首发在简书人工智能新解,这里重发。
风口里的猪说,如今创业不谈人工智能如同当年创业一定要谈互联网一样。但是人工智能的引入成本高昂,不是谁都承担得起。你看,传统定义下的人工智能包含了计算机视觉,声音处理,传感器处理,自然语言处理,知识处理(知识表征,推理引擎,机器学习,专家系统等),哪一个方面都是需要高超算法和软硬件人才,还要加上昂贵的运算力。而现在普遍认为机器学习的主力方向,深度学习,CNN,LSTN等等更加是吃钱的主。比如众所周知的阿尔法狗,那是成百上千的GPU加上CPU,加上海量的外设。所以有人和你说他在做机器学习,很大程度上只是一种时尚,或者停留在笔记本上玩一下torch, caffe, CNTK, tensorflow, theano之类,数据也是MNIST,NLTK之流。那么,是不是除了谷歌,脸书,微软,百度,IBM这些巨兽之外,中小企业,或者不是这个行业的大块头外行就没有办法实践人工智能了呢?
非也。我,戴德曼认为,人工配合机器可以达成近似人工智能大鳄们能够达到的高度。如何做?听我道来。
人工智能的道路是一条用机器去掉人工的道路,所以在目前,任何一个人的简单思考都能媲美任何复杂和深度的神经网络的强力计算。那么当我们还不具备先进的算法,强大的算力,充足的人工智能专家,那么我们需要在软件系统架构设计上秉承轻量级架构,微服务设计理念,巧妙的把人工嵌入到机器算法或算力无法胜任的地方,随着算法和算力的到位,逐渐减少人工的地方。根据冯诺依曼计算架构,我们甚至可以预见,量子计算机不能大规模商用化之前,算力的瓶颈将会持续困扰人工智能的发展,因此人工智能想要革命性的突破,很难。这就给人工补充提供了广阔的空间。
另一方面,人替代人工智能并非是历史的倒退,反而是进步。计算机在早期,能力很差,需要人类学习可编程电路,汇编语言,C语言等等计算机架构和思维,才能和机器合作完成任务。命令行交互几乎成为人机交互最有效的方法,只到鼠标把我们带到VR应用的早期,显示器在二维平面上模拟出应用的直观图像。VR技术进一步发展,二维显示器到三维图像正在进行中,还有神奇的语音输入,这一切让机器朝着人的方向前进,这无疑让人取代机器变得更加方便,任何还很稚嫩的机器会在人的监督下工作,譬如做手术的机器手并不是全自动,而是在医生用传感手套控制下实现更精准的移动。
进一步说,有了人给机器做后盾,机器可以表现出的智能会接近或超越人类。精心设计的人工操作台让人在复杂算法都难以搞定的地方,比如跨界决策,极端条件分类,只需要点击yes或no就能把软件功能串联下去,宏观看上去如同全自动的人工智能,非常适合于缺乏人工智能的企业和团队实践人工智能。
以后,我会详细描述这种人工加机器和人使用机器在设计上的不同,今天我只是提出人工加机器才是喜闻乐见的人工智能打开方式。