Qualcomm博客

韦灵思博士阐述人工智能如何在现在和未来对世界产生影响

人工智能(AI)技术可能会成为未来最具变革性的力量之一,几乎可以影响我们所做的每一件事。正如Qualcomm为移动革命奠定基础那样,我们的创新将会定义人工智能时代。 

这个领域的关键人物之一是韦灵思博士,他是阿姆斯特丹大学的著名教授。去年夏天,我们收购了他的Scyfer B.V.公司,韦灵思正式加入了Qualcomm Technologies。他的公司曾为各行各业提供强大的人工智能解决方案。

我们与韦灵思博士对人工智能的现状,以及这项技术在未来可以施展的能力进行了讨论。

[本次采访经过编辑]

我们来探讨一下目前人工智能的情况。现在它发展到了什么阶段?

目前,有一件事情人工智能系统可以做的很好,甚至比人类更好。例如,人工智能可以分析医学图像并检测是否有人患有黑素瘤。并且人工智能可以在围棋或国际象棋中击败人类世界冠军。

虽然人工智能只在这几个有限的领域发挥出色,但是当我们研究“多智能体系统”时,这些领域变得更加复杂和有趣。例如,在一辆自动驾驶汽车中,人工智能需要了解道路和路边的其他人在做什么。自动驾驶汽车与多智能体相互作用,因此我们必须开发新的规划算法和智能,以预测其他道路使用者将会做什么。

人工智能下一阶段将要开发的领域是什么?

关于深度学习,我认为下一阶段最重要的是推理能力的开发。我们可以很好地进行语音识别和图像分析。我们能够识别图像中的对象,甚至可以说出图像中的人物在做什么。但是现在如果我问,“接下来会发生什么?”或者“是什么导致了这个特殊场景的发生?”这时系统便需要运用推理和反应能力。

深度学习/人工智能是否需要更高效的硬件?软件?或二者结合?

人们低估了硬件在人工智能中的重要性。没有摩尔定律的进步就没有人工智能的进步。但是很快,你会发现今天的深度学习方案能源消耗过高。这是一个亟待解决的问题,需要新的解决方案。

目前,我们的算法非常低效。无论对于移动设备,还是云和数据中心来说都是一个严峻的问题。新突破势在必行。虽然Qualcomm Technologies在此领域处于领先地位,但我认为人们还是低估了节能的重要性。我们刚组建的Qualcomm人工智能研究团队非常清楚,这将是人工智能的下一个阵地,必须研究并开发出节能的硬件。我们致力于这一使命,这就是为什么我们将人工智能研究工作统一到Qualcomm Technologies的各个团队中。

相比云端人工智能,终端侧人工智能同样具有很多优势。未来在基于人工智能的应用中,终端与云端相比谁更重要?

我猜测是会是二者的结合。显然,云端有相当大的优势,因为数据集中在那里。但我认为,随着我们从分布式数据源中学到的越来越多,所有数据是否需要全部储存于一个中心位置变得越来越不重要。只要我们可以对模型加以训练使之可以对数据进行自由的分配,这些数据也是可以储存在许多不同的位置。

隐私性是否是一个顾虑?

我认为公众对大型互联网公司收集个人数据的意识和谨慎程度越来越高。所以,我们想开发机器学习算法,或者一个框架,来帮助公众保护隐私。

一种方法是保护防火墙后的数据,并且不让它离开保护环境。但是为了最大限度地利用人工智能,需要与云进行通信,因为云是储存数据的地方,也是软件学习和改进的地方。在仍然保护数据的同时,有一些方法可以利用云。

一种途径是加密数据,但是代价昂贵。这些加密的数据可以用来改进模型,而数据仍然是不可读的。第二种途径叫做“差异隐私”,你可以计算出你感兴趣的事物的典型平均值。然后可以通过添加噪音来确保无论从被保护的环境中发出任何的信息都不会泄漏个人的敏感数据。

你如何看待机器学习在物联网中的应用?

在家中,所有的家电都设有传感器。这些设备会相互交流,预测你的需求,让家里更舒适、更有效率。

相同类型的网络也将应用于制造业中。在工厂里,许多机器必须在生产过程中进行合作。它们都将会安装传感器,以便找出如何优化合作,如何更好地执行质量控制,以及如何在故障发生前检测故障的方式。

我们知道人工智能让很多人感到紧张。例如,他们会担心失业问题。你如何回应这种担心?

从短期来看,它可能会扰乱社会,并且某些工作会消失。这需要一段时间来适应。但从长远来看,会有很多新的机会出现。借助适当的培训,新一代会看到一个更加灵活的就业市场,也会出现很多崭新的机会。

你目前的工作进展怎么样?关于人工智能,什么令你感到兴奋?

在Qualcomm Technologies,会有很多创新的机遇和可能,例如强化学习以及算法与芯片的协同设计。机器学习实际上有三种不同的类型。广义来说,无监督机器学习是没有标签可用的。机器观察世界,并试图构造它来发现重复的模式。然后是监督学习,你可以对机器指令说这是输入图像,这是图像中的内容。进而让它来预测下一个图像。

强化学习不仅仅是做出预测或发现结构,实际却是做出行动。以机器人为例,它可以做出决定并执行行动。它能捡起一些物品,并进行观察,从中学习。或者它可以玩一个游戏或者开一辆车。

另一个热门话题是芯片和运行算法的协同设计。例如,我们可以对算法进行训练使之在内存和精准度都有限的芯片上依旧可以运行良好。反之,我们也可以设计出一种芯片,使之能够高效、低耗地执行深度学习算法。Qualcomm人工智能研究提供了一个独特的环境,使得机器学习与硬件可以相互结合。

设想一下,如果把最聪明的人工智能科学家的思想集中在一起来解决这类问题,结果会是怎样?

关注微博或扫描下二维码关注微信公众号(ID:Qualcomm-China),了解更多 Qualcomm 资讯。

 

Opinions expressed in the content posted here are the personal opinions of the original authors, and do not necessarily reflect those of Qualcomm Incorporated or its subsidiaries ("Qualcomm"). The content is provided for informational purposes only and is not meant to be an endorsement or representation by Qualcomm or any other party. This site may also provide links or references to non-Qualcomm sites and resources. Qualcomm makes no representations, warranties, or other commitments whatsoever about any non-Qualcomm sites or third-party resources that may be referenced, accessible from, or linked to this site.