爱吱声

标题: 美国会丢失人工智能科技高地吗 [打印本页]
作者: 晨枫    时间: 2022-9-20 09:08
标题: 美国会丢失人工智能科技高地吗
本帖最后由 晨枫 于 2022-9-20 09:40 编辑
0 E  ^6 t/ T6 u. K; P; {; w% A1 X- L5 b' O. `" `7 F* A' b" }
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。+ }7 W$ \9 d8 g+ t; [
1 @0 q5 \' o2 x* A. z
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 x2 E" j3 x) M5 j) d

$ d! z2 Z* B0 c# t7 E美国的担心是有道理的。" u9 q) e5 ~# L6 P
8 _  {" z/ G  v0 n) }3 h4 M+ v
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。
4 O! ^* \  G) A, A7 m9 o( U! w
7 o: G  l# G8 P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。5 `" k1 E- y9 Q  d
/ h: F% p# g: [# G9 e
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。
; k2 B! U7 T3 V- {9 X/ e* u1 A2 b' ^
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。6 i3 J6 I5 n; ~  Y
2 K5 {; m: t) G+ M
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。; Z* j9 {/ i& R+ r
- t1 F4 Z, a- M* P! r, p5 `, [, u2 K
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。* i1 b9 S2 ^! J* H% ]5 R
* ~, L" J: u4 t
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。1 M% k4 J* Z3 ?4 ]0 J- t

  D$ h; G7 @- |" |2 A1 W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。
& N- v+ ^; K: ^- f7 G: T* t" k3 y: t: ^- ]% L7 K" n6 v
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。
1 T1 R9 }3 r* p# \; G9 y
/ f) `- C; B$ l" s$ b% q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。$ T# S  @  h( S! m. U; l
, n* \7 Z: a: Z! e
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 T0 t3 w2 L2 B. F' R, H8 P+ z6 C

) ]. t' @4 h% S3 {5 s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 Y* f9 X7 \3 U* ?+ i" M3 n% ?2 ?) u- O5 @3 _" c
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。/ t* W+ q# h# Q8 q0 z8 s; k

$ m* k" z- O6 M- k" ^( b" I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。
" v4 s% t1 N6 ~( @: I' [; o- ]  z! n1 K, c/ ~# `% J
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。6 p4 f. I  _% n

9 l# B4 U! j( R: p5 o! [4 ^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。
' {8 p4 g+ D1 W3 W! v6 q, ^5 w" r$ X! A8 ?+ q7 j( ~9 I2 k0 ^  y
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。
1 t& q9 c# B" c$ Z$ ^, B2 W9 ^1 C! K8 n7 v; ~
作者: moletronic    时间: 2022-9-20 09:51
美国在生物科技、量子计算、商用航天和云计算方面勉强领先，但这些领先随时可能被中国翻盘。2025、2030年是关键节点。
0 l+ U' B; N4 t8 ^
这里面，生物感觉短期内很难翻盘啊；商用航天也很难，关键国内好像就没啥市场。米国的商业航天其实也就starlink，还是生造出来的。
作者: 晨枫    时间: 2022-9-20 10:59
moletronic 发表于 2022-9-19 19:51
8 x+ x9 f& s' }" |* v/ a  Z) d这里面，生物感觉短期内很难翻盘啊；商用航天也很难，关键国内好像就没啥市场。米国的商业航天其实也就sta ...

; i+ ~5 ^4 N; m' x" |% b' i为什么说中国生物很难翻盘呢？6 H4 D" C1 c4 v7 T7 ]4 h( ]) a

! B+ p$ d$ `, J0 _3 G! M商用航天不止Starlink，图像卫星也很热门，中国在这方面发展不错。
作者: moletronic    时间: 2022-9-20 11:07
晨枫 发表于 2022-9-19 18:59  n4 U% }: E8 ?. n8 J
为什么说中国生物很难翻盘呢？9 F! R) j+ c( n$ e/ {

+ n% j1 l5 Z: n) g$ I7 S商用航天不止Starlink，图像卫星也很热门，中国在这方面发展不错。 ...
2 F8 P5 b2 K# E6 h
俺在米国认识的老中千老回国的不少，给俺的反馈不咋的，当然俺不是那一行的，只能听他们的。
作者: 晨枫    时间: 2022-9-20 11:18
moletronic 发表于 2022-9-19 21:076 n, S+ W- x4 Z( F- }9 B: |8 I( v. G
俺在米国认识的老中千老回国的不少，给俺的反馈不咋的，当然俺不是那一行的，只能听他们的。 ...
$ n, \% d* C& O- |3 A4 M% S
这事要一分为二地看。回国多，说明国内机会多，上升空间大；另一方面，要是国内已经很强了，反馈就该说国内已经很卷了，回去的人反而也多不起来了。
作者: huma    时间: 2022-9-20 12:56
还是人才，美国还是吸引中国大批的人才，清北留美预备校还是大批的出走，尤其是这次疫情很多我认识的人都已经后悔回去了，准备在出来。
作者: 晨枫    时间: 2022-9-20 13:09
huma 发表于 2022-9-19 22:56
. l# n0 M/ R! s" J  K1 Z; z还是人才，美国还是吸引中国大批的人才，清北留美预备校还是大批的出走，尤其是这次疫情很多我认识的人都已 ...
* L5 U% F+ u6 g" C1 s
然后再后悔又出来了
作者: testjhy    时间: 2022-9-20 15:34
一直在思考人工智能与工业生产的结合，深度学习在工业生产中最大的难关是最初样本获取，目前工业生产很多是多品种，小批量。当你收集到足够的样本的时候，流水线说不定已经转产下一品种了，图形、花色都可能重大变化，当然，你可以慢慢累积成样本库，但企业特别是中小企业是不会有兴趣陪你长时间玩的。我们在考虑根据少量样本，采用瑕疵产生原理生成一批伪样本，目前对质量要求不太高的产品可能有效，但对高质量产品还感觉不太成功，前者比喻开始瑕疵检出率80%，然后几天内提升到90-95%，后者如果一上来就要求95%，大概率要失败。. v2 @, K! ]7 E3 ]0 E" [+ r/ x  c
其实，最好是传统计算机视觉方法与深度学习相结合，前面偏原理分析，但非常繁杂，现在年轻一代都想省事，找一批样品扔进学习平台完事。我这个老古板属于看人挑担不吃力型，没办法。
作者: 晨枫    时间: 2022-9-20 22:17
本帖最后由 晨枫 于 2022-9-20 08:21 编辑
9 Z: J$ W! |# G( |$ Z! e
testjhy 发表于 2022-9-20 01:348 b% Q- B; x( f
一直在思考人工智能与工业生产的结合，深度学习在工业生产中最大的难关是最初样本获取，目前工业生产很多是 ...
4 Y0 ~1 C1 {. q; n
! i# y8 b! [' h, K; P
太对了！
0 R" {- i2 ]/ v: |3 w, ]- y3 I: S
' A; Z2 R2 m3 J) d( k! C3 o8 ?8 g( I: F人工智能现在一根筋搞大数据学习，正是数据问题。用自控术语来说，这是对有历史积累的时不变系统有效，时变系统就抓瞎了。" }1 E, N. g4 U  `; F0 S! {% v
4 o% A( G: X% o
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，不看变化的条件。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。/ Y6 s5 D1 h  O- @* e' E5 b( m: q/ ^

0 \/ `7 Z; i  E- m人工智能还需要在框架上形成演绎能力才好。怎么做到？嘿嘿，我要是知道，还在这里瞎耽误功夫嘛。. S: _5 l8 L+ J0 \
" |# L: _/ \% j0 s
在自控和建模中，也曾经流行过纯数据驱动的黑箱模型。后来发现不行，robustness太差。后来转灰箱了，在具有机理背景的模型结构上，加一个黑箱尾巴，用机理模型解释大部分数据，黑箱尾巴只管“扫尾”，情况就好得多。不过实施也难得多，可以丢给“数据绞肉机”就不管的好处没了一大半。) `; X3 M% D' M
2 b; S+ t+ F/ r3 I; c) c. b3 A
这就回到我一直在想的“复杂性守恒定理”。复杂问题如果存在简单的解决办法，一定是把复杂性隐藏到另一个方向了，最终还是绕不过去的。
作者: 老财迷    时间: 2022-9-20 22:44
“罗尔斯-罗伊斯也在进步，但英国战斗机再也赶上过。”5 Y9 ^9 L7 P. C8 a7 }3 l
少了一个“没”字吧？意思不对了
2 A' ~% V  i$ q1 n, { 罗尔斯-罗伊斯也在进步，但英国战斗机再也没赶上过。
作者: 方恨少    时间: 2022-9-21 02:31
晨枫 发表于 2022-9-20 13:09
4 ?9 e4 P1 `. c% B# L6 ^然后再后悔又出来了

/ [) H- w1 J3 I你们这来来回回出来进去的，我怀疑你们在开车，但是我没有证据
作者: 晨枫    时间: 2022-9-21 02:47
方恨少 发表于 2022-9-20 12:31
% j" |' S( C( j, W; @5 Z! R2 j你们这来来回回出来进去的，我怀疑你们在开车，但是我没有证据
0 H; b/ W4 @5 @, T
开车？开什么车？



欢迎光临 爱吱声 (http://www.aswetalk.net/bbs/) Powered by Discuz! X3.2