【編者按】轉(zhuǎn)眼間人機(jī)大戰(zhàn)已有21年歷史，人們對(duì)人工智能的期待絕不是一次又一次的在象棋和德州撲克領(lǐng)域打敗人類，而是期待這種技術(shù)能夠?yàn)槿祟愒诟黝I(lǐng)域的發(fā)展帶來更多可能性。本文作者人工智能領(lǐng)域的資深投資人龍?zhí)?，將人工智能?yīng)用分成物理世界應(yīng)用、數(shù)字世界應(yīng)用、物理世界的非關(guān)鍵性應(yīng)用、數(shù)字世界的非關(guān)鍵性應(yīng)用四大類，結(jié)合美國(guó)人工智能年會(huì)(AAAI)上8家科技公司人工智能的技術(shù)主管在各自領(lǐng)域的技術(shù)進(jìn)展進(jìn)行了深入的分析，指出了目前人工智能在實(shí)踐應(yīng)用方面的難點(diǎn)及相關(guān)領(lǐng)域創(chuàng)業(yè)公司的發(fā)展機(jī)會(huì)。
本文發(fā)自“硅谷密探”，作者：AI嚴(yán)肅說，億歐轉(zhuǎn)發(fā)，供業(yè)內(nèi)人士參考。
從實(shí)際應(yīng)用角度來看，關(guān)鍵性的應(yīng)用幾乎不允許發(fā)生錯(cuò)誤，一旦發(fā)生故障可能造成人員和財(cái)產(chǎn)損失，所以對(duì)整體系統(tǒng)包括硬件和軟件的可靠性要求非常高，實(shí)現(xiàn)難度也隨之加大。
而面向物理世界的應(yīng)用，要求系統(tǒng)的魯棒性強(qiáng)，能夠處理物理世界的各種不確定性和復(fù)雜性。
因此，從數(shù)字/物理世界、關(guān)鍵/非關(guān)鍵應(yīng)用兩個(gè)維度來分析，人工智能的應(yīng)用分成四大類：
第一類是發(fā)生在物理世界的關(guān)鍵性應(yīng)用，比如無(wú)人駕駛，畢竟人命關(guān)天。
第二類是發(fā)生在數(shù)字世界的關(guān)鍵性應(yīng)用，比如涉及到金融領(lǐng)域和計(jì)算機(jī)安全領(lǐng)域的問題，可能直接造成財(cái)產(chǎn)損失。
第三類是發(fā)生在物理世界的非關(guān)鍵性應(yīng)用，比如掃地機(jī)器人。
第四類是發(fā)生在數(shù)字世界的非關(guān)鍵性應(yīng)用，比如推薦系統(tǒng)。就商業(yè)應(yīng)用路線而言，一般規(guī)律是從數(shù)字世界的非關(guān)鍵應(yīng)用開始，逐步滲透到物理世界的關(guān)鍵應(yīng)用。
發(fā)生在物理世界的關(guān)鍵性應(yīng)用
總體而言，發(fā)生在物理世界的關(guān)鍵性應(yīng)用技術(shù)難度非常大，比如高級(jí)別的無(wú)人駕駛，是需要長(zhǎng)時(shí)間的培育和等待的領(lǐng)域。
“AI in Practice”的演講者之一，來自谷歌的Vincent Vanhoucke以及Waymo(谷歌的無(wú)人駕駛公司)的Dimitri Dolgov都分享了一些研發(fā)機(jī)器人和無(wú)人駕駛的經(jīng)驗(yàn)和教訓(xùn)。
Vincent所帶領(lǐng)的Google Brain團(tuán)隊(duì)目前工作主要集中在三個(gè)領(lǐng)域：語(yǔ)音識(shí)別、計(jì)算機(jī)視覺、機(jī)器人。而Dimitri引用了加利福尼亞車管局(DMV)提供了2016年關(guān)于無(wú)人駕駛里程及失靈（Disengagements）的數(shù)據(jù)（失靈時(shí)需要人類司機(jī)來駕駛），這個(gè)數(shù)據(jù)也基本驗(yàn)證了無(wú)人駕駛的難度。
失靈比例最低的是谷歌，每5128英里失靈1次，可以想象的是，谷歌無(wú)人駕駛的測(cè)試數(shù)據(jù)依舊是在一定的限定環(huán)境下，特斯拉則是3英里就失靈1次。
即使是按照谷歌無(wú)人車現(xiàn)在這個(gè)數(shù)據(jù)，在駕駛?cè)绱烁哳l的情況，離完全的無(wú)人駕駛（Lever4or5）還有很長(zhǎng)一段距離。
按照長(zhǎng)期以來的工業(yè)界的實(shí)踐，把可靠性從90%提升到99%，往往比0%提升到90%難很多，然而從99%提升到99.99%比從90%提升到99%更難，而我們對(duì)無(wú)人駕駛可靠性的要求可能要超過99.9999%。
實(shí)現(xiàn)固定場(chǎng)景的幾個(gè)英里的無(wú)人駕駛距離實(shí)現(xiàn)高級(jí)別無(wú)人駕駛還有漫長(zhǎng)的一段路要走，此外無(wú)人駕駛汽車從設(shè)計(jì)到生產(chǎn)的周期還需要額外的3到5年的時(shí)間，該行業(yè)的創(chuàng)業(yè)公司的周期會(huì)非常長(zhǎng)。不過值得一提的是，限定場(chǎng)景（比如高速公路）下的無(wú)人駕駛或者輔助駕駛依然很有意義。
Vincent Vanhoucke演講的最后一部分集中在機(jī)器人！他說之前還沒進(jìn)入機(jī)器人領(lǐng)域時(shí)，看到DARPA挑戰(zhàn)賽中機(jī)器人的各種摔倒鏡頭會(huì)大笑，然后真正開始接觸之后，就再也笑不出來了。機(jī)器學(xué)習(xí)的研究人員會(huì)想當(dāng)然地認(rèn)為機(jī)器人已經(jīng)大規(guī)模使用機(jī)器學(xué)習(xí)技術(shù)、想當(dāng)然地認(rèn)為機(jī)器人和環(huán)境狀態(tài)完全已知、想當(dāng)然地認(rèn)為樣本充足、想當(dāng)然地認(rèn)為計(jì)算機(jī)模擬十分逼近真實(shí)物理世界。從這個(gè)角度，機(jī)器人領(lǐng)域給機(jī)器學(xué)習(xí)提供了很多有意思的話題。
第一：如何協(xié)調(diào)感知和執(zhí)行是機(jī)器人的關(guān)鍵。
機(jī)器人的感知是軟件層面，而執(zhí)行則是機(jī)械層面。做算法的不懂機(jī)械，做機(jī)械的不懂軟件往往是業(yè)界共同面臨的問題。