技術(shù)對于商業(yè)影響加深

---

引發(fā)機(jī)器學(xué)習(xí)大爆炸的導(dǎo)火索

WHAT’S DRIVING THE MACHINE LEARNING EXPLOSION?

埃里克·布林約爾松（ Erik Brynjolfsson） 安德魯·麥卡菲（ Andrew McAfee） | 文

早在20世紀(jì)50年代，機(jī)器學(xué)習(xí)系統(tǒng)就誕生了，但問題是：為什么我們現(xiàn)在才突然看到AI在眾多領(lǐng)域的突破性發(fā)展？以下三個(gè)因素可說明癥結(jié)所在：數(shù)據(jù)大量增加；算法進(jìn)步顯著；計(jì)算機(jī)硬件性能得到巨大提升。在過去20年中，應(yīng)用軟件中的數(shù)據(jù)可用性增長1000倍，關(guān)鍵算法改進(jìn)10到100倍，硬件速度至少提高100倍。麻省理工學(xué)院的托馬索·波吉奧（Tomaso Poggio）稱，正是因?yàn)橐陨纤羞M(jìn)步，應(yīng)用軟件才有了質(zhì)的提升，比如自動(dòng)駕駛汽車的行人檢測視覺系統(tǒng)。

現(xiàn)在我們來逐一了解這三大因素。數(shù)據(jù)。音樂CD、電影DVD和網(wǎng)頁這幾十年來豐富了全球數(shù)字編碼信息，而過去幾年里信息出現(xiàn)爆炸式增長?，F(xiàn)在，我們接收的信號來自智能手機(jī)和工業(yè)設(shè)備的傳感器、數(shù)字照片和視頻、源源不斷的社交媒體信息流和其他很多應(yīng)用軟件，數(shù)據(jù)的豐富程度前所未有?，F(xiàn)在，世界上90%的數(shù)字?jǐn)?shù)據(jù)都是過去兩年中涌現(xiàn)的。如今，物聯(lián)網(wǎng)的發(fā)展勢如破竹，數(shù)十億新裝置及其數(shù)據(jù)流將實(shí)現(xiàn)連接，所以，在接下來的10年中，我們勢必將處理更多數(shù)字?jǐn)?shù)據(jù)。

算法。數(shù)據(jù)爆炸既讓現(xiàn)有算法變得更有效，還促進(jìn)支撐并加快了更高級算法的開發(fā)，因此意義非凡。目前主宰這一領(lǐng)域的算法和做法（比如深度監(jiān)督學(xué)習(xí)和增強(qiáng)學(xué)習(xí)）都有一個(gè)重要的共同點(diǎn)：其結(jié)果隨訓(xùn)練數(shù)據(jù)的增加而提升。算法的表現(xiàn)到了一定高度后通常會(huì)趨于穩(wěn)定，之后再輸入更多數(shù)據(jù)，也基本上沒有任何提升。但我們現(xiàn)在普遍使用的算法，很多都不會(huì)出現(xiàn)這種情況。此外，新算法可以在不同應(yīng)用軟件中傳遞知識(shí)，所以需要學(xué)習(xí)的實(shí)例會(huì)越來越少。

計(jì)算機(jī)硬件。摩爾定律在2015年迎來了50周年，而且發(fā)展依然強(qiáng)勁。該定律指出，集成電路能力每隔18到24個(gè)月都會(huì)增加一倍。最近有人評論說，摩爾定律快要觸及物理學(xué)的極限，所以在接下來的幾年中發(fā)展會(huì)放緩；事實(shí)上標(biāo)準(zhǔn)微處理器的進(jìn)化已經(jīng)停滯。但一種與微處理器類似的計(jì)算機(jī)芯片，安裝在神經(jīng)網(wǎng)絡(luò)的計(jì)算系統(tǒng)中時(shí)，恰恰能夠高效運(yùn)行，這種芯片即圖形處理器（GPU）。實(shí)際上，神經(jīng)網(wǎng)絡(luò)從傳統(tǒng)中央處理器轉(zhuǎn)移到GPU，很可能會(huì)提速10倍。最初開發(fā)GPU的目的是，加快電腦游戲等應(yīng)用軟件的圖形顯示過程，從而實(shí)現(xiàn)規(guī)模生產(chǎn)、降低硬件成本。但現(xiàn)在GPU越來越多地用在神經(jīng)網(wǎng)絡(luò)中，而隨著神經(jīng)網(wǎng)絡(luò)應(yīng)用軟件的進(jìn)一步普及，一些公司甚至為這些應(yīng)用開發(fā)專業(yè)芯片，比如谷歌的傳感器處理器，或塑性聚氨酯彈性體（TPU）。谷歌DeepMind聯(lián)合創(chuàng)始人尚恩·萊格（Shane Legg）稱，現(xiàn)在一個(gè)TPU一天處理的數(shù)據(jù)需要1990年的80486微處理器花25萬年才能處理完，這相當(dāng)于速度又提升了10倍。

以上進(jìn)步會(huì)產(chǎn)生協(xié)同效應(yīng)。比如硬件升級有助于工程師測試、開發(fā)更好的算法，當(dāng)然機(jī)器也得以在長時(shí)間內(nèi)持續(xù)處理更大的數(shù)據(jù)組?，F(xiàn)在，有些應(yīng)用軟件的工作（如將語音轉(zhuǎn)化為有意義的文字）交給20世紀(jì)90年代的老式硬件做的話，幾乎要用好幾個(gè)世紀(jì)才能完成。這些進(jìn)展激勵(lì)更多聰慧的研究人員加入AI行業(yè)，更多投資者和高管為深度研究提供資金。

全球網(wǎng)絡(luò)和云端技術(shù)進(jìn)一步加強(qiáng)了協(xié)同效應(yīng)。移動(dòng)互聯(lián)網(wǎng)現(xiàn)在幾乎覆蓋了地球上任一地點(diǎn)，將數(shù)十億潛在客戶和重要AI技術(shù)連接起來。你可以想想目前正在使用的智能手機(jī)上的智能助手、大公司在全球范圍內(nèi)分享的數(shù)字知識(shí)庫，以及維基百科和Kaggle等眾包系統(tǒng)（其主要用戶和貢獻(xiàn)者都來自組織之外）。

更重要的是，AI和機(jī)器學(xué)習(xí)搭載云技術(shù)后會(huì)進(jìn)一步提升和擴(kuò)散。比如，某一固定地點(diǎn)的機(jī)器人很難完成物體識(shí)別或其他任務(wù)。但一旦它學(xué)會(huì)執(zhí)行這項(xiàng)任務(wù)后，就可以將知識(shí)上傳到云端，分享給其他使用同一知識(shí)表達(dá)系統(tǒng)的機(jī)器人（Rethink Robotics公司正在開發(fā)這樣的平臺(tái)）。這樣單獨(dú)作業(yè)的機(jī)器人就有了數(shù)百、數(shù)千，甚至數(shù)百萬眼睛和耳朵，并得以高效收集數(shù)據(jù)。機(jī)器人將所有信息整合到一個(gè)系統(tǒng)內(nèi)，學(xué)習(xí)速度會(huì)顯著提高，洞見也幾乎能即時(shí)得到分享。