AI 走过 2020,有人看见了虚妄,有人看见了挣扎。有人看见了阴影,有人看见了光。

 

2020 年对于 AI 的特别意义在于,它在个别行业实现了从点到面的突破,更多的传统行业已经从“要不要发展 AI”,走向怎么用 AI 的探讨中。

 

不过, AI 仍处在发展初期,仍然经历着激烈的冲突和撕裂。2020 这一年,有人被 AI 强行“智能”,有人被 AI 拯救,有人通过 AI 盆满钵盈,有人因为 AI 苦苦挣扎……AI 遇到的问题,也是大时代下共同的转折点。2020 年不是 AI 充满争议的第一年,也绝对不会是最后一年。


AI 救人 VS. 算法困人

 

通过人工智能阻止自杀行为,是至今听到的 AI 最贴近人性关怀的一次。

 

黄智生是荷兰阿姆斯特丹自由大学人工智能系的教授,常年从事语义分析,他希望通过人工智能技术,对网络上有自杀倾向的用户提前进行干预。

 

疫情爆发后,2020 年 2 月 6 日,黄智生基于以往的积累,开发了一款疫情监控机器人。机器人每天定时从网络“树洞”抓取数据,进行智能化分析,生成对应的自杀监控通报,并发给“树洞行动救援团”,及时采取救助。

 

武汉市中心医院眼科医生李文亮,生前最后一条微博成了一个“树洞”,疫情好转或反复,或是生活里的开心烦恼,都会有人在下面留言。还有类似微博上的“肺炎患者求助超话”……这些都是树洞机器人的重点关注对象。


 
第一步是数据爬虫,解读“树洞”下的每一句话。抓取数据、对自杀倾向进行分级的核心技术则有赖于知识图谱,它覆盖了自杀方式、计划、痛苦表达、时间描述、地点描述、悼念模式等相关概念描述,用逻辑推理的方式来推导句子中的概念。

 

“爷爷奶奶都感染新冠了,爸爸妈妈也不在身边,只剩下我,我还不如去死。”

 

这个求死的少年,被机器人及时发现,最终被劝回来了。

 

从 2018 年 7 月,树洞机器人到现在已经迭代了十几代,能够自动剔除 99%的无关信息,对自杀风险判别的准确率平均达到 83%。截止 2020 年 9 月底,黄智生的树洞机器人与树洞救援团已经阻止了 3289 次自杀行为。

 

如果人工智能可以阻止有自杀倾向的人,避免他们走上绝路,在黄智生看来,将是一件功德无量的事情。

 

不过,智能系统和 AI 有时又是冰冷的。

 

2020 年 9 月 8 日,《人物》杂志撰写的文章《外卖骑手,困在系统里》刷屏社交网络。

 

“送外卖就像和死神赛跑”。每一个外卖骑手背后,都有一套算法,也就是所谓的“智能配送系统”。 系统会计算出最优路线、最短时间,骑手必须在最短时间完成送餐,如果延时或被投诉,就会被平台狠狠罚款。想多赚几单,骑手飙车、逆行、闯红灯,也是常有的事。

 

算法模型是深度学习模式下的软件形态,也是当前 AI 的最终表现形式。一套成功的算法,就是在商业战场上开疆拓土的利器。

 

每一套算法最底层的数据有不同,取决于具体的应用领域,不管是外卖小哥的送餐路线还是我们每个人的实时位置,甚至是姓名、电话、家庭住址、物流信息……这些“信息燃料”支持着算法系统每天的高速运转。

 

而不只是外卖骑手被困,随着越来越多的数字化管理手段进入企业,一些打工人也被 OA 系统(Office Automation,办公自动化系统)所困。

 

这个 OA 系统也叫“智能任务分配系统”,它能够根据企业的项目和工作特点,通过机器学习,在项目的各个环节、时间节点自动分配任务。甚至,还能连接公司各处的摄像头及打卡器“提升员工工作效率”。

 

电梯的摄像头与系统直接连接,员工之间只好“道路以目”。如果系统突然分配任务,不得不在截止日期前加班加点、争分夺秒完成……

 

对各行各业的企业来说,数字化转型是必然趋势,将管理流程通过算法实施,也更加高效精准。但是如此“智能”,对于打工人来说,却别有一番滋味在心头。

 

南京信息工程大学教师张永涛表示:“随着人工智能、大数据等技术的发展,人会越来越被算法系统所限定、禁锢,个人的情绪、尊严、个性、需求可能会越来越不被尊重。严格冰冷的算法、技术之下,我们应该有更多的悲悯之心、人文关怀。”

 

或许,我们遇到的不是简单的骑手待遇问题,甚至不单是商业伦理问题。随着 AI 智能算法的广泛和深入应用,也带来了复杂的科技伦理和商业规则问题。


AI 战疫崭露实用价值

 

AI 在 2020 年也展现出了最有价值、最实用的一面。很多压根对人工智能没兴趣的人,在疫情之下也频频注意到了 AI 这个字母组合。

 

11 月 20 日,在 2020 中国移动全球合作伙伴大会上,中国工程院院士钟南山充分肯定了人工智能在抗疫中发挥的作用,他提到疫情初期,通过人工智能分析了近百万张 CT,从而帮助了年轻医生正确确诊新冠肺炎,而且知道如何预测重症疾病,这样就能采取更好的医疗手段来预防。

 

钟南山院士团队在 Journal of Thoracic Disease 发表了“基于 SEIR 优化模型和 AI 对公共卫生干预下的中国 COVID-19 爆发趋势预测”的文章。详细介绍了如何将 2020 年 1 月 23 日前后的人口迁徙数据以及最新的 COVID-19 流行病学数据整合到经典传染病学预测模型(SEIR)中并得出流行曲线。此外,基于 2003 年 SARS 数据进行训练的 AI 方法,来预测本次疫情的流行趋势。

 

根据这些预测结果,钟南山团队对于严格的防控措施给出了有力有效的建议。这是 2020 年,AI 得到的最为硬核的一次背书。

 

此外,百度、腾讯、阿里、华为等公司纷纷开放了亿级计算资源,这些免费算力让疾控单位和科研单位可以将疫情的数据检测以几何倍数缩短。智能语音技术也没有缺席,助力疫情防控机器人替代社区人力,向海量辖区居民进行疫情随调。还有主打“非接触”的智能语音电梯、人脸识别测温……都发挥出了实用价值。

 

在这场堪称举国之力的科技抗疫中,还有些值得从业者深思的问题:比起疫情爆发后的奋力抢救,有哪些手段能够被用于监测或预警?面对第一波疫情爆发时恰逢人员流动巨大的春运时期,智慧城市能够发挥怎样的作用?AI 在医学领域如何解决横亘在落地面前的难题?这一系列问题,或许也是未来 AI 落地的关键所在。


由点到面、从被动到主动

 

2020 年 2 月 25 日,华为安防官宣:从“华为安防”更名为“华为机器视觉”。在加速进入“5G+AI”的时代背景下,以“视频+AI”为核心的华为智能安防不再局限于“安”与“防”,而是通过“机器视觉”,进入千行百业的数字化转型浪潮中。

 

机器视觉的理论和算法基础是计算机视觉, 使机器视觉应用从工业领域延展到非工业领域,让机器设备自动接收大量真实场景图像数据并进行智能化分析处理,相当于给万物装上眼睛。

 

自计算机视觉渗透安防领域开始,安防业务逐渐从单一的人车比对,走向基于城市级的视频管控平台。包括海康、大华等传统安防巨头也从此前的“安防厂商”转变成“基于视频监控的物联网解决方案提供商”。

 

华为安防改名也反映了 AI 正在由点到面、由被动监控走向主动预警和多级联动。利用 AI 和大数据,一方面,可以对大型公共场所和道路进行监控,当流量超过阈值时则提醒采取限流等措施,实现人流管控和交通疏导;另一方面,可以通过分析进行预判、识别或预警。这也正是 AI 由点到面、AI 赋能一个行业的成熟应用代表。

 

未来,机器视觉主要应用领域包括智能安防、消费电子、工业视觉、ADAS、AGV、机器人等,有着广阔的应用前景。


镣铐下起舞

 

5 月 23 日凌晨,美国商务部宣布又一批共计 33 家中国公司及机构列入“实体清单”(Entity List),包括云从科技、云天励飞、奇虎 360、哈尔滨工业大学等。

 

再加上去年被拉进“实体清单”的旷视、商汤、依图,至此 AI 四小龙全部位列实体清单。还有去年进入榜单的海康威视、大华科技、科大讯飞等,AI 赛道核心头部企业悉数列入管制范围。

 

大棒之下,拥有自主知识产权的自研技术,受到前所未有的关注。

 

加入开源开放的 RISC-V 阵营的 AI 芯片厂商越来越多,平头哥、华米、嘉楠耘智、赛昉科技、睿思芯科、时擎智能……RISC-V 在中国市场飞速发展。

 

还有开源的学习平台、开源的操作系统、开源的框架,从学术界到产业界,“开源”已经成为 AI 领域的关键词。它从授人以鱼到授人以渔的转变,构建了一个开放共进的生态环境。

 

2020 年,外力倒逼中国 AI 企业对产业的认知从根本上重构:从底层芯片的自主研发,到软件算法的迭代升级,中国 AI 企业都必须在这股外力的作用下博弈求生,加速 AI 生态的崛起,真正从量变走向质变。


不赚钱 VS. 赚钱多

 

做 AI 的难赚钱,用 AI 的赚钱了。

 

2020 年 3 月,寒武纪提交了招股说明书。巨亏的事实公之于众,2017 年、2018 年和 2019 年,亏损金额分别为 3.8 亿、4.1 亿和 11.8 亿元。

 

2020 年 4 月,外媒报道 AI 芯片明星创企 Wave  Computing 接近倒闭,正在进行资产重组。Wave Computing 成为疫情期间第一家申请破产的 AI 芯片公司。

 

AI 芯片彻底被拉下神坛。不论是估值还是客观认识上,都正在进行着脱水处理。

 

安永全球人工智能创新服务主管 Nigel Duffy 认为,人们往往会高估新技术短期带来的影响,又低估其长期能够产生的影响。一句话指出了 AI 目前的割裂状态。

 

他认为人工智能的潜在机会和利益有时会被低估,甚至饱受争议。关于人工智能如何真正驱动企业变革,目前还缺乏深入的讨论和分析。 

 

不过,在产业智能化完备程度较高的行业和场景,以互联网、金融为典型代表,正在通过 AI 形成核心竞争力。

 

腾讯、阿里、百度、今日头条等,通过 AI 驱动运营、优化投放,积累的数据和用户资源,在 AI 的助力下成了宝贵的无形资产。

 

疫情时期大量行为转向线上,在线教育、在线购物、远程办公、远程医疗……AI 的应用场景不断拓宽,这些领域的先行者已经结合自身的行业资源和技术平台在基础设施智能化的路上领先了一步。

 

2020 年 11 月,麦肯锡发布了有关 AI 状况的全球调查报告。报告显示,应用 AI 的企业与不采用 AI 的企业之间的差距可能会扩大,25%的公司因采用 AI 收入显著增长。

 

当然,这些企业并不会因为是 AI 而买单,但是会为节约人力 / 时间 / 物质成本、优化业务而付费,最终也由此获得了收益。

 

AI 落地的关键,一个词,降本增效。


写在最后

 

或许从来没有哪个技术领域像 AI 这样充满了极端的两面性,或许这也是处于发展早期的技术所必经的阶段。技术不够成熟,很多时候研究性质大于商业价值,落地又充满着不确定性,这都是 AI 必须逾越的阶段。

 

也许有一天,一些 AI 公司已经成功转型为机器人公司、自动或辅助驾驶公司、智能安防公司……那时我们或许不再以 AI 公司称呼它们,但它们已经真正找到了方向,跨越了技术和落地的鸿沟。