智能化時代的四核驅(qū)動力

文|劉興亮

智能化時代的四核驅(qū)動力

文|劉興亮

導(dǎo)語：人工智能的發(fā)展有4個必要條件，它們是移動網(wǎng)絡(luò)的發(fā)展和傳感器的普遍使用、云計算使低成本大規(guī)模并行計算成為現(xiàn)實、機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)不斷進(jìn)步、大數(shù)據(jù)的發(fā)展。

劉興亮DCCI互聯(lián)網(wǎng)研究院院長

仿佛一夜之間，人工智能成為一個火熱的話題。樂觀主義者指出，社會的趨勢必將從萬物互聯(lián)走向萬物智能，也就是踏入智能化的時代。從種種跡象看來，人工智能的廣泛應(yīng)用可能會提前，智能化時代來臨的轟鳴聲會越來越強(qiáng)。為什么這么說？因為人工智能的發(fā)展有4個必要條件，它們是移動網(wǎng)絡(luò)的發(fā)展和傳感器的普遍使用、云計算使低成本大規(guī)模并行計算成為現(xiàn)實、機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)不斷進(jìn)入、大數(shù)據(jù)的發(fā)展。而上述4個領(lǐng)域已經(jīng)在近年有了突飛猛進(jìn)的發(fā)展，它們像四核驅(qū)動力一樣，驅(qū)動著智能化時代的快速來臨。

移動網(wǎng)絡(luò)的發(fā)展和傳感器的普遍使用

Talking Data發(fā)布的《2014移動互聯(lián)網(wǎng)數(shù)據(jù)報告》顯示，2014年我國移動互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展迅猛，移動智能終端設(shè)備數(shù)已達(dá)10.6億個，較2013年增長231.7%。全國各地的“移動俠”有著不同的生活習(xí)性，但他們的手機(jī)里平均安裝著34款A(yù)pp。

而易觀國際的數(shù)據(jù)則顯示，2014年中國移動互聯(lián)網(wǎng)用戶規(guī)模約7.29億，較2013年增長11.8%。未來幾年，移動互聯(lián)網(wǎng)用戶規(guī)模將繼續(xù)保持增長態(tài)勢，但增速將進(jìn)一步放緩。從PC互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)，再到物聯(lián)網(wǎng)，人與人、人與物之間的聯(lián)系更加緊密了。

與此同時，傳感器技術(shù)與產(chǎn)品的發(fā)展也有了長足的進(jìn)步。20世紀(jì)90年代初，傳感器變得價格低廉且功能強(qiáng)大，這使工程師們開始相信傳感器可應(yīng)用的空間和途徑幾乎是無限的。來自麻省理工學(xué)院的技術(shù)倡導(dǎo)者凱文·阿斯頓提出了物聯(lián)網(wǎng)這一概念，無生命物體可以通過全球網(wǎng)狀網(wǎng)絡(luò)與人或者其他無生命體進(jìn)行交流。如今傳感器已經(jīng)遍布世界的各個角落，它們不僅能幫助礦工監(jiān)測礦井內(nèi)是否有毒氣，也能幫助人們了解自己的身體是否有異常變化。

2007年1月，史蒂夫·喬布斯推出蘋果手機(jī)，作為首款成功配備觸摸屏的移動設(shè)備，它包含微小的傳感器，使用戶可以向水平方向或垂直方向旋轉(zhuǎn)屏幕，搜尋wifi信號或者與藍(lán)牙耳機(jī)相連。該手機(jī)甚至還配有一個加速度傳感器，用于在手機(jī)掉落時提供保護(hù)。到了現(xiàn)在，每臺智能手機(jī)已平均配有7個傳感器。

云計算使低成本大規(guī)模并行計算成為現(xiàn)實

馮·諾依曼體系的串行結(jié)構(gòu)使得計算機(jī)無法滿足人工智能對硬件的要求，而近年來云計算的出現(xiàn)至少部分解決了這個問題。從概念上講，可把云計算看成是“存儲云+計算云”的有機(jī)結(jié)合，即“云計算=存儲云+計算云”。存儲云的基礎(chǔ)技術(shù)是分布存儲，而計算云的基礎(chǔ)技術(shù)正是并行計算：將大型計算任務(wù)拆分，然后再派發(fā)到云中的各個節(jié)點進(jìn)行分布式計算，最終再將結(jié)果收集后統(tǒng)一處理。大規(guī)模并行計算能力的提高使得人工智能往前邁進(jìn)了一大步。

云計算的實質(zhì)是一種基礎(chǔ)架構(gòu)管理的方法論，是把大量的計算資源組成IT資源池，用于動態(tài)創(chuàng)建高度虛擬化的資源供用戶使用。在云計算環(huán)境下，所有的計算資源都能夠動態(tài)地從硬件基礎(chǔ)架構(gòu)上增減，以適應(yīng)工作任務(wù)的需求。云計算基礎(chǔ)架構(gòu)的本質(zhì)是通過整合、共享和動態(tài)的硬件設(shè)備供應(yīng)來實現(xiàn)IT投資的利用率最大化。這就使得使用云計算的單位成本大大降低，非常有利于人工智能的商業(yè)化運營。

值得特別指出的是，近來基于GPU（圖形處理器）的云計算異軍突起，以遠(yuǎn)超CPU的并行計算能力獲得業(yè)界矚目。

CPU的架構(gòu)是有利于X86指令集的串行架構(gòu)，從設(shè)計思路上適合盡可能快的完成一個任務(wù)；對于GPU來說，它最初的任務(wù)是在屏幕上合成顯示數(shù)百萬個像素的圖像——也就是同時擁有幾百萬個任務(wù)需要并行處理，因此GPU被設(shè)計成可并行處理很多任務(wù)，天然具備了執(zhí)行大規(guī)模并行計算的優(yōu)勢。

現(xiàn)在不僅谷歌、Netflix用GPU來搭建人工智能的神經(jīng)網(wǎng)絡(luò)，F(xiàn)acebook、Amazon、Salesforce都擁有了基于GPU的云計算能力，國內(nèi)的科大訊飛也采用了GPU集群支持自己的語音識別技術(shù)。GPU的這一優(yōu)勢被發(fā)現(xiàn)后，迅速承載起比之前的圖形處理更重要的使命：被用于人工智能的神經(jīng)網(wǎng)絡(luò)，使得神經(jīng)網(wǎng)絡(luò)能容納上億個節(jié)點間的連接。傳統(tǒng)的CPU集群需要數(shù)周才能計算出擁有1億節(jié)點的神經(jīng)網(wǎng)的級聯(lián)可能性，而一個GPU集群在一天內(nèi)就可完成同一任務(wù)，效率得到了極大的提升。另外，大規(guī)模生產(chǎn)帶來了GPU價格下降，使其更能得到廣泛的商業(yè)化應(yīng)用。

機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)不斷進(jìn)步

機(jī)器學(xué)習(xí)是人工智能的核心和基礎(chǔ)，是使計算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域。該領(lǐng)域的頂級專家Alpaydin先生如此定義：“機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機(jī)程序的性能標(biāo)準(zhǔn)?！?/p>

最近幾年，新算法的發(fā)展極大提高了機(jī)器學(xué)習(xí)的能力。這些算法本身很重要，同時也是其他技術(shù)的推動者，比如計算機(jī)視覺。機(jī)器學(xué)習(xí)算法目前被開源使用，這種情形將促成更大進(jìn)步，因為在開源環(huán)境下開發(fā)人員可以補(bǔ)足和增強(qiáng)彼此的工作。

在各種機(jī)器學(xué)習(xí)技術(shù)中，深度學(xué)習(xí)的發(fā)展尤其迅猛。深度學(xué)習(xí)的“技術(shù)路線”是模擬人類大腦神經(jīng)網(wǎng)絡(luò)的工作原理，將輸出的信號通過多層處理，將底層特征抽象為高層類別，它的目標(biāo)是更有效率、更精確地處理信息。深度學(xué)習(xí)自2006年由Geoffrey Hinton教授和他的兩個學(xué)生提出后，使得機(jī)器學(xué)習(xí)有了突破性的進(jìn)展，極大地推動了人工智能水平的提升。2013年，《麻省理工技術(shù)評論》把它列入年度十大技術(shù)突破之一。

人腦具有一個深度結(jié)構(gòu)，認(rèn)知過程是逐步進(jìn)行，逐層抽象的，能夠?qū)哟位亟M織思想和概念。深度學(xué)習(xí)之所以有如此大的作用，正是因為它較好地模擬了人腦這種“分層”和“抽象”的認(rèn)知和思考方式。

深度學(xué)習(xí)的實質(zhì)是通過構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來學(xué)習(xí)更有用的特征，從而最終提升分類或預(yù)測的準(zhǔn)確性。因此，“深度模型”是手段，“特征學(xué)習(xí)”是目的。區(qū)別于傳統(tǒng)的淺層學(xué)習(xí)，深度學(xué)習(xí)的不同在于：（1）強(qiáng)調(diào)了模型結(jié)構(gòu)的深度，通常有5層、6層，甚至10多層的隱層節(jié)點；（2）明確突出了特征學(xué)習(xí)的重要性，也就是說，通過逐層特征變換，將樣本在原空間的特征表示變換到一個新特征空間，從而使分類或預(yù)測更加容易。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來學(xué)習(xí)特征，更能夠刻畫數(shù)據(jù)的豐富內(nèi)在信息。

深度學(xué)習(xí)使得人工智能在幾個主要領(lǐng)域都獲得了突破性進(jìn)展——在語音識別領(lǐng)域，深度學(xué)習(xí)用深層模型替換聲學(xué)模型中的混合高斯模型（Gaussian Mixture Model， GMM），獲得了相對30%左右的錯誤率降低；在圖像識別領(lǐng)域，通過構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)（CNN），將Top5錯誤率由26%大幅降低至15%，又通過加大加深網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)一步降低到11%；在自然語言處理領(lǐng)域，深度學(xué)習(xí)基本獲得了與其他方法水平相當(dāng)?shù)慕Y(jié)果，但可以免去繁瑣的特征提取步驟?？梢哉f到目前為止，深度學(xué)習(xí)是最接近人類大腦的智能學(xué)習(xí)方法。

深層模型是包含多個隱藏層的人工神經(jīng)網(wǎng)絡(luò)，多層非線性結(jié)構(gòu)使其具備強(qiáng)大的特征表達(dá)能力和對復(fù)雜任務(wù)的建模能力。訓(xùn)練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出給訓(xùn)練深層模型帶來了希望，并在多個應(yīng)用領(lǐng)域獲得了成功。深層模型的并行化框架和訓(xùn)練加速方法是深度學(xué)習(xí)走向?qū)嵱玫闹匾?，已有多個針對不同深度模型的開源實現(xiàn)，谷歌、臉譜、百度、騰訊等公司也實現(xiàn)了各自的并行化框架。

深度學(xué)習(xí)引爆了一場革命，將人工智能帶上了一個新的臺階，將對一大批產(chǎn)品和服務(wù)產(chǎn)生深遠(yuǎn)影響。

大數(shù)據(jù)的發(fā)展

過去機(jī)器學(xué)習(xí)的研究重點一直放在算法的改進(jìn)上，但最近的研究表明，采用更大容量數(shù)據(jù)集進(jìn)行訓(xùn)練帶來的人工智能提升，已超過選用算法帶來的提升。舉兩個實例說明：1. 在語義識別方面，一個普通算法使用1億個單詞的未標(biāo)注訓(xùn)練數(shù)據(jù)，會好過最有名的算法使用100萬個單詞；2. 將照片中的馬賽克區(qū)域用與背景相匹配的某些東西來填補(bǔ)，從一組照片中搜索填補(bǔ)物的話，如果只用1萬張照片，則效果很差，如果照片數(shù)量增加到200萬張，同樣的算法會表現(xiàn)出極好的性能。

換言之，大數(shù)據(jù)讓機(jī)器不斷學(xué)習(xí)成為可能，機(jī)器開始擬人化。

早在1980年，著名未來學(xué)家阿爾文·托夫勒便在《第三次浪潮》一書中將大數(shù)據(jù)熱情地贊頌為“第三次浪潮的華彩樂章”。不過，大約從2009年開始，大數(shù)據(jù)才成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯，進(jìn)而成為一個產(chǎn)業(yè)，甚至是一個時代，即所謂DT時代。其誘因是互聯(lián)網(wǎng)產(chǎn)業(yè)的迅猛發(fā)展。根據(jù)IDC的監(jiān)測統(tǒng)計，2011年全球數(shù)據(jù)總量已經(jīng)達(dá)到1.8ZB（1ZB等于1萬億GB，1.8ZB也就相當(dāng)于18億個1TB的移動硬盤，人均200GB， 這些信息的量相當(dāng)于可以填充572億個32GB的iPad），而這個數(shù)值還在以每兩年翻一番的速度增長，預(yù)計到2020年全球?qū)⒖偣矒碛?5ZB的數(shù)據(jù)量，增長近20倍。

美國互聯(lián)網(wǎng)數(shù)據(jù)中心指出，互聯(lián)網(wǎng)上的數(shù)據(jù)每年將增長50%，而世界上90%以上的數(shù)據(jù)是最近幾年才產(chǎn)生的。此外，數(shù)據(jù)又并非單純指人們在互聯(lián)網(wǎng)上發(fā)布的信息，全世界的工業(yè)設(shè)備、汽車、電表上有著無數(shù)的數(shù)碼傳感器，隨時測量和傳遞著有關(guān)位置、運動、震動、溫度、濕度乃至空氣中化學(xué)物質(zhì)的變化，也產(chǎn)生了海量的數(shù)據(jù)信息。因此除了互聯(lián)網(wǎng)，大數(shù)據(jù)的爆發(fā)很大程度上源于傳感器技術(shù)和產(chǎn)品的突飛猛進(jìn)。人類在制造數(shù)據(jù)和搜集數(shù)據(jù)的量級和速度上將呈現(xiàn)幾何級數(shù)的爆發(fā)式增長！

未來，隨著互聯(lián)網(wǎng)應(yīng)用的進(jìn)一步擴(kuò)展以及傳感器不斷融入人類生活工作的方方面面，數(shù)據(jù)產(chǎn)生、搜集的速度和量級將不斷加速，人工智能的進(jìn)化速度也將加快。