深度学习促使更多的人投资人工智能

人工智能（AI）领域近几个月来得到了提振，新玩家进入、重大投资公告以及越来越多的成熟AI技术的出现推动了这一进程。

一个日益专注于深度学习和人机协作（HRC）的机器人和AI市场正在崛起。深度学习建立在神经网络研究的基础上，目前是AI研究最雄心勃勃、最有前途的途径。此外，它有望使我们的机器人比以往任何时候都更加智能和能干。

正如谷歌的高级研究员杰夫·迪恩（Jeff Dean）在2015年底告诉《彭博商业周刊》的那样，AI的进步速度实际上正在加快。这是由于云计算成本降低，使得采用深度学习方法解决AI问题变得更加可行。

多亏了深度学习，AI“终于变得聪明起来”，正如《麻省理工科技评论》所说。

与此同时，HRC将智能机器人的优点与人类能力结合在一起。

根据市场研究公司Markets and Markets的研究，AI市场，特别是机器学习和亚洲市场，将从2014年的4.197亿美元增长到2020年的40.5亿美元。

随着各方更加清楚地认识到深度学习和HRC对机器人短期和中期未来的重要性，新的参与者正怀着热情和巨大的资金支持进入这些市场。

例如，埃森哲公司正在在都柏林投资2500万美元建一个“创新中心”和一个以人工智能为重点的实验室。

“人工智能将全面颠覆全球范围内的企业和产业，我们认为这种转变超越了仅仅在独立部署分析、认知计算或机器学习系统方面，”埃森哲公司首席技术官保罗·道尔蒂（Paul Daugherty）表示。

“我们正在早期投资，以在埃森哲公司驱动更多创新，吸引位于我们运营地的顶尖人才，并在全球业务中注入更多智能，帮助客户加速整合智能和自动化，改变他们的业务，”他补充道。

与此同时，埃森哲公司在都柏林的大学学院AI的科研拨款将资助探索人机界面的研究。

埃森哲公司设定的研究目标揭示了他们对这些技术影响范围的广泛预期。公司设定了以下目标：

• 创造更智能的工具，提高认知计算、机器学习、自然语言处理、数据增强和预测分析的能力。
• 将人工智能整合和应用于前台和后台运营，包括客户支持、采购、供应链和保修服务。
• 将人工智能能力嵌入到架构、工具和服务管理分析中。
• 设计和扩展用于埃森哲咨询业务全球范围的人工智能能力。

“我们相信，人工智能的真正威力在于增强人类擅长的事物，使他们在所从事的工作上变得更加出色，”道尔蒂告诉《硅谷共和国》。

“这是让人类更加高效的关键，”他说。“对于那些通过虚拟现实技术、辅助视觉技术以及结合机器学习来帮助低技能工人更高效地完成更高级工作的工人来说，[这]为人们创造了额外的机会，这就是我们对人工智能感到兴奋的原因。”

埃森哲公司的AI研究人员正在与药品制造商合作，加快临床试验分析阶段。同样地，初创公司MedyMatch Technology Ltd正在使用视觉和认知分析来改善诊断。

值得关注的是，大数据受到了大量的报道，但AI——即算法——将所有这些数据转化为实际的商业效益，这一点不容忽视，据分析公司Gartner Inc.的研究主管彼得·桑德加德（Peter Sondergaard）称。

“任何人都可以收集数据，任何人都可以存储数据，”桑德加德在西班牙巴塞罗那举行的2015年Gartner研讨会上说。“你可能能进行良好的分析，但那只是稍微超过一点点，不管数据规模有多大，任何人都可以雇佣某人来进行数据分析。”

日本NEC公司宣布计划在未来五年内将其以人工智能为重点的员工规模增加一倍，约为1,000人。该公司计划重新部署现有员工，并在印度和新加坡进行新员工招聘，目标是将到2020财年的AI相关销售额增加到约600亿元日元（4.84亿美元）。

与此同时，柯达阿拉里斯公司推出了AI Foundry，这是一个基于专有、自学习技术构建的业务，旨在帮助组织理解电子邮件、聊天记录、短信等非结构化商务数据。

“AI Foundry成立旨在利用人工智能的力量来理解非结构化数据，并提供更加智能的‘上下文感知’信息管理，”总经理史蒂夫·巴特勒（Steve Butler）说。

日本政府也加入了深度学习的行列，成立了一个AI研究中心，并宣布计划建立第二个中心。

日本在机器人领域享有盛誉，但在深度学习方面落后于美国。正如《今日日本》报道的那样，日本政府渴望弥合这一差距。

图形芯片制造商Nvidia公司推出了旨在帮助AI开发人员的硬件。

2015年11月，Nvidia公司推出了一个超大规模数据中心平台，旨在鼓励开发人员构建基于AI技术的网络和智能应用程序。

当该公司在今年2月宣布其四季度业绩超过预期时，它将这一成功归功于对其深度学习技术的强烈客户兴趣。

在深度学习方面已经取得了着实成果。我们已经看到它在几个行业产生了影响，至少解决了一个长期以来的AI挑战。

例如，在云计算领域，基于深度学习的网络安全策略已经证明其效力，帮助公司保护存储在云中的数据。一种“网络防御平台”将以色列特拉维夫的Deep Instinct公司的深度学习技术与美国加利福尼亚州雷德伍德市FireLayers公司的基于政策的平台相结合，该平台旨在监控云应用程序和数据。

深度学习还被证明可以使无人驾驶汽车更擅长发现行人。一种新的行人检测算法将传统的计算机视觉分类体系结构（称为级联检测）与深度学习相结合。

《IEEE Spectrum》称：“这样一个基于视觉安全系统在汽车上一直以来都是难以实现的，因为计算机通常面临着在视频图像中快速分析并得出正确结论之间的折衷选择。”

该报告称：“一方面，简单的‘级联检测’计算机视觉算法可以在某些图像中快速检测到许多行人，但在最困难的情况下，[它]无法区分行人和外观相似的物体。”《IEEE Spectrum》指出：“另一方面，”“深度神经网络”等机器学习算法可以处理这种复杂的模式识别，但对实时行人检测来说速度太慢。”

深度学习还被证明对对冲基金经理、农民、医学成像专家和搜救无人机操作员具有价值。

谷歌公司计划将深度学习能力加入移动设备。

或许最引人关注的是，2015年初，谷歌开发的基于深度学习的AI在围棋比赛中击败了一名顶级人类选手，这是一个创举。

谷歌在其博客中说：“传统的AI方法——构建一个搜索树来涵盖所有可能的位置——在围棋中毫无机会。因此，当我们着手解决围棋问题时，我们采取了不同的方法。”

该公司说：“我们构建了一个名为AlphaGo的系统，它将先进的树搜索与深度神经网络相结合。这些神经网络以围棋棋盘的描述作为输入，并通过包含数百万个类似神经元的连接的12个不同网络层进行处理。”

随着云存储成本的降低以及世界各地实验室争相开发基于深度学习的新AI技术，更多的新参与者和进一步的研发投资可能会在未来一年出现。

随着机器人变得更加智能，它们在家庭和工厂中作为我们的合作者变得更加能干。

对深度学习和HRC越来越重视，这是有很多原因的，包括提高效率、实现人与机器人之间更自然的交流，以及充分利用人类和机器的最优能力。

这些并行趋势让人们对机器人未来产生了令人向往的幻想，即真正智能、合作型机器人（或称为协作机器人）将来增强人类劳动力，而不是取代它。