造就Talk | 余凱：十年后，AI Inside無處不在
我是余凱，過去有一段時間在百度工作，創立了百度深度學習研究院，曾發起百度的無人駕駛項目。去年7月開始，我和一群小伙伴耐不住寂寞，一起創業了。現在是創業公司地平線機器人的創始人和CEO。今晚的演講主題叫做“無處不在的AI Inside”。我認為在未來，我們用的所有產品，可能都是AI Inside（智能的內在）。我們已經在不知不覺間進入到一個新的時代，這個時代叫“人工智能的革命”，或者叫“機器人的革命”。回顧人類歷史，有過三次產業革命：第一次是蒸汽機時代帶來的產業革命，第二次是電氣時代，第三次是信息時代。這一次人工智能的革命，讓包括我在內的很多人感到激動不已。在我看來，前面三次的革命實際上都是以人為中心，延展人的體力和腦力。它讓人可以跑得更快，飛得更高，看得更遠。人工智能的革命體現則非常不一樣。我們看VR、AR，感受到的是一個虛實融合或者虛跟實沒有明確界線的世界。現在坐在我對面，跟我下棋PK、可以自主做決策的是AlphaGo。未來我們會看到更多自主開車、自主飛行，甚至自主地跟你講故事。
它已不僅僅是以你的體力和腦力為延伸，它可以自主做決策。這樣一個尤其鮮明的特征，實際上就定義了在新的世界里，有一個可與人類共存的物種。
說到這個物種，“Robot”在中文語境中被翻譯成“機器人”，我認為這是有一定偏差的。這種偏差可能會讓我們在創業、制訂課題、投一個項目的時候，產生誤解。《劍橋字典》對“Robot”的解釋是：Robot是一個在計算機的控制下，可以自主去完成一定任務的機器。它實際沒有人的概念，Robot是智能的機器。這里不得不說“安卓”這個詞，英文里叫“Android”，它不只是一個品牌，它有具體的意義——長得像人的Robot，所以Android實際上是機器人。
未來的世界里，還會有很多很多Robot，有一部分是Android，但絕大部分Robot不一定長著人的形狀，卻有著智能的內在能力，就是AI Inside。
這個白色機器人叫Pepper，由孫正義的日本軟銀集團和法國Aldebaran Robotics研發。它是一個有自主反應的機器，而且長得像人形。所以它是一個Android，當然更是一個Robot。日本大阪大學的石黑浩教授，專注于制造人形機器人。他每年都會來到中國，展示他的一些機器人作品，像這樣長得非常漂亮、惟妙惟肖的美女機器人。對背景知識稍有些了解的話，你會發現，實際在舞臺后面某個小房間里，有個小女孩坐在電腦前控制著這個機器人，控制著所有的人機交互。你與機器人對話，回應的都是那個小女孩所做的理解，并非機器本身。所以這個東西我能叫它“機器人”嗎？它其實跟木偶沒什么差別。谷歌發布的Google Home，亞馬遜的Echo，Misa展示的他的桌面機器人Rokid，它們能夠自主跟人交互，甚至幫助你完成一些任務，它們都是Robot，但長得不像人，所以它們不是Android。現階段應用領域，我們看到的大部分都不是Robot。比如汽車，基于我的操控，它可快可慢，可左可右，但它自己不會自主地做任何事情。如果，我們在汽車或這類產品上裝上傳感器，裝上處理器，結合智能的算法，未來它就能自主決策。它們都會變成Robot。
今天的無人機已經具有自主定位、導航、避障等功能；Nest Labs公司的這款學習型恒溫器，可以自動控制暖氣、通風及空氣調節設備，讓室內溫度恒定在你設定的溫度。所以我們的未來，實際上是無處不在的Robot，無處不在的AI Inside。一個路線是，我們去造這樣的Robot，它具有非常敏捷的機械能力，并且長得像人的樣子；另一條路線是，不斷地提高它的智能水平和能力，以及它對知識處理的能力。以人類和人類的近親為例，猩猩的骨骼比人類更強大，肌肉也更發達，甚至更加的靈活，但它現在只能生活在叢林，找香蕉果腹。而人類不斷地拓展自己的知識境界，已經在征服宇宙、太空。這里面的差別在于什么呢？相較于猩猩強健的骨骼、靈活的軀體，人類擁有非凡的大腦。與驚動世界的、AlphaGo第一次打敗人類最強大圍棋手信息發布同期，也是谷歌的新聞，谷歌打算賣掉旗下一個名叫Boston Dynamics的著名子公司，該公司是世界上最先進的人形機器人開發公司。資源龐大如谷歌，它更愿意去開發像AlphaGo或是Google Home這樣具有非凡大腦的科技產品，而不是有強健體格的人形機器人。大腦的系統里面，具有感知、認知、決策這方面的能力。比如感知，它的本質是算法，在過去的十年時間里面，不斷推動算法進步的實際上是深度學習技術。深度學習是從模仿大腦神經系統最簡單的單個神經元開始，去構造一個更加復雜的網絡結構。通常它們有分層的結構，還有前后時間序列的結構，使得它能夠處理復雜的語音識別問題和圖像問題，包括AlphaGo下象棋的問題。數據大爆炸時代，深度學習正逢其時的主要原因是，深度學習與傳統算法相比，更加適合大數據。在數據不斷增長的時候，效果得到不斷地提高。以AlphaGo為例，它在上一次戰勝歐洲冠軍的時候，還只是職業二段的水平。經歷四個月的自我對決，產生幾千萬盤的棋局的數據，再通過這些數據訓練系統，使得它從二段跨越到遠高于九段的水平。事后媒體披露，就在它跟李世石比賽之前，用最新系統和當時職業二段所用系統來比的話，讓四個子，它還能贏。要知道，職業九段如果讓四個子，他是根本贏不了職業二段的。今天的深度學習已經從感知進入到決策時代。這個決策的核心框架就是我們所講的增強學習。增強學習要解決的問題是，怎么樣連續做決策，以期優化你的長期收益。過去，我們看到互聯網和云計算的強大，把所有計算都放到云端。但是這樣有一個問題，自動駕駛時，突然前面有一個小孩橫穿馬路，你該怎么辦？把信號傳到云端，等待處理以后再做決策，萬一網絡不行呢？更好的架構是云端與本地相結合。提及本地實現、云端實現，我們一定會談到處理器。CPU？通用處理器？我們要說的是人工智能芯片這種特殊的處理器，專門處理感知、認知和決策控制的問題。為什么大腦芯片不用通用處理器，而需要專用處理器，人類的大腦就是“通用處理器”啊？我們有很多的理由可以告訴你，人類大腦其實是“專用處理器”。過去很多人問我，地平線機器人為什么要做人工智能的處理器？這是一個挺難回答的問題，但是最近看新聞，說谷歌也在做人工智能的處理器（專用的深度神經網絡處理器），而且已經做出來了。這還能成為問題嗎？“地平線”希望去構建這種人工智能的大腦系統。基于這個處理器和操作系統，它會成為一個平臺，以便讓更多的開發者和公司，在上面開發各種各樣的人工智能應用，包括語音、圖像、自然語言理解、對話、決策控制、投資、自動駕駛等。目前我們思考的產品線主要在兩個領域：安徒生平臺，是一個通用的平臺，主要面向智能家居領域；雨果平臺面向自動駕駛，它對性能的要求更高，而對功耗的要求相對較低。
它像實時的4G一樣，能感知整個路面所發生的情況。在一個非常復雜的街區，它能夠識別行人、騎摩托車的人，各種各樣的車輛。自動駕駛可根據這個判斷進行規劃和控制。
這背后實際上是一個深度神經網絡。基于單目攝像頭，運行在一個芯片上面所實現的較強能力。智能手機在移動互聯網世界，從上到下催生了一個巨大的產業機會。它不光有芯片的應用，還承載了那么多的移動應用。未來會是怎樣？在我們看來，從現在開始，一直到2025年，10年時間，每個人的周遭以及你所使用的工具里，都會具有AI Inside設備。我們即將面對一個無處不在的AI Inside世界。從體量上來講，它會是智能手機時代所產生的經濟體量的10倍以上。
本站僅提供存儲服務，所有內容均由用戶發布，如發現有害或侵權內容，請
點擊舉報。
