科訊︱抗疫中不可或缺的力量 人工智能“魔力”何來？
【發(fā)布時(shí)間：2020.05.14 信息來源：世紀(jì)長河 中文站】科訊︱抗疫中不可或缺的力量 人工智能“魔力”何來？
2020年，從空中喊話的“硬核”無人機(jī)，到社區(qū)里協(xié)助警察巡邏的機(jī)器人，到云計(jì)算完成病毒基因組測序……一場新冠肺炎疫情，將人工智能(AI)應(yīng)用全面推送到社會(huì)公共事件的方方面面中，并掀起了新一波研發(fā)高潮，使AI技術(shù)成為抗疫中不可或缺的力量。
如同人類從嬰兒逐步學(xué)習(xí)成長一樣，人工智能是機(jī)器不斷學(xué)習(xí)進(jìn)步的過程。伴隨人工智能、大數(shù)據(jù)等技術(shù)的加速發(fā)展應(yīng)用，一個(gè)智能化的社會(huì)形態(tài)初步呈現(xiàn)在世人面前。
人工智能開啟戰(zhàn)疫“加速鍵”
這次新冠肺炎疫情，讓我們見識(shí)了人工智能參與防疫的各種花式操作。“AI+藥物研發(fā)”這一醫(yī)療AI賽道也獲得了越來越多的關(guān)注。
1月29日，阿里云宣布向全球公共科研機(jī)構(gòu)免費(fèi)開放一切AI算力，以加速本次新冠肺炎新藥和疫苗研發(fā)。
據(jù)介紹，創(chuàng)新藥的研發(fā)從認(rèn)知疾病發(fā)生原因、確定針對(duì)疾病的藥物靶點(diǎn)、實(shí)驗(yàn)室發(fā)現(xiàn)新的分子或化合物開始，通過體外及動(dòng)物體內(nèi)實(shí)驗(yàn)了解其安全性、毒性反應(yīng)，以及在動(dòng)物體內(nèi)的代謝過程、作用部位和作用效果，再經(jīng)過首次人體試驗(yàn)，經(jīng)歷Ⅰ期、Ⅱ期、Ⅲ期臨床試驗(yàn)，證實(shí)安全有效及質(zhì)量可控制之后，才可以獲批上市。整個(gè)研發(fā)過程往往需要10到15年時(shí)間，投入10億到15億美元。
因此，降低研發(fā)成本一直都是藥企永恒不變的主題。
“目前，全球健康藥物研發(fā)中心正與我們合作開發(fā)人工智能藥物研發(fā)和大數(shù)據(jù)平臺(tái)，針對(duì)SARS/MERS等冠狀病毒的歷史藥物研發(fā)進(jìn)行數(shù)據(jù)挖掘與集成，開放相關(guān)臨床前和臨床數(shù)據(jù)資源，計(jì)算靶點(diǎn)和藥物分子性質(zhì)，并跟進(jìn)新型冠狀病毒最新科研動(dòng)態(tài)，實(shí)時(shí)向科學(xué)界和公眾公布，為新型冠狀病毒科學(xué)研究提供重要數(shù)據(jù)支撐。”阿里云相關(guān)負(fù)責(zé)人介紹。
“AI技術(shù)可以通過對(duì)現(xiàn)有數(shù)據(jù)庫信息的整合和數(shù)據(jù)提取、機(jī)器學(xué)習(xí)，提取大量不同屬性的關(guān)鍵信息。”河北工業(yè)職業(yè)技術(shù)學(xué)院智能制造學(xué)院副院長胡孟謙說，這不僅避免了重復(fù)多次的試錯(cuò)，還能大幅提高目標(biāo)篩選的成功率。
阿里云只是人工智能型企業(yè)發(fā)揮技術(shù)優(yōu)勢(shì)抗疫的一個(gè)縮影。疫情之下，人工智能的相關(guān)應(yīng)用都已開啟“加速鍵”。
阿里巴巴達(dá)摩院針對(duì)新冠肺炎臨床診斷研發(fā)了一套全新AI診斷技術(shù)，AI可以在20秒內(nèi)準(zhǔn)確地對(duì)新冠疑似案例CT影像做出判讀，分析結(jié)果準(zhǔn)確率達(dá)到96%，大幅提升診斷效率。
騰訊也不甘示弱，開始尋找深入場景的可能。緊急推出“政務(wù)聯(lián)絡(luò)機(jī)器人”，其核心功能包括疫情防控聯(lián)絡(luò)和疫情問答兩大服務(wù)。這款機(jī)器人將向全國各地政府部門、醫(yī)療機(jī)構(gòu)、公益機(jī)構(gòu)提供疫情防控輔助服務(wù)，有望有效緩解各級(jí)組織由于人力不足、資源緊張導(dǎo)致的疫情防控壓力，并可顯著加速疫情防控信息采集的效率。
此外，百度、小米、京東、曠視科技、第四范式、云知聲等一系列企業(yè)，將人工智能技術(shù)輻射到輔助診斷、發(fā)熱檢測、無人服務(wù)、信息采集、企業(yè)線上化轉(zhuǎn)型等領(lǐng)域，為疫情防控提供“科技智慧”。以醫(yī)院為例，據(jù)不完全統(tǒng)計(jì)，已有20余款人工智能系統(tǒng)應(yīng)用在武漢等抗疫一線以及全國數(shù)百家醫(yī)院，服務(wù)人群包括疑似病例和確診病例達(dá)到數(shù)十萬人次。
“日益成熟的人工智能技術(shù)，正成為此次抗擊疫情中一群特別的‘逆行者’。”胡孟謙說，在這場特殊的戰(zhàn)役中，人工智能不再高不可及，不再只是前沿理論，也不僅僅是一串串代碼，而是成為公共事件中不可或缺的力量之一。
人工智能是如何思考的？
AI為何能發(fā)揮出如此大的作用，“魔力”的來源究竟是什么？
“人工智能的思考方式其實(shí)和人類非常相似，都是通過大量的經(jīng)驗(yàn)積累，形成一定的規(guī)律認(rèn)知，然后去判斷未知事物。”胡孟謙說，它是一種使用機(jī)器代替人類實(shí)現(xiàn)認(rèn)知，分析，決策等功能的綜合學(xué)科。
在這樣一個(gè)過程中，強(qiáng)大的計(jì)算能力是人工智能實(shí)現(xiàn)的底層支撐，而這個(gè)基礎(chǔ)層則主要包括大數(shù)據(jù)、硬件算力和算法模型，其中大數(shù)據(jù)對(duì)應(yīng)人的經(jīng)驗(yàn)，硬件算力對(duì)應(yīng)人的大腦本身，而算法模型則對(duì)應(yīng)我們大腦思考的方式。
因此，算法也是人工智能的靈魂，是“魔力”的主要來源。
人工智能的算法經(jīng)歷了一個(gè)漫長的進(jìn)化過程，早期的人工智能能實(shí)現(xiàn)的動(dòng)作十分固定呆板，比如首臺(tái)采用人工智能的移動(dòng)機(jī)器人Shakey，它帶有視覺傳感器，能根據(jù)人的指令發(fā)現(xiàn)并抓取積木，雖然只能實(shí)現(xiàn)這種簡單的識(shí)別和動(dòng)作，但在當(dāng)時(shí)已經(jīng)令人感到非常興奮。胡孟謙說，隨著技術(shù)研究的深入，開始出現(xiàn)了機(jī)器學(xué)習(xí)算法。
科學(xué)家對(duì)機(jī)器學(xué)習(xí)的研究最早是從嬰兒身上得到了啟發(fā)。“沒有人教過嬰兒怎么‘看’，但是他們通過在真實(shí)世界中不斷看到某一樣事物，當(dāng)看到的數(shù)量足夠多時(shí)，就認(rèn)識(shí)了該事物。”胡孟謙說，比如給計(jì)算機(jī)看非常多貓的圖片，讓計(jì)算機(jī)自己抽象出貓的特征，自己領(lǐng)悟什么是貓，這種方法被稱為機(jī)器學(xué)習(xí)。
機(jī)器學(xué)習(xí)的算法有很多種。總體上可以分為有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
那么，這些算法是如何讓機(jī)器擁有“智能”的？
胡孟謙介紹，監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的區(qū)別主要在于輸入的訓(xùn)練資料是否有特定的標(biāo)簽。
監(jiān)督學(xué)習(xí)的訓(xùn)練是通過大量有標(biāo)簽的資料來建立，比如將圖片標(biāo)注為“蘋果”和“橘子”，通過大量學(xué)習(xí)后的模型，就能夠準(zhǔn)確識(shí)別新照片上的水果分類；而無監(jiān)督學(xué)習(xí)訓(xùn)練的資料則沒有對(duì)應(yīng)的標(biāo)簽，主要用來尋找大量數(shù)據(jù)的內(nèi)部關(guān)聯(lián)性；顧名思義，半監(jiān)督學(xué)習(xí)則介于兩者之間，輸入的數(shù)據(jù)部分被標(biāo)識(shí)，部分沒有被標(biāo)識(shí)，通常需要先通過找尋被標(biāo)識(shí)數(shù)據(jù)的規(guī)律，來對(duì)未標(biāo)識(shí)數(shù)據(jù)進(jìn)行標(biāo)識(shí)，再進(jìn)行訓(xùn)練。
與前三種算法不同，強(qiáng)化學(xué)習(xí)實(shí)際上是一種學(xué)習(xí)模型，它并不會(huì)直接給人解決方案——你需要通過試錯(cuò)去找到解決方案。“Alphago用的就是強(qiáng)化學(xué)習(xí)，它不需要標(biāo)簽，你選擇的行動(dòng)越多，得到的反饋越多，通過執(zhí)行這些行動(dòng)看是輸是贏來學(xué)習(xí)下圍棋，這不需要有人告訴你什么是好的行動(dòng)什么是壞的行動(dòng)。”胡孟謙說。
近幾年，掩蓋了經(jīng)典的機(jī)器學(xué)習(xí)的深度學(xué)習(xí)，由于能夠處理大量的數(shù)據(jù)，并且在精準(zhǔn)度、特征識(shí)別和解決問題的方式上都有絕對(duì)的優(yōu)越性，逐漸成為大多數(shù)AI類型問題的首選技術(shù)。
“機(jī)器學(xué)習(xí)的算法仍然在不斷的更新迭代中，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)作為自主學(xué)習(xí)系統(tǒng)，將會(huì)成為未來的機(jī)器學(xué)習(xí)的發(fā)展方向。”但專家也表示，人工智能變得越來越精確的同時(shí)，背后算力的消耗也越來越大，而這對(duì)人工智能的硬件算力也提出了更高的要求。
“小”AI解決人工智能的“大”煩惱
美國馬薩諸塞大學(xué)阿默斯特分校研究人員通過揭示算法訓(xùn)練的能量強(qiáng)度發(fā)現(xiàn)，訓(xùn)練一種算法產(chǎn)生的二氧化碳排放量相當(dāng)于一輛普通汽車終生二氧化碳排放量的5倍，或者相當(dāng)于飛機(jī)在紐約和舊金山之間大約300次的往返飛行。
有專家認(rèn)為，越來越“大”的人工智能并不適合離線和實(shí)時(shí)決策，比如自動(dòng)駕駛解決方案，且日益依賴于巨大的能量、巨大的帶寬，這種模式在經(jīng)濟(jì)和生態(tài)上同樣具有不可持續(xù)性。“未來的人工智能會(huì)向著越來越‘小’發(fā)展。”胡孟謙說。
近日，《麻省理工科技評(píng)論》公布年度十大突破性技術(shù)排行榜，微型人工智能技術(shù)（TinyAI）位列其中。
以谷歌公司高級(jí)研發(fā)科學(xué)家雅各布·德夫林和他的團(tuán)隊(duì)開發(fā)的預(yù)訓(xùn)練語言模型——伯特（Bert）為例。它可以理解單詞和上下文，可以為寫作提出建議或獨(dú)立完成句子。擁有3.4億個(gè)數(shù)據(jù)參數(shù)。訓(xùn)練它一次所需的電力足夠一個(gè)美國家庭使用50天。
為縮減模型的大小，華為制作了微型伯特（TinyBert）模型，尺寸比伯特縮小7.5倍，速度還快了近10倍。谷歌也已經(jīng)造出了一個(gè)比伯特小了60多倍的版本，但其語言理解能力略差于華為的版本。
“簡單來說，不論是微型伯特還是更小的其他人工智能模型，都是一種知識(shí)提取技術(shù)的應(yīng)用，是研究人員在縮小算法規(guī)模中做出的努力。”專家介紹，雖然模型縮小了，但并不會(huì)降低人工智能的推理速度，相反，它還會(huì)保持較高的精準(zhǔn)性，為我們提供更好的決策支持。
在2019年年底的安博會(huì)上，已有人工智能初創(chuàng)企業(yè)推出“TinyAI”，該公司將低功耗、小體積的NPU與MCU整合，適配市場上各種主流的2D/3D傳感器，滿足2D/3D圖像、語音等識(shí)別需求的AI解決方案受到了業(yè)界的關(guān)注。此外，英偉達(dá)（NVIDIA）和華為等公司，也都陸續(xù)推出了終端型圖形處理器，體型較小、功耗較低、功能可以滿足簡單的算法。
但微型人工智能尚處于初期發(fā)展階段，該領(lǐng)域的安全、倫理、隱私等問題也引起了人們的關(guān)注。
專家認(rèn)為，微型人工智能會(huì)導(dǎo)致分布式人工智能的興起，每個(gè)終端都成為一個(gè)AI節(jié)點(diǎn)，各自都能獨(dú)立存活，出現(xiàn)類似區(qū)塊鏈的應(yīng)用。網(wǎng)絡(luò)側(cè)的控制力度將降低，政府的管控風(fēng)險(xiǎn)加大。不過，技術(shù)都是兩面性的，雖然有這些風(fēng)險(xiǎn)，但是對(duì)人工智能的管控技術(shù)也在發(fā)展，我們應(yīng)該相信微型人工智能的正面作用。
