继中美之后,欧盟会成为下一个 AI 超级体吗?

640?wx_fmt=gif

美国和中国已经是毋庸置疑的AI超级体了,那么欧盟有可能成为下一个吗?

640?wx_fmt=jpeg

德国总理安格拉·默克尔以冷酷无情著称,但需要的时候她也可以很幽默。

在最近一次由科技杂志《Ada》举办的季度会议上,有人问她是否认为机器人应当拥有权利,她回答说:“你的意思是用电的权利?还是定期维护的权利?”

导致这次访谈如此引人入胜的还有另一个原因。默克尔表示,她对人工智能(AI)及其地缘政治很感兴趣。“在美国,对个人数据的控制很大程度上是私人公司在做的。而在中国正好相反,政府控制一切。”她同时表明,欧洲会介于这两者之间。

这种思想是欧洲更广泛的现实化的一部分,即AI在未来应当成为像电力、蒸汽机等基础科技同样重要的技术。一些国家如芬兰、法国已经制定了国家级人工智能战略,而德国正在制定中,预计将在今年末完成。届时,欧洲将会把这些努力统合到统一的人工智能计划中。预料之中的是,这个计划完全由欧盟成员组成,涉及了十几个委员会和其他实体。

但默克尔女士提出的问题对于欧洲就像英国脱欧和移民问题一样重要:欧洲能否在美国和中国的AI超级力量之间获得一席之地?


640?wx_fmt=png

欧洲能否成为下一个AI超级力量?


硅谷对此表示怀疑。“欧洲会搞砸的,就像搞砸了云计算一样。”致力于制造对人类友好的AI公司OpenAI员工Jack Clark说。湾区几乎没有人认为欧洲能在近年来快速发展的人工智能领域成为一股力量。机器学习需要给算法输送大量的数据(如人脸照片),使得算法能学习如何解释其他数据(比如识别视频中的人)。

社会调查公司Centre for a New American Security的Greg Allen认为,这种怀疑不仅是因为欧洲自身的弱点,比如欧洲更喜欢本地企业,不欢迎外来企业。欧洲还有结构上的弱点:缺乏规模效应。美国和中国的科技巨头都受益于本地的巨大市场,他们有AI所需的最重要的资源:数据。

这个优势还带来了其他优势。更多的数据意味着公司能提供更好的服务,从而吸引更多的用户,带来更高的利润,这些利润可以用来雇佣更多的数据科学家。而拥有大量数据就需要更多计算能力和更快的处理器。包括亚马逊、微软在内的所有大型云计算提供商都在开发自己的专用AI芯片,在这个领域,欧洲也远远落在后面。

但在机器学习和消费者服务之外,欧洲的前景就没那么悲观了。自动驾驶汽车不仅需要数据,还需要其他AI科技,如机器推导,其算法是编写的而不是用数据训练的,在这方面欧洲有一些实力。德国在自动驾驶汽车方面的国际专利数量大约是美国和中国的总和,而且其原因并不仅仅是因为它有强大的汽车工业。

何况,大量数据和强大的处理器芯片也不是唯一的出路。越来越多的研究者在寻求使用“小数据”的方法——即使用较少的数据来训练算法,特别是在制造业和物联网方面。而许多工业公司的总部都在欧洲,可能会给欧洲带来优势。“随着AI越来越复杂,欧洲总会有机会。”瑞典于默奥大学的Virginia Dignum预言。


640?wx_fmt=png

年迈的欧洲和聪明的AI


但是,欧洲最大的机会也许不是技术方面,而是政治和法规方面。正如默克尔女士所言,美国和中国在AI方面展现了两个极端,从而在中间地带留出了空白。“欧洲可以成为AI统治方面的领头羊。”纽约大学的研究中心AI Now Institute的联合创始人Kate Crawford说。

欧洲可以率先制定规则来限制AI系统可能造成的危害,比如算法偏差或失控带来的危害。许多人希望欧洲能建立AI行业的全球标准,就像它建立的新隐私法GDPR一样,后者的主旨现已被复制到全世界的各个角落。

别的规制开端也很类似。美国和中国都是中心化数据经济,其资源控制在少数公司手中。而欧洲更适合开发去中心化的数据经济,数据在公司之间交换。这样就涉及到定义数据的访问权(即数字领域的财产所有权)和数据的类别,比如商业数据由于其社会价值而需要公开,就像欧洲的银行需要在客户同意的前提下给金融科技公司以数据访问权一样。因此,这种现象使得欧洲成为新型数据公司更好的地点。

为实现这一点,欧洲已经做了许多事情。法国和芬兰的国家AI战略比美国和中国的版本更有意思,提供了更为平衡的度量,涵盖了从公共研究经费、训练数据科学家到数据经济及政府使用AI的规则。欧盟委员会将这些称为“让数据更容易访问”、“将AI带进小企业”。

但是,许多东西在实现时依然会出问题。为了在AI领域更强大,欧洲需要在研究和数据方面投入更多资源。但欧盟更倾向于分散资源,以同时满足国家和商业上的需要。所以,欧盟委员会更有可能公布松散的AI研究网络,而不是中心的研究机构。

悲观的另一个原因是制度上的懒惰。许多分配给AI研究的资金会流向已有的学术机构,而这些机构也许并不是这些资金最好的归宿。许多欧洲研究机构都是几十年前建立的,经历过了上世纪九十年代到二十一世纪初的AI寒冬,当时除了研究机构之外的人们都对AI丧失了兴趣,也普遍没有资金支持。成立于1998年的德国人工智能研究中心是世界最大的研究机构,拥有一千多名员工,但显然它不是最有名的。它的强项是机器人和经典AI,而不是机器学习。

最令人担心的是,尽管默克尔女士很感兴趣,但德国似乎并没有做好AI的准备,也没有准备好和欧洲的其他国家联合。其中的原因之一就是现有的经济力量。政策制定者、行业领袖和研究者认为,德国已经在AI方面很强大,足以将更多科技注入到工业产品和制造机械上。因此,与法国的联合似乎并不是最优先的。而德国政府的联合声明中提到的建立合作AI研究中心的计划已经被放弃了。

为了成为AI方面的强者,欧洲需要克服它的分裂状态。但目前似乎不太可能。但只要有政治需求,就有实现的可能。在上世纪八十年代,欧洲感到了来自日本的经济威胁,当时的德国总理赫尔穆特·科尔和法国总统弗朗索瓦·密特朗推动了全欧洲范围的无线标准,当时被称为2G,帮助欧洲在手机行业处于领先地位几十年。

当然,AI比无线标准要复杂得多,但至少有这种可能性。

原文:https://www.economist.com/business/2018/09/22/can-the-eu-become-another-ai-superpower

译者:弯月,责编:郭芮

640?wx_fmt=gif640?wx_fmt=gif

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值