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
+ d) K2 N- z  b; P; T
6 V( \7 A* @+ r; O4 n& ~1 C2021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。- G6 t! R9 U- V2 _7 w
0 _' p3 f. Y% n4 |7 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 m8 P( Y% }& h2 Q3 M5 K; y+ G; |8 q7 W/ `
美国的担心是有道理的。
% U; Q0 w" [% a4 T; P# ]* f" @/ q; f1 W. c
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。9 p) [4 M3 V; G5 g; a9 |

# W  E3 G+ k% H1 y. i3 E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。
) w3 L9 A2 U/ L( o4 q" i# K* I( Z$ S8 H# T$ F2 V; f6 Y
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。! P$ B5 G1 ^! ]1 u0 p

4 u  E+ o  e4 V1 }. [! Z+ `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。
# W0 B" R# A9 H( o$ C
/ W) @- f* `7 Y( c6 O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。
. c% `% d) d7 i% H$ g7 }) e) R
1 z6 W7 N8 E4 g6 y+ o  A* H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。- ], M$ E2 G9 X7 ]9 W7 ~2 d4 [
: v& Z8 ~) H7 t: ^, Z; l
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。6 V0 J, B& u( D; W3 I8 i8 n9 }4 Z) H

' ~% T7 b5 c8 V- S2 `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。% [! r) x' k' S6 |* a

3 p2 F" f3 I7 c/ q2 j$ p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 z& e# Z1 o( P1 U+ B$ x% r

1 \4 [1 X# z2 d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。! _. e- A# B& t( i

& m  I! }9 J* F+ t! m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。
5 R( N3 I) u8 [, s
  q( i! e& [5 C0 x. ?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。+ X. G) ~) t3 C7 s

  y/ q9 c1 o5 x$ 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。! P9 N8 G1 O8 ]
8 r/ D& \" |" A' S: c, T2 |
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。' g; q3 x4 e/ H$ C
" V! ~! v! C% q7 s
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。
2 E5 ?: d0 B6 F$ u1 j* _+ Y
6 Z3 U1 {( P4 u3 \3 G9 r1 H! f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 h4 T, G6 j, b% z4 R
- j& C% O0 z5 F& Y& s; |" O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。
' Y( @( ]- k7 y6 g6 N6 g9 k. s5 }' @- V1 x, L3 S- M
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。
+ k: v9 M% i% S: A( K( K
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
6 k' u) V, M4 U$ X7 m" f# ]7 j4 g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, r5 P. G6 d/ ~) l' H
为什么说中国生物很难翻盘呢？! G5 K8 h$ t" O% w
7 J2 ~. z2 z% @- X6 P% C& W- ]
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: w8 z  s3 k4 d9 B5 C2 \
为什么说中国生物很难翻盘呢？; [1 {6 l% p' Y0 m8 I

( Z+ y) B1 L9 c# e8 R% ]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。 ...

$ S  @3 Z; [- M( `6 f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 21:07
; q$ P1 ]' D9 W% V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。 ...

6 o! B( M. O7 ?0 }: r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
& F! M) a, I/ H1 G$ x3 u* g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 ...

! b  R* ]0 A" a- o( n! _$ K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。
6 f0 x, Q) u1 K( S6 t) O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
- X. ]3 q* c9 t
testjhy 发表于 2022-9-20 01:34! e" p/ ~9 M  P) i
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 ...

# t# }" L% g3 m
2 B0 h5 u3 O: D1 i6 T太对了！  A* b4 d- p4 C
- G. L  u/ k8 z5 W% o& O# ~4 }: Y' U
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。
6 W" M! k3 N  b( O; |: C
9 J' O( @: d) |; n; @) R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。$ o& m* w5 S0 y/ V/ {& ^

- M+ E5 P2 [" A/ u% W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。
& s7 O4 H* p  v$ b) s6 S
8 k# Y& L# P7 Y  j& o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。: X" t% ?! X1 v! c# S! b
/ W$ U/ P1 b; |2 R% _& L+ m
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。”
' s4 `4 J/ J7 x* R7 x* \: ~少了一个“没”字吧？意思不对了' A4 [7 F4 F% T+ Q: r0 B1 P+ K
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/ ]8 S% b/ s0 D* @
然后再后悔又出来了

( P7 [# s- U  J( q8 T/ d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
2 ~( W1 `7 U4 m8 S) i/ P4 I5 }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

7 b; e5 k1 O4 V- u9 U' e开车？开什么车？



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