136
人工智能是一项革命性技术，它不光在竞技方面打破了世界记录，未来会影响我们生活的方方面面。经过几年的发展，在安防监控、语音交互、医疗行业已经开始落地，语音识别、人脸识别、自动医疗监控已经越来越多地进入我们的生活。根据中商产业研究院的统计数据，2018 年中国人工智能市场规模约为 238.2 亿元，增长率达到 56.6%。预计 2019 年，中国人工智能市场规模将近 280 亿元。
在近期举办的 MATLAB 技术大会上，MathWorks 首席战略师 Jim Tung 以“超越智‘我’”为主题发表了演讲，他分析，人工智能在提高生产率方面有巨大的潜力， McKinsey 预测 AI 到 2030 年会创造 13 万亿美元的价值，但是很多人工智能项目也面临走向失败的风险，比如：数据太多、数据不足、工具不完整、无法与其它系统交互等因素。他认为，人工智能不仅是算法的智能，还需要在洞见、实现和交互三个方面做出努力。
Jim 举了改进新西兰的乳制品加工的例子，从鲜奶到奶粉的生产过程中，提取数据，建立 AI 模型，尽早检测出缺陷产品。由于同一工厂每年的状况完全不同，需要为每个工厂建立一个单独的模型，而且工厂的经营状态每年都在改变，奶粉松密度预测不正确，这是因为缺乏证据的假设得以证实。
他总结，要想在人工智能方面取得成功，我们必须将人工智能模型与科学和工程的洞见相结合，伴随可跨科学与工程和数据科学的工具，使用跨越整个设计流程的工具链，设计如何集成系统并在他们的环境中进行交互。
MathWorks 首席战略师 Jim Tung
在接受媒体采访的环节，Jim 就 AI 领域中增强学习的实现、仿真验证和真实场景中关系，以及工作流程和创新的关系等问题作了讨论。
增强学习是人工智能的一个分支
在本次大会上，Mathworks 还强调了 AI 领域的一个重要分支，那就是增强学习（Reinforcement Learning），它通过 trial 或者 error 进行学习，完成复杂的任务。Jim 认为，增强学习并不是要把机器学习算法或者深度学习算法做一个强化版本，它只是机器学习或者深度学习的一个分支。针对机器学习或者深度学习，传统的做法是将带标签的数据放进去，训练出一个模型，这需要人工准备数据和标签，但是很多场景无法准备足够的数据，比如，复杂的图像处理，很难通过对行为做标签提供足够的数据。
增强学习本质上是一个反馈系统，他是另外一种学习 AI 的手段。可以是增强通用机器学习算法，也可以增强深度学习算法，不需要通过大量数据训练模型，而是创造一个环境，设立惩罚机制，如果实现既定目标给予奖励，如果没有实现既定目标给予处罚。Jim 强调，“它在本质上是一个优化问题，在增强学习的场景之下，他可以根据外界的输入进行调整，根据惩罚或者奖励去优化最终的目标，它的目标是得到更多的奖励、最少的惩罚，这是增强学习的目标。因此，增强学习是学习模型的一种。
仿真验证和真实场景验证相辅相成
在使用方针的过程中，用户最大的担心是仿真数据是否能够代替真实场景获取的数据？以自动驾驶汽车为例，因为实际路况非常复杂，需要自动驾驶汽车长时间上路测试，积累应对各种突发事件的处理机制，从而确保自动驾驶系统的安全。现在可以通过 MATLAB 生成仿真数据注入自动驾驶系统，从而对实际上路测试的数据进行补充，需要考虑的是仿真数据能否覆盖所有真实场景？
Jim 解释，“仿真最大的好处就是即使在没有真实系统的情况下，系统还可以通过仿真产生上百万、上千万的数据，在大规模的集成运算环境里进行仿真。而且通过仿真可以产生现中很难遇到的问题，也可以通过仿真把真实的测量数据导入 MATLAB 进行验证，因此真实场景和纯粹仿真模型可以相结合。如果仿真中含有真实场景数据，我们可以从真实数据验证仿真的真实性，另外，在仿真模型中混入真实场景数据可以评估已经遇到的场景，同时可以创造出未来可能遇到的场景。”
通过 Jim 的解释不难理解，仿真可以补充真实场景无法测量到的数据，真实场景也可以验证仿真数据的可信程度，两者相辅相成让 AI 系统更完善。
工作流程是创新落地的必要条件
MathWorks 对深度学习的支持不只是技术点，而是整个工作流程，从算法到应用部署，都有相应的工具。关于对工作流程的支持，Jim 认为，流程是把一个创新实现的过程，如果没有算法来支撑的话，就等于是没有创新的内容。如果把算法看作是一种创新，流程是把创新落地的要素，两者无法脱节。
在 AI 领域，工作流程尤其重要，Jim 表示，MathWorks 更关注在如何把 AI 的想法更快地落实到真实的系统里面。工作流程更关注团队的协作认知，Mathworks 可以更快地把一些 AI 算法在产品上得到实现。
毋庸置疑，AI 在未来世界中充当越来越重要的角色，人脸识别、智能语音交互已经得到应用，AI 还在寻找更多落地点，Jim 认为，让 AI 和工程相结合是目前 AI 最大的挑战也是最大的机遇。
与非网原创内容，未经允许，不得转载！
下载ECAD模型
