本报 贡晓丽

“《前任3》票房赚了18亿，也便是说，一个前任6亿啊！
”喷鼻香港中文大学信息工程系教授、商汤科技联合创始人汤晓鸥，1月29日在《麻省理工科技评论》与DeepTech深科技主理的环球新兴科技峰会（EmTech China）上如此调侃。
为了先容人工智能（AI）从实验室到大规模家当化的进程，汤晓鸥充分发挥了“被科研延误的段子手”的特质。

调侃有之，严明亦有之。
关于云和AI的关系，阿里巴巴技能委员会主席王坚认为可以从其余一个角度重新描述，“云该当指Internet（互联网），由于Cloud（云）这个词有很多歧义。
实际上，将来全体Internet是AI非常主要的承载主体”。

不论是技能运用还是理论研究，专家们所做的都是在探求人工智能的打破口，麻省理工学院（MIT）打算机科学与人工智能实验室教授Tomaso Poggio认为，人工智能的发展，深度学习可以帮助办理10%的难题，剩下的90%可能须要来自神经科学以及认知科学的研究。

进入“分布式AI的年代”

如果说AI是新的电力，云便是电网。
在亚马逊AWS首席科学家Animashree Anandkumar看来，要确保AI在不同的机器和设备上都可以利用，就要能够让不同的硬件或者构造都能够接入到云，“我们须要有一种灵巧性的云的观点”。

对此，王坚表示，AI不仅与云的关系密切，与打算的关系也很故意义。
AI，或者MI（机器智能），是花费打算资源最多的运用处景。
“AI in the Cloud（全部在云端）在未来至少有两个事情是非常激动民气的：一是AI一定是在互联网上，只管可能是在互联网的设备上，但也是在互联网上的；二是它所花费掉的打算资源可能是亘古未有的。
”王坚说。

既然AI须要强大的运算能力，而云作为AI的归属平台，AI客户端与云端又如何整合与连接呢？

Animashree Anandkumar表示，这个领域发展很快，深度学习除了学习本身，运用处景也很主要，在未来要考虑如何在这两端之间进行资源的分配。
“大多数的打算都是发生在云端上的，但是它很昂贵，须要很多的数据。
如果把这个模型载入终端设备，我们还面临如何压缩模型的寻衅。

关于AI在终端上还是在云上，王坚认为描述并不准确。
“AI一定会既在终端上，也在云上。
现在哪怕是一个音箱，都一定是连在互联网上的。
实际上，AI已经分布在了互联网上，只不过末了须要一个终端来实现利用。
”从Cloud Company（云公司）的角度讲，比较于云还是终端，王坚认为，真正的核心还是打算，不论云端还是终端都须要分配打算资源。

但是，AI资源在云端和终真个需求是不一样的。
“如果在终端上须要一个晶体管的话，在云上一定会用到100个乃至1000个晶体管。
也便是对付所谓的分布式AI来说，在云端用掉的打算能力一定会超过终端。
”王坚断言，这是一个分布式AI的年代，AI无处不在，一起协同事情才会实现真正的AI。

AI运用待优化的未来

AI与云的关系屡遭提及，AI的家当化运用也被热议。
汤晓鸥就个中一个行业——***剖析作出先容。

“大家在看奥运会的时候，可能会花一大堆韶光看一些呆板的内容先容，以是基本上过了好几分钟，你可能什么都没看到。
”汤晓鸥说，要节约韶光，就要用到人工智能技能提高***剖析当中的行为检测效率。

“用建立视觉剖析的方法，可以把很长的一段***中主要内容检测出来，不雅观众就可以直接跳过没故意义的部分，直接看有趣的、真正的跳水动作。
”汤晓鸥说。

在一部电影中***剖析可以把各种各样的片段搜索出来，这便是缺口检测。
而自然措辞检测则可以自动根据不雅观众的描述搜索出电影中的场景。
“其余，我们不但能把***剖析出来，还能够把剖析的内容理解出来。
在一些运动会场景中，机器可以把场景描述出来，比如运动员穿着蓝色的衣服在射门等等，从而代替讲授员。
”

同样是须要智能技能来办理的问题，王坚认为，最大的寻衅来自城市大脑，而城市是最大的智能硬件。
提及城市大脑研究下一阶段的目标，王坚认为，便是让天下上每个城市都取消车辆的限行，也便是让现在所有的道路由于有数据和大脑发挥最高的效率。
“现在的道路资源是足够的，但没有进行优化。
”

而更长远的目标，该当是节约更多的地皮资源。
“这个天下本来是不须要修那么多路的，我们现在不得不这么做，是由于资源的利用效率不高。
本日的中国，每个城市大概都要拿出20%~25%的地皮来修路，我们相信，如果经由城市大脑的努力，帮助城市省下5%的地皮资源，将为社会供应一笔巨大的财富，也会开启巨大的市场。
”王坚说。

办理智能产生的“元问题”

发展AI，就要更好地理解人的思维和大脑，Tomaso Poggio所在的麻省理工学院大脑、心智和机器中央（CBMM）在五年前开始了这样的研究，Poggio认为CBMM的义务是要在理解认知方面得到新的进步，同时也须要去理解全体智能的架构和智能背后的科学事理。
关于智能的科学会帮助回答最伟大的问题，理解生命的起源、宇宙的起源，以及时间的源头。
大脑中智能的产生，是科学现在须要办理的元问题。

在接管媒体采访时，Tomaso Poggio同样表示现在面临的最大寻衅便是如今所谓“人工智能”可能从根本来说便是错的，由于它从生物学的层面上是说不通的，人类就算是在婴儿期间也不须要通过上百万个例子来学习、认知某一样事物，而这对付深度学习来说却是常事。
“提升机器学习智能的打破口可能在于人类大脑干系的研究。
”

商汤科技研究院院长王晓刚现场展示了一个其团队在2016年设计的大规模物体检测网络。
在这个网络里，不同的分辨率的特色信息之间可以在同一层神经网络进行通报，并且相互印证，个中还设计了不同的门来掌握通报的信息流，如什么样的信息可以通报。

“最开始的时候，商汤用不同的神经网络办理不同的问题，但是事实上我们人类只有一个大脑，却可以用一个大脑办理各种各样的繁芜问题，包括三维的物体形状的感知、笔墨的理解、在***中去识别和跟踪物体以及对声音的处理。
神经网络也是有这样的一个发展趋势，未来有希望利用一个网络去完成多种繁芜的任务。
”王晓刚说。

高通环球副总裁Charles Bergan认为，机器学习未来可能会发生的最大的改变便是像人类一样在某些方面可以实现一次性学习。
他举例说，人类只须要摸过一块石头，就会知道石头是什么，而不须要像机器学习一样研究一百万块石头。
虽然现在大家还不知道如何实现，但当这个理论被研究出来的时候，会是这个行业最大的变革。

《中国科学报》 (2018-02-01 第6版 前沿)