■本報記者 貢曉麗
“《前任3》票房賺了18億， 也就是說， 一個前任6億啊！”香港中文大學資訊工程系教授、商湯科技聯合創始人湯曉鷗， 1月29日在《麻省理工科技評論》與DeepTech深科技主辦的全球新興科技峰會（EmTech China）上如此調侃。
調侃有之， 嚴肅亦有之。 關於雲和AI的關係， 阿裡巴巴技術委員會主席王堅認為可以從另外一個角度重新描述， “雲應該指Internet（互聯網）， 因為Cloud（雲）這個詞有很多歧義。 實際上， 將來整個Internet是AI非常重要的承載主體”。
不論是技術應用還是理論研究， 專家們所做的都是在尋找人工智慧的突破口， 麻省理工學院（MIT）電腦科學與人工智慧實驗室教授Tomaso Poggio認為， 人工智慧的發展， 深度學習可以幫助解決10%的難題， 剩下的90%可能需要來自神經科學以及認知科學的研究。
進入“分散式AI的年代”
如果說AI是新的電力， 雲就是電網。 在亞馬遜AWS首席科學家Animashree Anandkumar看來， 要確保AI在不同的機器和設備上都可以使用， 就要能夠讓不同的硬體或者結構都能夠接入到雲， “我們需要有一種靈活性的雲的概念”。
對此， 王堅表示， AI不僅與雲的關係密切， 與計算的關係也很有意義。 AI， 或者MI（機器智慧）， 是消耗計算資源最多的應用場景。 “AI in the Cloud（全部在雲端）在未來至少有兩個事情是非常激動人心的：一是AI一定是在互聯網上， 儘管可能是在互聯網的設備上， 但也是在互聯網上的；二是它所消耗掉的計算資源可能是史無前例的。 ”王堅說。
既然AI需要強大的運算能力， 而雲作為AI的歸屬平臺， AI用戶端與雲端又如何整合與連接呢？
Animashree Anandkumar表示， 這個領域發展很快，
關於AI在終端上還是在雲上， 王堅認為描述並不準確。 “AI一定會既在終端上， 也在雲上。 現在哪怕是一個音箱， 都一定是連在互聯網上的。 實際上， AI已經分佈在了互聯網上， 只不過最後需要一個終端來實現使用。 ”從Cloud Company（雲公司）的角度講， 相比於雲還是終端， 王堅認為， 真正的核心還是計算， 不論雲端還是終端都需要分配計算資源。
但是， AI資源在雲端和終端的需求是不一樣的。 “如果在終端上需要一個電晶體的話，
AI應用待優化的未來
AI與雲的關係屢遭提及， AI的產業化應用也被熱議。 湯曉鷗就其中一個行業——視頻分析作出介紹。
“大家在看奧運會的時候， 可能會花一大堆時間看一些枯燥的內容介紹， 所以基本上過了好幾分鐘， 你可能什麼都沒看到。 ”湯曉鷗說， 要節約時間， 就要用到人工智慧技術提高視頻分析當中的行為檢測效率。
“用建立視覺分析的方法， 可以把很長的一段視頻中重要內容檢測出來， 觀眾就可以直接跳過沒有意義的部分，
在一部電影中視頻分析可以把各種各樣的片段搜索出來， 這就是缺口檢測。 而自然語言檢測則可以自動根據觀眾的描述搜索出電影中的場景。 “另外， 我們不但能把視頻分析出來， 還能夠把分析的內容理解出來。 在一些運動會場景中， 機器可以把場景描述出來， 比如運動員穿著藍色的衣服在射門等等， 從而代替解說員。 ”
同樣是需要智慧技術來解決的問題， 王堅認為， 最大的挑戰來自城市大腦， 而城市是最大的智慧硬體。 提及城市大腦研究下一階段的目標， 王堅認為， 就是讓世界上每個城市都取消車輛的限行， 也就是讓現在所有的道路因為有資料和大腦發揮最高的效率。 “現在的道路資源是足夠的，但沒有進行優化。”
而更長遠的目標，應該是節約更多的土地資源。“這個世界本來是不需要修那麼多路的，我們現在不得不這麼做，是因為資源的利用效率不高。今天的中國，每個城市大概都要拿出20%~25%的土地來修路，我們相信，如果經過城市大腦的努力，幫助城市省下5%的土地資源，將為社會提供一筆巨大的財富，也會開啟巨大的市場。”王堅說。
解決智慧產生的“元問題”
發展AI，就要更好地瞭解人的思維和大腦，Tomaso Poggio所在的麻省理工學院大腦、心智和機器中心（CBMM）在五年前開始了這樣的研究，Poggio認為CBMM的使命是要在理解認知方面獲得新的進步，同時也需要去瞭解整個智慧的架構和智慧背後的科學原理。關於智慧的科學會幫助回答最宏大的問題，瞭解生命的起源、宇宙的起源，以及時間的源頭。大腦中智慧的產生，是科學現在需要解決的元問題。
在接受媒體採訪時，Tomaso Poggio同樣表示現在面臨的最大挑戰就是如今所謂“人工智慧”可能從根本來說就是錯的，因為它從生物學的層面上是說不通的，人類就算是在嬰兒時期也不需要通過上百萬個例子來學習、認知某一樣事物，而這對於深度學習來說卻是常事。“提升機器學習智慧的突破口可能在於人類大腦相關的研究。”
商湯科技研究院院長王曉剛現場展示了一個其團隊在2016年設計的大規模物體檢測網路。在這個網路裡，不同的解析度的特徵資訊之間可以在同一層神經網路進行傳遞，並且互相印證，其中還設計了不同的門來控制傳遞的資訊流，如什麼樣的資訊可以傳遞。
“最開始的時候，商湯用不同的神經網路解決不同的問題，但是事實上我們人類只有一個大腦，卻可以用一個大腦解決各種各樣的複雜問題，包括三維的物體形狀的感知、文字的理解、在視頻中去識別和跟蹤物體以及對聲音的處理。神經網路也是有這樣的一個發展趨勢，未來有希望運用一個網路去完成多種複雜的任務。”王曉剛說。
高通全球副總裁Charles Bergan認為，機器學習未來可能會發生的最大的改變就是像人類一樣在某些方面可以實現一次性學習。他舉例說，人類只需要摸過一塊石頭，就會知道石頭是什麼，而不需要像機器學習一樣研究一百萬塊石頭。雖然現在大家還不知道如何實現，但當這個理論被研究出來的時候，會是這個行業最大的變革。
《中國科學報》 (2018-02-01 第6版 前沿)
“現在的道路資源是足夠的，但沒有進行優化。”而更長遠的目標，應該是節約更多的土地資源。“這個世界本來是不需要修那麼多路的，我們現在不得不這麼做，是因為資源的利用效率不高。今天的中國，每個城市大概都要拿出20%~25%的土地來修路，我們相信，如果經過城市大腦的努力，幫助城市省下5%的土地資源，將為社會提供一筆巨大的財富，也會開啟巨大的市場。”王堅說。
解決智慧產生的“元問題”
發展AI，就要更好地瞭解人的思維和大腦，Tomaso Poggio所在的麻省理工學院大腦、心智和機器中心（CBMM）在五年前開始了這樣的研究，Poggio認為CBMM的使命是要在理解認知方面獲得新的進步，同時也需要去瞭解整個智慧的架構和智慧背後的科學原理。關於智慧的科學會幫助回答最宏大的問題，瞭解生命的起源、宇宙的起源，以及時間的源頭。大腦中智慧的產生，是科學現在需要解決的元問題。
在接受媒體採訪時，Tomaso Poggio同樣表示現在面臨的最大挑戰就是如今所謂“人工智慧”可能從根本來說就是錯的，因為它從生物學的層面上是說不通的，人類就算是在嬰兒時期也不需要通過上百萬個例子來學習、認知某一樣事物，而這對於深度學習來說卻是常事。“提升機器學習智慧的突破口可能在於人類大腦相關的研究。”
商湯科技研究院院長王曉剛現場展示了一個其團隊在2016年設計的大規模物體檢測網路。在這個網路裡，不同的解析度的特徵資訊之間可以在同一層神經網路進行傳遞，並且互相印證，其中還設計了不同的門來控制傳遞的資訊流，如什麼樣的資訊可以傳遞。
“最開始的時候，商湯用不同的神經網路解決不同的問題，但是事實上我們人類只有一個大腦，卻可以用一個大腦解決各種各樣的複雜問題，包括三維的物體形狀的感知、文字的理解、在視頻中去識別和跟蹤物體以及對聲音的處理。神經網路也是有這樣的一個發展趨勢，未來有希望運用一個網路去完成多種複雜的任務。”王曉剛說。
高通全球副總裁Charles Bergan認為，機器學習未來可能會發生的最大的改變就是像人類一樣在某些方面可以實現一次性學習。他舉例說，人類只需要摸過一塊石頭，就會知道石頭是什麼，而不需要像機器學習一樣研究一百萬塊石頭。雖然現在大家還不知道如何實現，但當這個理論被研究出來的時候，會是這個行業最大的變革。
《中國科學報》 (2018-02-01 第6版 前沿)