杜克大学教授李昕:面对中外科技差距,以新赛道颠覆旧市场

人工智能正在变得无处不在。从图像处理、语音、视频领域,到传统的制造业、通讯业、医疗、金融、自动驾驶行业都在大力地追求人工智能。

“当前中国企业的成本在急剧上升,包括人力、厂房等,运营成本的上升必然要求企业找到新的技术来提高生产效率、产品质量,同时降低成本。比如随着未来机器取代人力,人力成本将得到有效控制。”而这种商业需求也是驱动人工智能发展的一大动力。

在近日昆山召开的2018杜克国际论坛上,昆山杜克大学和美国杜克大学电子与计算机工程学教授、IEEE会士李昕博士在一场对话中谈到此番观点。

李昕博士毕业于美国卡内基梅隆大学,他曾短暂创业,在公司被收购后回到卡内基梅隆大学任教了十年。2017年初正式加入杜克大学和昆山杜克大学。

据雷锋网AI金融评论了解,李昕博士早先的工作主要是将数据分析应用在制造业,比如虚拟测试、产线优化等。而随着各行业积极拥抱AI,他的研究方向已经扩展到许多新兴商业领域,包括通讯、自动驾驶、商业决策、医疗保健等。

同时,AI应用的过程并非一条坦途,李昕博士指出,当前面临着复合型人才缺失的挑战。

“现阶段很难找到跨行业AI人才。这就要求人工智能的专家和行业的专家必须有一个非常亲密的对话,但是这个对话很艰难。因为行业壁垒的存在。两个不同的行业在对话,行业术语以及工作习惯都不同。”

雷锋网还与李昕博士就AI应用现状与未来进行了更深入的探讨:

传统行业大小公司AI发展之困

雷锋网:传统行业企业,比如制造业,如今大都也在提互联网、AI转型,您觉得可能会遭遇什么技术难题?

李昕:首先会遭遇一个“先有鸡还是先有蛋”的技术困境。发展人工智能首先需要有很多的数据,但另一方面,在拿到数据之前,你不知道数据的质量,所以很难估计这些数据的价值。采集数据的代价与应用数据的价值很难比较。

不过现在大公司大部分都是选择走下去的,要么是出于占据空白市场,要么是出于狙击对手进行的战略投资,即便不能立刻带来直接的利益。但这对于很多小公司来说就很困难。

第二,行业特别缺乏AI人才。据我了解,大部分AI相关专业的毕业生都去美国五大科技巨头FAAMG.,在中国就是BAT,很少会去传统行业公司。我一个朋友在美国很大的汽车制造厂负责自动驾驶项目,但他在美国找不到计算机视觉这些方向的人才,最后只能选择到其他国家招收了一些博士生。

总之,优秀人才非常稀缺,如何吸收优秀的人才是一个很大的问题。甚至包括学校所在的学术界也有同样的问题。很多AI方向的教授都去到工业界。因为公司意味着更好的计算平台,科研条件比学校更优越,同时也包括很好的薪资待遇。

雷锋网:您提到复合型人才很稀缺,而您的研究结合了不少领域,能否谈谈您是怎么做的?

李昕:现在通行的做法是这样的——让行业内的专家重新学习人工智能知识,同时让AI专家学习行业知识。不过在实际场景中,我们发现AI专家往往不太愿意学习行业知识。比如说,我们发现汽车行业中的工程师会学习机器学习课程,自我充电。但是我们很少看到BAT或者Facebook的员工去深入学习汽车制造。所以行业壁垒不是一个双向壁垒,更多的是一个单向壁垒。

雷锋网:那么中小制造业企业目前的状况如何,技术发展必须要依靠大公司吗?

李昕:中小制造业企业做人工智能、大数据很难,还是要通过大公司来做。大公司的核心竞争体现在大规模生产。其实这个行业的竞争是非常不公平的。大公司体量大,成本可以降低,能做小公司干不了的事情。所以一旦行业成熟以后,小公司很难生存。

雷锋网(公众号:雷锋网):现在AI这赛道上,核心技术似乎都被BAT大公司掌握,这是一个值得担心的事情吗?

李昕:BAT的AI是通用的AI,并已经取得绝对领导地位,但是行业AI就不一定了。现在我们确实也看到BAT进入到行业内,但总的来说他们对行业内是持观望状态。一方面就是因为市场还不够清晰,存在商业化的顾虑。另一方面,客户比如大制造商企业都想自己做,并不想把数据分享出去。

如何应对AI商业化难题?

雷锋网:最近看到一则未经官方证实的消息,美国一家AI医疗的大公司最近准备裁撤大量员工。真假暂且不论,但这是否又再一次反映了AI商业化难题?

李昕:我们可以具体分析下医疗健康在美国发展AI落地难的原因:

第一,美国的数据非常有限。关于癌症数据,我曾记得一个未经验证的调查说,“美国大医院一年病人的数量,可能跟中国三甲医院一天的数量相当”。还要注意的是,医疗数据量不能看绝对数据量,在看病这件事情上,数据量比较丰富,癌症分为早期、中期、晚期。还有年龄、性别、地域等差异。

第二,数据管控非常严。很多数据在美国不能用,因为法律保护隐私。

第三,美国医疗管控严格。如果要做医疗产品,必须要经过FDA审核,需要花费不少时间。审核通过后,还有一个很大的问题是关于保险公司,是否将新药或者设备纳入保险项目,不然病人可能并不会选择。总之,这几步是一个非常漫长的过程,可能需要十几二十年。

雷锋网:相较而言,中国AI医疗进程的限制是否更少一些?

李昕:一些问题在中国可以有比较好解决的方案,比如数据量本身,中国的数据量很大,能够满足研究需求。不过在管控问题上,中国目前也是非常的规范化,所以周期也很会长。

所以一般的策略是作为医疗辅助设备,而不是全方位利用AI代替人类。在自动驾驶领域也是,商用的大多是“辅助驾驶系统”,辅助系统所承担的责任更小,审批也会简化。

以新赛道颠覆旧市场

雷锋网:最近我们听到业内声音重提基础科学研究,包括基础学科、操作系统、芯片等。对此,您观察到的现状是怎样的?

李昕:对于学术界来说,基础研究分为基础设施(infrastructure)和基础科学研究。芯片、OS应该是基础设施。当然我觉得基础设施研究非常重要,是一切AI应用的基石。

不过我认为,不管是做基础研究或者应用研究,有一点很重要——我们不能一直追赶别人,追赶别人是追不上的。一是会追赶得很累,二是即便追上了,但是也吃不下已经被瓜分完毕的市场。所以我们需要做的是,创新、占领空白市场,比如AI就是一个很好的机会。

雷锋网:这种思路落到芯片行业,应该怎么做呢?

李昕:传统芯片行业我觉得很难追。但是现在新兴的AI芯片领域会是一个比较好的机会。大家基本站在同一起跑线。实际上中国已经出现几家不错的公司。

雷锋网:在人工智能解放生产力的同时,社会上还有一种蔓延的担忧是失业。

李昕:任何一种技术翻新,必然会使得生产力结构发生很大的变化,会使一些工种需求减少,甚至完全消失。但是同时又会创造新的工种和工作机会。

计算机就是一个很好的例子。计算机出现后,打字员就消失了,但是需要程序员。所以这意味着社会对劳动力的需求是不会减少的,只是工作的性质和种类有所变化。

而对于个人而言,要求人必须有自我学习、转型的能力。知识变化很快,比如人工智能这个方向,再过五年知识可能就不一样了。等一个本科生毕业的时候,可能他大一学的东西已经过时了。所以更重要的拥有自我学习的能力,如此才能在职场上处于不败之地。

雷锋网:最后一个问题,在市场竞争的环境下,如何把握技术的边界?因为最近我们常看到互联网公司的“作恶论”,或许是与KPI挂钩,百度的医疗竞价、滴滴顺风车、携程搭售等行为,大数据杀熟;或许是其他更高的目的,Google用ai提高军事无人机的精准打击度,韩国科学技术员与军工企业联合研发基于AI的自主武器也受到了50多位学者的公开抵制。

李昕:我觉得AI技术的发展必须有相应的法制给予管束。任何的技术,如果没有合理的约束都有可能成为人类的威胁。相反,如果合理利用,技术就可以为人类造福。历史上有很多类似的例子。AI也不例外。而AI的法制推进需要站在全球高度。个人觉得,首先需要一些非盈利组织或者国家去推动,最后应该会形成一个国际组织共同监管。

本站部分文章源于互联网,本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供。如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。

PS:推荐一个微信公众号: askHarries 或者qq群:474807195,里面会分享一些资深架构师录制的视频录像:有Spring,MyBatis,Netty源码分析,高并发、高性能、分布式、微服务架构的原理,JVM性能优化这些成为架构师必备的知识体系。还能领取免费的学习资源,目前受益良多

转载请注明原文出处:Harries Blog™ » 杜克大学教授李昕:面对中外科技差距,以新赛道颠覆旧市场

赞 (0)
分享到:更多 ()

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址