應用廣泛能變現(xiàn)的AI

 近日，做為國家人工智能技術規(guī)口管理部門的中國信通院云大所發(fā)表“AI產業(yè)從熱捧到退燒，未來的AI如何破局”一文和視頻。此文不長，但用了份量較重的詞語：熱捧、退燒、破局等對我國當前的人工智能產業(yè)的狀況做出客觀的負面點評。

    一、熱捧

業(yè)內都知道：目前，我國人工智能產業(yè)所用的主流算法是深度學習。 做為第三代人工智能通用算法代表的深度學習，采用神經網絡技術比以往的人工智能算法先進，在不復雜的圖像和語音識別等應用中確有一些效果。同時，深度學習在應用中也顯現(xiàn)出魯棒性差、不可解釋、有NP問題等不可克服的嚴重缺陷，特別是“黑箱”等安全隱患的存在，早在2017年開始，發(fā)明人Hinton教授就多次提出放棄深度學習，要推倒重來。

但是，深度學習并沒有因存在嚴重缺陷和有“黑箱”等安全隱患被推倒，反而大火起來。這是因為，國際大公司一開始就看到深度學習的應用需要大的算力，他們有大量出售自己的算力產品的商機，就精心策劃、將深度學習包裝熱捧起來。國際大公司熱捧深度學習最成功的例子是：導演出機器人AlphaGo戰(zhàn)勝人類最佳圍棋手的轟動新聞。一時間，深度學習被吹的神乎其神、能力無比（實際在那次機器人戰(zhàn)勝人的棋賽中，深度學習僅有3%的作用）。同時，國際大公司還投入巨資培訓出大量的深度學習技術人員、提供只能用于一般人工智能項目的開源應用程序、還利用各種渠道和關系、采用盡可能的方式極力宣傳和推用深度學習，最終借助雄厚資本的力量將深度學習算法熱捧成為主流的人工智能算法。達到了給提供深度學習環(huán)境和算力相關的公司、單位和個人帶來豐厚利潤目的。

在國內熱捧深度學習的結果是：在短時間內，人工智能相關的企業(yè)、研究院、教育培訓機構、產業(yè)基地、示范區(qū)等在全國各地爭相建立。特別是在不時出現(xiàn)的以幾十億、上百億巨資投給一個人工智能企業(yè)或一個項目的轟動下，國內針對深度學習的大大小小的無數項目投資的熱持續(xù)了好幾年。再加上各地對深度學習出臺的發(fā)展規(guī)劃和政策支持，以及粉粉舉辦以深度學習為內容的各種人工智能的竟賽、評比、揭榜等活動……，使我國迅速成為世界人工智能（深度學習）的應用大國。

二、退燒

深度學習除存在嚴重的缺陷和有“黑箱”等安全隱患等問題外，深度學習是大模型、大數據、大硬件的算法，因此，此種算法本身也有很多難克服的問題。

例如：用于熱捧的機器人AlphaGo所需要的硬件開銷是1000個CPU，200個GPU，還需要20萬瓦的電力消耗。這樣的深度學習硬件開銷如何普及應用？

再有：深度學習是函數映射模型，將概率空間的目標函數映射到歐幾里得空間，其結果需要將概率空間的某一類數據的所有可能出現(xiàn)的結果，用人工標注后進行接近無限次的訓練，例如一個語音識別的數據就需要2400萬美元的人工標注費用，這是深度學習難于普及的致命問題。

對于深度學習在應用中出現(xiàn)的問題，云大所發(fā)布的視頻中委婉地用面臨許多挑戰(zhàn)方式指出。主要提到三個挑戰(zhàn)：

挑戰(zhàn)1、數據合規(guī)獲取、使用、安全，用數據賦能人工智能需要權衡；

挑戰(zhàn)2、算法要做大量適配工作，對準確性、魯棒性、可解釋性要求非常高；

挑戰(zhàn)3、業(yè)務場景的領域知識千差萬別，人工智能落地過程中要與行業(yè)領域專家、知識結合將模型和生產環(huán)境調教達到要求。

    深度學習的所有問題歸集一起的后果是：造成深度學習的應用成本遠大于投入成本。所以造成許多頂尖的人工制能企業(yè)采用深度學習運營的結果是，造成企業(yè)的虧損額大于接受的投資額。頂尖的人工智能企業(yè)都這樣，那些人工智能的中小企業(yè)的融資就更困難，社會上對人工智能的投資已趨冷。所以，由國內外合力熱捧起來的深度學習產生的高燒，在現(xiàn)實的這種極大反差下，自然會退燒。

三、破局

雖然深度學習有問題，但不會改變和降低人工智能在經濟和社會發(fā)展中有重要作用及在國際技術竟爭中的戰(zhàn)略地位的意義。這幾年熱捧深度學習的結果，讓我國人工智能的發(fā)展和應用走了大彎路，但也讓實踐者們看清了真正能落地應用、能很快變現(xiàn)的不是看起來理輪高深、結構復雜的大模型、大數據、大硬件的算法，而應是小模型、小數據、小硬件的算法。事實說明，只有選對算法和應用場景，人工智能企業(yè)才能變現(xiàn)。

人工智能是計算機應用技術。計算機應用的95%以上又都在在工業(yè)控制和嵌入式系統(tǒng)上。由于深度學習的缺陷和安全問題，谷歌公司早在2017年就宣布他們的人工智能應用退出工業(yè)控制?？墒?，還有許多公司用深度學習在工業(yè)控制努力試用，但還都沒有獲得批量應用的大成效。至于應用環(huán)境更小、數據量更少的嵌入式系統(tǒng)，至今除自律學習SDL算法外無人問津。

目前，我國還沒有廣泛應用中的人工智能通用算法。我們聯(lián)盟理事、天津市阿波羅信息技術有限公司和阿波羅（日本）株式會社首席科學家顧澤蒼博士（中國籍）依據自己在日本從事三十多年人工智能積累的經驗，針對深度學習算法存在的缺陷獨自創(chuàng)新發(fā)明出小模型、小數據、小硬件的沒有黑箱，可在包括工業(yè)控制和嵌入式系統(tǒng)在內的廣泛應用領域簡便使用的自律學習SDL算法。

經三年多的實踐檢驗，已證明SDL符合世界人工智能界公認的下一代人工智能算法應是“小數據、概率、迭代”特點的通用算法。SDL在小數據的“心電圖分析”和大數據的“自動駕駛”上的應用都取得領先世界水平的研制成果。

SDL可以破掉云大所一文和視頻所列的人工智能產業(yè)面臨諸多挑戰(zhàn)的困局。如果獲的資金支持時，SDL還可研制成世界第一個“智力”芯片，配用開發(fā)板就可構成人工智能應用的工具，可供各行各業(yè)技術人員自己該工具開發(fā)所需要的人工智能項目和批量生產出產品。人工智能技術應用工具化后，也可為大學畢業(yè)生和社會青年提供了發(fā)揮他們的聰明才智，自己創(chuàng)業(yè)發(fā)展的廣闊空間。

在全國熱捧和獨尊深度學習的這些年，SDL這只人工智能丑小鴨，隨然盡力叫遍全國業(yè)內的上上下下，但無人理睬，被冷眼旁觀。在熱捧的深度學習退燒后，希望大家給以關注和支持SDL的發(fā)展和應用，能讓SDL盡快在中國落地，幫助顧澤蒼博士以此實現(xiàn)他回報祖國的夙愿。