Issue #025 2020-02-19
在这段特别的日子里,请关爱身边爱你的人和你爱的人,保护他们免于现实以及数字世界的伤害。

本期导读:

  • 学术:MIT 新算法自动改写维基百科的过时段落、Google 新三维数据算法;
  • 研究:Gary Marcus 提出构建下一代 AI 的理论;
  • 医疗:深度学习加速新冠肺炎 CT 检测、医疗聊天机器人市场、Google 反思医疗 AI 等;
  • 洞察:六个认识「AI 时代」的线索;
  • 政府:欧盟 AI 监管新进展、美军加快部署 AI 与云;
  • 巨头:五角大楼项目被暂停、阿里云财报与中美云巨头营收格局、Google 云战略详细披露等;
  • 应用:壳牌石油拥抱 AI、美国推进部署边境口岸的面部识别、AI 如何帮助 FB 和 Google 的数据中心运营;

学术·研究

MIT 的新算法可以自动改写维基百科的过时段落。这个算法可以在维基百科页面自动检索,用当前信息替换过时或者已经不正确的数据,从而生成新的文章页面,并且在语法句法上尽量模拟人类。根据其论文(论文还未发布)作者的说法,这个算法与其他维基百科机器人不一样,后者只是基于规则的修改。

Google 与哥伦比亚大学研究新的三维数据算法。这个名叫「ClearGrasp 」的模型有效解决了摄像头和激光雷达面对玻璃容器等透明物体时的识别难题,研究者们从 RGB 图像计算出精准的 3D 数据,这一研究对于推进机器人以及自动驾驶的「视觉系统」发展意义重大。

你可以在 Google 的官方博客上进一步了解这个研究。

如何构建 Rubust AI? AI 知名学者 Gary Marcus 上周发表最新的论文,提出一种以认知模型为中心、知识驱动、可推理的新方法,在 Marcus 看来,这个新方法可以构建更强大的人工智能,也就是他所说的「Rebust AI」,你可以在这里免费阅读这篇论文。

医疗·抗疫

深度学习加速新冠肺炎 CT 检测。随着肺部 CT 越来越成为新冠肺炎检测的重要依据,如何快速、准确地读取 CT 影像的信息,也变得越来越重要。

处理医疗影像是 AI 在医疗领域的重要应用之一。WSJ 上周报道了一家来自北京的 AI 创业公司,利用深度学习的相关技术,帮助医生快速读取肺部 CT 信息,为医生决策提供依据。

根据该公司透露的消息,目前他们的产品正在国内 10 多家医院里应用,已经分析了超过 2300 个病例。

聊天机器人也是医疗 AI 的应用领域。专注投资市场分析的 Crunchbase 曾在 2019 年报道了医疗聊天机器人的「钱景」,下图展示的仅仅是一部分获得投资的医疗聊天机器人公司:

img

对于医疗聊天机器人而言,其最大的挑战是如何将患者提供的信息点串联起来,形成关于潜在疾病的系统描述,这恰是 Google 等搜索引擎所无法提供的功能。

将机器学习算法应用在药物发现和研究之中,已经成为常态。比如,一个新机器学习算法帮助科学家了解抗抑郁症药物情况。在这个研究里,科学家利用机器学习分析了 200 位先前被诊断患有严重抑郁症患者的脑电波。经过八周的药物治疗后,科学家再去分析这些患者脑电波的变化,从而确定这类药物对于患者大脑模式的影响。这项研究的论文摘要已经发表在 Nature Biotechnology

但我们也必须看到另一个略显失望的事实,医疗领域的机器学习实践还处在非常早期的阶段。一方面,医疗领域对于新技术的认知和尝试需要时间;另一方面,机器学习当下的局限性,使得围绕医疗领域的应用,始终只能处在辅助的地位。

理解当下医疗 AI 的局限性,我们有必要从技术和医疗两个角度去看,来自 Google AI 的这篇博客,站在机器学习的角度,可以帮助我们更好地理解医疗 AI 技术的现状。

而在专业医疗媒体 BMJ(英国医疗杂志)看来,某些标榜 AI 的医疗应用,其真实表现非常糟糕。在其评测里,研究人员测试了多款标榜可以检测皮肤癌的应用,结果发现,不仅准确率不足,而且还会给出相互矛盾的结果。

这篇文章指出,由于这些应用有意无意地将自己包装为专业应用,极易给患者和普通用户造成「专业」的印象,从而可能导致严重的后果。

更进一步,对于医疗 AI 的未来发展,BMJ 也给出了自己的建议,比如监管部门必须行动起来,如何界定医疗应用与医疗器械之间的关系;再比如,如何在开发 AI 应用与保护患者隐私之间实现平衡,这也将是全球医疗 AI 发展的关键议题。

洞察·观点

认识所谓的「AI 时代」

前不久,YouTube 发布了自制的 8 集纪录片「The Age of AI」,从不同维度介绍了这个新时代里的技术趋势和行业挑战。遗憾的是,可能是导演为了表达「AI 改变世界」的野心,这个纪录片更像是科普内容,缺乏深度,特别是面向行业的深度洞察。

无独有偶,2020 年第一期《哈佛商业评论》英文版有一篇文章很好地补充了这个不足,在这篇名为「Competing in the Age of AI」的文章里,两位作者依托 AI 各项技术的发展脉络,为商业人士提供了一个面向未来行业演化的思考框架。

上述两个不同角度的内容,进一步展现出公众以及不同行业对于 AI 的态度。其一,新技术(这里姑且不论这些技术是什么时候出现的)展现出的巨大潜力,让很多人看到了行业发展的新可能性;其二,如果深入到细分领域,AI 各项技术也面临巨大的挑战,既包括从业者的认知,也包括如何与行业特性相结合。

作为长期跟踪、关注 AI 技术与产业的博客作者,我也开始反思这几年 AI 带来整个行业的变化,并试图做出自己的一点总结,这些看法不一定正确,但可以形成一些认识「AI 时代」的线索。

第一,不同行业、职业对于 AI 的看法是割裂的。这种割裂不仅广泛存在于学术与企业之间,还存在于公司不同部门之间,比如研发、产品与营销部门之间,对于 AI 的认识几乎没有共识。

不管是你什么职业或行业,这里我推荐一份来自 Reddit 的 AI 认知指南,专业性与可读性俱佳。

第二,与过往各项技术一样,AI 带给各个行业最大的变化就是新技术红利,基于海量数据构建或优化商业模式,AI 可以帮助企业实现快速发展,感兴趣的朋友可以看看这篇总结,介绍了美国 50 大公司落地 AI 的案例。

第三,与过往各项技术一样,要实现 AI 的价值,除了技术层面的突破,不同行业的企业,需要自上而下地建立一套可以支撑新技术部署、运行的架构,这是一项长期的工作,目前来看,各个国家、各个行业之间还有很大的鸿沟,这里有一个调查研究,值得一看。

再以《哈佛商业评论》的这篇文章为例,两位作者提出了 AI 落地的四个关键要素:

  • 数据管道;
  • 算法;
  • 可实践算法的平台;
  • 基础设施;

对照一下,除了互联网公司,其他行业能有几个企业会拥有如此大的魄力,构建这样一套架构?

第四,AI 的未来一定是「看不见」的基础技术,一如曾经的数据库、Office 软件,AI 各项技术会沉淀到企业内部运行的各个角落,成为「看不见」的技术。

第五,所谓赢家与输家。像极了每一次技术变革之后,不同行业都会出现所谓赢家与输家,而在这场新的技术变革里,「数据」将成为最重要的武器,这里的「数据」不单指数据的数量,还有数据质量与使用数据的方式。

第六,人类不会被替代,只会被增强。技术赋予个体更多的「权利」,这里有一组适合个人使用的 AI 工具。与此同时,也在强化政府的「权力」,人类社会千年来的博弈,还将在 AI 时代里延续。

正如上文所言,这些看法不一定正确,但却是我这几年观察 AI 技术与产品发展后所形成的世界观,我看到了一个新故事的开篇,而结局,似乎也已经写好。

政府·巨头

欧盟的 AI 监管。作为美国、中国之外最大的 AI 市场,欧洲如何建立 AI 监管体系也将对世界产生重要影响。

此前,BBC 曾报道欧盟考虑在公共场所禁止面部识别,利用为期 5 年的缓冲时间,去进一步探讨该技术对于公民隐私的潜在影响。但上周,FT 援引消息人士的话说,欧盟委员会已放弃了这个想法,目前正在督促各成员国制定面部识别的落地规则。

按照原计划,欧盟委员会将在当地时间周三(北京时间周四)发布关于 AI 的监管措施,包括三个方面:AI 监管、适合数字时代的欧洲战略以及欧盟数据战略。

结合欧盟此前发布的 GDPR 来看,欧盟 AI 监管也将更侧重在「道德与透明度」,比如对于面部识别的应用,如果没有得到用户的许可,任何公司或机构不能部署相关技术。

「AI Insider」也将持续关注欧盟 AI 监管的进展。

美军的云计算与 AI 部署。除了五角大楼野心勃勃的 100 亿美元云计算项目,美军对于新技术的采购、部署也在加速。

美国陆军 CIO Bruce Crawford 上周表示,数据是未来战争的弹药,因此需要投入更多资金,积极拥抱新技术。

值得一提的是,五角大楼成立了一支全新的跨职能部门团队,旨在进一步整合军队内部的通讯与协作。

在 AI 领域,美国军方通过与高校合作,研发面向数据领域的防御和攻击武器。最新的消息是,美国陆军向杜克大学资助 6 万美元,赞助其中一个防御 AI 数据库被攻击的研究。

而根据特朗普提交的 2021 预算提案,白宫也在寻求更多资金,支持包括 DARPA、NSF(国家科学基金会)的 AI 项目,其中,DARPA 的 AI 预算将从 5000 万美元增加到 2.49 亿美元,NSF 的资金会从 5 亿美元增加到 8.5 亿美元。

联邦法官下令暂停五角大楼的云计算项目。在 AWS 上诉联邦法院之后,NYT 的报道称,一名联邦法官下令暂停美国国防部的 JEDI 项目,去年,微软获得了这份为期 10 年价值 100 亿美元的巨额合同。

正如我在上周「AI Insider」里所言,AWS 要向市场证明自己是「那个被政治迫害」的企业,而并不是自己的技术、产品无法满足国防部的需求,这对 AWS 保持云计算市场的影响力至关重要。

阿里巴巴财报,阿里云季度营收突破 100 亿人民币。在上周发布的阿里巴巴财报里,阿里云营收达到 107.21 亿元人民币,同比增长 62%,这也是首次单季营收突破 100 亿元。

img

第一财经」援引阿里官方的话称,此次创纪录的营收得力于公共云与混合云业务的双双增长。

至此,中美主要云计算公司的季度营收规模如下:

  • AWS:99.54 亿美元,约合 696 亿人民币;
  • 微软:119 亿美元(这是包括 Azure 公有云、Office 365等产品微软智能云业务,微软从未公布过单独的云计算营收数字),约合 832 亿人民币;
  • Google:26 亿美元,约合 182 亿人民币;
  • 阿里云:107 亿人民币;
  • 腾讯:47 亿人民币;

纵观全球云计算市场,Google Cloud 的发展速度惊人,2019 年换帅之后,其营收俨然成为母公司 Alphabet 财报里最亮眼的数字。上周,在接受 CNBC 专访时,Google Cloud CEO Thomas Kurian 谈到了 Google Cloud 的发展策略,那就是在云计算成为未来技术的时候,Google 要打造「独特」的平台。

Thomas Kurian 在上周的高盛技术会议上进一步分享了Google Cloud 的发展策略,比如,针对目前云计算巨头聚焦的零售、医疗、金融、娱乐以及制造业,Google 为每个行业制定不同的技术落地方案。

这从某种意义上表明,Google Cloud 的销售策略也回归到传统的企业 IT 销售策略,为不同行业定制不同的解决方案,直接面向企业 C 级别的高层。

你可以在这里获取 Thomas Kurian 在高盛技术会议上的 Keynote。

英伟达财报。上周,英伟达发布 2020 财年第四季度财报,季度营收 31.1 亿美元,同比增长 41%,整个财年营收 109.2 亿美元,同比下滑了 7%。

但得力于 AI 芯片的巨大需求,英伟达数据中心业务营收达到 9.68 亿美元,这是该业务首次突破季度营收 8 亿美元,目前,英伟达与包括 AWS、微软等公司达成合作,提供基于英伟达 AI 芯片的云服务器。

应用·行业

壳牌石油组织员工参加 AI 课程WSJ 的报道称,这家石油巨头将组织 2000 多名员工参加 Udacity 上的 AI 课程,公司负责所有培训费用。壳牌石油首席技术官告诉 WSJ,AI 对处理企业中的大量数据至关重要,可以产生新的洞察。

AI 在 FB 和 Google 数据中心的作用。Facebook 与 Google 的 AI 能力不仅体现在面向客户的产品中,还是其内部优化数据中心的重要工具,下面这张图很有代表性。

img

美国边境口岸的面部识别。目前美国已经有 5 个边境口岸部署了面部识别技术,未来将在所有口岸使用该技术。

这封邮件是 Dailyio 的付费邮件,但我欢迎您将这封邮件转发给您身边关注人工智能、云计算的朋友们。

感谢您的订阅,如有疑问,欢迎写邮件给我:zhaosaipo@gmail.com 

点击这里退订

Email Marketing Powered by Mailchimp