设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1986|回复: 14

[信息技术] 美国会丢失人工智能科技高地吗

[复制链接]

该用户从未签到

 楼主| 发表于 2022-9-20 09:08:01 | 显示全部楼层 |阅读模式
本帖最后由 晨枫 于 2022-9-20 09:40 编辑
1 [9 ]5 t: p. y: c& H% L/ F" J+ S" O& L( H- O( P- W; K( o
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。( d9 C4 [+ ^6 G

$ v+ g3 G  i' L- N8 `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。- s0 e& O3 A; j3 ?8 [% q* m3 B/ u

# ?5 ^7 d( v; p3 l% ^+ X8 [美国的担心是有道理的。# r3 h; y& \2 ]* q; _/ y
2 `$ `4 P1 U, k  @$ R
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。
6 C! |, O& A5 b
" u. M. X% }9 K4 q) @. x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。
/ S8 O3 V" g% Y' w: A$ d1 y; S# h/ ]; o7 \* a
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。( t6 e+ a) D" A) F% ?5 }/ L

4 _/ o# H" L$ C& G7 o. h$ ^$ d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。
! D& D  p9 D1 e1 r( D. I( y, b1 a" e$ f1 M) I, }- C, y
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。$ E# n  V3 Z  E& H5 t; x  T* H+ g
. }; o% P) c8 x' S" P  F3 G
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。: e, x) S: D, Z' E3 I  l# ?# ?3 B1 ~
$ v% N6 b: e+ o- \, ?( O
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 |9 M) ]& O& K. I( `

) d5 X3 D  m) m; P3 |' ?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。
$ s" h# F; ^, Z7 r0 v
6 a/ z* q% C1 U6 A2 [& p+ a' ]& 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。) j2 O& j/ N( M1 L
7 \: H+ R% f  n( w6 X
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。0 s3 @4 D. @1 p9 j6 ^7 I$ @
* F/ q& C+ |7 k  _9 N6 v5 Z
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。
2 _6 |8 o% B& r/ r) }
! h+ }# ]" _, i# w& [( }, f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。
* Q# g8 h4 S% H) ]$ y
7 c3 q8 O: W  w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。
  q% h# `2 d+ t# M& O/ g# k' H& V9 u+ o; f8 ]% q% z$ N8 {
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。
, s7 E7 o; y+ `/ A( }( n! }0 C8 ?3 r: j; K. Y( Y( ]! R! ^
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。$ i* k' F6 ^2 t% f

3 X' x+ W9 R9 A( q: o6 k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。
3 B4 l% R- O9 h2 ]! w( I0 y. h6 j+ u! ]/ n' H
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。& p6 }7 ?" A0 _7 h8 @# W, l

. A; G% `+ I9 n* ^. K

评分

参与人数 3爱元 +26 收起 理由
landlord + 12 谢谢!有你,爱坛更精彩
MacArthur + 4
testjhy + 10

查看全部评分

本帖被以下淘专辑推荐:

  • TA的每日心情
    开心
    2023-2-8 04:51
  • 签到天数: 1811 天

    [LV.Master]无

    发表于 2022-9-20 09:51:16 | 显示全部楼层
    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。
    / E7 ~5 q: ^( ^+ `6 A& M
    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。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

     楼主| 发表于 2022-9-20 10:59:16 | 显示全部楼层
    moletronic 发表于 2022-9-19 19:51) l0 W: S2 Q+ T
    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 ...
    4 X8 W6 |# p. c6 f0 s& {
    为什么说中国生物很难翻盘呢?
    ! C6 e' |6 O: ]/ w- p: A6 T) @' K" e+ D
    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。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    2023-2-8 04:51
  • 签到天数: 1811 天

    [LV.Master]无

    发表于 2022-9-20 11:07:26 | 显示全部楼层
    晨枫 发表于 2022-9-19 18:59
    . {/ t+ T; C8 F1 P3 e0 S" U* D为什么说中国生物很难翻盘呢?0 x; K* U# C6 `" e* B$ Q& b
    # b+ r$ \/ Q% P- N
    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。 ...

    9 z& T. A- s0 b7 V8 u* `& W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。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

     楼主| 发表于 2022-9-20 11:18:24 | 显示全部楼层
    moletronic 发表于 2022-9-19 21:07+ v8 D5 f+ y( r* @' d: z
    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。 ...
    : b2 w2 M8 I7 X/ \9 X- S1 G  e! 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。

    点评

    油墨: 5.0 油菜: 0.0
    给力: 5.0
    油墨: 5 油菜: 0 给力: 5
      发表于 2022-9-20 12:14
    回复 支持 1 反对 0

    使用道具 举报

  • TA的每日心情
    郁闷
    2024-3-20 11:55
  • 签到天数: 2152 天

    [LV.Master]无

    发表于 2022-9-20 12:56:21 | 显示全部楼层
    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。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

     楼主| 发表于 2022-9-20 13:09:49 | 显示全部楼层
    huma 发表于 2022-9-19 22:56
    4 U/ X4 S' |# ~- D1 r8 W* S# Y# f8 Q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 ...

      Q8 f6 Y4 I2 K; F- e/ V然后再后悔又出来了
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    慵懒
    17 小时前
  • 签到天数: 2539 天

    [LV.Master]无

    发表于 2022-9-20 15:34:02 | 显示全部楼层
    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。0 F- S$ @2 P( w1 z: P
    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。

    点评

    给力: 5.0 涨姿势: 5.0
    涨姿势: 5
      发表于 2022-9-21 04:59
    给力: 5 涨姿势: 5
    有道理!  发表于 2022-9-20 23:26
    回复 支持 1 反对 0

    使用道具 举报

    该用户从未签到

     楼主| 发表于 2022-9-20 22:17:19 | 显示全部楼层
    本帖最后由 晨枫 于 2022-9-20 08:21 编辑
    6 {9 d1 R. N2 x+ h7 m* n
    testjhy 发表于 2022-9-20 01:34
    ) [, I4 X3 Q& S0 [- z5 K- N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 ...
    * D0 ]' ?+ W0 E3 _  p8 x
    ( i) d/ y! u: U' @: [
    太对了!; O3 }" x8 I' X" t; E& J' L
    $ J8 ?/ E0 u- s9 e* q
    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 d/ p# ~; |- a! B4 l9 N: `' L- e6 v7 U. l" j, I
    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。
    8 `  }; _+ S7 `3 ^! Q
    % }! P# A2 E( c" l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。
    % [8 u9 q6 A1 h6 j. `8 n, c9 `8 H9 I6 {* Y( N8 X- g. f
    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。
    ! [1 ~: E% Y+ t2 f5 v8 I7 _. ^* E7 I6 o
    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。
    回复 支持 1 反对 0

    使用道具 举报

  • TA的每日心情
    慵懒
    2022-8-27 22:14
  • 签到天数: 351 天

    [LV.8]合体

    发表于 2022-9-20 22:44:25 | 显示全部楼层
    “罗尔斯-罗伊斯也在进步,但英国战斗机再也赶上过。”
    " D( I- v$ w! A) p. Y' [少了一个“没”字吧?意思不对了1 s4 Q+ i% ?: H5 v! A% i2 v. d$ N  X$ M
    罗尔斯-罗伊斯也在进步,但英国战斗机再也赶上过。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    14 小时前
  • 签到天数: 2225 天

    [LV.Master]无

    发表于 2022-9-21 02:31:21 | 显示全部楼层
    晨枫 发表于 2022-9-20 13:09
    4 M4 E9 P$ Y4 T1 k2 w. X0 T然后再后悔又出来了

    : J! ~+ _) g/ S- G1 m; O$ `: 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
    回复 支持 反对

    使用道具 举报

    该用户从未签到

     楼主| 发表于 2022-9-21 02:47:17 | 显示全部楼层
    方恨少 发表于 2022-9-20 12:315 V8 n/ X8 |" h+ V1 g) H" T. Q4 Q
    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
    8 @1 v4 |( K) I6 Q7 }
    开车?开什么车?
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2024-3-28 23:56 , Processed in 0.041883 second(s), 21 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表