一、回望 AI 發(fā)展歷史

人工智能是一個比較久遠的話題，到今天這一輪的人工智能熱潮中，它已經(jīng)有了不少落地的場景。如果講人工智能的發(fā)展，我們需要回望一下歷史，從過去的歷史發(fā)展規(guī)律可以看到人工智能在產(chǎn)業(yè)、學術、技術方面發(fā)展的一些規(guī)律。

人工智能是在 1956 年美國的達特茅斯會議上第一次被提出的。此時人工智能已經(jīng)有了一些突破，比如 1958 年發(fā)明了改進的減枝算法，大大降低了對抗性搜索復雜度，讓計算機能夠和人類棋手做一些對決，使人工智能發(fā)展有了非常大的爆點；還有利用類腦的機理去做感知機算法也有了一些進展，尤其是在圖像領域，上世紀 60 年代計算機的處理能力雖然非常弱，但也可以做一些簡單識別。當時人工智能的先驅(qū)西蒙說到，再過 20 年機器或者人工智能算法就可以完成任何工作，所以，美國政府及相關的資助就進入了人工智能領域。1969 年，在麻省理工學院任教的人工智能奠基者之一的馬文 ● 明斯基（Marvin Minsky），在他的著作《感知器》中對當時大家寄予厚望的感知器算法提出了質(zhì)疑，證明了線性分類的感知器模型不能解決最基本的異或邏輯，存在很大缺陷。此后，人工智能進入了低潮，政府的關注點慢慢變少，這是一個從充滿期望到一盆冷水的過程。

二、數(shù)據(jù) + 算法 + 算力

當我們看到這一輪以大數(shù)據(jù)為代表的新人工智能算法革命出現(xiàn)時，又想到這是否又是一次“狼來了”，是不是另一個泡沫來襲的場景？和以往幾次人工智能高潮不同，在這次人工智能的變化中，形成了數(shù)據(jù)、算法和算力三輪驅(qū)動的要素。第二次人工智能浪潮中，發(fā)明了專家系統(tǒng)的人工智能方法，基于小數(shù)據(jù)的專家知識。比如在醫(yī)療行業(yè)里，我們總結出一些規(guī)律放到機器里，對特定的疾病，機器可能具有超過一般醫(yī)生的判斷能力，這是基于專家知識的能力。隨著互聯(lián)網(wǎng)的發(fā)展，數(shù)據(jù)規(guī)模爆炸性增長，能不能設計新算法來理解這些海量數(shù)據(jù)中暗藏的規(guī)律？基于人工神經(jīng)元網(wǎng)絡的深度學習算法脫穎而出。深度學習算法可以隨著數(shù)據(jù)規(guī)模的增大，學習的網(wǎng)絡層次越來越深，性能越來越好，這是以前機器學習算法不具有的。因為有海量數(shù)據(jù)和運算復雜度極高算法的帶動下，人工智能制造了一個對于大算力的需求。起點在 2009 年，GPU 被用來做深度學習訓練。當時組織了一個 ImageNet 的圖像分類比賽。數(shù)據(jù)中搜集了很多互聯(lián)網(wǎng)圖像數(shù)據(jù)，GPU加深度學習技術完勝傳統(tǒng)基于圖像特征提取的視覺領域經(jīng)典算法。當深度學習被引入后，發(fā)現(xiàn)它有一個非常好的能力，就是利用復雜的神經(jīng)元網(wǎng)絡結構，通過大數(shù)據(jù)的學習，從中自動發(fā)現(xiàn)一些特征。人們把深度學習和 GPU 引入后就發(fā)生了一些魔幻效應，在各種模式識別的任務中將正確率提高了很多，不斷打破記錄。

最近有個新方法叫做預訓練方法。人工智能的傳統(tǒng)方法需要做標注，如果用計算機識別一個蘋果，需要給它提供各種蘋果的照片，若做的更好一點，可以把蘋果的外圍勾勒出來。有沒有方法把數(shù)據(jù)放進去讓它自己學習？在自然語言領域，研究人員提出了基于深度學習的預訓練方法。其優(yōu)點是不需要標注數(shù)據(jù)。因為語言有特點，語言之間有規(guī)律，機器閱讀大量語言就可以總結出這種規(guī)律。利用預訓練模型得到的語言模型用于自然語言領域的一些評測，包括問答、對話等場景 , 準確率得到了大幅度提升。從另一角度，預訓練模型展示了它“可怕”的一面，處理的數(shù)據(jù)越多，模型參數(shù)越大，其效果也越好。這時我們就想能否把全世界的數(shù)據(jù)都給它，構成一個非常龐大的模型。

三、人工智能超級模型

2019 年開始，預訓練模型可以消耗大量數(shù)據(jù)，利用現(xiàn)有人類知識可以在上面探索，現(xiàn)在模型參數(shù)規(guī)模已經(jīng)到了萬億、10 萬億，甚至百萬億的水平。達摩院做的中文多模態(tài)預訓練模型 M6，以前把文本輸給它后可以做一些問答等模式；現(xiàn)在把各種模態(tài)給到它就可以是多模態(tài)地進行預訓練。圖 1 示出了一個超大規(guī)模預訓練模型的應用場景，比如，我們在電商網(wǎng)站上看到一個產(chǎn)品描述，在百科全書上有一張照片，都可以放到模型里學習。再比如，在阿里電商的場景中，一個廠家如果要賣一件東西，能不能讓它自動輸出一個廣告語？如果一個專業(yè)的零售行業(yè)專家寫出一段不錯的描述，吸引買家來買這件衣服，我們把歷史數(shù)據(jù)交給計算機后，大模型就可以把關鍵點找到。你輸出一張圖后，計算機就可以自動配一段文字介紹，試著從買家角度把它的優(yōu)點體現(xiàn)出來，配詞也非常巧妙。這個計算機模型可以無限輸出，每次輸出不同。類似的，比如輸入文字“棉衣外套”，大模型本身并不理解這句話的內(nèi)容，而是它在數(shù)據(jù)模型里已經(jīng)關聯(lián)了每個字、詞和圖像，就可以生成很多的衣服鏈接給你；可以把很多想象不到的詞放到里面，生成很多有意思的場景。

圖 1 超大規(guī)模預訓練模型的應用場景

當人工智能的數(shù)據(jù)、算法、算力達到一定程度后，就具備了普通人不具備的能力。比如給一個商品的文本描述就可以自動生成該商品造型設計，好像就有了設計師的能力；可以在文字里加入一些特別的描述點，還可以把商品做一定修改。如果這個技術不斷發(fā)展，人機之間還可以進行很多交互，輔助設計師完成工作。當人工智能技術發(fā)展到今天，可以利用這樣的場景解決以前我們想象不到的事情。

達摩院研發(fā)的另一個超大規(guī)模中文預訓練語言模型 PLUG，如給它輸出一段文字“西紅柿炒蘿卜”，就會自動生成這個菜品的做法；給它一小段小說的描述可以自動地把后面內(nèi)容補齊，因為它讀了很多本小說，可以把我們看不到的一些關聯(lián)生成出來。大模型本身會給我們帶來驚喜，因為大模型的參數(shù)人很難理解，機器和人不同的地方就是每次可以做不同輸出，覺得這段文字寫的不好可以不斷換，從而得到不同結果?，F(xiàn)在已經(jīng)有人用這種深度學習大模型的技術寫作。

以前講人工智能算法，最后突破的是創(chuàng)造力，所有固定活動，比如機器替代了體力活動。當 IT 技術把很多東西數(shù)字化后，一些重復性腦力工作也可以被計算機替代?，F(xiàn)在創(chuàng)造力是我們大腦或者人類最后的一塊凈土，人工智能算法與人的機理不同，通過對海量數(shù)據(jù)的學習從中找到一些規(guī)律，能夠做類似于有創(chuàng)造力的工作。上面舉的例子中，設計服裝，以及給一段文本描述（可以是一段、一個主題）就可以寫一部小說，都是創(chuàng)造力的表現(xiàn)；還可以作詩詞歌賦，在大模型時代已經(jīng)實現(xiàn)。

還有一些比較復雜的任務，VQA 是基于一張圖片，給它一張圖片可以提出一個問題，機器就可以回答它。比如，這張圖第一個問題是“這個披薩有幾塊”，答案如果是 4 塊就對了，其他任何說法就是錯誤的；第二個問題是“這是素的披薩嗎？”就要理解里面有沒有香腸等一些肉的東西，如果有就不是一個素的披薩。一個女生戴了一個很有意思的裝飾——兩根香蕉，如果問機器她戴了個什么？回答香蕉就對了。對圖片的理解需要專業(yè)知識，對一些大家可能沒有共同標準的，基于大家的共同答案有 80.83% 的準確率，在這個數(shù)據(jù)集上已經(jīng)超過了人類的水平。所以，人工智能在這一輪的技術發(fā)展上，已經(jīng)進入了非常有挑戰(zhàn)性的領域，包括創(chuàng)造上、復雜問題的求解上，已經(jīng)展現(xiàn)了它的能力。

四、從奧運會中的人工智能場景****看人工智能產(chǎn)業(yè)落地

以 2020 年東京奧運會為例。東京奧運會由于處于疫情非常嚴重的場景下，不可能有很多人到現(xiàn)場，當時用了一些技術解決了一些實際問題。比如現(xiàn)場把加油聲通過云的方式，讓很多機器人給運動員加油吶喊；在田徑賽場上的服務機器人可以在賽場做一些規(guī)避，如規(guī)避運動員、現(xiàn)場障礙、工作人員，以及把扔出去的鏈球和標槍撿回到出發(fā)點，這是各種機器人在東京奧運會中的應用。此外還用到了實時運動追蹤技術，如運動員跑 100 米時，每秒的速度、姿態(tài)、膝關節(jié)角度全程的情況都可以生成出來，將這些信息提供給教練員和運動員，可以有針對性地幫助他將來的訓練。通過這種顏色圖可以看到他們每個人實時速度情況 ，知道在哪個點加速，最后沖線獲得第一名，這種在速度的場景下都可以發(fā)現(xiàn)，與以往奧運會帶來了很大觀感上的不同。人工智能技術可以在賽場做很多應用，但這些智能的應用要有一個非常龐大的平臺，以滿足算法、算力和海量數(shù)據(jù)的需要。

這屆奧運會是歷史上首次云上奧運會。在往屆奧運會時，每個大的廣播、電視機構都會派團隊到現(xiàn)場，制作視頻節(jié)目并通過衛(wèi)星傳播。由于疫情原因，所有的數(shù)據(jù)，如奧運賽場視頻信號、運動員比賽信息都上了云，通過云的方式大大降低了視頻制作人員一定要在現(xiàn)場的要求。以前需要昂貴的衛(wèi)星通訊做數(shù)據(jù)傳輸，現(xiàn)在利用云技術，通過互聯(lián)網(wǎng)和通訊光纜，在北京的演播室里就可以在線制作東京奧運會的視頻節(jié)目，實時制作成電視信號傳播。很多奧運會節(jié)目和內(nèi)容通過互聯(lián)網(wǎng)、云底座進行了這樣一些信號數(shù)據(jù)交流。

技術的發(fā)展不是簡單線性的人工智能，在這次大變化中，基于大數(shù)據(jù)場景下，和云之技術間產(chǎn)生了非常大的關聯(lián)。東京奧運會賽場里由歡呼、撿球機器人組成了機器人盛會，有很多的人工智能技術場景；還有工作人員戴有很多設備可以實時監(jiān)控，這些技術都與人工智能相關。但是從另一角度看，支撐這場盛會的基座就是有很大的算力平臺，能夠支撐海量多模態(tài)的數(shù)據(jù)進來，通過人工智能算法提升了賽事的觀賞性，更及時地了解實時賽況，并對賽場中可能發(fā)生的各種情況進行預測并提供預案。

智能技術本身發(fā)展到今天已經(jīng)不是泡沫，有很多落地場景。這些落地場景由于一些新技術迭代，可以看到很多有意思的現(xiàn)象發(fā)生，東京奧運會就是這樣一個典型的案例。

我們再來看一個場景——“智能客服”，一方是真實客戶；另一方是機器人。對話場景中有很多非常困難的挑戰(zhàn)，它不是簡單的一問一答，是迭代式的。問的兩件事情之間有關聯(lián)，需要對話機器人能夠區(qū)分和判斷。當兩件事情發(fā)生轉(zhuǎn)換時，不是預設問題的模板，客服就要有一定能力。以往很多的機器人算法都是預設模板來做一些簡單擴充，如果做自由問答，對方怎么問你，怎么回答你，需要具有一些海量知識，甚至其他方面的知識來支撐這段對話往下進行。這當中也是多模態(tài)，涉及到語音的信號，語音形成文字后，需要對文字做理解，和后臺關聯(lián)的訂單、結構化的數(shù)據(jù)做關聯(lián)，在那個數(shù)據(jù)上做交互。它至少包含三種模態(tài)的數(shù)據(jù)，而且有很大的不可預知性，在這種不可預知性下，模型本身需要各種的場景數(shù)據(jù)都能夠及時處理。智能客服的場景也具有上述幾個特點，因為有多模態(tài)數(shù)據(jù)、很多豐富場景和不可預知的線條。在這個演示中有兩條線，線條之間有一定模糊性。兩個訂單需要一定判斷力，這都是需要具有海量模型算法能力去做的。

再舉一個人工智能場景——“城市大腦”。計算機帶來的一個最大能力就是把城市數(shù)字化。數(shù)字化規(guī)模最早只是發(fā)生在點上，比如辦公室數(shù)字化、文件數(shù)字化，逐步擴展到流程數(shù)字化，現(xiàn)在我們很多流程的審批都用 IT 做的；把很多業(yè)務系統(tǒng)數(shù)字化，比如 ERP 軟件、資源管理、財務等各方面都進行了數(shù)字化；現(xiàn)在還有很多采集設備，例如每個路口都有攝像頭可以把各種交通信息、物理世界信息都數(shù)字化。當把它們都放在一起時，能不能將所有信息連在一起，讓所有城市變得更加有效、更加綠色，讓市民生活得到更好提升，這就是很大的愿景。我們利用人工智能技術賦能，在杭州把很多數(shù)字化串在一起，打通了眾多環(huán)節(jié)。數(shù)字化規(guī)模到了一定量級，就可以產(chǎn)生從量變到質(zhì)變的點。

物聯(lián)網(wǎng)和互聯(lián)網(wǎng)結合，即萬物互聯(lián)的場景下，在城市里將這些事情做起來就非常好。人工智能現(xiàn)在最大的變化是數(shù)字化水平的提高，比如很多路口都有攝像頭，在很多環(huán)境監(jiān)測點，這樣海量的數(shù)據(jù)結合在城市里發(fā)生的事情，就可以產(chǎn)生不一樣效果。杭州的停車場沒有欄桿和收費員，自由出入方便，這是因為通過車牌識別把車輛的信息和個人賬號掛鉤，實現(xiàn)自動計費，提高了停車場的運行效率。

這些數(shù)字能力如何結合起來？舉一個例子。智能路口和傳統(tǒng)路口最大的不同點是可以看到紅綠燈的時間，提升了路口通行效率。城市數(shù)字化后，城里的很多采集設備，例如某路口有一個高位攝像頭，可以清楚看到路口全局，哪個方向大概有多少車，然后對這些信息進行綜合分析；而交警只能平視看他周邊車的情況，做一些局部優(yōu)化。當城市被數(shù)字化，對每個路口歷史上的交通信息都可以進行分析，結合人工智能技術，就可以把城市交通做很大優(yōu)化。這是人工智能技術賦能城市管理的一個方面。

結合這樣的變化可以看到，有幾個維度支撐了這一輪的人工智能產(chǎn)業(yè)落地。人工智能曾經(jīng)歷過幾次冬天，技術發(fā)展起來后，發(fā)現(xiàn)其在產(chǎn)業(yè)落地時有缺陷，解決不了大規(guī)模問題；投資進來后不能形成投資回報，一些關鍵的問題卡殼，很快就進入人工智能冬天。這一輪中，人工智能技術，尤其是海量數(shù)據(jù)、算法和算力“三輪”在一起，就找到了非常豐富的應用場景。從互聯(lián)網(wǎng)產(chǎn)業(yè)開始，延伸到其他行業(yè)。尤其是基于大數(shù)據(jù)的人工智能。上面的幾個例子，比如問答和寫小說的例子都是基于海量數(shù)據(jù)，因為人不可能博覽群書，但是人工智能算法可以將各種結構化的規(guī)律收集整理，所以可擴展性比以前算法更強。智能算法沒有獨立法人，可以和其他技術交集在一起，比如和連接的技術——通信技術、5G 技術進行海量接入，以及人與人、物與物、人與萬物之間都可以互聯(lián)。這些技術因為是基于數(shù)據(jù)的，萬物互聯(lián)數(shù)據(jù)打通后可以帶來很豐富的場景。

再結合業(yè)務場景。這個系統(tǒng)里最重要的是利用一些人與人之間的溝通，協(xié)同在線就可以集合很多以前單點的能力。把云的技術和釘釘結合在一起，讓整個組織能力通過數(shù)字化能力假設在云上。數(shù)據(jù)需要海量計算，現(xiàn)在人工智能算法對于算力的增長需求已經(jīng)超過了摩爾定律，速度越來越快。從人工智能模型的復雜度，可以看出它的迭代速度非?？?，人工智能產(chǎn)業(yè)落地這一輪最大的特點是基于這樣幾個點的連通，尤其是在城市、國家，以及整個社會數(shù)字化得到很大提升的基礎上，通過大的運算平臺，也就是云平臺，把數(shù)據(jù)、人和物打通。

五、對未來的展望

人工智能落地還有一些其他場景，比如綠色云計算。人工智能的算法、算力、海量數(shù)據(jù)非常消耗資源，一個 GPU 的功率非常大。如打游戲的 GPU顯卡接到電腦上，就需要接上水冷管道。當把巨大的運算量放到數(shù)據(jù)中心時，云本身已經(jīng)把所有的計算集成在一起，從而節(jié)約了資源，提高了利用率。而服務器工作會產(chǎn)生非常大的熱量，需要空調(diào)將機房里的熱量帶走，非常耗電。如果讓計算中心的能源消耗做的更經(jīng)濟，就需要綠色的云計算。阿里巴巴的浸入式液冷技術可以把服務器放到一個惰性的、不導電的液體里，把熱量帶走，大大提高了數(shù)據(jù)中心的能源利用率。

總之，人工智能經(jīng)歷了三起兩落，對未來智能技術的發(fā)展，現(xiàn)在有人說已經(jīng)是第四次浪潮。智能技術落地產(chǎn)業(yè)已經(jīng)開始，且趨勢不可逆轉(zhuǎn)，主要來自于智能技術結合海量大數(shù)據(jù)、大的算力平臺，利用云平臺、網(wǎng)絡能力有豐富的場景。未來的技術怎么發(fā)展，讓很多研究人員、行業(yè)人員和投資人員都有很多想法。最近有一個新的概念——元宇宙，它其中有很大的一點，在這這樣一個完全的數(shù)字化世界中，誰去管理這個數(shù)字世界？這個數(shù)字世界里的萬有引力怎么產(chǎn)生的？除了人以外其他的基礎設施，以及其他的一些物，或者還有其他的數(shù)字生物在里面，它們之間怎么交互、生活？都需要人工智能技術。所以，人工智能未來的發(fā)展大有所為。我們短期內(nèi)很容易對一件事情特別樂觀，而長期內(nèi)又很容易對一件事情悲觀；我們對人工智能技術發(fā)展很容易樂觀，現(xiàn)在很多技術很樂觀地看能夠很快實現(xiàn)，可能過于樂觀。但是長期來看需要解決更多的實際問題，在人工智能產(chǎn)業(yè)落地中，建議大家做一個長期的樂觀主義者，很多東西在未來都會被數(shù)字化，而數(shù)字化的將來就是智能化。