1f35c29072df98d025dd185bd44b6f32

QT洞察

闵万里:科技如何助力垂直产业?
雷锋网   肖漫   2021-06-19

6 月 18 日,以“AI新势能,智创新未来”为主题的GCVC全球人工智能视觉产业与技术大会在青岛西海岸新区举行,聚焦探讨 AI 新势能下的机遇与挑战。会上,西安电子科技大学计算机科学与技术学部主任焦李成、北京大学信息科学技术学院智能科学系教授查红彬、北高峰资本及坤湛科技创始人兼 CEO 闵万里等多位专家学者,以及极视角科技有限公司创始人兼董事长陈振杰、华润置地华南大区产业发展部副总经理缪青等多位行业人士带来了演讲分享。

雷锋网将部分演讲内容进行了不改变原意的精编,具体如下:

闵万里《科技创新驱动中国制造》

今天我们在产业升级,在制造业当中,人工智能是不是可以承担源头创新的角色?这个命题其实不是今天提出来的,其实在 2015、2016 年年后,在 AlphaGo 下围棋的时候就已经看到,AlphaGo 最大的威力不是在下棋,是在基础数据中心的能耗问题。

同样的道理,今天如果我们把同样的场景看看流水线,中国的第二产业、广义制造业我们有没有可能从左边到右边?有没有可能通过科技要素的注入实现这样一种转化?

其实不外乎几点,第一就是抓住人才,懂产业场景,又懂算法。但是技术专家还不够,我们需要有人懂产业的场景,然后还要有传承,那一代的工人对整个制造业发展的卡脖子的问题哪些地方是痛点其实已经非常明了,他们的经验和教训通过可传承的方式,以代码的方式、算法平台的方式向下传承的时候,下一代人可以形成接力下去。

其实,今天整个业界有非常多的垂直化的应用场景,这些应用场景很遗憾,跟我们的供给者、开发者之间隔了一道墙,往往有序的数据或者是强大的计算力、算法不是唾手可得,而在高校里面的开发者们则有一些知识储备。怎么把知识用起来,怎么跨过?所以就需要一种非常强大的机制,把供需进行匹配。

五年前,当人工智能走入垂直行业的时候还是独木桥,有人摸着石头过河,去看一看这个技术能不能解决炼钢的问题,能不能解决半导体流片的问题,但是今天当它已经证明可以做的时候,下面的事就变得简单——怎么把摸着石头过河的事变成桥,把供给和需求之间进行高效匹配。

焦李成《下一代人工智能:挑战与思考》

大家都生活在一个大数据的时代,如果不能很好地处理大数据,大概会被淹死在大数据的海洋当中,如果能够巧妙地处理大数据,一定会变成信息,信息一定会转化为知识,知识一定会转化为发展的动力和创新的动力,从这个意义上来讲,我们怎么样去做?

任何先导区也好、试验区也好,靠什么?靠技术,靠杀手锏,靠硬科技,这些从哪里来?从掌握这些技术的人里面来,这些人从哪里来?未来的 CEO、未来的带头人从哪里来?从教育来。

我们国家正在做人工智能教育体系的布局,本硕博的体系,集成电路、安全包括人工智能都要设在交叉学科的领域,要加快人才的培养,到现在为止全国将近 200 所高校设立了人工智能学院和人工智能研究院。

人工智能不是没有基础,它的基础涉及脑科学、生理科学、图灵奖,所有的这些是构成我们现在人工智能的基础。人工智能涉及的是一个更广泛的领域,人文、社科、生物、脑科学等,都需要我们去做,当然我希望大家应该做一件事情。

查红彬《视觉 SLAM:在线学习的途径》

SLAM 研究并不是一个新的话题,有关 SLAM 的研究已经到目前为止有 30 多年将近 40 多年的历史,在这么长的时间里,可以说 SLAM 研究本身应该是取得了很大的进步。

那么,是不是就没有问题了呢?也不对。

SLAM 研究仍面临许多挑战,如 SLAM 研究缺乏系统性,算法缺少泛化能力,误差积累严重,计算成本高昂等问题。

那么,要怎么解决?

前面提到,我们用的是多视点几何理论,这个前提是只要有多个视点的信息就行了,这些视点在时间信息上是前是后没有关系。

但是,在 SLAM 具体的问题中,进来的传感器数据都是有时间先后顺序的,而这个时间的先后顺序应该是能够起到很大的作用,我们通常所讲的时间上的相关性、异质性、连续性,应该是可以帮助我们解决很多的问题,所以我们在传感器 SLAM 数据当中没有把时间上的相关性用好,这可能是一个非常大的问题。

我们如果能够把时间上的相关性应用好了,就能够把预测用好,能构建一个实时预测、在线预测的系统,每时每刻预测下个时刻怎么样,如果预测对了,就不需要计算了,如果预测不对,误差反馈回来能帮助我们来修改系统,因此这是一个非常好的方式。

陈振杰《计算机视觉行业趋势与洞察》

到目前为止,其实我们人工智能的技术其实在不断发展的过程当中,整体感觉还是弱人工智能时代,弱人工智能怎么定义?

我们发现,在产业的角度我们没有办法去做出一个像人一样聪明的系统,因为我们人其实是一个大脑,能够去识别世间万物,能够做语音、视觉、文字理解、认知都是由大脑来实现的,当然会有不同的分区。

回到图像识别技术的落地,我们看到,其实每一个图像识别的算法只能定向地去解决一种识别,比如说人脸识别,其实只能用来识别人脸,你是谁?去解答这么一个问题,但是如果我们要去知道,比如说工厂有火灾,则需要用一个新的算法。

目前,包括城市管理、城管类、化工安全类在内的每一个垂直领域都有非常多的具体算法的需求,而这一些每一个识别对应的都是一种算法,所以现在我们觉得弱人工智能时代我们没有办法追求一下子把我们的技术圈往通用性的往外扩。

不过,我们可以不断的建单点,每个单点代表一种识别,如果我们有一百万种、一千万种识别技术解决识别问题的话,也许累积起来就是我们未来强人工智能的另外一个方向。

阅读更多

Leave a comment