（DCS系統(tǒng)）和（機器人系統(tǒng)）及（大型伺服控制系統(tǒng)）備件大賣！叫賣！特賣！賣賣賣！
人工智能發(fā)端于上世紀五十年代，經(jīng)歷了幾次繁榮與低谷，到2016年谷歌所收購的DeepMind公司的人工智能AlphaGo贏得與世界圍棋冠軍的比賽，大眾對人工智能的熱情被重新點燃，并且持續(xù)升溫。催生這波人工智能熱潮的原因是產(chǎn)業(yè)發(fā)展的三個重要因素：超大規(guī)模的計算能力、大數(shù)據(jù)、機器學習尤其是深度學習算法都取得了進展。
人工智能正在并且將對商業(yè)社會產(chǎn)生怎樣的影響？我特別訪問了對現(xiàn)代人工智能產(chǎn)生深遠影響的科學家于爾根?施米德胡貝教授（Jürgen Schmidhuber）。施米德胡貝教授實驗室在20世紀90年代初提出的一種叫“長短時記憶”的深度學習算法（LSTM，Long Short-Term Memory）極大影響了深度學習和人工智能的發(fā)展。DeepMind公司的聯(lián)合創(chuàng)始人之一也是他的學生。2014年，施米德胡貝教授創(chuàng)立了研究人工智能的NNAISENSE公司（與DeepMind類似，方向都是通用人工智能）。所謂通用人工智能，是人工智能的終極發(fā)展目標。相對于弱人工智能（僅能解決某一方面專業(yè)問題的人工智能）而言的，通用人工智能通常指能夠解決不同領域中各類問題的人工智能，并可以像人類那樣學習、決策和反思。
深度學習算法的應用
施米德胡貝教授很高興的看到，目前數(shù)十億的用戶都在使用基于LSTM算法的應用。目前市值最大的幾家上市公司：蘋果、谷歌、微軟和亞馬遜都在大量的使用這種深度學習算法為用戶提供各種服務。例如，自2015年以來，LSTM算法減少了49%的語音識別錯誤，極大改善Google語音識別功能，目前有超過20億部Android手機正在使用這項功能。同時LSTM算法也顯著改善了谷歌翻譯的效果。蘋果公司的Iphone、亞馬遜的語音服務平臺Alexa、百度和微軟也在使用LSTM算法。此外，深度學習技術在其他領域也有廣泛的應用，比如LSTM還可用于識別視頻和手寫輸入、控制機器人、分析圖像、總結文檔、運行聊天機器人和智能個人助理系統(tǒng)，預測疾病、用戶點擊率、股票市場和大型工廠中組件故障。人工智能將在醫(yī)療保健、工業(yè)、金融、法律等行業(yè)衍生出無數(shù)的應用。
哪些行業(yè)正在或即將被人工智能改變
長遠的看，施米德胡貝教授認為人工智能將重構幾乎所有的行業(yè)。
而就目前所知，人工智能已經(jīng)在醫(yī)療保健、金融、傳統(tǒng)行業(yè)的不同領域有所應用。其中廣告可能是受影響最大的行業(yè)，已經(jīng)受到通過谷歌、百度、亞馬遜、阿里巴巴、facebook和騰訊用戶數(shù)據(jù)模式識別的巨大沖擊。
醫(yī)療保健行業(yè)也是目前受到深度學習算法影響的行業(yè)之一。據(jù)世界銀行數(shù)據(jù)，全球醫(yī)療保健開銷占全世界GDP的10％，而其中至少10％也就是大概千億美元用于醫(yī)療診斷，如癌癥檢測、動脈斑塊檢測和X光片檢查等。龐大的市場吸引了很多創(chuàng)業(yè)公司以及IBM、谷歌等大公司嘗試通過人工智能改善醫(yī)療診斷。通過人工智能輔助醫(yī)療診斷不僅可以節(jié)省數(shù)十億美元，而且可能幫助許多目前無力負擔專家診斷的病人。由于人工智能的應用，人們將會活得更長久、更健康。
2012年，施米德胡貝教授的團隊采用深度學習算法贏得了乳腺癌識別檢測的比賽。這是深度學習第一次贏得醫(yī)學影像競賽，通過這種方式檢測癌癥。通過快速神經(jīng)圖像掃描的方法比以前的方法快了1000多倍。2012年，相同能力的計算機比現(xiàn)在貴10倍，也就是說，今天，人們可以用同樣的成本計算10倍的神經(jīng)網(wǎng)絡和數(shù)據(jù)。由于每隔五年計算成本就會減少90%，自上世紀30年代第一臺計算機問世以來，基于這個規(guī)律，75年后的今天，同樣價格的硬件比當年的計算能力高出百萬億倍。按照這個規(guī)律，不遠的未來會出現(xiàn)與人腦計算能力相當并且在經(jīng)濟上可負擔的設備。因此，施米德胡貝教授判斷未來通過神經(jīng)網(wǎng)絡進行的醫(yī)療診斷將遠遠超越人類。
NNAISENSE是施米德胡貝教授在德國和瑞士的學術實驗室的一個成果，這個名字的含義為：基于神經(jīng)網(wǎng)絡的通用人工智能（NNAI）的誕生。這個公司的5位共同創(chuàng)始人相信，目前基于LSTM算法的商業(yè)成功只是開始，通過元學習、人工好奇心與創(chuàng)造力、優(yōu)化搜索程序和大型的強化學習神經(jīng)網(wǎng)絡的新變體，這樣一個通用人工智能將會影響到每一個企業(yè)，最終超越人類。
目前這個公司的商業(yè)模式是：和不同的行業(yè)合作伙伴合作，為他們設計解決方案，在這個過程中，NNAISENSE基于神經(jīng)網(wǎng)絡的人工智能學到新的技能，從而逐漸成為更加通用的問題解決者。最終使命是創(chuàng)造一個能夠持續(xù)在舊技能基礎上學習的新技能的通用人工智能，最終學會更快的學習新技能。其中一些解決問題的技能是被AI自己通過人工好奇心發(fā)明出來的（施米德胡貝教授曾在1991年提出關于人工智能好奇心與創(chuàng)造力的理論）。
NNAISENSE公司與世界最大的鋼鐵制造商安賽樂米塔爾（Arcelor Mittal）合作，采用深度學習算法提高了鋼材缺陷的檢測效果。通過神經(jīng)網(wǎng)絡學習的方式分析相機拍攝的鋼產(chǎn)品的照片，比傳統(tǒng)的方法更準確和高效的評估鋼材質(zhì)量。人工智能這種模式識別的能力還可以應用到上千個產(chǎn)業(yè)中。
Quantenstein是NNAISENSE與德國基金公司Acatis的合資公司。Quantenstein使用機器學習來選擇股票和管理投資組合。Quantenstein新基金的目標是，在一定程度的波動下，取得高于MSCI世界指數(shù)3%的收益率。在從2006年1月開始的測試，Quantenstein獲得了高于MSCI世界指數(shù)5%的、年化12%的收益。Quantenstein與市場上其他基金的主要區(qū)別是：整個系統(tǒng)由人工智能端到端驅(qū)動，沒有人的參與，人工智能得到公司的基本數(shù)據(jù)以后，系統(tǒng)會給出投資組合及權重，并且系統(tǒng)會定期調(diào)整投資組合。傳統(tǒng)的長期價值投資系統(tǒng)，通常能夠進行價值投資的第一階段：選股。第二個階段還是需要用馬科維茨或者其他方法來確定投資組合中不同的權重。而Quantenstein的投資系統(tǒng)已經(jīng)通過機器學習學會了第二階段，實現(xiàn)給定風險目標前提下的收益最大化。除了在智能投顧領域，人工智能在金融產(chǎn)品營銷以及金融安全保障領域都有應用。
NNAISENSE最近還與大眾奧迪合作，制造了一款能夠自動停車的小型車。與其他自主駕駛汽車依賴激光、雷達等傳感器根據(jù)預定參數(shù)尋找方向所不同的是，該系統(tǒng)使用攝像機來學習如何自行駕駛。
在實現(xiàn)通用人工智能這一目標的過程中，NNAISENSE與各行業(yè)合作研究不同的問題，以測試在建系統(tǒng)的不同方面，并且為正在進行的研究計劃提供必要的洞察。盡管金融行業(yè)和汽車行業(yè)面臨不同的挑戰(zhàn)，但是，在這些看似不同的領域中，也存在一些共同的基本原則，兩者都需要通過基于高維度的數(shù)據(jù)來學習預測，并且學習根據(jù)這些預測去做出正確決策。
人工智能并不是一個獨立的技術，而是結合各個行業(yè)的大數(shù)據(jù)應用到各個具體任務中的一系列技術。短期內(nèi)，施米德胡貝教授很難確切的預知哪一個行業(yè)在接下來會經(jīng)歷類似廣告行業(yè)的變化，也因為在很多領域例如保險、自動駕駛和醫(yī)療保健以及其他行業(yè)中還存在各種法律和道德方面的障礙。
施米德胡貝教授認為B2B是比較適合現(xiàn)階段商業(yè)人工智能發(fā)展的模式。隨著最終目標的實現(xiàn)，AI可能會越來越多的B2C，但是目前階段為了更好的發(fā)展，B2B提供了最大的機會，因為某些大型公司擁有有趣的專業(yè)方面的大數(shù)據(jù)和富有挑戰(zhàn)性的課題，有助于令人信服地驗證AI的進展。
人工智能與機器人結合的未來
現(xiàn)階段孩子甚至某些小動物比最好的自學機器人還要聰明。但是施米德胡貝教授認為，不久之后，人類將能夠制造出基于神經(jīng)網(wǎng)絡的AI機器人，通過逐漸學習，至少會像小動物一樣聰明，好奇并富有創(chuàng)造性地不斷地學習、計劃和推理，并將各種各樣的問題分解成快速可解決（或已經(jīng)解決）的子問題。
一旦動物級的人工智能可實現(xiàn)，距離實現(xiàn)人類AI的進程將進一步縮短：發(fā)展智力需要數(shù)十億年的時間，但相對的，只要數(shù)百萬年便發(fā)展出人類。技術演進比生物進化快得多，因為遭遇死胡同的速度要快得多。也就是說，一旦我們有動物級的AI，幾年或幾十年后，我們可能會有人類級別的AI，屆時每個企業(yè)都會改變，所有的文明都會改變，一切都會改變。
歐洲學術實驗室在人工智能研發(fā)方面仍具優(yōu)勢
談到十年內(nèi)將出現(xiàn)什么樣的突破性技術，施米德胡貝教授認為突破性技術具有不可預測性，目前看來，關于人工智能和神經(jīng)網(wǎng)絡研究的大多數(shù)基本突破都是發(fā)生于上世紀規(guī)模不大的歐洲實驗室，而非公司，在未來，歐洲的小型學術實驗室依然具有科研上的優(yōu)勢。但他同時認為，美國和中國的互聯(lián)網(wǎng)巨頭在技術的市場化方面取得了巨大成功，最終使得相關技術被數(shù)十億用戶使用。
AI在中國的優(yōu)勢
施米德胡貝教授看到中國相關產(chǎn)業(yè)正在迅速發(fā)展。中國既有人工智能和深度學習方面的優(yōu)秀人才，也有相應的投資，因此在進一步發(fā)展人工智能方面中國將發(fā)揮非常重要的作用。與此同時，對于近兩年高速發(fā)展的人工智能行業(yè)，他并不認為行業(yè)存在泡沫，相反的，在他看來人工智能行業(yè)剛剛開始。
