正日益引起人們的關注,研究進展也勢如破竹。
比如「圖像識別」技術,任務就是要判斷出圖像裏顯示的是「花」、「帆船」還是「咖啡杯」,電腦計算機非常不擅長處理這種問題,人們一直認為恐怕計算機在未來幾10年都不可能戰勝人類。
AI之父閔斯基(Marvin Minsky)曾將此形容為「越是孩子們擅長的事情,計算機就越不擅長」,像搭積木之類的事情計算機就很難熟練完成。判斷圖像顯示內容的圖像識別技術也是這種「人類覺得簡單,計算機難以完成」的典型事例。

圖像識別程式,超越人類能力

然而,深度學習技術在2012年實現了飛躍式發展,以此為契機,短短不到3年,計算機的識別能力就已經超越了人類的識別精度。Microsoft公司在今年2月、Google公司在3月分別宣布已經開發出了精度超過人類水準的圖像識別程式。計算機已經發展到了可以比人類更加準確地分辨圖片中有什麼東西、什麼人的程度。這是一次飛躍式的進步。
深度學習技術解決的是「學習特徵表現」的問題,就是要讓計算機學習應該要著眼於現實世界的哪些地方。
傳統的AI原理(可能也可以說所有的工學模型和方法)從現實世界提取重要的要素,捨棄非重要要素,然後通過模型化處理,實現了高效計算。此外,長期以來,一直是人類在決定應該關注現實世界的哪些地方。這是一個大問題。換言之,即使是那些「可以自動計算的」各種方法,其最初的部分也需要人類插手。深度學習技術已開始這個領域。這具有重大意義。

海外企業和大學突飛猛進

這種技術革新的主角是以美國和加拿大為中心的研究人員,還有以矽谷(Silicon Valley)為中心的企業群。法國也憑藉理論數學方面的傳統優勢迅速追趕上來,中國資本似乎也在試圖打入這個領域。
Google原本就在AI研究方面投入了很大的力量。自2012年深度學習技術實現飛躍式發展以來,Google迅速在2013年將該研究領域頂尖專家辛頓(Geoffrey Hinton)教授收入麾下,又在2014年初用400億日圓收購了英國一家人員規模很小的創業企業DeepMind Technologies。當時許多人對此極為驚訝,而現在看來,那是一次完全正確的投資。
Facebook也在紐約和巴黎建立了AI研究所,據說預算規模十分龐大。所長是紐約大學的楊・路康(Yann LeCun)教授,他出生在法國。法國原本在理論數學方面就很強,而理論數學又對深度學習技術具有重要意義,所以法國的存在感正不斷增強。或許Facebook的戰略就是要從東海岸發展到歐洲。

日本是嚴重落後的第2梯隊

另一方面,中國最大的搜索引擎百度建立了深度學習研究所,聘請了史丹佛大學的明星學者Andrew Ng副教授擔任所長。他是華裔美國人,曾在香港、新加坡和美國接受教育。中國的戰術是將分散在全美各地的華裔研究人員與大資本結合起來。
除了這些網際網路巨頭外,積極嘗試利用先進AI技術(或者是深度學習技術)的各類創業企業也如同雨後春筍一般不斷誕生。AI技術將引領下一個時代,作為網際網路老大的美國在這一領域也確實占據了先機,保持著壓倒性的優勢。而緊隨其後的亞洲力量是以百度和清華大學為代表的中國力量,還有香港大學和新加坡國立大學。日本則只在遠遠落後於他們的第2梯隊中占據了一角。

深度學習技術的鼻祖其實是日本人

然而,日本是有潛力的。
實際上,全球最早提出堪稱深度學習原始概念的正是日本人。1980年,當時供職於NHK廣播技術研究所的福島邦彥宣布發明了「神經認知機(Neocognitron)」。人們認為它可以較好地識別文字,並沒有給予更多的好評。然而,隨著時代的發展,融入現代計算機技術後,它的精髓才開始展現在了世人面前。還有作為深度學習技術基礎的神經網路領域的頂尖研究人員——東京大學名譽教授甘利俊一。甘利教授年近八旬,卻依然精神矍鑠,時至今日,我們還經常能在深度學習學會的學術報告中聽到他的名字。
簡而言之,日本只有個人表現在世界上還算可圈可點,或許這種事情屢見不鮮。不,並非如此。讀了下面這句話,你會有何感覺?
「我們要提高白領的生產力。為此,除了文字外,還要利用圖像和聲音等。」
這乍看像是近年來創業企業的使命宣言。到底是不是使用了深度學習技術、如今風頭正盛的創業企業呢?可能也有人會聯想到Google的使命宣言——「我們要整理全世界的資訊,讓全世界的人們都可以隨意使用」。

曾受到全球關注的日本「第5代電腦計算機項目」

實際上,那是始於1982年的大型AI國家項目,第5代電腦計算機項目提案書中的一句話。在那個個人電腦還未面世的時代,當時的通產省投入570億日圓的預算推進了AI研究。海外眾多一流研究人員都來到了日本。據說美國和歐洲各國都認真討論過採用何種戰略來應對日本的這種舉動。
儘管如此,作為1982年來說,恐怕這種觀念太超前了。即便是在如今的時代,也完全可以通用,不,恐怕應該說正是在如今的時代才可以通用的觀念。據說第5代電腦計算機項目太過超前,結果導致技術開發方向失誤,只得以失敗告終。當時根本沒有資料。網際網路沒有普及,也沒有網站。所以沒有辦法提高白領的生產力。可是,30年後重溫這句話時,其發展方向或許可謂是極其正確的。
假如網站早出現10年,那麼現在矽谷的地位可能就被日本占據了。當年,整個日本為經濟高速成長而狂熱,那個時候的那個項目恐怕就是日本最接近「王者」的瞬間。在詢問、調查第5代電腦計算機項目的過程中,相較於技術內容,莫如說我更能感受到那個項目所具有的志在王者的強烈意志,以及相應的戰略。

日本在AI方面的潛力

今後,AI或許會不斷發展,在汽車和產業機器等製造業、交通和物流等社會基礎設施、防暴等安全防護領域、機器人、醫療和看護等各種領域引發巨大的衝擊效應。想必將產生出極大的附加價值。
其實日本的風土很適合發展AI。理由包括以下幾點。
1:少子老齡化社會,需求大在人口減少的背景下,需要提高生產力,社會對AI(或是具備AI的機器人技術)的需求大。
2:AI相關人才多得益於第5代電腦計算機項目,日本國內人才濟濟。當時還是上學的人,現在已經成為教授,開始培養後輩了。日本AI學會有3,000名會員,毫不遜色於世界級AI學會——美國AI協會(AAAI)5,000~6,000人的會員規模(資訊類研究機構人員規模通常都會相差一位數)。同時,從社會整體來看,經歷過第1次、第2次AI熱潮的人很多,理解度較高。
3:「聰明」和「認真」是重要的技術在網際網路世界,人們追求資訊帶來的價值,能夠迅速抓住社會需求並開展商業業務的人都取得了成功。而在AI領域,價值觀不會變化。相對的是,需要確實理解數理背景,一點一點地調節參數。就恰是製造業技術人員所具有的素養。
4:語言不是問題在網際網路領域,語言要求高,難度大。而AI採用演算法,語言造成的不利因素少。
5:與硬體的關聯性強日本傳統的取勝模式是將技術與產品合而為一銷售,深度學習技術很適合這樣做。深度學習技術與感測技術、機器人技術也有關聯,日本的優勢大可派上用場。

圖像、感測、安全防護等製造業迎來恢復地位的機遇?

綜上所述,日本的生產製造業想要重現輝煌並非無路可走。尤其是圖像、感測、安全防護、物流、機器人、基礎設施等方面的相關企業將會迎來巨大的機遇。能否利用好這種機遇或許將是影響日本未來前途的關鍵因素。
目前來看,日本國內的情況並沒有那麼差。政府和企業都以較快速度跟隨這股動向,嘗試利用這種機遇。企業方面,DWANGO率先成立了AI研究所,以Recruit為代表的大企業也呈現出積極跟隨之勢。
創業企業不斷誕生。最具技術實力的PFI(Preferred Infrastructure)公司成立了一家專注於深度學習和「物聯網」(Internet of Things:IoT)技術的公司,即PFN(Preferred Networks)公司。它是日本產業界備受期待的明星。
經產省今年5月1日新設立了產綜研AI中心,聘請曾供職於中國微軟研究所的前東大教授辻井潤一擔任負責人,正確實推進人才保障和體制建設工作。文科省也將AI定位為科學技術的新潮流,實施了相關研究。總務省則著眼於通信與智慧的新未來,針對技術奇異點(technological singularity)等問題展開了討論。我本人正嘗試在東京大學率先開設AI(深度學習)的教育項目,這也得到了企業方面的熱情聲援。

在AI技術領域拿引領世界的氣魄來吧

儘管不容樂觀,但機遇巨大。目前的形勢也沒有那麼糟糕。我們或許能為子孫後代留下大筆財富而不是大筆債務。
希望AI熱潮能朝著正確的方向發展壯大。日本製造業恢復昔日地位的機遇就在於AI。即使人口稀少,或許也可以保證生產力不衰退,實現舒適的生活。整個社會變得方便、安心、安全,人類可以從事更具人情味的工作和生活——或許日本可以主導建設這樣的未來社會。
標題圖片:2011年,IBM開發出的「Watson」AI系統(中央)在美國人氣智力競賽節目《危險邊緣(Jeopardy!)》中,不斷擊敗人類選手,最終贏得冠軍。圖片為練習賽的情景(圖片提供:AP/Aflo)

沒有留言:

張貼留言