人工智能戰(zhàn)斗正在升級：這是IT巨頭們的下一步行動

Peter+Sayer

谷歌、IBM、微軟和亞馬遜網(wǎng)絡(luò)服務(wù)都將人工智能功能置入到他們的軟件堆棧中 IT領(lǐng)域的人工智能競爭非常激烈，微軟和谷歌在五月份各自的開發(fā)人員大會——Build和I/O上都展示了適用于企業(yè)的、功能強(qiáng)大的、始終可用的人工智能工具。 這不僅僅涉及到工作：現(xiàn)在人工智能軟件的象棋、圍棋，以及一些老的視頻游戲比任何人類玩得都好，甚至汽車也比我們很多人開得好。盡管這些超人類的表現(xiàn)還只是體現(xiàn)在很少的領(lǐng)域中，也要得益于數(shù)十年人工智能研究的應(yīng)用——越來越多的研究，例如Build和I/O，讓人工智能脫離實驗室，進(jìn)入到現(xiàn)實世界中。 同時，像蘋果Siri、微軟Cortana、Amazon.com的Alexa和三星電子的Bixby等虛擬助手的人工智能語音技術(shù)盡管表現(xiàn)得還沒有遠(yuǎn)超人類，但它們根本不需要超級計算機(jī)那么強(qiáng)的計算能力。企業(yè)可以在這些邊緣進(jìn)行競爭，例如開發(fā)Alexa的“技能”，讓Amazon Echo所有者與公司進(jìn)行互動，而不用致電其呼叫中心，或者使用各種基于云的語音識別和文本語音轉(zhuǎn)換“即服務(wù)”產(chǎn)品，開發(fā)自己成熟的自動呼叫中心。 人工智能的一些最早的工作旨在以計算機(jī)能夠處理和推理的方式來明確地模擬世界人類知識——即使是不能真正的理解。這導(dǎo)致了第一個基于文本的“專家系統(tǒng)”的商業(yè)化。這些早期的系統(tǒng)并不是像人類那樣通過專業(yè)知識，或者在職業(yè)生涯中通過經(jīng)驗學(xué)習(xí)而實現(xiàn)的。相反，首先是經(jīng)歷了人類對其他人類艱難的采訪過程，把他們的隱性知識提煉成明確的規(guī)則之后，把經(jīng)驗灌輸給人工智能。 近年來人工智能研究取得的最大進(jìn)步，最適合企業(yè)應(yīng)用的是讓機(jī)器學(xué)習(xí)從經(jīng)驗中獲取知識和理解。讓我們看看機(jī)器學(xué)習(xí)進(jìn)步的直接結(jié)果——去年，由谷歌DeepMind子公司開發(fā)的一個程序AlphaGo，令人震驚地以4-1擊敗了曾18次獲得世界圍棋冠軍的李世石。 機(jī)器學(xué)習(xí)開始于神經(jīng)網(wǎng)絡(luò)的建立——這種計算模型模擬神經(jīng)細(xì)胞或者神經(jīng)元在我們身體中傳播信息的方式。我們的大腦含有大約1000億個神經(jīng)元，每個神經(jīng)元與大約1000個其他神經(jīng)元相連接。人工神經(jīng)網(wǎng)絡(luò)模擬這些細(xì)胞的集合，每一個都有自己的輸入（輸入數(shù)據(jù)）和輸出（該數(shù)據(jù)的簡單計算結(jié)果）。神經(jīng)元按照層來組織，每一層從前一層獲取輸入，并將其輸出傳遞給下一層。當(dāng)網(wǎng)絡(luò)正確地解決問題時，對于能正確預(yù)測答案的神經(jīng)元的輸出，提高其權(quán)重，通過這種方式，網(wǎng)絡(luò)得以學(xué)習(xí)。 分層越多的網(wǎng)絡(luò)會越準(zhǔn)確，也就是所謂的深度神經(jīng)網(wǎng)絡(luò)。早期的時候，它們對計算能力的要求非常高，很難滿足其要求。它們之所以沒有局限于研究，是由于GPU的并行處理能力——以前主要用于顯示游戲，而不是參與其中。 晶體管本身正是這樣做的 這些進(jìn)步為企業(yè)提供了處理大數(shù)據(jù)問題的新方法——但是在某種程度上，要開發(fā)出所需的技術(shù)本身就是一個大數(shù)據(jù)問題。 谷歌工程總監(jiān)Ray Kurzweil在3月份的Cebit全球大會上向與會者介紹說，我們?nèi)祟愃瞄L的是能從很少的幾個例子中進(jìn)行學(xué)習(xí)。 他說：“如果一個重要人物或者你的老板和你談過一兩次，那么，你就會從中學(xué)到一些東西，這就是人類智慧的力量。但是，在深度學(xué)習(xí)領(lǐng)域，有一句話是‘生命從十億個例子開始?！?換句話說，深度神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)技術(shù)需要觀察一個任務(wù)十億次才能做得比人類更好。 為任何事情找到十億個例子本身就是一個問題：AlphaGo的開發(fā)人員在互聯(lián)網(wǎng)上找到了數(shù)千個人類玩家的圍棋記錄，以支持其13層神經(jīng)網(wǎng)絡(luò)的初步訓(xùn)練，但是隨著它變得越來越強(qiáng)，讓它與其他版本的自己進(jìn)行對弈，產(chǎn)生新的比賽數(shù)據(jù)。 AlphaGo采用兩種類型的機(jī)器學(xué)習(xí)方法來贏得比賽。使用監(jiān)督學(xué)習(xí)方法分析人類的比賽，把神經(jīng)網(wǎng)絡(luò)應(yīng)該學(xué)習(xí)到的響應(yīng)標(biāo)記輸入數(shù)據(jù)——在個例子中，標(biāo)記是走出能夠致勝的一步棋。 然后，采用另一種稱之為強(qiáng)化學(xué)習(xí)的方法，讓AlphaGo自己和自己比賽。目標(biāo)仍然是贏得比賽，但沒有了輸入數(shù)據(jù)。使用第二神經(jīng)網(wǎng)絡(luò)，讓AlphaGo自己去產(chǎn)生并評估每一步棋，在第二神經(jīng)網(wǎng)絡(luò)中，作為監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)，神經(jīng)元開始時有相同的權(quán)重，但是隨著它發(fā)現(xiàn)超過人類的策略后，而逐漸修改這些權(quán)重。 第三種方法，即無監(jiān)督學(xué)習(xí)，在商業(yè)中比較有用，但在游戲比賽中不太實用。在這種模式下，不給神經(jīng)網(wǎng)絡(luò)關(guān)于其目標(biāo)的信息，而是讓它自己去研究數(shù)據(jù)集，把數(shù)據(jù)按類別分組，并找到它們之間的鏈接。使用這種方式的機(jī)器學(xué)習(xí)成為另一種分析工具：它可能會發(fā)現(xiàn)可以通過多種方式進(jìn)行游戲或者結(jié)束游戲，但是讓人類監(jiān)督人員作出判斷應(yīng)該怎么辦。 有很多公司，不論規(guī)模如何，提供了一些人工智能構(gòu)建模塊用于企業(yè)應(yīng)用程序和服務(wù)。小公司往往側(cè)重于具體任務(wù)或者行業(yè)；而大公司眼光更高一些，其工具可用于一般的應(yīng)用。 很大程度上歸功于對Watson產(chǎn)品的大力宣傳，IBM在人工智能方面已經(jīng)深入人心——盡管它傾向于采用“認(rèn)知計算”這個術(shù)語。 Watson系列包括的工具可以用于創(chuàng)建聊天機(jī)器人，發(fā)現(xiàn)文本數(shù)據(jù)中的模式和結(jié)構(gòu)，以及從非結(jié)構(gòu)化文本中提取知識等。IBM還通過具體行業(yè)信息訓(xùn)練了一些Watson服務(wù)，為用戶提供醫(yī)療保健、教育、金融服務(wù)、商業(yè)、營銷和供應(yīng)鏈運(yùn)營等定制服務(wù)。 IBM及其合作伙伴可以幫助把這些與現(xiàn)有業(yè)務(wù)流程集成在一起，或者開發(fā)人員自己去進(jìn)行開發(fā)，因為可以從IBM Bluemix云服務(wù)門戶網(wǎng)站上通過API獲取大部分工具。 認(rèn)知也是微軟喜歡用的術(shù)語。在微軟認(rèn)知服務(wù)品牌下，它為開發(fā)人員提供了將機(jī)器學(xué)習(xí)技術(shù)整合到自己應(yīng)用程序中的API。這些包括把語音轉(zhuǎn)換成文本并理解其意思的工具；檢測和糾正文本中的拼寫錯誤；翻譯語音和文本；研究學(xué)術(shù)論文、其作者和出版刊物之間的關(guān)系。還有一個稱之為Bot Framework的服務(wù)，用于構(gòu)建聊天機(jī)器人，并將它們連接到Slack、推特、Office 365郵件和其他服務(wù)。微軟還提供一個開源工具包，企業(yè)可以下載它，采用自己大量的數(shù)據(jù)集來訓(xùn)練他們的深度學(xué)習(xí)系統(tǒng)。 在5月初進(jìn)行開發(fā)時，它提供了以前只能預(yù)覽的服務(wù)版本，包括面部標(biāo)記API和自動“內(nèi)容主持人”，可以準(zhǔn)許或者阻止文本、圖像和視頻，將不好處理的案例轉(zhuǎn)發(fā)給人類進(jìn)行檢查。還有一種新的定制圖像識別服務(wù)，企業(yè)可以利用它來訓(xùn)練識別他們感興趣的對象，例如工廠中使用的零件。 谷歌提供了很多機(jī)器學(xué)習(xí)技術(shù)，這些技術(shù)曾作為谷歌云平臺的一部分在谷歌內(nèi)部使用。這些系統(tǒng)可用來進(jìn)行特定任務(wù)的訓(xùn)練，也可以作為干凈的白板用于對您的數(shù)據(jù)進(jìn)行訓(xùn)練，包括圖像、文本和視頻分析、語音識別和翻譯等。還有一種自然語言處理工具，能夠從聊天機(jī)器人和呼叫中心使用的文本中提取出情感和含義。甚至還有一個備受關(guān)注的工作搜索工具，根據(jù)求職者的位置、資歷和技能來匹配空缺的職位。 對于亞馬遜網(wǎng)絡(luò)服務(wù)，它允許企業(yè)為Amazon Echo設(shè)備中嵌入的數(shù)字助理Alexa創(chuàng)建新的“技能”或者語音控制應(yīng)用程序，并提供了支持Alexa“即服務(wù)”的很多技術(shù)。最新的是呼叫中心即服務(wù)，亞馬遜連接按照每次呼叫和每分鐘進(jìn)行計費(fèi)。這實現(xiàn)了與亞馬遜語音識別和理解服務(wù)的集成，支持企業(yè)創(chuàng)建更復(fù)雜的交互式語音響應(yīng)（IVR）系統(tǒng)。 當(dāng)明天到來時 這些服務(wù)都已經(jīng)投入使用，但還有許多其他服務(wù)在等著我們。 例如，微軟已經(jīng)邀請企業(yè)測試其他幾項服務(wù)的“預(yù)覽”版本。這些包括Emotion API圖像分析工具，可以識別照片中臉部表達(dá)的情感，給憤怒、蔑視、厭惡、恐懼、幸福、悲傷和驚喜等表情分配相對的概率。（您可以發(fā)一個自拍照，去試試看。）采用改進(jìn)后的公司語音工具，企業(yè)可以調(diào)整引擎以適應(yīng)特定的區(qū)域或者環(huán)境（定制語音服務(wù)），甚至能識別揚(yáng)聲器。 一款名為QnA Maker的新工具從文本語料庫中提取出常見問題，供聊天機(jī)器人作為參考答案。目前為止的結(jié)果還讓人感覺有點(diǎn)笨拙，這可能是源文本而不是QnA Maker的問題，QnA Maker很可能還沒有讀取十億個常見問題來展開自己的學(xué)習(xí)。 在3月份舊金山舉行的谷歌2017下一代云大會上，該公司發(fā)布了其云視頻智能API的私有測試版，支持測試人員通過搜索描述內(nèi)容的名詞或者動詞來查找相關(guān)的視頻剪輯。為進(jìn)一步激發(fā)對其服務(wù)的需求，谷歌與風(fēng)險投資公司“數(shù)據(jù)采集和涌現(xiàn)資本”合作成立了新機(jī)器學(xué)習(xí)初創(chuàng)公司，并在加利福尼亞州山景城開設(shè)機(jī)器學(xué)習(xí)高級解決方案實驗室，客戶可以在此與谷歌專家一起工作，應(yīng)用機(jī)器學(xué)習(xí)來解決自己的問題。 兩個月后，在谷歌I/O上，該公司展示了用于手機(jī)的TensorFlow Lite平臺，以及運(yùn)行機(jī)器學(xué)習(xí)工作負(fù)載的更強(qiáng)大的處理器，即云TPU（張量處理單元）。它還公布了自己內(nèi)部使用的一些機(jī)器學(xué)習(xí)API的詳細(xì)信息。 雖然大公司在人工智能研究領(lǐng)域并沒有進(jìn)行壟斷，但對人才的競爭卻是非常激烈的。臉書有自己內(nèi)部的人工智能研究部門，組織內(nèi)部培訓(xùn)活動，以提高員工對機(jī)器學(xué)習(xí)的認(rèn)識。 一些從事人工智能研究的大公司愿意公布其研究結(jié)果，并在開源許可下發(fā)布了大部分代碼。即使是大家關(guān)注的神秘的蘋果公司也在去年年底發(fā)表了第一篇研究論文。 但他們并沒有放棄“皇冠上的寶石”。這些機(jī)器學(xué)習(xí)工具包和云服務(wù)都非常好，很顯然，未經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對于典型的企業(yè)和對于16歲的高中畢業(yè)生來說都同樣有用。 就像參加招聘時經(jīng)驗很重要一樣，像谷歌、臉書、亞馬遜甚至蘋果和微軟這樣的公司正在收集Kurzweil所說的數(shù)十億個例子。被點(diǎn)擊的每一搜索結(jié)果，被接受的每次購物推薦，被標(biāo)記的每幅照片，或者要查詢的運(yùn)動得分等等，都被添加到收集中。 當(dāng)然，十億個例子并不總是必要的：計算機(jī)可以學(xué)習(xí)做一些事情，就像人類以很少的數(shù)據(jù)就能夠工作一樣，而且對于今天的很多任務(wù)來說，幾個例子可能就已經(jīng)足夠了——特別是如果計算機(jī)能夠?qū)⑵錈o法處理的情況提交給人類監(jiān)督者的情形。 就在您身邊 無論如何，這是很多開發(fā)人工智能聊天機(jī)器人的企業(yè)所關(guān)注的。他們的數(shù)據(jù)點(diǎn)遠(yuǎn)遠(yuǎn)不到十億個，他們?nèi)匀幌Ｍ裎④決nA Maker這樣的服務(wù)能幫助他們以新方式為客戶服務(wù)。 一個例子是英國關(guān)節(jié)炎研究所，這是一個慈善組織，資助關(guān)節(jié)炎癥的醫(yī)學(xué)研究，并向患者提供咨詢。它正在使用IBM的Watson對話API來構(gòu)建虛擬助理，回答有關(guān)關(guān)節(jié)疼痛的問題，并提出一些適當(dāng)?shù)腻憻捊ㄗh來緩解癥狀。 該組織的目標(biāo)有兩方面：減輕現(xiàn)有電話支持人員的工作，創(chuàng)建一種新的對話渠道，通過它可以在將來提供其他服務(wù)。 助理已經(jīng)學(xué)到了關(guān)于50種肌骨骼病癥常見問題的1000個答案。 英國關(guān)節(jié)炎研究所媒體活動經(jīng)理Shree Rajani說：“我們將擴(kuò)展其功能，以便在適當(dāng)時候包括關(guān)于醫(yī)療和外科治療以及飲食的信息?！?最初的開發(fā)歷時大約五個月，其中包括第一輪測試，約有三百名試用用戶參與其中，但助理還沒有準(zhǔn)備好迎接公眾。Rajani說，第二輪用戶接受測試正在進(jìn)行之中，應(yīng)該在今年下半年的時候出現(xiàn)在我們網(wǎng)站上。 沒有被接受的一個原因是名字：最初被稱為“Ask Arthy”，根據(jù)英國關(guān)節(jié)炎研究所的隱私政策，該服務(wù)現(xiàn)在被稱為“關(guān)節(jié)炎虛擬助理”。 該政策強(qiáng)調(diào)了歐洲企業(yè)的聊天機(jī)器人使用美國云服務(wù)時面臨的風(fēng)險：雖然這一助理還沒有正式啟用，但是在隱私政策的2890個字中，大約460個字是專門針對虛擬助理的，在網(wǎng)站條款和條件中另外還有490個字是關(guān)于它的警告的。這實際是提醒用戶，他們告訴助理的所有內(nèi)容將被傳送到美國的IBM服務(wù)器，因此他們不應(yīng)該在對話中自愿地提供任何個人信息——當(dāng)用戶被問及敏感的醫(yī)療問題時，這就需要微妙的平衡技巧。 另一急于采用機(jī)器學(xué)習(xí)來推動新一輪客戶服務(wù)，但也非常擔(dān)心隱私問題的領(lǐng)域是銀行。 埃森哲最近進(jìn)行的一項調(diào)查發(fā)現(xiàn)，在未來三年內(nèi)，78%的美國銀行將依靠人工智能在處理自動化系統(tǒng)時獲得更接近人類的經(jīng)驗，其中76%的希望開展競爭，怎樣讓技術(shù)對客戶來說是不可見的。 不僅僅是美國比利時銀行BNP Paribas Fortis也正在采用聊天機(jī)器人來回答400個呼叫中心工作人員目前必須處理的一些問題。該銀行的零售部總監(jiān)Michael Anseeuw最近告訴比利時報紙，當(dāng)客戶更喜歡和人類交流時，聊天機(jī)器人甚至可以幫助員工更快的找到正確答案。 人類與機(jī)器之間緊密的工作關(guān)系使得機(jī)器更容易提高其性能。 數(shù)字推理公司創(chuàng)始人兼總裁Tim Estes說：“您希望以自動化的方式為人們提供支持，因為您所做的是建立基礎(chǔ)設(shè)施，從人類那里學(xué)到怎樣更好的進(jìn)行抽象決策。” 其Synthesys產(chǎn)品將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于業(yè)務(wù)信息分析，并且可用于識別潛在的欺詐性交易，以及出于合規(guī)目的，標(biāo)記有風(fēng)險的員工通信記錄。 Estes預(yù)計在不久的將來，如果在沒有計算機(jī)幫助的情況下進(jìn)行這種“分類篩選”決定，會變得非常不經(jīng)濟(jì)。 他說：“可以把人類的評估模式教給機(jī)器，并應(yīng)用它們，但您不一定會采用機(jī)器做出的決定——重要的是采用還是不采用，在沒有人類參與的情況下最終做出決策?！?在接下來的兩三年里，機(jī)器學(xué)習(xí)系統(tǒng)最有效的應(yīng)用是用來篩選人類做出的決定，確定哪些決定要優(yōu)先考慮。 他說：“我不認(rèn)為沒有機(jī)器輔助的分類決策會成為經(jīng)濟(jì)高效的商業(yè)模式?！?Peter Sayer——IDG新聞服務(wù)巴黎局局長，工作涉及IDG新聞服務(wù)的歐洲公共政策、人工智能、區(qū)塊鏈和其他技術(shù)突發(fā)新聞。endprint