人工智能的自適應性

廖顯

在這次疫情爆發(fā)中，我們再次看到了大數(shù)據(jù)、人工智能技術發(fā)揮的作用。有媒體報道，加拿大的人工智能初創(chuàng)公司BlueDot是眾多使用數(shù)據(jù)評估公共健康風險的公司之一，在2014年爆發(fā)的伊波拉病毒疫情中，該公司根據(jù)全球航班數(shù)據(jù)、城市健康管理系統(tǒng)、人口移動等數(shù)據(jù)進行交叉分析，提供了新的防疫信息參考。

另外，人工智能也被應用到了患者的問診與管理上。1月29日，當華盛頓普羅維登斯地區(qū)醫(yī)療中心（Providence Regional Medical Center）醫(yī)生在治療美國首例確診的新冠病毒肺炎患者時，他們并沒有與患者面對面互動，而是應用了一種名為Vici的機器人，通過屏幕與患者互動。這種遠程醫(yī)療機器人看起來像帶輪子的平板電腦，醫(yī)生可以用來與患者交談并進行基本的診斷操作，例如測量體溫?！搬t(yī)護人員雖然在隔離病房內提供護理，但技術使我們減少了近距離與傳染患者互動的次數(shù)，可以保護醫(yī)護人員免受感染。”普羅維登斯地區(qū)醫(yī)療中心首席臨床官艾米·康普頓-菲利普斯（Dr. Amy Compton-Phillips）表示。

廣東一所醫(yī)院也在這次疫情抗擊中，開始使用能夠自我消毒的人工智能驅動機器人來治療患者，并對媒體表示，“機器人在昨天開始向患者提供藥品和食物，并收集床單和醫(yī)療垃圾?！逼淠康耐瑯釉谟谑褂米詣玉{駛和自動充電機可以減少醫(yī)務人員的工作量并降低交叉感染的風險?？萍脊疽布尤攵窢幰咔榈难邪l(fā)行列，阿里巴巴和百度就提供了人工智能基因測序工具。中國的流行病學家目前正在為新型冠狀病毒研發(fā)疫苗和其他治療方法，根據(jù)中國疾病預防控制中心（CDC）報道，研究人員分離出了用于疫苗開發(fā)的病毒株。在澳大利亞，科學家們也在進行類似的工作，在那里科學家重新創(chuàng)造了這種病毒并共享了基因組序列。

不久前軟銀集團孫正義再次強調了未來投資人工智能這個趨勢的正確性。他預見物聯(lián)網在2035年的規(guī)模會比現(xiàn)在大一億倍，而社會也會從互聯(lián)網時代進一步發(fā)展到下一個人工智能的時代。孫正義堅信需要持續(xù)投資人工智能科技下的未來？ 未來的自動駕駛汽車安全高效，并且事故率低；未來人工智能將幫助我們解決大部分的疾病問題；未來人工智能機器人將會參與到救援與救護行動，以及陪伴老人；未來人工智能將會保證食物的安全，并且?guī)砼c眾不同的快樂……

人工智能質變的突破路徑

不久前，投資人Victor給我轉發(fā)了一個微信新聞，“人工智能的下一個拐點：圖神經網絡迎來快速爆發(fā)期?！彼岬降膱D神經網絡技術（Graph Neural Network， GNN）在學術界獲得了極大關注與響應，在業(yè)務應用場景上也不斷在延伸，涉及計算機視覺、3D視覺、自然語言處理、科研場景、知識圖譜推薦系統(tǒng)，甚至金融反欺詐等多個價值場景的創(chuàng)新使用，可以說人們對基于圖關系的算法研究保持著強烈的科技好奇心。我們不斷地發(fā)現(xiàn)這個自然界存在的規(guī)則，并且加以利用，變成科學，但是至今的科學發(fā)現(xiàn)雖然偉大，卻依然不是全能?！盎诮y(tǒng)計學與運籌學之上的智能，存在著致命的天生缺陷?！蔽疫@樣回復Victor，也希望今天我們認識智能的角度更加嚴密與理性。

人工智能至今仍然只是在解釋兩個事件的“關系”，仍然無法從兩者的“關系”相關度，推論到直接的事件之間的“因果”。簡單來說，就是智能能給予我們的是兩者的關系程度建議，而至于這兩者之間是不是必然存在“因果”結論，現(xiàn)在的智能是不能給出的。在智能創(chuàng)新的領域依然存在大量的不確定性，全球最頂尖的科技公司都在進行不斷的投入、挑戰(zhàn)與突破。

人工智能時代，人類已經完成了智能在交互方式上的升級，比如人機交互的方式已經不再是以往的按鍵指令這樣比較生硬的過程，當語音識別、文字識別、圖像識別技術發(fā)展到比較成熟的時候，人機交互已經開始朝著更加人性化的方式進行改進。通過交互過程的升級，我們不僅僅讓機器可以與人進行語音對話式的命令傳達，甚至在大量的工廠里，我們已經看到了“體力”機器人，系統(tǒng)通過嚴密的規(guī)則替代人進行過程制造，這樣的人機智慧的交互溝通方式已經從人與機器，發(fā)展到了機器與機器，甚至未來的機器與人的交互變革。

特別是在工業(yè)4.0驅動下的制造工廠，大量的工業(yè)機器人使用已經成為常態(tài)，比如曾經輝煌一時的大眾輝騰“透明工廠”的建立，以及上汽通用的金橋工廠，那里有300多臺機器人手臂，即使從全球來看，這個水平的工廠也不超過5家。偌大的車間內，工人只有10多位，他們管理著386臺機器人，每天與機器人合作生產80臺凱迪拉克。

顯然，人類對于智能的探索還遠不止于交互能力上的突破。在下一個階段，我們認為智能的質變突破在于如何建立機器的思考能力，也就是模仿人類大腦的運轉方式來幫助人類處理大量的問題。這是另一個變革的維度，在這個維度上系統(tǒng)還需要不斷地加強三個方面的能力，即理解能力、推理能力與學習能力。這些能力的突破將會帶來人類歷史上更多的產業(yè)性的飛躍，但過程中勢必需要找到更多適合的場景來讓人工智能獲得“鍛煉”，而人類也將由此開始進入人工智能的場景時代。

在這個時代應更加關注人工智能的場景落地，打造最佳的行業(yè)案例，從而形成場景性智能。在人工智能的場景時代，需要既懂科技也懂行業(yè)的專家，但是往往科技能力的掌握也只是基礎，如何發(fā)揮行業(yè)場景的價值，更多的是靠如何把行業(yè)的問題通過科技的賦能來轉化掉，從而創(chuàng)造更多的價值。

隨著人工智能技術基礎能力的普及，大量的企業(yè)會把視線慢慢轉移到企業(yè)的具體問題上，比如如何與消費者建立更強的信任與連接？如何能提前預測重要設備的生命周期？如何能更加準確地關聯(lián)事件發(fā)生的模式？并通過大數(shù)據(jù)的利用來發(fā)現(xiàn)更多場景問題的解決方法。雖然，在這個階段我們還不能完全依賴機器給我們答案，但是，以數(shù)據(jù)為基礎的決策一定比商業(yè)的感性決策更可靠、可控和可持續(xù)。并且，可以肯定的是在大數(shù)據(jù)下，商業(yè)預測會更加準確，更加趨近于事實，而這樣的價值足夠幫助企業(yè)建立起自身的核心競爭力。這種能力不完全依賴于某個人，而且更可控，從而形成一種基于數(shù)據(jù)的行業(yè)性認知壟斷。

今天哪種消費品更加快消？只有淘寶知道。重要的商業(yè)問題會不斷地驅動技術解決方案的產生，從而讓一些商業(yè)問題不斷循環(huán)得到提升式的解決。

擁抱適應性智能

人工智能進一步的進化是適應性智能。適應性智能的特征是以固定頻率進行商業(yè)嘗試，其實，我們今天已經看到一些科技企業(yè)正在大量投入關于人工智能相關技術的研發(fā)，并且首先用于自己的產品升級與服務體驗提升。比如微軟人工智能和研發(fā)部門在人工智能領域投入的人數(shù)已達8000人，研發(fā)投入超過百億美元，不僅聯(lián)合Bing、Cortana、微軟信息平臺集團、環(huán)境計算和機器人等團隊，還通過戰(zhàn)略收購自然語言調度創(chuàng)業(yè)公司Genee和深度學習創(chuàng)業(yè)公司Maluuba來加速其人工智能能力。谷歌和蘋果每年也是幾十億美元的研發(fā)投入，這些人工智能科技標桿公司往往以固定的頻率進行商業(yè)實驗，獲得創(chuàng)新轉化的牽引力，從而形成適應性智能。這些科技企業(yè)積極參與到時代的變化當中，不是由于具體的某個問題驅動，而是希望建立引領時代的創(chuàng)新力，從而更好地適應下一個時代。

但是，我們也可以看到，適應性智能的代價往往不低，谷歌旗下人工智能公司DeepMind持續(xù)虧損，從2017年的3.41億美元，增加到了去年的5.7億美元，以及2017年谷歌賣給日本軟銀的波士頓動力（Boston Dynamics），也是昂貴的奢侈品。

事實上企業(yè)打造具備適應性的智能能力，并不是一味追求創(chuàng)新，企業(yè)會根據(jù)環(huán)境的情況來自動調節(jié)嘗試頻率，從而建立更好的智能保護與智能獲利。然而，大多數(shù)的商業(yè)企業(yè)其實并不善于利用信息技術進行創(chuàng)新，因為他們更加關注各自商業(yè)發(fā)展的問題，特別是在一些行業(yè)里，更多的注意力會放在同行的競爭，以及業(yè)務的持續(xù)發(fā)展與變化上面，而對于技術的變革，其實是缺少研究和耐心的。

不久前我?guī)椭粋€房地產企業(yè)進行轉型，它希望自己能從傳統(tǒng)的房地產企業(yè)，轉型為一個智慧城市的運營服務企業(yè)，轉型最關鍵的仿佛是需要快速搭建起智慧城市科技理解能力，并且利用科技對城市服務進行輸出，從而于城市的服務增值里獲利。但是，變革的路途并不是那么順利，當需要“革命掉”一個企業(yè)最擅長的盈利模式，而變成另一套陌生的盈利模式的時候，任何企業(yè)都是抗拒的，因為這里的不確定性太大。所以，最后還是科技服務于房地產的商業(yè)模式，最終還是幫助其拿地、賣房。

如果一個企業(yè)不能完全下決心進行模式變革，那么自適應性智能的打造往往就只能依靠外力。講究性價比的科技創(chuàng)新不一定是廉價的，我們往往看到很多的商業(yè)創(chuàng)新并不是一定依賴于自身的科技轉型，而是借助于外力，在正確的時間，完成正確的事情，跟上時代趨勢，而自身的智能部門變?yōu)橐粋€連接創(chuàng)新的窗口―更多的與時俱進的創(chuàng)新智能依靠專業(yè)科技公司來投入，并且保證質量和效果。

比如云計算技術，如果是10年前，我會認為云計算技術僅僅是一個研發(fā)性的創(chuàng)新方向，但是今天它已經成為了所有行業(yè)信息化的必然趨勢。如果一個企業(yè)希望自己建立一套云計算技術的創(chuàng)新環(huán)境，然后再把業(yè)務搬到云上，結果要么是前期投入過大戛然而止，要么是后期技術運維與持續(xù)創(chuàng)新的代價過大進展緩慢。為了適應環(huán)境，建立企業(yè)的自適應性智能，連接高研發(fā)的智能科技公司，降低創(chuàng)新的不確定性，然后根據(jù)業(yè)務的成熟度不斷調整創(chuàng)新嘗試的頻率其實是一個不錯的選擇。

通過強化學習（Reinforcement Learning）能夠解決智能體在環(huán)境交互過程中通過學習策略來達到目標的最大化，這個目標可以使智能體的基礎邏輯安全。

建立自適應性的智能，猶如人需要借助外部專業(yè)的醫(yī)療機構不斷研發(fā)新的抗體來抵御病毒，事實上在人們沒有受到大規(guī)模的顯性傷害時，這些專業(yè)機構也在不斷為了保證人類健康持續(xù)服務、研發(fā)與創(chuàng)新。而這些新型通過臨床試驗并且合格上市的藥物和器材，將能幫助人類更加自信、健康地進行生命的延續(xù)與社會價值的創(chuàng)新。

因此，當我們面對未來充滿不確定性的智能時代，無論是好與不好，都需要確保自己建立起強大的智能自適應能力，能快速地適應新時代的要求，而企業(yè)需要確定自己不會隨著原有商業(yè)模式一起慢慢消亡。