吴恩达:AI未来将呈现四大发展趋势

2019 年 8 月 30 日 AI100


作者 | 夕颜

出品 | AI科技大本营(ID:rgznai100)


导读:8 月 30 日,世界人工智能大会精彩继续。在今天的全球工业智能峰会上,Landing.AI 创始人及首席执行官吴恩达来到现场,做了题为《人工智能是新电力》的演讲。在经历了其创办的自动驾驶创企 Drive.ai 由于各种复杂因素被苹果收购之后,他对于 AI 的发展依然信心满满。
 
以下为演讲精华整理:
 
AI 发展势头强劲,这句话我说了四年,过去四年,AI 发展的势头是如何保持的呢?
 
在过去两年当中,深度学习相关职位开放上升了 35%,研究机构发布的论文和 AI 在过去几年被提及的次数也越来越多。据麦肯锡研究预测,到 2030 年,AI创造的价值将达到 13 万亿美元,其中很大一部分来自于软件行业,另外还包括零售行业、制造行业等,这就是我们看到的未来 AI 将带给我们的价值。

大家都听过这样的故事,数据和计算推动了 AI 的崛起,还记得我在创业的时候,我们用了 1. 6 万个 CPU 实现让机器识别一只猫,当时还上了《纽约时报》头条。现在,每个人都有拥有丰富的资源,花 2000 美元就能做这样的工作,这就是新的计算方式,现在的计算力比原来要大很多。

人才+新的想法+工具

除此之外,我们也看到了人才、新的想法和工具的结合。
 
首先,目前 AI 领域仍然缺乏人才。在机器学习方面,在线的学习者超过 250 万人,这些人付费学习 AI 知识,拥有打造 AI 系统的资质。

其次,想法比之前更加重要。目前,每天有 100 篇 AI 相关文章发表,这与之前大不相同,几年前我参加 ASL 的机器学习会议,整个社区发布一年的发表量可能才有 150 篇。
 
另外一个重要的点是开源工具,这些开放的平台使得软件行业从中获益。我在美国参加一个 AI 盛会上遇到一位 12 岁学生展示他创造的农作物疾病监测机器人。5 年前,这种项目可能是一个斯坦福大学生、研究生才可以做的创新项目,但是有了开放式工具,12 岁的小孩儿也能够做出人工智能项目。

AI呈现的新趋势

现在,AI 驱动了很多技术的发展,AI 变得更加可触达,可用性更高,并催生了很多新的技术,同时给我们带来了更多机会,包括工业人工智能。
 
我观察到,人工智能将呈现出一些对我们很重要的趋势。

AI 向系统化工程学科转变

首先,依靠先贤的智慧逐步探索、转换,AI 正在转变当中,作为一个系统化的工程学科出现。在软件工程中,人类需要花很长的时间才能够达到稳定的阶段,但 AI 的发展速度非常快,AI 团队想要打造一个更加系统化的学科,这非常重要。在全球不同领域中,AI都呈现系统化工程学科的趋势。

大数据向小数据过渡

第二个趋势,是从大数据向小数据过渡。在 AI 早期发展阶段,谷歌和百度等都是大型的,与消费者相关的公司,他们有数十亿级的用户,积累了大量数据。但是软件行业之外的企业没有如此大规模的数据。
 
如果少量数据就可以让机器学会执行任务,效率将大大提高。现在,在融合式学习、增强学习、迁移学习等技术的帮助下,小数据也可以发挥大作用,应用于更多领域。

AI 在模糊标签方面将发挥更大作用

另外一个非常重要的趋势,是 AI 在模糊标签方面的作用。比如在一个医学图像标签中,可能人类专家也无法就识别某一区域是否是一个缺陷达成一致。利用大数据,AI 可以进行标签量化,实验表明它的效果比人更好。

短期内人机交互是重要趋势

现在有很多关于机器代替人类的讨论,但在短期内,人机交互将会是一个重要的趋势。在 AI 追踪任务执行系统中,AI 工具不仅让人更加敏捷,也可以让仓库和生产环节数字化,积累更多培训人类的数据,以提高工作效率。

强化学习和迁移学习

最后,吴恩达分享了他对于迁移学习和强化学习的看法。他说道,强化学习就是巩固学习成果,虽然现在很多商业应用在强化学习方面的成果并不惊人,但未来可能会越来越常见。
 
比如训练一台无人机,我们可以在模拟环境中进行。但是问题是,没有人能够制造出一个完美的模拟器,因为空气动力学实在太过复杂,所以我们需要增强学习巩固学习成果,或用成千上百台模拟器,每一个模拟器有不同的模拟参数,用 AI 算法收集不同的数据。
 
这样,综合数据、迁移学习和加强学习的方法有望帮助我们在工业上取得长足进展,让AI 在工业得到更广泛的应用。

在谷歌的第一个用户,是内部语言团队

有人问我,虽然我懂 AI,但是如何为用户找到最合适的 AI 用例呢?
 
在我看来,首先不要贪大,要从小处着手,有些人一开始就太过于雄心壮志,他们害怕从小处着手。在谷歌担任负责人时,谷歌内部和全世界都对深度学习持怀疑的态度,他们不知道如何使用深度学习,所以我的第一个“内部客户”,就是谷歌的语言团队,他们想要更精准地识别不同的语言和演讲,这件事做成之后,谷歌内部团队自然看到了人工智能的价值。
 
我的第二个顾客同样来自谷歌内部团队,那就是谷歌地图,我们可以帮谷歌地图更好地识别房屋,提高了谷歌地图的质量。
 
最后,我的建议是可以把人工智能和公司的专业知识相结合,让 AI 做擅长的部分,企业团队做擅长的领域工作。

(*本文为 AI科技大本营原创文章,转载请联系微信 1092722531)


福利时刻



入群参与每周抽奖~


扫码添加小助手,回复:大会,加入福利群,参与抽奖送礼!


AI ProCon 大会优惠票限时抢购中,三人拼团,每人立减600元!识别海报二维码,即刻购票~



推荐阅读


你点的每个“在看”,我都认真当成了喜欢
登录查看更多
6

相关内容

个人主页: Andrew Ng Wikipedia: Andrew Ng
吳恩達是斯坦福大学计算机科学系和电气工程系的副教授,斯坦福人工智能实验室的主任。他还与达芙妮·科勒一起创建了在线教育平台Coursera。

2011年,吳恩達在Google創建了Google Brain項目,以通過分佈式集群計算機開發超大規模的人工神經網絡。2014年5月16日,吴恩達加入百度,负责「百度大脑」计划。他将同时担任百度公司首席科学家。
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
电力人工智能发展报告,33页ppt
专知会员服务
118+阅读 · 2019年12月25日
2019中国硬科技发展白皮书 193页
专知会员服务
77+阅读 · 2019年12月13日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
112+阅读 · 2019年10月10日
人工智能应用实践与趋势
人工智能学家
13+阅读 · 2019年9月20日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
吴恩达:我的AI商业化方法论
量子位
4+阅读 · 2018年9月6日
为什么欧盟呼吁共建 AI 伦理准则?
AI科技评论
3+阅读 · 2018年3月14日
深度 | 致开发者:2018 AI发展趋势
机器之心
4+阅读 · 2018年1月11日
自然语言处理的十个发展趋势
人工智能学家
4+阅读 · 2017年11月20日
李飞飞:数据开源对于人工智能发展极为重要
人工智能学家
3+阅读 · 2017年9月6日
2017中国多媒体大会-智能媒体 创新未来
中国计算机学会
3+阅读 · 2017年8月21日
Arxiv
38+阅读 · 2020年3月10日
A Comprehensive Survey on Transfer Learning
Arxiv
117+阅读 · 2019年11月7日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
7+阅读 · 2018年12月6日
Arxiv
4+阅读 · 2018年9月11日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
电力人工智能发展报告,33页ppt
专知会员服务
118+阅读 · 2019年12月25日
2019中国硬科技发展白皮书 193页
专知会员服务
77+阅读 · 2019年12月13日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
112+阅读 · 2019年10月10日
相关资讯
人工智能应用实践与趋势
人工智能学家
13+阅读 · 2019年9月20日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
吴恩达:我的AI商业化方法论
量子位
4+阅读 · 2018年9月6日
为什么欧盟呼吁共建 AI 伦理准则?
AI科技评论
3+阅读 · 2018年3月14日
深度 | 致开发者:2018 AI发展趋势
机器之心
4+阅读 · 2018年1月11日
自然语言处理的十个发展趋势
人工智能学家
4+阅读 · 2017年11月20日
李飞飞:数据开源对于人工智能发展极为重要
人工智能学家
3+阅读 · 2017年9月6日
2017中国多媒体大会-智能媒体 创新未来
中国计算机学会
3+阅读 · 2017年8月21日
相关论文
Top
微信扫码咨询专知VIP会员