頭條楓林網
長按識別二維碼，報名2018十大突破性技術中國區線下解讀會
今年 2 月 1 日，麻省理工學院（MIT）正式宣布啟動了一項雄心勃勃的項目 MIT Intelligence Quest （MIT IQ）項目，該項目旨在了解人類智力，並利用研究成果開發智能機器， 這是該校有史以來最大的人工智能項目，也被視為是學術界發起的一場旨在贏回在人工智能領域的主動權、意義深遠的努力， MIT 更是動員了所有的五大學院，共同投入到這個項目中。
除了MIT 校長L. Rafael Reif，項目的主要領導人也由來自MIT 核心院系及實驗室的負責人組成，他們分別是：工程學院院長 Anantha Chandrakasan、MIT 計算機科學與人工智能實驗室主任 Daniela Rus 、電子工程和計算機科學系教授 Dina Katabi、大腦與認知科學學院神經科學系主任James DiCarlo、認知科學和計算科學教授 Josh Tenenbaum 。
今天，MIT官方正式宣布 MIT IQ Initiative 迎來了全球首家聯盟企業，而這家公司正是來自中國的AI企業商湯科技。
圖丨MIT IQ Initiative 正式宣布中國AI企業商湯科技成為全球第一家加入該項目的公司
至於為什麼 MIT IQ 的第一個產業夥伴選擇了中國的商湯科技，這家中國AI平台公司 CEO 徐立對 DT 君表示， “中國經過了過去多年的沉澱，無論在人才、數據，還是使用場景上，都為AI 儲備帶來了良好的沃土。MIT 找上商湯的合作，無疑是肯定中國在AI 領域的發展速度及 領先實力”。
實際上，商湯與 MIT 淵源頗深。 商湯聯合創始人湯曉鷗在 MIT 攻讀博士時研究水下機器視覺，並且師承現任 MIT 學術發展校長 W. Eric L. Grimson。
徐立指出，未來 AI 趨勢必定是產＋研，商湯的優勢在中國擁有運用大量數據、使用者案例及應用場景的AI落地經驗， 而 MIT 是技術導向的學術單位，通過結合教授們的眼光和能力，將 AI 的基礎研究、技術突破與行業需求結合，孵化到各行各業中，就是 MIT IQ Initiative 的目標。
圖丨MIT 學術發展校長 W. Eric L. Grimson
“湯曉鷗將在MIT 求學期間所擅長的計算機及人工智能研究實用方法運用到後來的科研工作中，並創辦了商湯科技這家在技術和商業上都非常成功的初創公司”，MIT 學術發展校長 W. Eric L. Grimson 如此評價。 “他目前是中國、甚至全球知名的AI 領袖，尤其是在計算機視覺和深度學習領域……我個人對湯曉鷗的成功，以及他對這個世界的影響深感驕傲，也期待著MIT 和商湯科技 將來更深度互惠的合作。”
實際上，MIT-商湯科技人工智能聯盟希望在計算機視覺、腦科學智能算法、醫療圖像和機器人等領域開闢新的道路，推動人工智能相關的技術突破， 目前規劃每年合作進行 30～50 個項目，發展出更多的 AI 原創技術。
MIT IQ 計劃主要分為核心（The Core）和橋樑（The Bridge）兩大部分。 在核心的部分，通過計算機科學來加強人類對於人類智慧的理解，其關鍵產出結果就是機器學習演算法。 橋樑的部分則是提供 MIT 社群各樣的資產，包括智能技術、平台、基礎建設等，以及提供學生、教職員關於 AI 工具的相關教育、豐富的資料集、技術支援和專業硬體設備等。
徐立指出，未來想要讓人工智能引領人類進步，得把原來的技術突破跟應用需求銜接起來，所以 The Core 與 The Bridge 必須並重，產研必須掛鉤。
圖丨Alphabet 公司新任董事長 John Hennessy
實際上，在這一波的人工智能浪潮，有一個特點就是學術創業的比例很高，而且不少企業都從學術界延攬了許多重量級人物加入， 除了先前擔任 Facebook 人工智能實驗室（FAIR）負責人的 Yann LeCun，近期更有前任斯坦福大學校長 John Hennessy 加入 Alphabet 公司擔任董事長。
“在現在這個時間點上，技術在很多領域會發生顛覆式創新，學術界的優勢在於知道什麼時間是技術的快速發展期，清楚技術會在什麼時間通過那條工業紅線”，徐立說。 “另一點更重要的是，在合作過程中找到頂尖的人才，持續為商湯充實研發能量。”
他進一步解釋，技術公司做的事情就是1）針對場景定義新問題， 2）將問題解決做過工業紅線。 當你在定義一個新問題時，高校資源能協助你找到一個清晰的問題定義方法。 二是在探索方向時，可以協助你評估早期可能性。 因此，企業必須知道如何利用學術界的資源、合作，轉化為生產力，如此雙方就會有很強的動力展開合作。 因此，對商湯而言，期望攜手MIT 加速技術和行業結合，除了讓技術落地，未來孵化的成果有很大的潛力，另一點更重要的是，在合作過程中找到頂尖的人才，持續為 商湯充實研發能量。
處在伽利略和牛頓時代中間的 AI
之前講 AI ，通常只是針對行業專家，比如基於統計式推理等傳統理論需要對於數據的先驗假設。 商湯涉及的人臉識別、物體分割，圖像清晰化等都需要完全不同的方法甚至行業專家。 過去也沒有純粹的 AI 企業，而這一波 AI 興起，帶來的是可以用完整的或統一的框架（比如深度學習）去完成人臉識別、物體分割和圖像清晰化等應用。 AI平台化變得更加可能。
圖丨商湯科技 CEO 徐立
現在的 AI 是走在什麼樣的時間點上？ 行業有種說法認為： 如果以物理學類比的話，那麼人工智能還沒有正式進入“牛頓時代”。 傳說伽利略曾在比薩斜塔上丟球實驗，將兩個重量不同的球從一樣的高度同時扔下，結果兩個鉛球同時落地，當時伽利略就像只是在觀測數據，一直到牛頓將此總結成一 套運動定律。
徐立認為，“現在的機器學習正走在伽利略和牛頓時代的中間”，並更進一步預言認為， “ 3～5 年有機會看到比較明顯的理論突破。”
未來AI 發展的路線，一是解決框架裡的難點，例如數據問題、數據標註問題、非監督問題，解決這些是現在的一個大趨勢，就像是遷移學習、GAN 等，必須找到AI 的邊界條件 ，需要讓人跟機器有更多互動，把邊界條件劃分出來。
但徐立認為另一個更關鍵的方向，是讓 AI 朝統一的、更可解釋的方向走。 目前的 AI 可以說就像是處在一個伽利略階段，把觀測的數據記錄下來，雖也沒給出什麼好的結論，但已經可以做很多事了。 想要進入牛頓時代，就代表我們必須對於理論有更好的可解釋性， “可解釋性將會是未來幾年最大的突破”。
簡單來說，這就是 AI 的黑盒子問題，沒有人知道黑盒子裡頭是怎麼運作。
以自動駕駛為例，根據專家知識設計系統見到綠燈會形式，所以如果見到綠色物體闖紅燈專家可以解釋。 但如果是完全使用大數據驅動 AI 來做自動駕駛，並不依靠專家知識，闖紅燈就很大可能沒法解釋。 就像AlphaGo 下棋邏輯人類沒法解釋一一樣。 現在大家想著解決數據閉環、弱標註等，都是為了部分解決 AI 邊界不清晰的問題，最終目的就是真正弄清楚黑盒子裡面的運作原則， 當每一步演算、每一層網絡的設計，都有非常合理的邏輯解釋，而且可以知道再加些變化，性能會出現什麼變化時，理論就趨於成熟了。 觀測的現像也得到了解釋，也就代表從伽利略時代走向了牛頓時代。
AI 發展若想要走到牛頓時代，一個關鍵就是必須仰賴更多的人類智慧，而MIT IQ 計劃就是在集結工程學、計算機科學、大腦與認知科學等各路專家，以回應發展人工智能必須 處理的兩個問題： 在工程學角度上，人類智能是如何運作的？ 我們又該如何利用深層次的人類智能創建更智慧的機器，並造福社會？
中西 AI 發展路徑、勢頭不同，合作互補創造新可能
不過，對科學家來說，技術無國界，而且從一個比較務實的角度來看，其實中美或中西發展的路徑及勢頭都不同，因此與其說競爭，不如更應看重頻繁交流合作發掘更多新 的可能性。
舉例來說，中國在電子支付、移動支付、刷臉支付（Face Pay）等領域走得相當領先，AI技術在這些領域率先落地；而美國過去已經建立很完善的信用卡體系，紀錄了許多的消費 數據，通過AI 可以進一步優化服務及業務。 所以各國AI發展道路不盡相同。 還有諸如若是在醫療行業，美國的電子病歷相對成熟，想要發展診療機器人，就有大量數據可使用；中國醫療行業背後的結構化數據還需要積累，因此診療機器人的進程相對就會較慢 。
另一方面，美國、德國在工業都是領頭羊，無人工廠已經部分實現；中國過去因有人口紅利優勢，勞動力以人工為主，AI 興起了之後，機器人替代部分傳統勞工的需求就會很 大；發展上就能夠跳過機器工廠，直接進入智能工廠。 因此中西方在使用場景、市場需求、人口結構、變現能力的不同，對於 AI 發展的角度和強度也就各有側重及優勢。
圖丨中國的刷臉支付
實際上，人工智能在圖像識別、物體辨識已經達到了很高的水準，套句徐立的話就是“技術達到了工業紅線”。 因此幾家以 AI 技術為核心的初創公司躍上大舞台，不僅獲得龐大的資金，也成功在商業市場卡位。
然而，後續出來的 AI 初創公司很難在短期內打入第一梯隊，主要有幾個原因，科技產業的關鍵詞輪替相當快速。 今年可以觀察到區塊鏈的火熱壓抑了AI 的氣勢，資本的追捧減少，對某些初創公司來說就會有斷炊的危機；另一個原因是AI 領先的大型企業陸續推出加強AI 自動化的工具 ，初創公司的生存空間受到擠壓。
“所以現在 AI 創業也有窗口期，過了這個窗口，技術就會平穩發展，要等到下一個爆發點才會再加速。” 徐立說。
圖丨iRobot 創始人 Rodney Brooks
經常針貶 AI 發展的前 MIT 計算機科學和人工智能實驗室（CSAIL）負責人、iRobot 創始人 Rodney Brooks 在今年初針對一些被炒熱的技術或應用做出了預測，其中對於 AI， 他認為，學術界已經開始嘮叨機器學習的瓶頸，預計今年科技媒體就會開始大談深度學習的限制以及強化學習在遊戲應用的瓶頸，到了2020 年一般大眾媒體則會宣布深度學習已經是過去 式了。
總之，無論未來AI 發展會怎麼演變，沒有人能從水晶球裡看到，但MIT IQ 的精神是讓人類智能及人工智能的研究者、企業攜手探索更深層的人類智慧，以推進機器智能的 發展。 至少，這條路是對的。
-End-
