互連網還沒+好 機器智能+的時代快要到了

標籤：互連網   運營   人工智慧   時代   

      此文是Summly前商業開發及運營經理John Henderson的文章，原文發表在Medium上。作者思考了機器智能賦予機器的思考能力，以及感應器技術賦予的感知能力（如看的能力）運用到諸多垂直領域的顛覆可能性，不少領域的工作在5年之內也許就可以由機器來替代了。

      接下來1萬家初創企業的商業計劃很容易預測：做X然後再加上AI。

—Kevin Kelly

      原先阿蘭·圖靈認為到1950年電腦就會思考。1997年，超級電腦深藍擊敗了國際象棋世界冠軍卡斯帕羅夫。2011年，IBM的Watson成為了Jeopardy知識競賽的最佳選手。2015年，一輛汽車自行橫跨了美國。

      這些成績的取得均有賴於機器智能，後者是人工智慧、機器學習、深度學習等相關領域的統稱。幾何增長的計算能力、更大的資料、更強的演算法，這一波完美風暴推動了這些領域在近年取得了快速增長。成千上萬的機器智能初創企業湧現（參見機器智能公司總覽），其中不少隨時準備著要在未來的5到10年時間內改變世界。

      在迄今我見過的團隊和公司裡面，最有趣的是結合了機器智能專業知識以及像電腦視覺、自然語言或語音辨識之類技術的那些。如果電腦能夠思考，然後再賦予其看、讀或者寫的能力，就會有令人驚豔的可能性出現。突然之間，電腦就能完成各種此前只能由人來處理的事情了。有兩類任務值得考慮：一是“溝通任務”，二是“視覺任務”。

      溝通任務

      即電腦嘗試學習解釋和製作書寫和口語內容。Summly每天利用自然語言處理（NLP）大概要對20萬篇新聞進行摘要，同時還要為使用者提供個人化的內容流。Siri和Google Now將NLP與語音辨識技術結合，使用者可以口頭提問並收到口頭回答。Viv等正在開發的技術更進一步：他們要做的是賦予電腦會話式的記憶，並且允許追問和澄清。換句話說，這樣的對話才是合適的。

      這種科幻小說一直以來設想的互動模式正在變成商業化的現實。這種創新是基礎性的，因為它讓我們能夠跟沒有自然視覺UI的機器，如汽車、穿戴式裝置、機器人或者甚至你的房子互動。

      更近一些（1到5年）的機會是對所有目前由人類執行的溝通任務類型進行自動化的可能性。怎樣才能識別出哪一項任務自動化的條件已經成熟了呢？所創造的價值又在哪裡呢？要想回答這些問題必須審視那些遵循模式的互動，然後再從中尋找目前很費時的任務。經過分析，以下滿足上述條件：

     醫學診斷：跟醫生的互動大體上包括一系列癥狀描述，然後推斷最有可能的疾病。對於掌握語言技能的智能電腦來說，這是一種理想的案例。很有可能IBM的Watson很快就會成為全世界最好的醫生。它已經接觸到了最新的醫學知識，精確且始終如一，理論上可以24小時為每一個人服務。

     會議安排：傳統上這屬於秘書和行政助理的角色。我的個人助手叫Amy Ingram。“她”是x.ai的成果結晶，幾乎沒有人意識到跟他們對話的不是人。從Claralabs等也可以獲得類似的服務。

     語言學習：想學中文？如果有位講著一口流利普通話的對話夥伴就好了，如果他永遠都不會介意糾正你的錯誤，永遠都不會感到厭煩則更佳。要不來一位精通萬國語言的全天候即時翻譯怎樣？

     新聞報道：Narrative  Science等正在訓練電腦寫新聞故事。當然，要寫出像大西洋周刊那樣的觀點文章還欠火候，但是機器人寫賽事結果、財經報道已經是信手拈來。

     人員招聘：招聘人員在很大程度上算是應徵者與僱主之間基於一組定義好的特性（位置、行業、技能、經驗）進行聯絡的中介。期待利用機器智能和NLP來自動識別和推薦候選者的公司早日出現。當然，其第一場面試也一定是有電腦主持的。

     網上旅行社：flightcentre.com上面協助你找布拉格的酒店的那位“即時助理”究竟是人還是機器人？如果是在2017年，我已經有確定的答案。

     法律任務：訴訟的取證過程需要許多資曆淺的律師梳理堆積如山的文檔來尋找蛛絲馬跡。像Equivio這樣的組織則結合了機器智能與NLP對這一職能進行自動化，結果是，喝了8杯咖啡的那位幫辦忙到淩晨2點還沒弄完的事情早已被電腦搞定，結果不僅更加精確，而且它既不用喝咖啡也不用睡覺。

     話務中心：話務中心的傢伙都是經過培訓的，其回答都有指令碼支援，針對不同情況作出不同的響應。但是未必所有人都能記得，或者有的記得也不遵循。這些情況你應該多多少少都經曆過。如果讓智能電腦利用NLP及語音辨識技術來替代的話就好了。做得好的話其市場規模是巨大的。    

      視覺任務

      2015年2月，電腦視覺取得了一項突破：機器眼力比人更高了。說得更確切一點，是指電腦查閱一系列圖片並對其進行分類的精確度已經比人要高了。把這種水平的電腦視覺（看的能力）與機器智能（思考能力）結合起來的話，就會有令人著迷的可能性出現。

      有很多工作都需要人看映像然後對內容進行評估。比如機場安保就是明顯的例子，安保要掃描箱子然後看裡面是否有槍支等違禁品，又比如放射科醫師，經過5年以上的訓練才能準確通過X光片診斷出疾病。

      我相信，用不了多久讓電腦執行這類任務就將變成現實，結果不僅更快更精確而且成本更低。下述的可能性將會顛覆一個個的行業：

     汽車：自動駕駛汽車是結合電腦視覺與機器學習的最先進案例。

     農業：與其花錢請人開車兜一圈查看作物情況，為什麼不讓能夠根據衛星映像監控作物的電腦代辦呢？

     軍事：座艙顯示器及無人機偵測對象並用機器智能自動識別對方是否構成威脅（我敢打賭CIA的風投機構在該領域已經進行了一堆未宣布的投資……）

     基礎設施：Google的Street View是全球大部分地區的街道映像。市政部門肯定喜歡這個主意：用演算法自動從中找出需要維護的道路和建築，而不是讓巡查員開車到處找。   

     醫學：檢查皮膚癌為什麼一定要去見醫生？發張雀斑的圖片過去讓電腦分析一下不就出來了？同樣地，像核磁共振、X光等診斷也應該可以這樣。   

     建築維護：安檢需要檢查石油管道、煉油廠等有沒有漏油的地方。是不是可以讓帶網路攝影機的無人機飛行巡檢然後讓電腦即時分析連續鏡頭？

      巡檢工作有成千上萬個垂直領域可以自動化，其中有很多還是相當晦澀難掌握的。KeyMe尋求通過照片來自動化一個60億美元的鎖匠市場。Tractable正在協助管道工確認管道是否焊接好了。

      所以傳統行業請留意了，互連網還沒+好，機器智能+的時代也快要到了。

     文章出自DevStore資訊，歡迎閱讀更多互連網新聞（www.devstore.cn ）

互連網還沒+好 機器智能+的時代快要到了