|
|
本帖最后由 晨枫 于 2022-9-20 09:40 编辑 : w6 P8 d/ |3 y3 _8 z8 t$ q
: }8 E+ }( N7 J4 @, i& E
2021年5月,美国国会指派、有谷歌前CEO埃里克·施密特和美国前国防部副部长罗伯特·沃克领导的人工智能事务国家安全专门委员会发表了长篇报告,指出美国在硬件、算法、人才方面领先,中国在应用、整合、数据方面领先。报告认为,美国的算法领先在5-10年内会被中国赶上,但美国在总体上还略微领先。
$ s9 X; s# `% h0 f
$ h, f+ [& ^8 m- |) v! w: j/ ?9月12日,委员会发表了竞争力研究特别报告,再次强调美国的人工智能优势正在迅速消失。1 _. u3 T, D+ h, \3 F4 U9 \
; G( B2 D, d9 u8 O( q* V( m/ f美国的担心是有道理的。
! c% ~" _/ g6 m6 N
4 l& T8 O3 M3 P+ d6 M& _) i: z人工智能还是野蛮生长的领域。各种应用搞得热火朝天,但缺乏统一、严格的理论框架,理论严重落后于实践。最大的问题是难以分析、预测、设计系统的性能,使得人工智能的决策难以理解,难以信任。“阿尔法狗1.0”和2.0在与人类棋手大战的时候,都走出一些匪夷所思的步子。事后分析好像是好棋,又说不出好在哪里,更是想不出什么思路能走出这样的步子。这只是下棋,看不懂棋路不是大问题。要是人工智能用于国家核导弹自动发射控制,也给你来几步人类看不懂的反应,那问题就大了。
7 l }" K& ~+ W3 I( R' o" i* t" W# g+ m7 M" Z0 n% B; o1 M
在缺乏理论指导的情况下,算法成为各家的“手工艺”。手工艺不可怕,可以在大量实践中精益求精,很多工业技术(包括尖端科技)都有这样只可意会不可言传的手工艺成份,事实上成为技术壁垒的重要部份。
" o/ A" h( ^' C: Y* L2 Z9 l: y
! Z, h$ y& L1 F% t+ ?5 t* s# b- n问题是,人工智能的最大量实践是在中国,不是在美国。在美国和西方眼里,中国的人工智能就是用于大数据人群监控的,这是意识形态偏见。中国的人工智能应用正在野蛮生长中,头条、抖音的推送就是人工智能,这只是冰山一角。形成商业利益后,人工智能不再是纯学术或者纯政府行为,具有强劲的自我增殖能力,不仅引发更多的应用,也推动算法的发展。
8 D; Q' c) o9 f9 H5 M9 \
# }$ h4 g P6 p在美国,人工智能应用依然主要由军方拉动,商业人工智能缺乏自我发展的动力。美国试图把私营资本拉入人工智能竞赛,但风险较大、没有明确的盈利前景,私人资本没有理由加入。华尔街能承受风险,但风险大,回报还慢,这就没有干劲了。这是美国各种“公私合作”设想的共同问题。& R- }: j% s$ ?* l& d4 W
$ ` {8 I9 |+ B
片面依靠军方拉动正是苏联科技发展的问题根源,大力依靠民用需求拉动则是美国的成功经验。有意思的是,美国在走苏联的路,而中国在走美国的路。0 ~/ |1 Z1 b7 w; { L* Z
8 R6 d: n2 m d$ N' f! z
所以施密特-沃克报告清楚地看到,中国将迅速赶上美国的算法优势,如果不是在理论框架上首先突破的话。
2 K, P% G/ x/ C3 r% V/ @2 d! J" e( @' k6 s$ ^
理论突破需要人才,但美国人工智能人才是否领先中国,是一个一言难尽的问题。如果把具有中国血统和教育的人统统排除,美国人工智能人才圈大概立刻坍塌一半。同时,中国人工智能在大量实践中,中国人工智能教育、科研、人才形成良性互动,中国人工智能人才赶上美国不是梦。
$ S9 Q! J/ c: g9 y- t0 H4 n5 m5 t" Z l3 E( c" i3 j
有意思的是硬件。中国还在先进芯片困境中,美国对英伟达和AMD高端芯片对中国禁运,就是冲着人工智能来的。但这些芯片在本质上是图形处理芯片,并行处理能力恰好与人工智能运算的要求符合,但本身未必是为人工智能优化的。 o8 ^, T1 X# D: N
3 e& v( M6 s3 r: b, `- t
中国芯片在闯关中,一方面是7nm、2nm等更高集成度的硬技术,另一方面是在专用芯片方面实现架构突破。中国超算就是通过精巧的架构设计,在较低的硬件技术水平上实现世界领先。尤其重要的是,这样的架构突破需要在实践中得到思路,在实践中检验成效。0 m# p T. v" g, e
! m, C% f6 T p6 g' ^. W. O2 P
在现在,中国还在大量采用来自美国的算法成果,硬件上也对美国有依赖,但历史上有过先例:要是在总体实践上掉队,核心技术的领先并不保证持续领先。5 n6 p) p6 v7 D/ Y( r6 _0 \" N6 T
. Z; l9 v$ o7 z/ C& o, H4 H在40年代,英国与德国同时发明喷气式发动机,德国抢先一步,首先将Me262投入使用,但英国紧随其后,只是因为战争大局已定,就不急于将格洛斯特“流星”战斗机投入实战了。但罗尔斯-罗伊斯的“尼恩”涡喷在40年代末代表最先进技术,苏联引进后,用于米格-15,从此苏联航空科技一骑绝尘。9 K0 r$ \! x8 D7 Z) ]$ @
1 ?; S+ X) o4 @; o9 A. R
发动机是航空科技的核心。苏联战斗机借用英国技术起飞后,在大量实践中迅速将“尼恩”改进为克里莫夫VK-1,以后克里莫夫和留里卡一起,成为苏联战斗机发动机的哼哈二将,罗尔斯-罗伊斯也在进步,但英国战斗机再也没有赶上过。2 o4 [( d- b2 H+ s: v' C
3 X) X, g! N0 y# j% @5 e5 A另外,人工智能现在一根筋搞大数据学习,是存在“数据困境”的,尤其是工业应用。要使得人工智能有效、准确,需要大量历史数据;但产品一直在转换,大同小异但毕竟不一样。等训练出来了,也该转产了。绕了一大圈又回来了当然很好,但这是可遇而不可求的。单纯靠学习,可能跟不上变化的现实。这是大问题。+ r9 G6 @3 V S- T- _: H7 X
& I. o {) q4 Q6 |& z, V. d& D但变化与变化不一样。大部分变化是变表不变本的,本的变化缓慢得多。这也是人类思维善于适应变化的环境的道理。在思维方式上,有演绎和推理两个方面。一味依靠归纳是经验主义,无视了变化的环境。归纳最终是为下一步演绎提供基础,从现有边界拓展一步才是归纳的目的。 Q1 x& _- d X5 E6 |7 Q
' T" }. N/ v* I- s# H' u2 j) e+ E$ r! H# r
人工智能需要在框架上形成演绎能力才好。这是巨大的挑战,但很可能不是从纯理论的空想中产生,而是从大量实践的摸索中完善。
; A3 u* o6 O3 `: k% a
# V/ L, b% {$ y3 x' J, o$ H$ s1 T% m如果说芯片、软件是当今科技高地的话,人工智能是未来科技高地。美国很担心中国会抢占这个高地,担心就对了。
4 \& r: m7 k6 j* D1 Z
9 E8 w* ^: n% _, G% _0 H" u报告还提到,中国在5G、商用无人机、高超音速、锂电池方面领先,美国在生物科技、量子计算、商用航天和云计算方面领先,但这些领先随时可能被中国翻盘。2025、2030年是关键节点。4 M" a6 Q$ \2 s _0 p0 X% c" k
1 Q5 F$ Z& t* ^
|
评分
-
查看全部评分
|