你的位置:首頁 > 測試測量 > 正文

學(xué)術(shù)界的AI vs 工業(yè)界的AI:區(qū)別在哪里?

發(fā)布時(shí)間:2017-11-27 責(zé)任編輯:wenwei

【導(dǎo)讀】很多關(guān)心研發(fā)的人會(huì)有這樣的疑問。去年,講到人工智能時(shí)人們會(huì)談到它具有“三要素”:算法、算力和數(shù)據(jù);從今年開始,把場景加入進(jìn)來,開始用“四元分析”的方式來理解人工智能。加入場景非常重要的原因是人工智能終究是一種技術(shù),人工智能必須要落實(shí)到精準(zhǔn)的場景,才有它實(shí)實(shí)在在的價(jià)值。
 
現(xiàn)在不少學(xué)界的科學(xué)家都到公司里做研發(fā),那么,在工業(yè)界從事研發(fā)和以前在學(xué)界究竟有哪些不同?
 
學(xué)術(shù)界追逐精度的極限
 
人工智能的概念實(shí)在太大了,現(xiàn)在深度學(xué)習(xí)最熱,學(xué)術(shù)界里研究深度學(xué)習(xí)會(huì)做些什么事情呢?一般情況下,學(xué)術(shù)界把問題設(shè)立好后,去思考研究一些新的算法,然后在具體的問題上,力圖在精度上達(dá)到極限。從深度學(xué)習(xí)上設(shè)計(jì)更好的模型結(jié)構(gòu)方面,過去這些年,像最初的Hinton用最基本的網(wǎng)絡(luò)結(jié)構(gòu),到谷歌的GoogleNet,微軟的殘差網(wǎng)絡(luò)(ResNet),可以看到基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)是推動(dòng)學(xué)術(shù)界往前走的核心。但是除了基本的網(wǎng)絡(luò)結(jié)構(gòu)之外,更大的網(wǎng)絡(luò)、更深的網(wǎng)絡(luò)以及不同的網(wǎng)絡(luò)模型的融合,也是大家追逐精度的常用方法。
 
另一方面,我們要訓(xùn)練這些網(wǎng)絡(luò),可能需要更多的計(jì)算資源,比如需要圖形處理器集群(GPU Cluster),比如希望有更便捷的訓(xùn)練平臺,像Caffe、MxNet、Tensorflow等等。當(dāng)然,更重要的是大家在一點(diǎn)點(diǎn)往前推動(dòng)的同時(shí),積累了很多小的經(jīng)驗(yàn),這些經(jīng)驗(yàn)通過學(xué)術(shù)報(bào)告、論文的形式來分享。
 
大家都站在巨人的肩膀上一步一步往前走。當(dāng)然,還有怎么樣用其他的非標(biāo)注的數(shù)據(jù)來提升解決問題的能力。所有的一切都結(jié)合在一起,在解決具體問題的時(shí)候,能夠把精度達(dá)到極限。
 
學(xué)術(shù)界很多時(shí)候研究的目的,是要有成果論文發(fā)在最頂級的學(xué)術(shù)雜志上,也希望這些算法能夠具有普適性,除了能解決自己的問題,其他人也能借鑒,最好能開源,所有人都可以去使用,這樣就能很好地提升自己在這個(gè)領(lǐng)域的影響力。
 
沒有瑕疵的用戶體驗(yàn)如何產(chǎn)生
 
但工業(yè)界不是這樣。工業(yè)界要去探索商業(yè),注定要有經(jīng)濟(jì)上的考慮,思考盈利模式,那對人工智能的考慮就會(huì)不一樣。
 
在工業(yè)界待過就會(huì)明白,人工智能本身并不是一個(gè)產(chǎn)品,不是單純靠人工智能就能獲得利益,必須要與自己的業(yè)務(wù)和場景相結(jié)合,才能發(fā)揮它的價(jià)值,核心算法只是其中的一個(gè)模塊而已。無論是往前端走,還是往后端走,還是需要很多不同類型的人,才可以做出一個(gè)產(chǎn)品。
 
最重要的是,人工智能并不是一個(gè)靜態(tài)的東西。比如說訓(xùn)練出來的模型,要用到某個(gè)業(yè)務(wù)場景里面,業(yè)務(wù)場景里產(chǎn)生新的數(shù)據(jù),這些數(shù)據(jù)進(jìn)一步提升人工智能模型的能力,再用到場景里面,這是一個(gè)閉環(huán)和不斷迭代的過程。
 
另一方面,也是很多從學(xué)術(shù)界到工業(yè)界的教授和學(xué)者很容易犯的一個(gè)很嚴(yán)重的錯(cuò)誤,就是認(rèn)為技術(shù)在真正推動(dòng)產(chǎn)品。但其實(shí),用在具體的場景里面,技術(shù)只是起到一個(gè)非常小的作用,它的貢獻(xiàn)大概30%到40%就不錯(cuò)了。
 
一個(gè)成功的產(chǎn)品,還需要產(chǎn)品工程師和非常多的人,大家一起才能做出一個(gè)具備非常完美的用戶體驗(yàn)的產(chǎn)品出來。一個(gè)核心點(diǎn)就是我們做技術(shù)的人,做研究的人,要明白永遠(yuǎn)沒有完美的算法,算法永遠(yuǎn)是有瑕疵存在的,我們一定要和場景工程師在一起,通過好的產(chǎn)品設(shè)計(jì),把這些算法上的瑕疵避免掉,打造沒有瑕疵的用戶體驗(yàn)。
 
學(xué)術(shù)界的AI vs 工業(yè)界的AI:區(qū)別在哪里?
 
此外,除了考慮用戶體驗(yàn),工業(yè)界設(shè)計(jì)一個(gè)產(chǎn)品還會(huì)考慮其他方面。比如,當(dāng)前把視覺,語音和相關(guān)的技術(shù)用在智能硬件上的時(shí)候,工業(yè)界可能會(huì)想,到底這個(gè)產(chǎn)品能不能滿足某種高頻的剛需?
 
工業(yè)界還會(huì)考慮一款產(chǎn)品用到的技術(shù)有沒有成熟?比如說家用機(jī)器人,可以端茶送水,可以聊天,這是不可能的,技術(shù)上還有一個(gè)過程。
 
另外,工業(yè)界還會(huì)考慮技術(shù)成熟了,但有沒有壁壘?假設(shè)沒有技術(shù)壁壘的話,今天做一個(gè)產(chǎn)品出來,比較前沿的大公司,都有專家團(tuán)隊(duì),你把這個(gè)產(chǎn)品做出來立馬又失掉了,技術(shù)上的壁壘也一定要有。
 
另外一方面,就是學(xué)術(shù)界想得最少的:我們做一個(gè)場景,一定要有變現(xiàn)的模式。沒有一個(gè)變現(xiàn)的模式,產(chǎn)品出來了,但是今后掙不了錢,也不可能讓這個(gè)公司維系下去。
 
用四元分析來看學(xué)界和工業(yè)界的區(qū)別
 
總的來說,學(xué)界進(jìn)行人工智能、深度學(xué)習(xí)的研究,一直是在追求精度和極限。用四元分析的方法來說就非常有意思,即場景和數(shù)據(jù)確定了,然后設(shè)定一個(gè)問題,設(shè)定一個(gè)數(shù)據(jù)集,假設(shè)有足夠多的計(jì)算機(jī)資源,怎么樣設(shè)計(jì)新的算法,讓精度能夠達(dá)到極限?
 
有很多的數(shù)據(jù)集,比如ImageNet,號稱人工智能的世界杯;人臉研究界有LFW(人臉圖片的數(shù)據(jù)庫,用來研究不受限的人臉識別問題);在視頻領(lǐng)域有美國組織的TRECVID;語音的話有Switchboard。他們共同特點(diǎn)就是:問題和數(shù)據(jù)都是確定的,用盡量多的計(jì)算機(jī)資源,去設(shè)計(jì)不同的算法,最終希望達(dá)到精度的上限。
 
但不得不承認(rèn),很多成果是沒辦法商業(yè)化的。為什么?在ImageNet上,假設(shè)訓(xùn)練了1000多層的網(wǎng)絡(luò),把9個(gè)或更多網(wǎng)絡(luò)全部合在一起能達(dá)成一個(gè)很好的精度,在現(xiàn)實(shí)的場景下是不可能用這么大的模型和這么多的資源去做一件事情。所以,很多的成果,是假設(shè)將來計(jì)算能力達(dá)到一定的程度,精度能夠達(dá)到這個(gè)上限。
 
AI研究的另外一個(gè)維度是追求用戶體驗(yàn)的極限。用四元分析的方法,是把場景和算力固定了。這是什么意思?假設(shè)我們要做一個(gè)機(jī)器人,希望它能識別你,這時(shí)候場景是確定的。算力確定了是說,這個(gè)場景推出的時(shí)候,用什么樣的芯片和什么樣的硬件,其實(shí)已經(jīng)確定了。我們要做的事情是在這樣一個(gè)確定場景和算力的情況下,怎么樣去提升數(shù)據(jù)和算法,跟具體的應(yīng)用場景去形成一個(gè)閉環(huán),去不斷地迭代,去提升它的性能。這跟學(xué)術(shù)界把場景和數(shù)據(jù)固定是完全不一樣的。在這種場景下,可以不停地用收集到的新數(shù)據(jù)不停提升和優(yōu)化模型,在數(shù)據(jù)、算法和場景三要素中形成一個(gè)閉環(huán)。雖然我們能把所有的問題解決,但是在具體的場景下,也有可能逐步地提升它的性能。
 
這時(shí)候做的事情很有意思——要做很多數(shù)據(jù)的清洗、標(biāo)注。為了把產(chǎn)品的價(jià)格降低,比如用一個(gè)很差的CPU就能夠去做計(jì)算,肯定要不停地去優(yōu)化模型的速度。另一方面,很多時(shí)候,滿足這種體驗(yàn)的需求會(huì)使一些新的問題誕生出來。
 
仔細(xì)想一想,學(xué)術(shù)界多數(shù)做的事情是在思考,在想它的極限在哪,主要用腦;工業(yè)界并不是強(qiáng)調(diào)用腦,而是用心——就是怎么樣能把這個(gè)場景做出來,并不一定要有非常高大上的算法,就是要從用戶使用產(chǎn)品的維度上,讓用戶感覺這個(gè)產(chǎn)品非常好。
 
學(xué)術(shù)界和工業(yè)界又不是完全割裂的:工業(yè)界敢去提某一個(gè)產(chǎn)品的設(shè)想,是看到了在學(xué)術(shù)界有一些前沿的成果,可以在工業(yè)界來用。同時(shí),工業(yè)界也在逐步提煉它的問題,扔給學(xué)術(shù)界,希望他們?nèi)プ鲞@種前沿的探索。比如說工業(yè)界可以想,三年、五年以后會(huì)往哪些方向去推動(dòng),他就可以把這些任務(wù)推給學(xué)術(shù)界。
 
在人工智能、深度學(xué)習(xí)的研究領(lǐng)域,學(xué)術(shù)界和工業(yè)界的差別還是很大的,同時(shí)也相互作用,相互增強(qiáng)。學(xué)術(shù)界和工業(yè)界一起合作,研究和產(chǎn)業(yè)相結(jié)合,一定會(huì)把人工智能帶上另外一個(gè)階段。
 
本文作者系360公司首席科學(xué)家、人工智能研究院院長。
 
(來源:中國經(jīng)濟(jì)網(wǎng))
 
 
 
 
 
 
 
 
 
 
推薦閱讀:



用了30年的電流反饋放大器錯(cuò)了?PSpice仿真來判定
功耗低了器件卻燒了?低電流損耗也可能帶來麻煩
以高轉(zhuǎn)換速率進(jìn)行負(fù)載瞬態(tài)測試
高速模數(shù)轉(zhuǎn)換器精度透視(第三部分)
那些長短不一的PCI-E插槽都有什么不一樣?
 
 
 
要采購轉(zhuǎn)換器么,點(diǎn)這里了解一下價(jià)格!
特別推薦
技術(shù)文章更多>>
技術(shù)白皮書下載更多>>
熱門搜索
?

關(guān)閉

?

關(guān)閉