【.com原稿】随着各行各业数据量的快速增长，大数据技术的发展和高新技术的成熟应用性能计算硬件，人工智能技术自诞生之日起就存在。时隔60年，它终于再次受到大众的关注。从今年上半年人工智能的众多技术分享和主题论坛活动中，我们可以深刻感受到业界的热情。技术关注必然导致资本追捧，人工智能也不例外，但客观来说，人工智能要大规模应用并成功带来多种应用，还需要很多时间。比如人工智能在商业领域的价值还没有得到充分验证，仍然是技术驱动而非市场驱动。客户需求没有得到充分满足，也没有看到新的商业模式。应用领域相对狭窄，集中在精准营销、个性化推荐等互联网场景，比如自动驾驶。还有金融等领域……百分店集团技术副总裁、总架构师刘义敬表示，目前人工智能技术只能应用在狭窄的场景中，要想更好地解决问题，还有很多工作要做实际问题。任重而道远。知识图谱将成为推动人工智能发展的利器。业内人士表示，人工智能的发展并未出现算法和模型的革命性变化。深度学习早在80年代就出现了。之所以在今天受到广泛关注，大部分原因是数据量的激增，在不断发展的过程中，AI的发展还有很多理论和技术问题没有解决。将这些问题一一解决，可能会促进人工智能的发展。“按照目前的发展情况，人工智能能够得到有效利用并产生商业价值，一定是在垂直行业，但垂直行业的数据量并不庞大，利用好小数据非常重要通过构建知识体系。知识体系是AI中非常重要的技术领域之一，被称为知识表示。众所周知，2012年谷歌的知识图谱越来越受到业界的认可，以知识工程为代表通过知识图谱将受到更多关注。”刘以静告诉记者。人工智能中的知识表示理论研究的是如何用计算机能够理解的语言来表达人类系统中的知识，以及如何使计算机在此基础上进行推理。典型的技术包括本体、语义网和知识图谱。构建实用的知识图谱并不是一件简单的事情。它需要人们系统地梳理现有的知识，然后用属性和关系来描述它。目前，像谷歌、微软这样的巨头公司已经开始自建。可以预见，人工智能的进一步发展将取决于各行业知识图谱的构建。深度学习很容易上手，但这是一个大错误？长期以来，视觉和自然语言处理原本是两个独立的学科。深度学习将两者有机地联系起来，并给彼此带来了快速发展。深度学习只用了几年时间就可以理解从简单的独立标签到连贯的自然语言描述的图像和视频。深度学习赋予一维图像数据和二维视频数据更强的理解和识别能力。这波人工智能浪潮让“深度学习”广为流传。有人认为深度学习是实现人工智能的终极武器，其渗透程度超乎想象。对此，笔者在采访中特地询问了刘亦敬深度学习是否真的有这么神奇。深度学习作为机器学习的一种，可以看作是联结主义的一种方法，但不是所有的方法。这种方法只能解决归纳和完全归纳设计，这也是最大的局限性。我们知道深度学习需要大量的样本进行训练，比如AlphaGO的自对弈，学习的样本越多效果越好；而深度学习的层次和特征越多，需要的数据量就越大。但是在真实的业务场景中，真的有那么多数据吗？比如围棋、博弈等不需要重复多次的场景，可以在短时间内完成数据的积累，但现实中我们面对的是投资理财、灾害评估、灾难评估，在数据很少的情况下我们能做什么？即使能够积累足够多的数据，时间的长短也很难掌握。在这些场景下，深度学习无能为力。刘义敬补充道：“随着学习的深入，深度学习会出现很多技术上的局限性。深度学习归根结底是一个优化问题，急需选择用什么方法来进行这个优化。比如，stochasticgradientdescent方法训练时间长，资源消耗大，在现实生活中需要快速决策的场景很难使用，有没有什么新的优化技术，有没有类似量子力学的计算方法那可以让这件事做得更快，这是目前最大的限制之一。另外，深度学习是一种端到端的学习方式，被称为神经网络，从输入到输出是一个完全自动的过程，无法解释和缺乏反馈的机制又成为了一个局限。简单来说，我们既不知道模型学到了什么，也不知道它诱导了什么，也不能对得到的结果进行推论，更不能对学习到的知识进行评估和优化……”深度学习是一个很好的工具，至少在某些领域是好的，但深度学习只是一个小技术点，离人工智能的实现还有很远的距离。”刘义敬总结道。边缘计算或将成为人工智能落地的技术支撑。如今，“一切上云”已成为企业追求的焦点。事实证明，将各个终端的数据聚合在云端进行集中建模，实现人工智能的一些技术，确实是不靠谱的。简单来说，数据汇聚到云端仍然存在隐私泄露的风险，这无疑带来了数据安全、法律伦理等诸多问题，增加了行业风险；自动驾驶、智能语音等应用落地存在响应速度快的问题，云部署确实难以实现；此外，云建模方法也会极大地影响效率。根源是处理个性化的终端和数据。这种方法很难Hold，分分钟bug比比皆是。如何解决人工智能的云端部署，刘义敬表示，可以采用集中建模（云计算）+微建模（边缘计算）的结合方式，实现历史建模和现场建模的同时实现。边缘计算可以自我处理一些简单的问题，并将结果上传到云端。也就是说，边缘计算是云计算的“精简+增强”版本，可以理解为靠近设备的小型数据中心。商业应用落地的重要技术支撑。谈及Percent在人工智能方面的布局，刘义敬表示，Percent从2009年开始使用人工智能技术，致力于自然语言处理和知识图谱的推广。如今，产品将更加强调自然交互，以满足各种场景的使用需求，比如新发布的智能交互分析引擎。现在的数据分析技术确实对专业要求更高。Percent希望解决的是从非常模糊的语义到精确的计算机运算这一过程的转化，为此，将更多的精力投入到自然交互领域的研发中。【原创稿件，合作网站转载请注明原作者和出处为.com】
