四分位属性是指根据每个指标的属性,进行数值大小排序,然后分为四等分,每个部分大约包含排名的四分之一本站
AI算得还不够精? 清华大学人工智能专家邓志东:让先飞一会儿算法突破还需2到5年本站
◎“从人脸识别到自动驾驶,各家企业都在做,但市场上还很难看到一款真正落地的产品,企业又迟迟无法盈利,所以行业过去一年遇冷的关键就是AI的产业落地艰难。”
◎目前来看,AI语言大模型有望成为AI在各领域应用落地的突破口。邓志东告诉每经记者,火爆中的ChatGPT某种程度上就是一种文本领域的上游巨模型。
◎“这些AI初创企业首先需要解决0到1的工程化与产业化定制生产问题,之后再谈向标准化、模块化方向发展。我的意思是,让先飞一会儿,现在产业都没形成,还很初期。”
最近几天,人工智能第一股商汤股价持续走高。单是1月27日,公司股价涨幅就达到19.91%,截至2月1日前的5个交易日,累涨逾32%,市值逼近千亿港元。
但目前市值相较其在2022年2月近2500亿港元的最高市值仍有一定差距。除商汤(HK0020,股价2.85港元,市值957.2亿港元)外,云从科技(SH688327,股价28.66元,市值212.3亿元)和格灵深瞳(SH688207,股价39.57元,市值73.2亿元)等AI明星独角兽公司,在2022年年末的市值相较其上市之初均有一定缩水。
外界对起伏的AI市场有诸多好奇和疑惑,因此《每日经济新闻》记者找到了清华大学计算机系教授、人工智能研究院视觉智能研究中心主任邓志东。在采访中,我们试图进一步了解,仍在探索之路的AI企业们在新的一年亟待解决哪些问题?现在所面临的瓶颈背后又蕴含着哪些产业价值?
今年年初,比尔·盖茨在一场活动中直言:“人工智能是最重要的。我不认为Web3有那么重要,也不认为元宇宙本身是性的,但是人工智能是颇具颠覆性的。”
比尔·盖茨略显绝对性的判断或许与微软一直深耕AI相关研究及应用不无关系。但放眼全球,AI也的确是公认的“风口”。
虽然AI在2022年经历了几乎一整年的产业低迷状况,不过2023年伊始,商汤、云从科技以及格灵深瞳等AI上市公司股价均大幅上涨。
据悉,股价上涨与外部环境有关。此前富时罗素收到美国海外资产控制办公室(OFAC)的确认消息,称商汤目前不受限于美国禁止该国投资者持有其股份的制裁,因此将在3月会对商汤被纳入富时全球股票指数系列的资格进行评估。
抛开商汤在AI商业领域的落地突破进程,不受禁令限制就能大幅刺激股价回升,足见AI产业本身就对资本而言有着足够的吸引力。
作为研究AI领域的专家,邓志东同样能感受到市场变化。他认为,以深度学习为代表的AI市场发展历程也就是近十年。随着商汤、云从等代表企业先后上市,资本市场也寄予了很高期望。“从人脸识别到自动驾驶,各家企业都在做,但市场上还很难看到一款真正落地的产品,企业又迟迟无法盈利,所以行业过去一年遇冷的关键就是AI的产业落地艰难。”
“当前的AI产业迟迟不能为用户带来更好的消费体验,也不能为企业与社会创造更多的价值。”邓志东说。
据IT桔子数据,截至2022年11月10日,2022年中国AI赛道在一级市场的融资事件数为400起,与2021年同期相比下降50%,融资交易额估算为770.4亿元,与2021年同期相比下降61%。当被预支的价值认可无法及时转化为收益,资本其实并没有太多耐心。
从AI走入大众视野的脉络来看,自2016年AlphaGO战胜柯洁开始,AI就开始加速进入大众视野,市场热度也随之升温。过去几年,AI更像一个工具,各行各业都在思考如何利用其为自己业务创造新价值。去年底,随着AI绘画、ChatGPT的出圈,AI的产业价值又再一次得到热议。
对此,邓志东认为这是由于目前AI在预训练语言大模型技术与应用上最为成熟,“实际上计算机视觉的产业应用范围、规模和价值更大。例如智能机器人与智能驾驶,环境感知与自主导航的核心技术都是视觉智能技术,只是目前AI的视觉大模型还不成熟。”
据邓志东,现有的AI小模型还无法解决产业落地实践中的长尾问题。例如在自动驾驶领域,99.99%和99.999%的漏检概率看起来数值差别很小,但要完成这样的精度跨越,训练AI需要的数据量与算力将呈指数级增长。“行百里者半九十。AI就是要用数据去灌,而且是带标签的大数据。4个9、5个9,甚至7个9的精度跨越是有客观需求的。但这就需要算力以及算法有根本性的突破。”
“如果AI无法达到或者接近人的水平,那就很难实现机器换人。那AI的价值,无论是降本增效还是其他,就都很难实现。”邓志东说。
按照邓志东的解释,如果把当前的AI小模型理解为具体的某栋建筑,那么预训练AI超级大模型,或者叫巨模型,将是基础设施一样的角色。
“预训练巨模型是一种通用人工智能,它有点像一种‘大神式’的存在,就是把各种任务的数据都放在里面进行遍历式无监督自主学习,它是通用的AI上游基础设施。”邓志东说。
在上游通用巨模型框架下,想要解决下游某个特定行业具体应用场景的问题,从业者就可以从中迁移出其所需要的模型,之后通过少量行业数据的监督微调或少样本学习,就可快速批量生产出接近人类水平的AI小模型及其特定场景的落地应用,从而完成从通用到垂类应用的转化。
“行业会产生大量解决具体应用场景问题的中间层公司,因为他们做不了上游的巨模型,那是巨头公司们才能做的,但他们可以根据下业客户和消费者的需求,针对具体应用场景进行高效生产与价值转化,这就构建了一种商业模式。”邓志东表示。
过去几年,随着AI热度攀升,价值与泡沫的争论也此起彼伏。邓志东也坦言,过去十年,AI在产业落地层面的确存在泡沫,“但过去一年行业的泡沫情况已经有所好转。现在看起来,AI巨模型的工业化生产与商业化机遇,趋势从未如此清晰。”
目前来看,AI语言大模型有望成为AI在各领域应用落地的突破口。邓志东告诉每经记者,火爆中的ChatGPT某种程度上就是一种文本领域的上游巨模型。
这款由OpenAI于去年11月底推出的AI自然语言处理工具拥有强大的语言理解和文本生成能力,可以通过存储上下文信息为客户提供更加自然舒适的连续对话体验。微博一名网友称,对比ChatGPT和自己写出的留学申请个人文书,前者语音水平远高于后者。
近日,微软就宣布将向OpenAI追加数十亿美元的投资以支持其研究,并表示正在将OpenAI的ChatGPT模型纳入微软的消费级和企业级产品中。邓志东认为,此举不仅可以进一步提高办公效率与生产力,也会对未来搜索产品带来性的改变。
此外,在邓志东看来,AI领域中的学术与产业界限并不明显。“在大数据与大算力的支撑下,AI算法的创新同时也是应用瓶颈的突破。突破期还需要2~5年的时间。”
按照邓志东的研究,AI可能的技术演变路径是先从目前接近人类水平的AI语言大模型开始,从NLP领域逐步扩展到计算机视觉与语音处理等领域,在新一代神经网络Transformer的主导下,演变出接近人类水平的AI视觉大模型和AI语音大模型,特别是发展出AI语言—视觉—语音跨模态大模型。“当然这些都需要AI芯片与AI超算在量级上再上一个大台阶。在此基础上,就很有可能出现语义与知识的涌现,从而带来人工智能的新一轮突破。”
任何行业要想做大蛋糕,建立有效的联合互通机制或许都是必经之路。从物流到通信,“标准化”所能释放的市场潜力已经被多次验证。
去年9月,商汤科技董事长兼CEO徐立在公开场合称,标准化将带来AI产业化的大规模爆发,要让AI算法像搭积木一样轻松组合、高效复制、快速推广,促进AI应用规模化落地。
邓志东同样认可标准化的趋势,但他认为,当前谈论标准化还过早。随着AI巨头公司的持续推动,接近人类水平的上游AI巨模型不断创新与发展,根据这些上游巨模型专门为多样化下游任务进行定务,即面向特定行业应用场景需求的中间层AI企业,将会成为AI创业的风口。
“这些AI初创企业首先需要解决0到1的工程化与产业化定制生产问题,之后再谈向标准化、模块化方向发展。我的意思是,让先飞一会儿,现在产业都没形成,还很初期。”
当前以AI小模型应用为主的行业现状,也是AI企业更多做ToB(面向企业)、ToG(面向政府)的业务,ToC(面向消费者)业务相对进展缓慢背后的原因。“单纯的AI小模型很难解决应用场景落地中的长尾问题。无论是ToG、ToB还是ToC,都存在这方面的技术挑战。如果接近人类水平的AI视觉大模型、AI语音大模型与AI跨模态大模型得到突破,就会带来包括自动驾驶与人形机器人在内的人工智能的大规模产业应用与突破。”邓志东表示。
虽然AI行业还没有大规模落地和应用,但技术所带来的商业壁垒逻辑已经在互联网时代得到了验证。面对“技术垄断”的疑问,邓志东也坦言,在上游通用人工智能领域,垄断的趋势比较明显。“但这并不是说其他企业没有机会,大量中间层的AI企业是做具体应用的价值转化,底层还有更多的企业做AI商业模式与产品的运维等。整个行业的结构有些像金字塔。”
“从大模型、大算力、大数据的发展趋势来看,未来全球AI头部企业在人工智能产业中的实力与地位,会更加彰显。新兴企业会承接中间层的角色,未来行业竞争可能会出现这样的竞争格局。”
如需转载请与《每日经济新闻》报社联系。未经《每日经济新闻》报社授权,严禁转载或镜像,违者必究。
特别提醒:如果我们使用了您的图片,请作者与本站联系索取稿酬。如您不希望作品出现在本站,可联系我们要求撤下您的作品。
本站 6月22日,阿里司法拍卖平台显示,浙江民泰商业银行2809.4138万股股权结束二拍,并遭遇流拍。 注意到,上述股权市场价为7838.26万元,一拍价格已经在市场价基础上降价七折至5486.79万元,不过并
免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186