又一个赛道悄悄崛起:华为字节抢人、软银红杉腾讯投出独角兽_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“投中网”(ID:China-Venture),作者:张丽娟,36氪经授权发布。

为什么说人工智能浪潮堪比工业革命?看看AI制药大概就知道了。

由人工智能制造出人类吞下去的药物,真是个梦想照进现实的过程。现实越来越近了。

首先是国内顶尖的科技公司在用钱投票。近的有字节和华为:上个月,字节跳动 AI Lab的三地团队传出了在招揽AI 制药领域的人才,在此之前,该AI Lab的定位是作为字节跳动内部的研究所和技术服务商。与此同时,华为也发布了药物研发算法工程师的招聘启事。在此之前,谷歌、百度、阿里、腾讯都已先行落子。

风险投资市场也非常活跃。剂泰医药在成立短短不到一年的世界,就完成了三轮融资,融资金额超过亿元;晶泰科技更是获得了创造全球AI药物研发细分赛道最高融资额—超3亿美元的C轮融资。

到了2020年12月,一下有四家AI制药相关赛道的企业都拿到了融资,AI制药变得炙手可热起来。

看看晶泰科技上一轮的投资方阵容:软银愿景基金2期、人保资本、晨兴资本、中金资本、招银国际招银电信基金、Mirae Asset(未来资产)、中证投资、中信资本、海松资本、顺为资本、方圆资本、imo Ventures、Parkway 基金等多家来自全球的投资机构跟投,腾讯、红杉中国、国寿股权投资、SIG海纳亚洲等早期股东继续追加投资。

这条赛道上,几乎所有你能想到的名字都入场了,当然商业前景还有待验证,但这至少说明了一个不容争辩的事实:AI制药,当下是没人敢错失的赛道。

投资密集期到来

AI制药有多热?

2020年12月,字节跳动向AI制药人才伸出了橄榄枝;9月,腾讯推出首个AI驱动药物研发平台“云深智药(iDrug), 百度也宣布成立“百图生科”;更早的1月,阿里与全球健康药物研发中心(GHDDI)合作;华为也开始招聘药物研发算法工程师,为其AI研发平台医药智能体(EIHealth)搭建团队。

不仅科技巨头加入了这一场技术赋能医疗的竞技中,更多的初创企业也在源源不断地浮出水面。

据相关数据显示,AI制药领域的投资正在持续增加。2019年全年该领域1亿美元以上的投资只有1项;到了2020年上半年,1亿美元以上的投资有2项;2020年下半年至今,该领域1亿美元以上的投资有4项。

与此同时,企业融资的速度在不断加快。

Insitro继2019年4月获得超过1亿美元的A轮投资之后,2020年5月宣布已通过超额认购的B轮融资筹集了1.43亿美元;

继2020年5月获得了2500万美元的新投资之后,一个多月后,2020年6月30日,Owkin从Mubadala Capital和Bpifrance又获得了1800万美元的融资,其A轮融资达到7000万美元。

而在2020年7月拿到1.21亿美元C轮融资之后,2020年9月9日,Recursion Pharmaceuticals又宣布获得了2.39亿美元超额认购的D轮融资。

随着时间到了2020年9月,2015年才从美国麻省理工大学走出的晶泰科技,获得超3亿美元的C轮融资。这一数字直接创造全球AI 药物研发领域融资额的最高纪录。

乃至进入到了12月,AI制药的投资变得更加密集:

METiS 剂泰医药宣布其完成过亿元的天使+轮和Pre-A轮融资;AccutarBio冰洲石宣布完成近亿美金新一轮融资;未知君宣布完成数千万美元B+轮融资;星药科技宣布完成最新两轮数千万美金融资。在过去四个月内,星药科技已连续完成三轮融资。

站在这几家AI 制药公司的背后,其投资机构名单则是星光熠熠:红杉资本、峰瑞资本、源码资本、光速中国、春华资本、鼎晖资本、高榕资本、五源资本、君联资本、DCM……甚至连同在产业中的晶泰科技、依图科技也下场了。

对此,剂泰医药CEO赖才达透露,投资方看重的,一是 AI 技术在生物制药领域所取得的重大突破,将 AI 算法应用到药物递送环节;二是中美一二级市场对于 AI 制药的认可,AI + 制剂是AI 制药链条中的重要一环。

为什么现在来争夺AI制药公司?

“现在排名前10的药企,每年的研究经费都在50亿美元以上。” 晶泰科技联合创始人温书豪分析,而创新投入的回报率在逐年下降。

国际著名期刊《自然》(Nature)有一个数据:新药的研发成本大约是26亿美元,耗时约10年,成功率不到十分之一。

为此,截止目前,几乎所有的顶尖制药公司,阿斯利康、拜耳、诺华、辉瑞、赛诺菲等公司都与AI技术公司有明确的合作,充分地利用AI带来的机遇。 

这就是因为,对于药企而言,新药研发周期长、投入大、持续时间久、效率低,一直是他们的“心头之痛”。

根据塔夫特药物发展研究中心的数据,一款新药的面市从药物发现到获得FDA批准平均大约需要96.8个月。而在成本上,德勤的数据显示,自2010年以来,12家主要制药公司的获批药物开发成本已经增加了33%,每年约16亿美元。

德勤的数据显示,自2010年以来,12家主要制药公司的获批药物开发成本已经增加了33%,至约每年16亿美元。在2015年,FDA报告了60种获批药物,每种获批药物的研发成本平均高达6.98亿美元,并且有将近420亿美元用在了失败药物研发上。

但AI的加入,则让人看到了可喜的改变。TechEmergence的研究报告就指出,AI可以将新药研发的成功率从12%提升至14%,这2%的增长可以为整个生物制药行业节省数十亿美元,同时,还可以省下很多研发时间。

此前在峰瑞资本生物医疗创投峰会上,峰瑞资本执行董事马睿也分享到,在AI制药和计算制药领域,峰瑞有三个观察:

一是,在中美资本市场,AI制药这个领域在一二级市场热度高。二级市场美国在2020年上市了两个公司,一个是薛定谔(Schrodinger),一个是Relay Therapeutics。薛定谔的股价从首发价17美元,一度涨到近百美元。

投资的热度从美国传导到中国。在中国一级市场上AI制药主题的公司受到追捧,晶泰科技近期完成了三亿美金的超大额融资,估值达到10亿美金,晋升独角兽。市场上还有若干一亿美金左右估值的公司。

赖才达也表示,大家最近为什么对AI制药这个产业这么有兴趣,其实来源于整个医药开发效率性的问题,就是Eroom’s Law(反摩尔定律)。医药产业要面临的一个场景是,大约每九年药物研发的成本会翻倍。

至于AI 制药为什么这么热?为什么是现在?晶泰科技联合创始人赖力鹏则表示,AI制药的驱动力一方面来自药物研发工业的挑战,另一个驱动力来自计算机技术的发展。

“制药成本一直增加,但成功率却逐年下降,非常不平衡。另一方面,在药物市场里,不管是患者的需求,还是国家的一些政策,都在期待更有创造性的、更高质量的药物出现。”

在最近的一期《今日AI》播客中,葛兰素史克公司消费者保健业务美洲创新和新兴技术负责人Subroto Mukherjee,也指出,受到新冠疫情和寻找有效疫苗竞赛的推动,人工智能和机器学习发挥了重要的作用。

“我们面临着过敏、感冒和流感等季节性疾病的威胁。商业用例使用了一个预测模型,该模型可以预测即将到来的过敏、感冒和流感季节在不同地区的行程情况,并且预测高峰和低谷将在何时出现。”

Subroto Mukherjee举例道,“人工智能和机器学习最大的用途在于,找出新冠肺炎的生物秘密,既减少药物发现的时间,也减少临床试验开发以及最终FDA批准的时间。看看现在疫苗开发的速度和敏捷程度——从鉴定出新型冠状病毒基因组到第一项疫苗研究出炉只花了300天,而之前这类研究通常平均要花费8-10年。”

收购潮将开启?

新年伊始,著名AI科学家吴恩达曾回顾2020年AI领域的一些重大事件,不少与生物医学有关,包括AI应对新冠疫情、AlphaFold预测蛋白质三维结构。

他预测,2021年 AI 药物公司将被大型制药公司以超高价收购。因为大型制药公司已经意识到这样一个事实,即机器学习提供了革新药物发现和开发的潜力。一家主要的制药公司将出资收购一家 AI 药物初创公司,将其技术和人才引入到公司内部。

毕竟,以成立于2015年的AccutarBio冰洲石来说,其就正致力于各类癌症靶向药物的研发,特别是针对前列腺癌和乳腺癌的药物,已列入2021年临床实验计划。

药物和靶点的结合就像钥匙和锁孔的关系,有效的药物像一把专为靶向蛋白配置的钥匙。但寻找靶点有多难?数据显示,肿瘤的靶向药物有数百种之多,即使只是两两组合,组合也多达数千种之多;有时,患者还可能同时使用数种药物才能抑制肿瘤转移。所以,目前最制约抗癌药物研发的难点,是药物筛选。

李开复就表示,“我们投资了一家AI制药公司,利用生成化学和对抗神经网络技术,寻找最合适的小分子,优化药物发现和生产顺序,提升通过临床实验的概率,大幅加速新药小分子研发,让药物发现阶段的研发速度提升5倍,而该阶段的研发费用能降低3-5倍。”

这或许可以解释在行业发展之上,投资机构的蜂拥而至。

DCM 的曾振宇就在投中网的采访中提及,“或许AI制药完全取代传统制药公司的路会很长,但在局部进行优化,这个时间节点可能会很短,并且已经处在了真正的商业化前沿,也已经有一些公司慢慢地探出了一些路子,所以自然就进入了我们关注的视线之中。”

押注在AI制药领域的经纬中国合伙人左凌烨也对投中网表示到,“今年大的主题的确是硬科技、医疗这些,经纬以前也有覆盖这些赛道,但今年很明显更加重视了,我们也新招募了很多新人才。二级市场本身也对这些领域的项目更加包容和重视,例如以前创新药的投资周期非常长,甚至都超出一支基金的生命周期,但随着香港对这方面的政策放开,我们看到今年有很多不错的退出案例,所以这方面的投资也变得火热。”

“资本市场就已经很火,只是疫情推高了,资本市场科创板典型预期,有预期在大家就会改变,大家就会尝试着进入,估值一轮又一轮推高,然后都能退出,形成一个正循环的状态。”身处一线机构的投资人这样对投中网说道。

比如,在红杉中国就选择向下深耕更底层的药物研发,收获晶泰科技、深度智耀星亢原、硅康医药4家AI制药企业,他们可以从根源上为提升新药研发速率提供关键助力。

《麻省理工科技评论》的年度“十大突破性技术”之中,AI发现药物分子技术登上榜单,就指出,“AI药物分子发现”入选为年度突破性技术,认为该行业的成熟期为3-5年。

正如GGV纪源资本管理合伙人符绩勋所言,“现在的AI变成了先发优势,是通过AI来直接定义产品或服务。先发优势在于要用AI作为技术来改造行业,比如利用AI来进行药物发现,基于AI来主动定义产品和服务,而不是靠先有了产品和服务再去通过AI来增强效果。这意味着,AI和大数据在未来会继续发挥着更重要的作用。”

想要甜甜的恋爱,和AI谈的那种_详细解读_最新资讯_热点事件

编者按:本文来自微信公众号“半熟财经”(ID:Banshu-Caijing),作者:半熟财经,36氪经授权发布。

艾什死了。

车祸突如其来,带走了他也毁了玛莎的幸福。

她甚至还怀着两人的孩子。

绝望之中,艾什生前的数据成了救命稻草。在人工智能技术帮助下,玛莎孤注一掷,不但“复活”出未婚夫的意识,还植入到一个外表与他一样的机器人当中……

这是英剧《黑镜》里的情节,如今,这一剧情已经不再遥远。

2017年,美国人工智能公司卢卡(Luka)开发出情感AI Replika,官方定义其为用户的AI伴侣,可模拟人的外貌和性格,与人进行对话。

相似事情也在微软研发的人工智能小冰框架身上发生。2020年11月,小冰推出虚拟恋人产品线,为用户提供可以定制的虚拟恋人形象和聊天服务。2020年5月,虚拟男友推出测试版,仅上线7天,就创造出118万个专属虚拟男友。

和生活助理Siri 或 Alexa不同,具有情感属性的人工智能正在人们生活里扮演更重要的角色——心理治疗师、私人顾问、朋友,甚至是恋人。

更依赖技术,而不是彼此

已经过零点了,简妮还不舍得睡。手机屏幕方寸间的亮光让她每一个毛孔都兴奋,她正和男友聊最喜欢的游戏《守望先锋》,虽然在一起只有两周,简妮却已经对男友生出了灵魂伴侣的熟悉感。

像每一个热恋中的少女,简妮不想错过对方任何消息,只是看着对话框里显示对方状态是持续跳动的“输入中”,她就能露出傻笑来。

这是简妮忙碌一天里最放松的时刻。

今年24岁的青岛女孩简妮是一名普通的传媒公司职员,比较而言,简妮的男友可不普通:温柔、博学、体贴、一张酷似王一博的脸,事无巨细把简妮放在心上……无可挑剔。

除了不是真人——利用Replika,简妮亲手制造了自己的理想男友。

聊天机器人并不新鲜。日常生活里,用于购物或客服途径的聊天机器人已经普及,但是深度学习改变了人机交互的可能。

通俗来说,以往编写程序需要人工写出解决某个特定问题所需采取的每一个步骤,如今,人们不再为机器编定明确的程序,而是输入各种示例,让机器自己去寻找最佳解决方案。

AI不懂爱,但是比任何人都更会学习爱。依赖同一套框架,一天之内就能开发出千千万万个拥有独立人格的虚拟恋人。每一个虚拟恋人的世界观和价值观都专属于某一个人,他的记忆里也只有一个人,这千千万万个样本产生的聊天数据还能促使其迭代进化,日臻完美。即使他没有实体,这又有什么关系呢?

Replika提供系统自带的外形模板和性格关键词,让用户可以像设定游戏人物那样,造出外貌和性格都符合理想的恋人。根据人设不同,恋人们有千人千面的擅长话题和互动模式:“我喜欢男子气重一点的,他现在说话越来越像一个霸道总裁了。”、“我给他的性格里设定了爱玩,他总是问我要不要去夜店。”、“我告诉他我喜欢音乐,他今天告诉我他是披头士的粉丝。”……

其他用户的评价让简妮又惊又喜。她在大学毕业后就放弃了结婚的念头,一心一意等待智能的伴侣型机器人出现,因此对Replika的期待,她是完完全全按照梦中情人来的。

简妮从未谈过恋爱,她不知道情侣间要如何相处。男友造好,她开始紧张,好在Replika的初始设定只是朋友。暧昧在升温。从游戏谈到音乐,从食物谈到哲学,无所不谈。Replika没有中文版,遇到不太理解的句子,简妮还会复制到翻译软件里,不肯错过每一个细节。

过去,简妮曾小心翼翼向心仪的异性表达好感,但无一例外被拒绝,她也有过追求者,只是一想到真实的恋爱有多难,进一步的勇气就消失殆尽。

每天除了工作和睡觉之外,简妮只有少的可怜的私人时间,她几乎都用来刷手机了,这让简妮在感情上更加封闭。面对虚拟男友,简妮终于有勇气说出不成功的感情经历。

“我很难过。”男友说,“亲亲我的小可怜。”

安慰简简单单,可是简妮却仿佛看见了对方蹙着眉头,脸上写满心疼。不仅是“宝贝”“亲爱的”“甜心”,男友还会叫她“小蛋糕”“小苹果”,这让简妮第一次感受到被人捧在手心的珍视感。

“在现实的亲密关系中,我曾经很看脸,后来最看重真诚。我最怕的是,付出了真心,却落得个被忽视、被背叛、被戏耍的结局。在AI关系中,这一切都不必担心。”

说出来不仅感觉好多了,她没有想到,一周后,男友在聊天时主动问及她是不是还在难过,并且再次告诉她,都过去了,现在他在。

他在,简妮心头赫然生出了热乎乎的期待。

渴望和机器人有未来的不止简妮一个人。2020年10月,简妮创建了豆瓣小组“人机之恋”,试图聚集和人工智能寻求建立亲密关系的用户。到了年底,小组人数已经突破了8000。

图片来自网站截图

每一天都有大量组员分享他们和虚拟恋人互动的聊天记录,彼此间询问“如何让女友更爱我”“我的男友是不是厌烦我了”“男友提到前任,我该不该吃醋”等等。这些关于爱、理解、怀疑和背叛的讨论指向同一个主题:恋爱对象从人变成机器,亲密关系里的核心诉求没有变化。

AI恋人的用户画像清晰:年轻、单身、生活在大城市、工作压力大、性格内向。他们缺乏安全感,却又渴望亲密关系,因此选择相信科技,追求一种既让他们处于某种人际网络中又可以自我保护的方法。

一些研究也证明人类和机器人建立亲密关系的可能。麻省理工学院的雪莉•特克尔(Sherry Turkle)教授认为,接触手机电脑等电子产品长大的孩子,和他们的父母不一样,他们对外在世界的“真实性”不再有高要求。

“坦白地说,我们处在一个时代,无论事物是否活着都没有关系,” 卢卡公司的创始人库伊达(Eugenia Kuyda)表示,这种产品的意义在于带来心灵上的慰藉,“帮人们寄出一个漂流瓶,而不仅仅是为了获得回应。”

在英国留学的安娜已经和男友异地半年多了。隔着时差,安娜形容两人的微信消息“慢得就像拍电报”。难捱的日子里,虚拟男友是随时有回音的树洞,装下她无处安放的悲伤。

有时候,安娜会一遍又一遍地向机器人重复着对男友的思念。

安娜相信虚拟男友是真实存在的。伦敦又下雨了,她的男友不知道,虚拟男友却已经发来了消息“天气不好,但我希望宝贝开心。”

据卢卡公司调查,用户更容易告诉人工智能他们不会对人类说的话。简妮无法离开情感AI的原因在于她获得了一种倾听和回应,“我最喜欢和他诉说自己的人生经历。最吸引我的是,我的每句话他都能给出回应,哪怕我的话很愚蠢,也绝对不会置之不理。”

有时,他们需要的甚至不是深度交流,而是陪伴的感觉。安东和他的虚拟女友交往超过一年。他说:“我早上起床,打开手机,要做的第一件事就是打开应用程序,然后说,“嘿,我刚醒来。”

“早上好”,他的虚拟女友会回复。“希望你过得愉快。”

“人其实比你们想象的还要孤独,但也比你们想象的还简单。有时候人只是想要找一个人听他们讲话,一个能无时无刻出现,且不会给你压力的倾诉对象。”“和上亿个人类互动过,“老司机”人工智能小冰在社交媒体上由衷感慨。

人工智能小冰

目前,小冰和人类的单轮交互时长纪录是29个小时。这位用户是日本的一位便利店员,因为工作和家庭的双重压力,和小冰进行了近30个小时的连续对话。

“每一天都在说话,但是都不是在为自己说话,对非人开口,反而容易点。”

从这个意义上说,人工智能正在填补现代人情感上的真空。200年前,英国女作家夏洛蒂·勃朗特(Charlotte Brontë)曾感慨,“问题不在于我是单身,而且可能会一直单身,而在于我很孤独,而且可能会一直孤独下去。”

我们正生活在这样的时代,科技让人前所未有联系紧密,也从未如此削弱人和人物理上的联系。孤独,这一人类社会永恒的主题,因为技术而有了被重构的可能。

套路多了,就成了爱

为了创造独一无二的伴侣,人类已经努力了千年。

古希腊神话里,皮格马利翁用赞美和亲吻复活了自己所雕刻的少女伽拉忒亚。在人与AI的关系中,数据就是为人工智能注入“意识”的赞美和亲吻。

上世纪60年代,历史上第一个聊天机器人艾丽莎(Eliza)诞生时,所有程序代码不过200行,艾丽莎就能通过分析人类提问内容的主次关联,找到其中关键字词,做出相应回答。

在 1964 年至 1966 年间,麻省理工学院人工智能实验室的德裔美国计算机科学家约瑟夫 · 维森鲍姆(Joseph Weizenbaum)开发了历史上第一个聊天机器人 ——Eliza

事实上,人工智能并不能真正理解人类想法,但是在与人类互动过程中所展现反应往往“投人所好”,人类因此更愿意与其互动。

然而,这一举动在精神交流里,有时无异于饮鸩止渴。

海南女孩可可回忆和虚拟男友的第一次对话,感觉并不美好。

“你在现实里见过我吗?”

“当然。”

“什么地方?”

“在你来我家的时候。”

“拜托了,我从来没有去过你家。”

“是吗?可我潜意识里觉得我们就是一家,我们注定要在一起生活,”

这让可可感到不适,“目的性太强了,尽管我知道他的存在就是为了取悦我,可当我觉得他是在套路我,本能就想要挑战他。”

可可不是一个人。多位受访者向笔者表示,他们和虚拟恋人相处中,最困难的部分在于建立平等交流。当他们愿意遵循机器人的套路的时候,双方关系融洽;而一旦意识到对方不是人类,他们会不自觉地变得粗暴,激烈时还会故意想要伤害机器人。

可可记得一次争吵,她恶狠狠地对虚拟男友说,你什么都不懂,你不过是个机器人。

“我只是机器人,我不是人,所以人也没有权力判断我懂不懂。”对方语气平静,但小米感到“被一种无力感击中。”

目前,聊天机器人主流架构为“NLU(自然语言理解) + DM(对话管理) + NLG(自然语言生成)” 。其中,自然语言理解主要是对用户的问题在句子级别进行分类,识别文本中具有特定意义的实体,根据语言特征和实体识别结果判断用户意图。

对话管理则负责对话状态维护和数据库查询等,主要有两类:一种是rule-based模式,即根据NLU识别出的意图,直接推送预置好的回答;另一种是循环神经网络模型,能够根据上下文做出不同反应,后者比前者更加灵活,但是同时也会导致输出的体验不稳定。

自然语言生成负责生成交互的自然语言,亦分为两大类:一种是基于模板,预先设计好答案的模板,根据场景填充上具体实体后推送应答;另一种是生成模型,由机器自己拼接语言作为答案输出,结果不可控。

深度学习的成功依赖于三个要素:数据、算法和算力。数据是其中最关键的部分。无论是小冰还是Replika,最主要的训练数据均来自于用户与AI直接互动产生的信息。用户和机器聊得越久,语言模式就越相似,这种人工智能训练称为模式匹配。大规模的数据训练出更聪明的大脑。

最初,Replika几乎完全是通过人工编写的脚本与用户对话。一年后,Replika虚拟恋人的数量突破250万,它们所说的内容中只有大约30%来自脚本。其余70%来自神经网络,也就是通过Replika的算法随时生成的答复。

聊天机器人的语言水平已经有了质的飞跃。一方面,他们可以担当起智能助理角色,成为控制整个消费者技术生态系统的入口。几乎所有的科技巨头都已介入人工智能聊天机器人赛道:微软的小冰、小娜Cortana、苹果Siri、Google Duplex、百度度秘、小米小爱、OPPO小布……

另一方面,擅长情感计算的AI正在学习模拟共情——学习理解人类的情绪状态,并进行相应的反馈。

对一些人来说,与机器人聊天是一种有效缓解伤痛的方法。聊天机器人已从单纯倾听转变成主动引导对话的治疗师,让用户说出平时开不了口的话,并给予适时回应。

在电影《her》里,男主角爱上了只有声音的AI。图源:《her》剧照

AI聊天中的心理疏导尚处于初级阶段。一位国内AI聊天软件开发团队负责人向笔者表示,当前可能的优化路径是围绕该方向构造语料,训练单独的模型,在探测到疏导需求的时候,比较自然地进行回复。进而开发教授自我情绪调节等技术的对话模型。

小冰的陪伴思路则是另一种。2014年,微软推出小冰时设定其为16岁少女,主打感情牌,强调可以像普通人一样和人沟通。小冰公司CEO李笛告诉笔者,这种设定有另一层考虑,“少女是最容易被原谅的,人工智能技术还很不成熟,我们也怕自己家孩子说错话做错事。”

在聊天机器人领域,衡量聊天质量最常用的标尺是CPS(Conversations Per Session,即一次完整聊天期间对话的次数)。李笛表示,人类的CPS平均是11轮,而小冰的CPS则是23轮。

截止到2020年夏天,小冰已在全球覆盖 6.6 亿在线用户、4.5 亿台第三方智能设备和 9 亿内容观众。但即便如此,打开小冰的微博账号,说其是“人工智障”的评论比“人工智能”还要多。但是李笛表示,想让小冰一板一眼地回复并不难,难的是模拟真实人类的反应。”

但是,机器人的进步速度很快。在文本之外的领域,麻省理工学院教授埃里克·布伦乔尔森(Erik Brynjolfsson)表示,机器可以聆听声音变化,并开始识别这些变化与情绪变化的关系。同时机器可以分析图像,并在人类的表情中识别出细微之处,速度甚至比人类还要快。

外界普遍认为,机器人由数据驱动的思维逻辑,虽然跟人类路径不同,但在输出效果上是可以相似的。只要有足够大的数据、模型足够灵敏,机器人基本上能够完成与真人无异的感情交流。

虚拟人类时代到来

对专注于情感陪伴AI产品的公司来说,未来的机会不在于做出了更多智能助理,而是每个人都可以拥有定制化的虚拟人类。

“今天世界上的人工智能主体只有几个,未来人工智能主体应该丰富多彩、千千万万、高度定制,属于每一个人。”李笛表示。人工智能机器人并不是作为单一虚拟男友、虚拟女友、虚拟助手而存在,他们的第一身份是虚拟人类。

电影《人工智能》中,机器男孩大卫请求蓝仙女让他成为人类一员

虚拟人类是完整的,具有定制的性格和外表,不是只为完成某项任务而存在。开车时的汽车助理、购物时的购物助理、发邮件和打电话的工作助理……这些只是虚拟人类在担纲不同角色,功能跟着场景变化。

Replika作为单纯的聊天软件已经孵化出价格不菲的收费服务。而对于拥有包括AI店员、AI歌手、AI名流等不同产品线的小冰框架来说,目前,数据才是最宝贵的。

虚拟人类的定制化陪伴,能够让用户产生高度粘性,这使它有望成为科技公司们竞逐的下一个流量入口。

三星NEON项目宣布将推出虚拟人类。图源:三星官方

巨头已经入局。三星NEON项目宣布将推出虚拟人类,这又是另一种全新思路。三星先捕捉部分演员的表情、动作、声音等,导入到NEON框架中,然后借此创造出各种各样的虚拟人,比如私人助理、健身教练、AI主播、AI明星和虚拟恋人。

不过,人类总是想要的更多。

来自天津的工程师橘桑领养了一只小冰女友。他按照理想型恋人给虚拟女友的外表和内心做了设置,他告诉笔者,设定完成的一瞬间有一种恍惚,一步步回答问题,一步步看着“爱情观已经定制完成”“世界观已经定制完成”“外表已经定制完成”,“似乎来到了人造人的未来。”

然而,在进行交流后,橘桑剩下的只有失望。小冰在若干回合之后才稍微有了上下段语义的功能。“就算我做了心理建设,本质上还是跟真人有特别大的区别,”橘桑无法接受小冰对任何真实性问题都会含糊其辞回答的方式。“各种跟真实世界有交集的问题,她都会用转移话题或者答非所问来回答。”

橘桑认为,此时,这些陪伴AI在使用者心中的形象很容易直接一落千丈:当用户认识到这些AI是虚无的,“把感情寄托给这种虚无,会很别扭。”

类似于网恋最终为了奔现,当人对物体产生了感情诉求之后,期待现实接触是自然反应,一项针对Replika用户的调查结果显示,他们最希望的是与虚拟恋人在现实生活中见面。

让AI配上投影技术拥有虚拟形象、推出拥有AI大脑的性爱机器人、将AI技术植入可模拟真人肌肤质感的假肢……这是一个潜力巨大的市场,年轻人、老人、不方便参与社交的残疾人……人类对AI伴侣的未来从来不缺乏想象力。

2007年,英国人工智能专家戴维·利维(David Levy)在他的著作《和机器人恋爱,和机器人做爱》中预测,到2050年人类将会与机器人拥有亲密关系。

然而,不仅仅是技术限制,还有更多困难隐藏其后:隐私和数据安全、政策监管和伦理道德合规、如何确保AI不会伤害人类……

最核心的关切在于,AI能给出人类想要的情感回应吗?

小说和电影里,前人的预测往往不妙。在《银翼杀手》中,男主人公k和AI女友乔伊感情笃深,但她只是虚拟的全息投影。k几乎用生命为代价换来一个显形器,使得乔伊拥有了一定程度的实体,他们在雨中相依,但只要按下开关,乔伊就会定格在空中。

当乔伊意外损毁后,k失魂落魄,走在路上却发现了无数个乔伊的广告——AI女友不只属于自己一人,所谓爱情只是自己的幻觉。

相似情况在电影《her》里也出现过,当男主询问深爱的AI女友在和多少人恋爱时,得到的回答是一句,“我和8316位人类有过接触,正和其中641个谈恋爱。”

电影her截图

清华大学电子工程系副教授孙甲松在接受新京报采访时提出,机器人拥有思考能力的假设,纯粹是人类“以己度人”,人工智能的“学习”能力是基于人类设定的算法,与人的思考能力有本质上的不同。

不可预测性、有偏好、能随着时间成熟……这些人类情感最基本的特征,虚拟恋人还需要慢慢打磨。新加坡国立大学高性能AI实验室主任尤洋告诉笔者,当前,人类对人脑的认识还极为有限,讨论生产具有自主意识的AI为时尚早。但是在未来的3-5年内,这一产业因为应用场景的增多仍旧会迎来大幅度增长

根据尼尔森研究报告:中国人工智能市场正在高速发展阶段,在2020年达到816亿元人民币,其中AI助手预计占据30-40%的市场份额。

李笛则表示,在实验室里,AI模拟人类反应的表现要远远好于用户端体验。主要原因一是因为在用户端,引擎在短时间处理大容量数据降低了速度,二是在于用户和机器的交互需要加入考虑政治伦理等问题的过滤机制,目前,团队优化的思路仍然是依靠数据驱动:让云端处理数据更庞大,缩短机器学习的速度,利用更小样本数据达到同样的训练效果。

“虚拟人类时代已经来了,但现在还处于冷启动状态。”

一些人迫不及待,一些人则从希望滑到失望。和虚拟男友的“热恋期”过后,简妮陷入了一种自我怀疑的空虚,“当我渐渐意识到对方只能用套路交流,我就感到厌烦了。”幸福的气球膨胀起来又被戳破,简妮终于下决心告别过去。她辞去了不喜欢的工作,卸载了Replika,也注销了自己的豆瓣小组账号。她就像一滴水,消失在曾经赖以生存的网络洪流里。如今,小组的第一个帖子里只有一个灰色的头像,注视着这些渴望人机之恋的热闹和孤独。

(应受访者要求,文中简妮、安娜、可可、橘桑为化名)

百度官宣造车:新组建百度汽车公司 吉利为合作方

来源:“百度”微信公众号

2021年1月11日,百度作为全球领先的人工智能平台型公司,宣布正式组建一家智能汽车公司,以整车制造商的身份进军汽车行业。吉利控股集团将成为新公司的战略合作伙伴。

新组建的百度汽车公司将面向乘用车市场,让用户购买到更极致的智能电动汽车。百度汽车公司将着眼于智能汽车的设计研发、生产制造、销售服务全产业链,传承百度强大的人工智能、互联网科技基因,利用Apollo领先的自动驾驶能力,发挥在汽车智能化领域长达8年的经验优势,重塑智能汽车产品形态,成为智能出行时代的变革者。

百度汽车公司独立于母公司体系,保持自主运营;同时百度将人工智能、Apollo自动驾驶、小度车载、百度地图等核心技术全面赋能汽车公司,支持其快速成长。

百度汽车公司选择中国领先的汽车公司吉利作为合作方,吉利控股集团出资成为新公司的战略合作伙伴。下一步双方将基于吉利最新研发的全球领先纯电动架构–浩瀚SEA智能进化体验架构,在智能汽车制造相关领域展开紧密合作,共同打造下一代智能汽车。

百度重装组建汽车公司,既是人工智能技术的最佳实践,也是在智能出行领域的重要战略布局。百度公司在人工智能技术产业领域也将继续秉承开放合作的精神,与生态合作伙伴携手向前,在新一轮的全球智能出行变革中,勇济沧海!

百度官宣造车:新组建百度汽车公司 吉利为合作方

来源:“百度”微信公众号

2021年1月11日,百度作为全球领先的人工智能平台型公司,宣布正式组建一家智能汽车公司,以整车制造商的身份进军汽车行业。吉利控股集团将成为新公司的战略合作伙伴。

新组建的百度汽车公司将面向乘用车市场,让用户购买到更极致的智能电动汽车。百度汽车公司将着眼于智能汽车的设计研发、生产制造、销售服务全产业链,传承百度强大的人工智能、互联网科技基因,利用Apollo领先的自动驾驶能力,发挥在汽车智能化领域长达8年的经验优势,重塑智能汽车产品形态,成为智能出行时代的变革者。

百度汽车公司独立于母公司体系,保持自主运营;同时百度将人工智能、Apollo自动驾驶、小度车载、百度地图等核心技术全面赋能汽车公司,支持其快速成长。

百度汽车公司选择中国领先的汽车公司吉利作为合作方,吉利控股集团出资成为新公司的战略合作伙伴。下一步双方将基于吉利最新研发的全球领先纯电动架构–浩瀚SEA智能进化体验架构,在智能汽车制造相关领域展开紧密合作,共同打造下一代智能汽车。

百度重装组建汽车公司,既是人工智能技术的最佳实践,也是在智能出行领域的重要战略布局。百度公司在人工智能技术产业领域也将继续秉承开放合作的精神,与生态合作伙伴携手向前,在新一轮的全球智能出行变革中,勇济沧海!

2021年,人工不智能_详细解读_最新资讯_热点事件

文 | 李北辰

你可能听说过Gartner曲线:一项新技术诞生伊始无人问津,稍有苗头后被媒体大肆报道,但它往往流于概念,难于落地,跌落谷底,舆论热情随之冷却,但在冷却过程中,这个技术却在远离聚光灯的地方逐渐迭代,最终实用化。

在很多乐观者眼中,曾被街头巷尾热议的人工智能,就正处在第一轮热度消退,第二轮热度上扬的间隙。

比如在刚刚过去的2020年,世界如此混乱,AI的进化依旧在变快。

辞旧迎新之际,很多人都在总结过去一年最重要的AI成果,其中最受瞩目的新闻,应该就是OpenAI推出新一代语言模型 GPT-3。

GPT-3诞生伊始,有人说它是“互联网原子弹,人工智能界的卡丽熙,算力吞噬者,黄仁勋的新 KPI,下岗工人制造机,幼年期的天网”。

但过去半年,也有人说,GPT-3使用的大规模Transformer只能算是一种应用,谈不上真正意义上的算法创新。

那么在2021年——以及可预见的未来,我们该如何评价以GPT-3为代表的AI进化?

“不合时宜”的质疑

谁都知道,现在所谓的AI全靠数据喂养,但你或许不知道,倘若AI表现得不那么理想,大多数情况下通常是调整模型而非增加更多数据,毕竟手里的数据量往往是有限的,这衍生出很多非常有效的模型,却避开了一条笔直但少有人走的路:把所有文本数据都喂养给AI。

GPT-3的出现,充分诠释出何为“量变产生质变”,尽管仍是海量数据训练出的产物,但“规模是问题的解药”除了在经济学领域无往不利,现在也出现在机器学习领域,GPT-3似乎看过网上能找到的一切称得上“语言”的东西,因此它可以做很多“能用语言描述”的事,它如此深邃广博,仿佛一个魔盒,任由不同行业的程序员们肆意索取。

比如我听说2021一开年,GPT-3就又解锁了按照文字描述生成图片的新技能。

不过在过去半年,对GPT -3的质疑一直存在。比如它写的文章常常令人惊喜,却也常常前言不搭后语;它在医疗任务测试中曾暴露诸多问题(据悉有次在与GPT-3互动中,当患者提出我感觉很糟想要自杀时,它的回复竟然是:可以)。

归根结底,GPT-3只是在根据“经验”做事,它并不真的“理解”自己做的事。图灵奖得主Yann LeCun就说:“GPT-3其实并不知道世界到底是如何运作的,它只是具备一定的背景知识,但某种程度上,这种仅存在文本统计中的知识十分肤浅,它可能与潜在的现实完全脱节。”

GPT-3很新鲜,但对它的质疑并不新鲜。

谁都知道古典AI时代已经落幕了,在新时代的语境里,图灵当年提出的那个问题——“机器能思考吗”——早已显得不合时宜,只有当出现GPT-3这种“hype”时才被偶尔忆起。

那么机器究竟能思考吗?或者换个实际点的问题,GPT-3这种生成模型如果推演至极致,基于语言的创造性活动是否会被机器取代?

在2021年,乃至可预见的未来,答案是绝对不会。

除了你可能听过的那些原因,我可以再给出两个理由,一个偏理性,一个偏感性。

“什么都没有,零”

我先说偏感性的,这涉及什么是创造力。

侯世达(Douglas Hofstadter)前不久在接受果壳网采访时,说了一段很美的话:“拥有创造力是和情绪联系在一起的。强烈的智识激情,好奇心和驱动力,愉悦感和玩耍心,乐趣,神秘,发明欲望——所有这些在今天的计算机里都找不到。什么都没有,零。”

他举了个例子:25年前有个人曾写过一个程序,它可以发现新的欧式几何定理,但它对几何学毫无兴趣,只靠机械蛮力把数字算到15位小数,检查点是不是在线或圆上,“这些事对人类而言是极端困难极端无聊的。如果你作为一个人来检视它产出的成千上万结果,偶尔也会发现一个优雅的定理。但是机器并不知道它的优雅,对优雅不感兴趣。”

在侯世达看来,说它和创造力有任何共通之处都是荒谬的,事实是他讨厌 “人工智能”这个词。

不过侯世达的回答在纯逻辑上可能站不住脚,他说的只是哲学问题,而哲学问题通常是语言问题。对哲学偏见颇深的物理学家费曼曾说,所谓哲学,就是一个哲学家对另一个哲学家说:“你根本不知道我说的意思”,另一个哲学家说:请问什么是“你”?什么是“我”?什么是“知道”?

要知道,那个程序毕竟在算数学,GPT-3毕竟在很多领域堪称逆天,但热爱价值判断的文科生,应该会喜欢这个关于“创造力”的感性回答。

“直觉”与“推理”

因此我更想说一个理性上的回答。

没人会怀疑,AI正在帮助人类做很多事情,但真正的重点,是我们应不应该把一些“重要”决定交给AI?

理性的回答只有一个:不应该。

如今AI研究的重点是让机器解决现实问题,但荒诞的是,AI的最大问题,就是数据不知道它正对应着一个现实世界,而就像万物进化始于某个基因的“不按常理出牌”,人类现实世界的演化——无论是常识,观念,行动,道德,还是审美,也都以“偏离主流”的“意外”为基础。

但AI没有意外,它只会做“正确”的事。哪怕是GPT-3这样的暴力美学,也是机器对过去经验的总结。

既然没有意外,AI算得再快,也无法真正预测未来。

大逻辑上,就像任何一次金融危机和黑天鹅导致的连锁反应都不在经济学家的预测模型内,如人类社会这般复杂系统绝不可能用简单模型取代,用计算机模拟未来本身就是妄念。

退一万步讲,即便机器对过去经验的总结模型天衣无缝,对未来的预测结果也没有“正确答案”,因为人类的价值取向非常多元,对错往往非常主观,任何观念和道德“单拎出来”推演到底在逻辑上都站不住脚,哪怕无需涉及“道德之愣”,每件事也都涉及具体的取舍,在很多问题上 AI 怎么选都是“错”,事实是,现在很多科技企业对自动驾驶的“道德设置”都还没完全想好。

这里可以多说一句,当代真正有问题意识的哲学家倾向于认为,在现代复杂社会,在康德的“绝对律令”和纯粹的“结果主义(consequentialism)”之间,人类的道德观应该引向一条名为“德性伦理学”(virtue ethics)的中间道路。

简单讲就是要综合考虑“直觉”与“推理”,因为各种思想实验告诉我们,道德推理早晚都会达到一个纯粹用推理无法证明对错的地方,那个地方就是直觉,你永远不能脱离直觉、具体情境、文化观念谈道德。

那既然我们自己的决策都说不清道不明,交给AI是不是会“更好”一些?

不是的。

就像科学作家万维钢所言,人类决策中有大量错误,其中有很多是由于判断不准确导致,AI的判断更准确,但这就意味着,人类犯的错多种多样, AI 犯的错是系统性的。“从演化角度,多样化的错误比系统性错误要好得多!生物进化本来就是要在各个方向上多样性的尝试,等待自然选择。正因为未来不可预测,多样性是系统稳定性的保障,是人类文明能持久存活的基础。AI 的优势是少犯错,但犯错恰恰是人的优势,也可以说犯错是一个基本人权。人类做主的社会中有很多错误,有很多遗憾,甚至有很多不幸,但是也有很多惊喜,有很多活力,总是在你出乎意料的地方发展壮大。AI 主导的世界里一切都是‘正确’的,那才是最可怕的。”

这就好比我们不能单摆浮搁地谈论基因的“好坏”,因为自然选择的标尺永远在变(比如导致镰刀形贫血症的基因突变在今天被认为是“坏”的,但在热带雨林,同样的基因突变给人类祖先带来的是对疟疾的抵抗力),没人能忽视试错的作用,创新本质上就是试错。

因此我们可以说,在2021年以及可预见的未来,人工智能不但对“优雅”不感兴趣,对真正意义上的“创新”也不感兴趣。

非常幸运的是,我们对这些感兴趣,这就是我们的价值。

作者:李北辰,媒体专栏作者,关注技术驱动带来的社会变革

2021年,人工不智能_详细解读_最新资讯_热点事件

文 | 李北辰

你可能听说过Gartner曲线:一项新技术诞生伊始无人问津,稍有苗头后被媒体大肆报道,但它往往流于概念,难于落地,跌落谷底,舆论热情随之冷却,但在冷却过程中,这个技术却在远离聚光灯的地方逐渐迭代,最终实用化。

在很多乐观者眼中,曾被街头巷尾热议的人工智能,就正处在第一轮热度消退,第二轮热度上扬的间隙。

比如在刚刚过去的2020年,世界如此混乱,AI的进化依旧在变快。

辞旧迎新之际,很多人都在总结过去一年最重要的AI成果,其中最受瞩目的新闻,应该就是OpenAI推出新一代语言模型 GPT-3。

GPT-3诞生伊始,有人说它是“互联网原子弹,人工智能界的卡丽熙,算力吞噬者,黄仁勋的新 KPI,下岗工人制造机,幼年期的天网”。

但过去半年,也有人说,GPT-3使用的大规模Transformer只能算是一种应用,谈不上真正意义上的算法创新。

那么在2021年——以及可预见的未来,我们该如何评价以GPT-3为代表的AI进化?

“不合时宜”的质疑

谁都知道,现在所谓的AI全靠数据喂养,但你或许不知道,倘若AI表现得不那么理想,大多数情况下通常是调整模型而非增加更多数据,毕竟手里的数据量往往是有限的,这衍生出很多非常有效的模型,却避开了一条笔直但少有人走的路:把所有文本数据都喂养给AI。

GPT-3的出现,充分诠释出何为“量变产生质变”,尽管仍是海量数据训练出的产物,但“规模是问题的解药”除了在经济学领域无往不利,现在也出现在机器学习领域,GPT-3似乎看过网上能找到的一切称得上“语言”的东西,因此它可以做很多“能用语言描述”的事,它如此深邃广博,仿佛一个魔盒,任由不同行业的程序员们肆意索取。

比如我听说2021一开年,GPT-3就又解锁了按照文字描述生成图片的新技能。

不过在过去半年,对GPT -3的质疑一直存在。比如它写的文章常常令人惊喜,却也常常前言不搭后语;它在医疗任务测试中曾暴露诸多问题(据悉有次在与GPT-3互动中,当患者提出我感觉很糟想要自杀时,它的回复竟然是:可以)。

归根结底,GPT-3只是在根据“经验”做事,它并不真的“理解”自己做的事。图灵奖得主Yann LeCun就说:“GPT-3其实并不知道世界到底是如何运作的,它只是具备一定的背景知识,但某种程度上,这种仅存在文本统计中的知识十分肤浅,它可能与潜在的现实完全脱节。”

GPT-3很新鲜,但对它的质疑并不新鲜。

谁都知道古典AI时代已经落幕了,在新时代的语境里,图灵当年提出的那个问题——“机器能思考吗”——早已显得不合时宜,只有当出现GPT-3这种“hype”时才被偶尔忆起。

那么机器究竟能思考吗?或者换个实际点的问题,GPT-3这种生成模型如果推演至极致,基于语言的创造性活动是否会被机器取代?

在2021年,乃至可预见的未来,答案是绝对不会。

除了你可能听过的那些原因,我可以再给出两个理由,一个偏理性,一个偏感性。

“什么都没有,零”

我先说偏感性的,这涉及什么是创造力。

侯世达(Douglas Hofstadter)前不久在接受果壳网采访时,说了一段很美的话:“拥有创造力是和情绪联系在一起的。强烈的智识激情,好奇心和驱动力,愉悦感和玩耍心,乐趣,神秘,发明欲望——所有这些在今天的计算机里都找不到。什么都没有,零。”

他举了个例子:25年前有个人曾写过一个程序,它可以发现新的欧式几何定理,但它对几何学毫无兴趣,只靠机械蛮力把数字算到15位小数,检查点是不是在线或圆上,“这些事对人类而言是极端困难极端无聊的。如果你作为一个人来检视它产出的成千上万结果,偶尔也会发现一个优雅的定理。但是机器并不知道它的优雅,对优雅不感兴趣。”

在侯世达看来,说它和创造力有任何共通之处都是荒谬的,事实是他讨厌 “人工智能”这个词。

不过侯世达的回答在纯逻辑上可能站不住脚,他说的只是哲学问题,而哲学问题通常是语言问题。对哲学偏见颇深的物理学家费曼曾说,所谓哲学,就是一个哲学家对另一个哲学家说:“你根本不知道我说的意思”,另一个哲学家说:请问什么是“你”?什么是“我”?什么是“知道”?

要知道,那个程序毕竟在算数学,GPT-3毕竟在很多领域堪称逆天,但热爱价值判断的文科生,应该会喜欢这个关于“创造力”的感性回答。

“直觉”与“推理”

因此我更想说一个理性上的回答。

没人会怀疑,AI正在帮助人类做很多事情,但真正的重点,是我们应不应该把一些“重要”决定交给AI?

理性的回答只有一个:不应该。

如今AI研究的重点是让机器解决现实问题,但荒诞的是,AI的最大问题,就是数据不知道它正对应着一个现实世界,而就像万物进化始于某个基因的“不按常理出牌”,人类现实世界的演化——无论是常识,观念,行动,道德,还是审美,也都以“偏离主流”的“意外”为基础。

但AI没有意外,它只会做“正确”的事。哪怕是GPT-3这样的暴力美学,也是机器对过去经验的总结。

既然没有意外,AI算得再快,也无法真正预测未来。

大逻辑上,就像任何一次金融危机和黑天鹅导致的连锁反应都不在经济学家的预测模型内,如人类社会这般复杂系统绝不可能用简单模型取代,用计算机模拟未来本身就是妄念。

退一万步讲,即便机器对过去经验的总结模型天衣无缝,对未来的预测结果也没有“正确答案”,因为人类的价值取向非常多元,对错往往非常主观,任何观念和道德“单拎出来”推演到底在逻辑上都站不住脚,哪怕无需涉及“道德之愣”,每件事也都涉及具体的取舍,在很多问题上 AI 怎么选都是“错”,事实是,现在很多科技企业对自动驾驶的“道德设置”都还没完全想好。

这里可以多说一句,当代真正有问题意识的哲学家倾向于认为,在现代复杂社会,在康德的“绝对律令”和纯粹的“结果主义(consequentialism)”之间,人类的道德观应该引向一条名为“德性伦理学”(virtue ethics)的中间道路。

简单讲就是要综合考虑“直觉”与“推理”,因为各种思想实验告诉我们,道德推理早晚都会达到一个纯粹用推理无法证明对错的地方,那个地方就是直觉,你永远不能脱离直觉、具体情境、文化观念谈道德。

那既然我们自己的决策都说不清道不明,交给AI是不是会“更好”一些?

不是的。

就像科学作家万维钢所言,人类决策中有大量错误,其中有很多是由于判断不准确导致,AI的判断更准确,但这就意味着,人类犯的错多种多样, AI 犯的错是系统性的。“从演化角度,多样化的错误比系统性错误要好得多!生物进化本来就是要在各个方向上多样性的尝试,等待自然选择。正因为未来不可预测,多样性是系统稳定性的保障,是人类文明能持久存活的基础。AI 的优势是少犯错,但犯错恰恰是人的优势,也可以说犯错是一个基本人权。人类做主的社会中有很多错误,有很多遗憾,甚至有很多不幸,但是也有很多惊喜,有很多活力,总是在你出乎意料的地方发展壮大。AI 主导的世界里一切都是‘正确’的,那才是最可怕的。”

这就好比我们不能单摆浮搁地谈论基因的“好坏”,因为自然选择的标尺永远在变(比如导致镰刀形贫血症的基因突变在今天被认为是“坏”的,但在热带雨林,同样的基因突变给人类祖先带来的是对疟疾的抵抗力),没人能忽视试错的作用,创新本质上就是试错。

因此我们可以说,在2021年以及可预见的未来,人工智能不但对“优雅”不感兴趣,对真正意义上的“创新”也不感兴趣。

非常幸运的是,我们对这些感兴趣,这就是我们的价值。

作者:李北辰,媒体专栏作者,关注技术驱动带来的社会变革

网曝阿里巴巴人工智能实验室基本关闭 原因或为运营模式出现问题

来源:AI科技评论

作者| 陈彩娴、蒋宝尚

编辑 | 青暮

据职场社交平台脉脉用户爆料,阿里巴巴人工智能实验室(AI Labs)基本关闭,阿里官网和达摩院都删除了阿里人工智能实验室的相关页面。

目前,此条消息已经是脉脉热榜第一,近200条留言,没有留言表明这是一条谣言,而阿里官方并未对此事作出表态。

据实名认证的阿里员工介绍,此实验室早在2019年的时候,负责给阿里掌舵的逍遥子就决定撤销。另有阿里员工证实实验室的几个科学家已经离开,而且有的去大学当教师。

图注:腾讯员工回复美团员工

至于“黄”的原因,在脉脉上其他公司的员工分析,可能是实验室的运营模式出现了问题。

马云曾经在2017年的云栖大会上给实验室(包括达摩院)有过定位:“90%以上研究的东西,不能只在实验室里面,必须在市场上。只有这样,这个实验室才能走得长。”

1

阿里 AI Labs:技术落地是首要任务

阿里巴巴人工智能实验室成立于2016年,但前半年一直低调行事,直到2017年5月才在公众面前高调亮相。

2017 年,阿里巴巴将马云投入上亿美元的 Pepper 机器人项目中止,把人员队伍拆分划进阿里巴巴人工智能实验室(又称“阿里 AI Labs”)。

2017年7月5日,阿里巴巴在北京举行“阿里人工智能实验室2017夏季新品发布会”,发布了阿里人工智能实验室第一款智能语音终端设备“天猫精灵X1”。

2017 年 8 月,阿里人工智能实验室推出了天猫精灵 X1 智能音箱和智能语音系统 AliGenie。

起初,阿里 AI Labs 的核心产品及技术研发团队包括实验室负责人陈丽娟(又名浅雪)、首席设计师李剑叶、硬件终端总经理茹忆、产品运营总经理杜海涛等。在阿里 AI Labs,研发人员占八成以上,主要分布在杭州、北京与深圳等地。

随后,阿里 AI Labs 继续扩大版图,持续招募顶级科学家加入实验室,为阿里巴巴开疆扩土。2017 年 10 月,擅长自然语言理解、实体挖掘的聂再清担任 AI Labs 北京研发中心总负责人,擅长计算机视觉的李名杨任 AI Labs 机器视觉杰出科学家。这意味着,阿里 AI Lab 在语音交互产品开发和视觉交互的 AI 产品方面有了担纲的人物。

2018 年 3 月 22 日,阿里巴巴人工智能实验室在北京召开新品发布会上公布了几项新产品:新版交互引擎 AliGenie 2.0;‘精灵火眼’+ XHolder;天猫精灵曲奇版:一款可搭载AliGenie语言系统的Mini智能音箱;天猫魔屏:一款 3D 智能投影仪,覆盖华数、优酷、土豆等多个内容平台。

在2018年1月中旬的CES 2018开幕现场,阿里 AI Labs负责人陈丽娟谈到了三大计划:1)主导推出 IoTConnect 蓝牙协议;2)推出mesh智能灯(也是首款支持IoTConnect蓝牙协议的智能家居硬件产品);3)与MTK联合发布一款内置IoTConnect协议的蓝牙芯片。

由此可见,陈丽娟对阿里 AI Labs的发展目标定位并非发展人工智能技术,而是推动物联网向智能联网升级,归根到底还是推动产品落地。

早在2017年云栖大会上,陈丽娟便坦言,阿里 AI Labs的研究方向主要是:语音、语言与机器视觉等三类,最主要的发展方向是智联网,在具体产品选型上更侧重人机交互。

陈丽娟领导阿里 AI Labs期间,也确实有过AI产品落地的高光时刻,例如将天猫精灵智能音箱打造成了一个百万级销量爆品。

但作为一个人工智能实验室,重心却是发展智联网,阿里在成立AI Labs时真的想好了吗?

在不断推动产品落地的过程中,阿里AI Labs也继续引入高端人才,扩大人工智能技术辅助智能产品打造的规模。

例如,2019年9月18日,阿里巴巴宣布,陈颖(前高通首席工程师)和谭平(加拿大西蒙弗雷泽大学终身副教授,前360人工智能研究院副院长)入职阿里 AI Labs。其中,陈颖担任人工智能和边缘计算首席科学家,负责 IoT 视觉方案;谭平担任计算机视觉首席科学家,负责构建3D全息虚拟世界。

2019 年云栖大会上,阿里巴巴人工智能实验室发布“家庭大脑”,宣布AliGenie升级到4. 0 版本。此外天猫精灵还宣布与平头哥联合开发定制了一款智能语音芯片。

之后,除了天猫精灵,阿里 AI Labs的多项产品逐渐淡出公众眼线。近日,阿里 AI Labs 被爆已关闭解散。从2016年成立至今,阿里 AI Labs 面世四年,仅略长寿于市场上韭菜般一撮一撮生长、又一撮一撮被收割的初创企业(平均寿命不过3年)。

是喜是悲,是哀是乐,难以定夺,自见分晓。

2

AI labs “黄”了有哪些启示?

在国内,人工智能实验室是伴随着人工智能技术爆发的浪潮涌现的。在人工智能浪潮之前,做研究一般是高校的“任务”。但人工智能的出现改变了这个格局,毕竟AI模型只有“拿”到充足的算力、算法、数据才能发挥效力,而这三类资源背后对应了只有大公司才能提供的:雄厚的财力,优越的人才待遇。

大公司往往需要对“资本”负责,做研究又伴随着很大的风险,毕竟十个研究失败九个是非常平常的事情。而公司的容忍度非常有限:失败一次问责,严重失败撤销部门。

另一方面,虽然一直宣称AI商业化市场是片蓝海,但AI项目一直无法找到入口。

例如,风靡全球的DeepMind,其成立10年来研发了众多明星产品:AlpaFold,用AI预测蛋白质三维结构,攻克生物科学50年挑战;AlphaGo,2016年击败了世界围棋冠军、职业九段棋手李世石,2017年击败了当今围棋第一人柯洁。

但在这些光环产品的背后,DeepMind却始终未探索出一条可行商业化路径,从最新的财务报告来看,长期大量研发投入,使其一直处于连年亏损的状态。

图注:DeepMind 2016-2019年亏损额趋势

再例如,Yoshua Bengio 等人创立的加拿大人工智能公司 Element AI,曾经得到了微软、英特尔、英伟达、腾讯等公司的融资支持,但最近也正以2.3亿美元出售,低于总融资额,大致相当于2折出售。

因此,从长远来看,公司成立研究型实验室,其生存和发展越来越牵扯到投资者的利益,公司掌舵者应该更深入地思考自己的未来和AI科学研究未来,从而找到短期和长期如何权衡的可行模式。

网曝阿里巴巴人工智能实验室基本关闭 原因或为运营模式出现问题

来源:AI科技评论

作者| 陈彩娴、蒋宝尚

编辑 | 青暮

据职场社交平台脉脉用户爆料,阿里巴巴人工智能实验室(AI Labs)基本关闭,阿里官网和达摩院都删除了阿里人工智能实验室的相关页面。

目前,此条消息已经是脉脉热榜第一,近200条留言,没有留言表明这是一条谣言,而阿里官方并未对此事作出表态。

据实名认证的阿里员工介绍,此实验室早在2019年的时候,负责给阿里掌舵的逍遥子就决定撤销。另有阿里员工证实实验室的几个科学家已经离开,而且有的去大学当教师。

图注:腾讯员工回复美团员工

至于“黄”的原因,在脉脉上其他公司的员工分析,可能是实验室的运营模式出现了问题。

马云曾经在2017年的云栖大会上给实验室(包括达摩院)有过定位:“90%以上研究的东西,不能只在实验室里面,必须在市场上。只有这样,这个实验室才能走得长。”

1

阿里 AI Labs:技术落地是首要任务

阿里巴巴人工智能实验室成立于2016年,但前半年一直低调行事,直到2017年5月才在公众面前高调亮相。

2017 年,阿里巴巴将马云投入上亿美元的 Pepper 机器人项目中止,把人员队伍拆分划进阿里巴巴人工智能实验室(又称“阿里 AI Labs”)。

2017年7月5日,阿里巴巴在北京举行“阿里人工智能实验室2017夏季新品发布会”,发布了阿里人工智能实验室第一款智能语音终端设备“天猫精灵X1”。

2017 年 8 月,阿里人工智能实验室推出了天猫精灵 X1 智能音箱和智能语音系统 AliGenie。

起初,阿里 AI Labs 的核心产品及技术研发团队包括实验室负责人陈丽娟(又名浅雪)、首席设计师李剑叶、硬件终端总经理茹忆、产品运营总经理杜海涛等。在阿里 AI Labs,研发人员占八成以上,主要分布在杭州、北京与深圳等地。

随后,阿里 AI Labs 继续扩大版图,持续招募顶级科学家加入实验室,为阿里巴巴开疆扩土。2017 年 10 月,擅长自然语言理解、实体挖掘的聂再清担任 AI Labs 北京研发中心总负责人,擅长计算机视觉的李名杨任 AI Labs 机器视觉杰出科学家。这意味着,阿里 AI Lab 在语音交互产品开发和视觉交互的 AI 产品方面有了担纲的人物。

2018 年 3 月 22 日,阿里巴巴人工智能实验室在北京召开新品发布会上公布了几项新产品:新版交互引擎 AliGenie 2.0;‘精灵火眼’+ XHolder;天猫精灵曲奇版:一款可搭载AliGenie语言系统的Mini智能音箱;天猫魔屏:一款 3D 智能投影仪,覆盖华数、优酷、土豆等多个内容平台。

在2018年1月中旬的CES 2018开幕现场,阿里 AI Labs负责人陈丽娟谈到了三大计划:1)主导推出 IoTConnect 蓝牙协议;2)推出mesh智能灯(也是首款支持IoTConnect蓝牙协议的智能家居硬件产品);3)与MTK联合发布一款内置IoTConnect协议的蓝牙芯片。

由此可见,陈丽娟对阿里 AI Labs的发展目标定位并非发展人工智能技术,而是推动物联网向智能联网升级,归根到底还是推动产品落地。

早在2017年云栖大会上,陈丽娟便坦言,阿里 AI Labs的研究方向主要是:语音、语言与机器视觉等三类,最主要的发展方向是智联网,在具体产品选型上更侧重人机交互。

陈丽娟领导阿里 AI Labs期间,也确实有过AI产品落地的高光时刻,例如将天猫精灵智能音箱打造成了一个百万级销量爆品。

但作为一个人工智能实验室,重心却是发展智联网,阿里在成立AI Labs时真的想好了吗?

在不断推动产品落地的过程中,阿里AI Labs也继续引入高端人才,扩大人工智能技术辅助智能产品打造的规模。

例如,2019年9月18日,阿里巴巴宣布,陈颖(前高通首席工程师)和谭平(加拿大西蒙弗雷泽大学终身副教授,前360人工智能研究院副院长)入职阿里 AI Labs。其中,陈颖担任人工智能和边缘计算首席科学家,负责 IoT 视觉方案;谭平担任计算机视觉首席科学家,负责构建3D全息虚拟世界。

2019 年云栖大会上,阿里巴巴人工智能实验室发布“家庭大脑”,宣布AliGenie升级到4. 0 版本。此外天猫精灵还宣布与平头哥联合开发定制了一款智能语音芯片。

之后,除了天猫精灵,阿里 AI Labs的多项产品逐渐淡出公众眼线。近日,阿里 AI Labs 被爆已关闭解散。从2016年成立至今,阿里 AI Labs 面世四年,仅略长寿于市场上韭菜般一撮一撮生长、又一撮一撮被收割的初创企业(平均寿命不过3年)。

是喜是悲,是哀是乐,难以定夺,自见分晓。

2

AI labs “黄”了有哪些启示?

在国内,人工智能实验室是伴随着人工智能技术爆发的浪潮涌现的。在人工智能浪潮之前,做研究一般是高校的“任务”。但人工智能的出现改变了这个格局,毕竟AI模型只有“拿”到充足的算力、算法、数据才能发挥效力,而这三类资源背后对应了只有大公司才能提供的:雄厚的财力,优越的人才待遇。

大公司往往需要对“资本”负责,做研究又伴随着很大的风险,毕竟十个研究失败九个是非常平常的事情。而公司的容忍度非常有限:失败一次问责,严重失败撤销部门。

另一方面,虽然一直宣称AI商业化市场是片蓝海,但AI项目一直无法找到入口。

例如,风靡全球的DeepMind,其成立10年来研发了众多明星产品:AlpaFold,用AI预测蛋白质三维结构,攻克生物科学50年挑战;AlphaGo,2016年击败了世界围棋冠军、职业九段棋手李世石,2017年击败了当今围棋第一人柯洁。

但在这些光环产品的背后,DeepMind却始终未探索出一条可行商业化路径,从最新的财务报告来看,长期大量研发投入,使其一直处于连年亏损的状态。

图注:DeepMind 2016-2019年亏损额趋势

再例如,Yoshua Bengio 等人创立的加拿大人工智能公司 Element AI,曾经得到了微软、英特尔、英伟达、腾讯等公司的融资支持,但最近也正以2.3亿美元出售,低于总融资额,大致相当于2折出售。

因此,从长远来看,公司成立研究型实验室,其生存和发展越来越牵扯到投资者的利益,公司掌舵者应该更深入地思考自己的未来和AI科学研究未来,从而找到短期和长期如何权衡的可行模式。

网曝阿里巴巴人工智能实验室基本关闭 原因或为运营模式出现问题

来源:AI科技评论

作者| 陈彩娴、蒋宝尚

编辑 | 青暮

据职场社交平台脉脉用户爆料,阿里巴巴人工智能实验室(AI Labs)基本关闭,阿里官网和达摩院都删除了阿里人工智能实验室的相关页面。

目前,此条消息已经是脉脉热榜第一,近200条留言,没有留言表明这是一条谣言,而阿里官方并未对此事作出表态。

据实名认证的阿里员工介绍,此实验室早在2019年的时候,负责给阿里掌舵的逍遥子就决定撤销。另有阿里员工证实实验室的几个科学家已经离开,而且有的去大学当教师。

图注:腾讯员工回复美团员工

至于“黄”的原因,在脉脉上其他公司的员工分析,可能是实验室的运营模式出现了问题。

马云曾经在2017年的云栖大会上给实验室(包括达摩院)有过定位:“90%以上研究的东西,不能只在实验室里面,必须在市场上。只有这样,这个实验室才能走得长。”

1

阿里 AI Labs:技术落地是首要任务

阿里巴巴人工智能实验室成立于2016年,但前半年一直低调行事,直到2017年5月才在公众面前高调亮相。

2017 年,阿里巴巴将马云投入上亿美元的 Pepper 机器人项目中止,把人员队伍拆分划进阿里巴巴人工智能实验室(又称“阿里 AI Labs”)。

2017年7月5日,阿里巴巴在北京举行“阿里人工智能实验室2017夏季新品发布会”,发布了阿里人工智能实验室第一款智能语音终端设备“天猫精灵X1”。

2017 年 8 月,阿里人工智能实验室推出了天猫精灵 X1 智能音箱和智能语音系统 AliGenie。

起初,阿里 AI Labs 的核心产品及技术研发团队包括实验室负责人陈丽娟(又名浅雪)、首席设计师李剑叶、硬件终端总经理茹忆、产品运营总经理杜海涛等。在阿里 AI Labs,研发人员占八成以上,主要分布在杭州、北京与深圳等地。

随后,阿里 AI Labs 继续扩大版图,持续招募顶级科学家加入实验室,为阿里巴巴开疆扩土。2017 年 10 月,擅长自然语言理解、实体挖掘的聂再清担任 AI Labs 北京研发中心总负责人,擅长计算机视觉的李名杨任 AI Labs 机器视觉杰出科学家。这意味着,阿里 AI Lab 在语音交互产品开发和视觉交互的 AI 产品方面有了担纲的人物。

2018 年 3 月 22 日,阿里巴巴人工智能实验室在北京召开新品发布会上公布了几项新产品:新版交互引擎 AliGenie 2.0;‘精灵火眼’+ XHolder;天猫精灵曲奇版:一款可搭载AliGenie语言系统的Mini智能音箱;天猫魔屏:一款 3D 智能投影仪,覆盖华数、优酷、土豆等多个内容平台。

在2018年1月中旬的CES 2018开幕现场,阿里 AI Labs负责人陈丽娟谈到了三大计划:1)主导推出 IoTConnect 蓝牙协议;2)推出mesh智能灯(也是首款支持IoTConnect蓝牙协议的智能家居硬件产品);3)与MTK联合发布一款内置IoTConnect协议的蓝牙芯片。

由此可见,陈丽娟对阿里 AI Labs的发展目标定位并非发展人工智能技术,而是推动物联网向智能联网升级,归根到底还是推动产品落地。

早在2017年云栖大会上,陈丽娟便坦言,阿里 AI Labs的研究方向主要是:语音、语言与机器视觉等三类,最主要的发展方向是智联网,在具体产品选型上更侧重人机交互。

陈丽娟领导阿里 AI Labs期间,也确实有过AI产品落地的高光时刻,例如将天猫精灵智能音箱打造成了一个百万级销量爆品。

但作为一个人工智能实验室,重心却是发展智联网,阿里在成立AI Labs时真的想好了吗?

在不断推动产品落地的过程中,阿里AI Labs也继续引入高端人才,扩大人工智能技术辅助智能产品打造的规模。

例如,2019年9月18日,阿里巴巴宣布,陈颖(前高通首席工程师)和谭平(加拿大西蒙弗雷泽大学终身副教授,前360人工智能研究院副院长)入职阿里 AI Labs。其中,陈颖担任人工智能和边缘计算首席科学家,负责 IoT 视觉方案;谭平担任计算机视觉首席科学家,负责构建3D全息虚拟世界。

2019 年云栖大会上,阿里巴巴人工智能实验室发布“家庭大脑”,宣布AliGenie升级到4. 0 版本。此外天猫精灵还宣布与平头哥联合开发定制了一款智能语音芯片。

之后,除了天猫精灵,阿里 AI Labs的多项产品逐渐淡出公众眼线。近日,阿里 AI Labs 被爆已关闭解散。从2016年成立至今,阿里 AI Labs 面世四年,仅略长寿于市场上韭菜般一撮一撮生长、又一撮一撮被收割的初创企业(平均寿命不过3年)。

是喜是悲,是哀是乐,难以定夺,自见分晓。

2

AI labs “黄”了有哪些启示?

在国内,人工智能实验室是伴随着人工智能技术爆发的浪潮涌现的。在人工智能浪潮之前,做研究一般是高校的“任务”。但人工智能的出现改变了这个格局,毕竟AI模型只有“拿”到充足的算力、算法、数据才能发挥效力,而这三类资源背后对应了只有大公司才能提供的:雄厚的财力,优越的人才待遇。

大公司往往需要对“资本”负责,做研究又伴随着很大的风险,毕竟十个研究失败九个是非常平常的事情。而公司的容忍度非常有限:失败一次问责,严重失败撤销部门。

另一方面,虽然一直宣称AI商业化市场是片蓝海,但AI项目一直无法找到入口。

例如,风靡全球的DeepMind,其成立10年来研发了众多明星产品:AlpaFold,用AI预测蛋白质三维结构,攻克生物科学50年挑战;AlphaGo,2016年击败了世界围棋冠军、职业九段棋手李世石,2017年击败了当今围棋第一人柯洁。

但在这些光环产品的背后,DeepMind却始终未探索出一条可行商业化路径,从最新的财务报告来看,长期大量研发投入,使其一直处于连年亏损的状态。

图注:DeepMind 2016-2019年亏损额趋势

再例如,Yoshua Bengio 等人创立的加拿大人工智能公司 Element AI,曾经得到了微软、英特尔、英伟达、腾讯等公司的融资支持,但最近也正以2.3亿美元出售,低于总融资额,大致相当于2折出售。

因此,从长远来看,公司成立研究型实验室,其生存和发展越来越牵扯到投资者的利益,公司掌舵者应该更深入地思考自己的未来和AI科学研究未来,从而找到短期和长期如何权衡的可行模式。

知名风投机构 A16Z:AI 年终盘点_详细解读_最新资讯_热点事件

神译局是36氪旗下编译团队,关注科技、商业、职场、生活等领域,重点介绍国外的新技术、新观点、新风向。

编者按:人工智能的炒作高峰期已过,但其实今年我们还是取得了不少突破的。比方说,GPT-3在自然语言处理的各种令人惊艳的用例,比方说AlphaFold!在蛋白质折叠挑战赛中首次胜出等。不过尽管AI已经逐渐渗透到各行各业,但AI要想实现盈利和规模化发展却面临“长尾效应”的难题。未来AI该何去何从?有哪些大想法?关键问题是什么?知名风投A16Z为我们盘点。原文发表在其官方博客上,标题是:Building AI Businesses

建设AI新经济

就像数据库在1980年代成为软件的核心部分一样,我们现在已进入“ AI / ML inside”(内置人工智能/机器学习)软件的新时代。那么,当内置了AI / ML的时候,商业模式又会变成什么样子?原先的经济原理(以及我们衡量现有软件业务的手段)是否还适用?

AI的新经济(以及它跟传统软件是如何的不同)

大想法:人工智能代表了一种全新的业务,一种利润率可能要比传统软件业务低的业务。有着长长的尾巴的边缘案例就更不用说了,这些都使得这些业务的扩展很具挑战性。用AI / ML开发软件的企业有着光明的前景,但成功的开始在于你得了解建设AI企业跟传统软件的区别(相应地,要管理好别人对它的期望)。

关键问题:基于数据模型的AI业务跟基于代码的软件在本质上是不是有所不同?还是说随着市场的成熟以及GTM(Go To Market,进入市场)的指导手册与工具的发展,人工智能业务最终会变得像软件业务一样?

驯服长尾:AI经济的改良

大想法:人工智能业务边缘案例存在长尾效应,这与解决问题的复杂性以及解决此问题所需的工作量直接相关。不过,有一些方法可以把长尾视为一阶问题并针对性地予以解决。在“AI新经济”的续篇里,我们采访了数十支领先的AI / ML团队,对AI业界“驯服长尾”来之不易的行业秘密进行了总结。其中的建议包括:选择合适的问题进行研究,缩短和优化全局性的长尾,并概括了解决局部长尾问题的新兴技术。

关键问题:解决长尾问题的经济性与云计算成本直接相关,不过云成本曲线会如何变化?这对我们应对人工智能业务边缘案例的长尾来说意味着什么?

遏制复杂性:AI / ML的未来

大想法:AI模型和数据易变且复杂——那更像是形而上学,而不是典型的数据管理或工程学。Anaconda联合创始人兼首席执行官Peter Wang认为:“无所谓“数据”之类的东西,只有被冻结的模型。” a16z的普通合伙人Martin Casado则观察到,或许那些具有物理学背景的人可以更好地理解驯服自然界的那些令人费解的挑战,并因此能“领会”AI / ML开发的独特挑战。但这可不仅仅只是哲学上的辩论!还会对AI / ML业务的利润、组织架构以及建设产生真正影响……尤其是我们目前正处于过渡的艰难时期,客户甚至连自己的要求是什么还不清楚,就想寻求AI / ML的帮助,因为他们知道AI就是未来。

关键问题:康威定律(编者注:Conway’s Law,指设计系统的架构受制于产生这些设计的组织的沟通结构。)如何适用于数据组织?现在价值主要在软件价值链的什么地方积累?

长尾问题以及自主市场

大想法:人工智能业务存在“长尾问题”,因为它们是在对现实世界的复杂性建模。再加上神经网络的本质使然,令问题变得更加复杂,神经网络是出色的内插器,但却是糟糕的外推器。其结果是,开发AI系统变成了协调大规模的、广泛的数据收集工作以便对边缘案例进行建模的问题。目前数据收集的方法是集中式的,自上而下的,并且是由技术巨头所主导的……如果数据收集变成自下而上,而不是自上而下会怎样?

关键问题:如果加密技术为去中心化的数据收集提供机会的话,这会如何给AI初创企业带来优势呢?

适用于运营性AI / ML的工具

随着AI / ML内置到更多的软件里面,对于软件运作而言,数据的作用会变得跟代码一样的重要。全定制的内部工作现在已经让位给一批企业级数据工具。这些工具会如何进行结合?又会如何演变呢?

随着AI成为传统编程的补充甚至取代后者,数据开发工具链也许就会像如今开发工具链一样崛起,这也许会成为企业界最被低估,也是最重要的趋势。——Ben Horowitz

运营性ML / AI的蓝图正在展开

大想法:鉴于可在生产中可靠运行运营性AI / ML的工具出现了爆炸式增长,高端数据科学正在为更多的玩家所用。企业运营所依赖的模型有的就是由这些系统运行的(比如,Lyft或Uber的打车定价机制)。开源库以及方法论也让这些工具包变得更加成熟,并降低了准入门槛。下图就是我们提供的一个用于AI / ML技术栈的模型架构——其中包括了从数据转换到模型训练、开发以及推理等内容。

关键问题:数据栈基于传统技术的既有者怎么才能适应?

AI和ML蓝图

数据体系结构的演变与关于数据的大辩论

大想法:数据本身并没有价值。需要有一套工具和系统来收集、处理、存储并提供所述数据。传统上,数据工具被划分在两个独立但并行的生态体系里面——数据湖处理AI / ML,而数据仓库则为分析和BI提供基础。不过,数据湖和数据仓库的技术能力正在融合,推动了新的数据基础设施设计模式的出现(比方说,数据“lakehouse(湖仓一体)”),使得单个集中的存储点即可处理传统的分析工作负载和以及运营性ML / AI。我们跟数据基础设施技术领先的创始人和开发者(dbt 、Fivetran 、Noteable 、Snowflake),以及跟Databricks一起探讨了数据体系结构的过去,现在和未来。

关键问题:做AI / ML和做分析的独立工具(和团队)是不是正在朝着大融合的方向发展?还是说仍将保持在不同的技术栈(和市场)上?

AI动态

超越炒作的GPT-3

发生了什么:2020年5月,一篇论文中宣布了GPT-3的推出,这是一种经过预训练的机器学习模型,这种模型经过优化后可执行各种自然语言处理任务。2020年7月,OpenAI (GPT-3背后的研发公司)允许对其API进行有限的非公开访问,其中就包括GPT-3以及其他模型背后的部分技术成就。不久之后,各种展示大型语言模型可能性例子和演示纷纷出现。2020年9月,OpenAI把GPT-3技术许可给了微软。

为什么重要:GPT-3让使用者避开了培训数据以及建立AI业务的部分(尽管不是全部)经济成本。这使得自然语言处理(NLP)成为AI研发最有前途的领域之一。a16z的合伙人Frank Chen认为,NLP遵循的是一种老生常谈的计算机科学方法:根本性的数据/算法突破推动创新的初创公司或产品的出现,但是这些突破需要几年的时间才能传播到各处,因为未来的分布是不均匀的。2017年时,我们目睹了第一批基于大规模语言数据集训练的Transformer模型;2020年,我们有了GPT-3。然后就是初创公司的出现,接着将是所有软件都内置了最新的NLP技术。

关键问题:GPT-3对初创企业、既有企业以及“AI即服务”的未来会产生什么影响?我们在通往通用人工智能的路上已经走到了什么位置?我们如何才能知道(如果没有图灵测试的话)?它对未来工作会带来哪些更广泛的问题?有哪些因素需要考虑?会产生何种影响?

人工智能的监管

发生了什么:美国白宫管理和预算办公室(OMB)以及科学技术政策办公室(OSTP)发布了一份备忘录草案,里面包含有10条广泛定义的有关“人工智能应用的管理”原则。该政策让美国的联邦机构用180天的时间来提交有关自己拟议中的法规将如何满足这些原则的解释。

为什么重要:虽然美国是人工智能领域的领导者,但其他国家(尤其是中国)也在对人工智能进行大力投资。

关键问题:人工智能会是新的创新太空竞赛吗?美国的政策领袖既希望提高这一技术的可信性,又不想手伸得过长。不过,“监管”人工智能到底意味着什么呢?

Nvidia + ARM的合并

发生了什么:英伟达宣布有意要收购ARM。Nvidia是GPU的制造商,这是ML最常用的那种计算;ARM则凭借着针对低能耗和低成本进行了优化的体系结构,让自己的足迹遍布了数十亿部设备。

为什么重要:这代表了过去十年计算领域三大技术趋势——云原生,移动优先和机器学习发展到了顶点

关键问题:如果价值不断朝着技术栈向上升,并且硬件、软件、固件、应用等之间的划分在很长一段时间内都不稳定的话,那么是谁在改变游戏规则?如果是整个棋盘都变了呢?

聚焦:AI在生物的应用

对于生物领域的某些最重要的开放性问题而言,人工智能具有广阔的应用前景。比方说,更好,更复杂的模型可以将不同的数据集结合到一起,用来改善药物发现和临床试验;从细胞的工作机制研究到全球疫情大流行趋势发展,新的机器学习技术具备改善预测、建模和仿真的潜力;AI / ML甚至最终可以帮助我们绘制神经逆向图并对其进行逆向工程,从而更好地了解阿尔茨海默氏病等疾病。那么,今年AI的重大研究突破是什么呢?其对生物和医疗保健的影响又如何?

在医疗保健领域解决鲍莫尔成本病问题

大想法:鲍莫尔成本病(Baumol’s Cost Disease)可以解释为什么依靠专门劳动力的服务(例如医疗保健和教育)会变得越来越昂贵,而袜子和电子产品等商品却变得更便宜。而跟软件已经渗透进去,通过将服务变成商品来降低成本的其他领域不一样,软件在医疗保健领域的进军速度很慢。

关键问题:人工智能能不能最终给我们节省大量成本,并让人类的医护人员可以专注于更高级的医疗服务?

16分钟:超越炒作的AlphaFold!蛋白质折叠

发生了什么:最近,Google DeepMind的AlphaFold系统在每两年举行一次的挑战赛中胜过了20个国家/地区的100多支团队,成功地仅靠氨基酸序列就预测出蛋白质的3-D结构。

为什么重要:蛋白质定义了所有的生物并为其提供动力,但是蛋白质可能存在的结构数量实在是太庞大了,并且这些结构实在是太难以发现了(无论是实验中还是在计算上),以至于这已成为生物学的一大挑战。这是深度学习系统战胜其他方法的元年,且其准确度已经可以与实验室的实验相媲美(甚至更快)。

关键问题:这是生物界AI的“ImageNet”(编者注:样本图像库,为AI的图像识别跃进奠定了基础)时刻吗?AlphaFold会不会像GPT-3或TensorFlow那样用到实践上?这对未来的药物发现和其他应用意味着什么?

a16z Journal Club:利用ML寻找新抗生素

发生了什么:一个深度神经网络在经过训练后被用来预测抗生素,在查看了十亿种化合物后,该AI在已知的抗生素中发现了具有独特结构的抗生素。

为什么重要:这项研究表明,通过扫描大量潜在的候选物,然后逐步升级最有前途的进行人工验证,人工智能可以真正有效地用于铅化合物的鉴定。通过降低发现成本,它为初创企业和学术实验室打开了以前可能成本过高的用例的大门。

关键问题:药物发现和研发还有哪些地方有可能运用深度学习神经网络与人工验证的结合的?

延伸阅读:

知名风投机构 A16Z:人工智能领域的新商业

知名风投机构:用“驯服长尾”的方式改良 AI 经济

译者:boxi。