事关人类存亡的14大工程难题,要靠 AI 来搞定了

2019-05-10来源: pingwest中文网关键字:AI  谷歌  神经网络

在 Google I/O 2019 上,除了面向消费者的功能改进和开发者的工具革新,Google 将大会的一个重点也放在了如何用 AI 解决人类面临的棘手难题上。

美国工程界的最高学术团体美国国家工程院 (National Academy of Engineering) 于2008年发布了21世纪人类面临的十四大工程挑战。而 Google 的科研领袖 Jeff Dean 告诉硅星人,他所领导的 Google AI 正在着手解决这些挑战。

如果这些挑战背后的难题不得到一定程度的缓解,很可能意味着人类将无法健康地延续到22世纪。这些难题在世界各地有所体现,也面向各行各业,但是 Google AI 都在用自己擅长的手段去尝试攻克它们(或者贡献一份力量)。

NAE 一共列出14条工程挑战,标红的是 Google AI 正在参与解决的 图/Jeff Dean

毫无疑问,Google AI 擅长的,正是深度学习。

为什么深度学习可以用于解决能源、交通、诊断、医药、安全等等诸多方面的问题,成为泛用的科学探索工具?

Jeff Dean 认为,这是因为深度学习可以从原始、异构、携带噪音的数据开始学习,即便开发者不具备特别领域知识,也可以开发出达到甚至超过领域内最高水平的神经网络。

而且,机器学习技术日新月异,现在每天发到 ArXiv 上的论文就有90篇;深度学习的技巧也层出不穷,使得神经网络能够掌握越来越多过去公认只有人类才能掌握的复杂能力。

现在,人类不得不应对重大的工程挑战,并寻求在本世纪内解决他们。Jeff Dean 认为,深度学习可以成为很好的工具。

维护和改进城市基础设施 Restore & Improve Urban Infrastructure

交通是城市基础设施的重要部分,也是随着人口增长和城市化加剧面临压力最大的领域之一。社会在变化,而道路通常是一成不变的。因此,交通在21世纪工程难题里尤为显著。

Google 采取的切入角度是提高道路交通安全和效率,而除了开车放下手机之外,最有效的方法可能就是自动驾驶。

Waymo 自动驾驶汽车从研发到今天已经将近10年,截至去年已经累计行驶800万英里,并且在全球所有自动驾驶试验者当中取得了最低的事故率。

Jeff Dean 指出,深度学习是 Google/Waymo 取得这一成就的功臣,让自动驾驶系统可以整合并学习来自不同传感器的原始数据,绘制高精度地图,“看懂”周围的车辆、行人和障碍物都在哪里,甚至可以预测其他道路参与者的行进方向,辅助自动驾驶汽车做出决策。

他介绍,现在 Waymo 在亚利桑那州已经有超过100辆测试自动驾驶汽车,可以在没有安全驾驶员的条件下载客前往目的地。许多业内人士都认为,理论上如动驾驶汽车占一个地区总车辆的比例越高,地区的事故率越小、交通效率将越高。

除了自动驾驶之外,机器学习也可以通过其它方式提高交通效率。比如在摩托车流行的东南亚国家和地区,Google 在地图导航加入了“两轮模式”,让系统能够汇总多元的数据来源,为摩托车驾驶者推荐捷径、小道,从而避免高峰拥堵。

用深度学习带来医疗信息革命 Advance Health Informatics

作为糖尿病的并发症之一,糖尿病视网膜病变 (Diabetic Retinopathy, DR) 侵蚀着患者,一般患病10年才开始出现病变,导致失明。这一病症实际上可预防,有经验的眼科医师往往能通过视网膜眼底扫描观察到先兆。然而,以印度为例,全国存在大约 12 万名眼科医师的缺口,DR 患者往往无医可投,导致大量人口失去视力。

Google AI(原 Google Research)的研究员莉莉·彭博士带领团队,基于卷积神经网络搭建,利用眼科专家标记好的扫描图作为训练数据,最终得到了一个 DR 预估模型。

此前,硅星人/PingWest品玩曾采访报道过这项技术。当时,该模型在发现症状的敏感度 (98.8) 和判断症状的准确性 (99.3) 上,都比人的得分要高(在统计学上这个得分叫做 F-score,普通眼科医生的分数是 0.91,模型 0.95)。

好消息是,Jeff Dean 告诉我们,经过两年的发展,现在新模型更进一步,得分和专门的视网膜眼底医师持平。

这还没完,该项技术的潜力远不止诊断 DR。Jeff Dean 透露,莉莉·彭的团队在这个模型上取得了更卓越的科学成就。正是因为深度学习的泛用型强,现在他们可以用同样的眼底扫描图像,来预测性别、年龄、血压、骨龄以及其他病症的发病几率,并且准确度极高。

这在医疗信息学上是重大的突破,因为它能够补充因为医疗条件限制未能获取的关键信息。最短期和直接的效果就是为眼科医生的诊断和治疗推荐提供更多可参考的数据,长期来看还能提前预测和诊断更多病症(比如心血管疾病)。尽管这并非专业的诊断,但仍足以提前 5 年甚至 10 年,拯救现在的普通人,未来的患者。

通用 AI:打造科学突破的工具 Engineer the tools for Scientific Discovery

以青霉素和X光为例,许多知名的科学突破都存在一定的偶然性。即便如此,人们也一直没有停止试图发现让科学突破持续发生的“永动机”。

Jeff Dean 指出,在更强大计算力的加持下,深度学习可以更方便地投入到更多领域当中。因此,深度学习有成为这样工具的潜力。因为正如前述,深度学习的技巧层出不穷,让神经网络掌握越来越多过去公认只有人类才能掌握的复杂能力。

以 TensorFlow 为代表,这一由 Google 主导并开源的深度学习项目,现在正在被农业种植养殖、工业生产、互联网、医疗金融等多个行业使用,在三大产业中持续促成效率进步。一个例子在欧洲的一座农场,农场主运用了 TensorFlow 搭建养殖监控技术,通过摄像头、动作捕捉等传感器时刻追踪和分析牲畜的健康状况和运动轨迹,显著提高了出栏率。

至于科学突破,前述的视网膜眼底扫描也可以作为一个例子。

前年,Google 宣布了神经架构搜索 (NAS)/AutoML 技术,可以比喻为“用神经网络设计和训练神经网络”,在包括图像识别在内的一些领域超过了手调神经网络的效果。

但是现在,Google AI 已经不满足于已经取得的成就。Jeff Dean 说,他们正在思考一种全新的神经网络形式:一个巨大的、稀疏激活的模型 (a large model, but sparsely activated)。

这种新的神经网络,具备的参数之多,和现有神经网络相比可能是几何级的。但是,当它处理不同任务时,只需要激活少数路径上的节点,并不需要全部激活。这样设计的目的,是让一个神经网络能够执行多种不同的任务——少则数百,多则上百万种,以此显著降低神经网络设计、搭建和训练的计算量和耗时,实现更强的通用性。

Jeff Dean 向硅星人表示,他所描绘的这个新神经网络,确实和人们曾经热议但认为短期内不会实现的“通用人工智能”(general AI) 些许相似。但是他强调,Google AI 的主张是即便在这个新的巨大且稀疏激活的网络内,训练仍然是自我监督的。

2017年,他和几位同事(包括 Geoff Hinton、Quoc Le等 Google AI 顶级学者)以及外部研究伙伴共同提交了这一方向的首篇论文,名为《Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer》,呈现了一个超过1370亿参数,拥有数千个子网络的巨大神经网络架构,在语言建模、机器翻译等场景下,用更少的计算量实现了对当前最高水平神经网络的超越。

Jeff Dean 展示了 Google AI 对于这一技术的未来构想:除了优化网络结构之外,Google 可能还将开发新的、面向该网络结构优化的机器学习超级计算机(就像他们为 TensorFlow 设计了 TPU 那样。)届时,新的计算范式将为 Google AI 解决21世纪伟大工程挑战带来更多帮助。

“深度学习正在帮助我们挑战很多重大的难题,它会在科学突破和人类发展的许多领域做出巨大贡献。”Jeff Dean 表示。


关键字:AI  谷歌  神经网络

编辑:鲁迪 引用地址:http://news.eeworld.com.cn/afdz/ic461325.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:AI只跟科技巨头有关?小公司如何在AI时代竞争?
下一篇:最后一页

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

自然语言和三维姿态模型结合,AI研究者将文字转成肢体语音

卡内基梅隆大学(Carnegie Mellon University)的人工智能研究人员发明了一种人工智能代理,能够将文字转化成身体动作。这种方法被称为Joint Language-to-Pose,或JL2P,它将自然语言与三维姿态模型相结合。JL2P动画目前仅限于简笔画,但将文字翻译成类似人类动作的能力有朝一日可以帮助类人机器人在现实世界中执行物理任务,或帮助创意人员为视频游戏或电影等制作虚拟人物动画。JL2P能够做一些比如走路或跑步,演奏乐器(如吉他或小提琴),遵循方向指示(左或右),或控制速度(快或慢)的动作。这项研究最初发布于arXiv.org上的一篇论文,并且将于9月19日在魁北克举行的3D视觉国际会议上由CMU语言技术研
发表于 2019-09-14
自然语言和三维姿态模型结合,AI研究者将文字转成肢体语音

联发科致力于产业人才养成,首向大众公开AI开发平台

联发科今(12)日宣布,将最新研发的终端AI开发平台「NeuroPilot」通过「2019 NASA黑客松」竞赛活动首度向社会大众公开,该平台单芯片(SoC)整合效能领先业界的AI处理器(APU),并结合完整AI开发工具,可供参赛者运用最新AI技术,从NASA提供的数据中寻找解决方案。联发科近年来致力耕耘产业人才养成,日前捐赠30套AI开发平台软硬体予台半导体研究中心(TSRI),此次再度为强化台湾人工智能( AI) 终端人才,提供NeuroPilot平台课程给参赛选手,并将赞助20套最新终端AI开发平台软硬体给优秀的提案团队,更加码提供决赛奖金6万元新台币给3组运用AI平台的获胜队伍。资深副总暨技术长周渔君表示,联发科
发表于 2019-09-14

英伟达全球副总裁潘迪:AI渗透率不足,进入企业是关键

在第二届全球IC企业家大会暨第十七届中国国际半导体博览会(IC China 2019)上,英伟达全球副总裁潘迪先生对于AI的发展发表了自己的见解。他强调,虽然AI这个话题已经谈了很久,但是整个市场潜力不到一位数,传统企业AI渗透率也不到3%或者4%。因此,发展AI需要更多方面的支持和“拥抱”。  AI和半导体都是50年代的产物,多年来,它们各自发展,互不干扰。但是,加速计算技术让它们走到了一起。新的计算模式,使得AI在改变半导体,半导体在改变AI。而作为图像巨头的英伟达也在大力开发AI技术。 现在的人工智能软件正在变得越来越复杂,经历语音识别、语言建模、从文本到语音转换和语音编码器的过程,一旦整体实现
发表于 2019-09-12
英伟达全球副总裁潘迪:AI渗透率不足,进入企业是关键

AI语音识别和分析的感知技术是如何获得的?

语音识别的终极梦想是真正理解人类语言,甚至是语言环境。然而,几十年来,人们一直没有一个有效的策略来创建这样一个系统,直到人工智能技术的爆发。人工智能语音识别和分析,感知技术是如何获取?多年来,了解人类一直是人工智能较重要的任务之一。相信很多朋友都希望智能语音不仅希望机器理解他们所说的话,而且希望他们理解他们所说的话,并根据这些信息采取特定的行动。这个目标是对话人工智能的本质。对话人工智能包括两大类:智能系统和人机界面。在人机界面中,人机经常通过语音或文本进行交互。此时,机器将了解人类(虽然理解方式有限),并采取相应的措施。为了理解对话人工智能背后的挑战和技术,我们必须研究人工智能的基本概念:机器感知和机器识别。机器感知是指机器通过感
发表于 2019-09-12
AI语音识别和分析的感知技术是如何获得的?

AI技术在家电行业中的发展将如何?

事实上,AI技术在家电产业的应用已经落地,并为之赋能。一方面,主流家电厂商对AI技术的应用已经覆盖全产业链;另一方面,AI智能家电更加注重场景化应用。随着AI技术发展,智能硬件技术与家电结合的迭代设计以及5G带来的物联网环境,家电智能化发展将提速。中国家用电器产业生产规模居世界首位,是我国具有较强国际竞争力的产业之一。当前,受宏观经济影响,企业普遍感到较大的经营压力。《2019年中国家电行业半年度报告》显示,今年上半年,国内家电市场零售额为4125亿元,同比下降2.1%。面对下滑的市场数据和来自数字化的挑战,抓住智能化转型机遇对家电企业而言至关重要。主流家电企业正努力利用AI等智能技术,赋能传统家电制造、销售、研发、供应链
发表于 2019-09-12
AI技术在家电行业中的发展将如何?

康佳从智慧屏向智慧产业迈进,产品实现更广阔的应用

随着AI技术和家电产业的融合,智慧屏概念应运而生。随着智慧屏电视产品的问世,这一品类引爆了行业对电视未来的探讨。实际上,对于智慧屏和智慧产业,行业内一直在探索。早在今年4月就推出全新APHAEA-A3的康佳,不仅用量产上市的产品解释着何为智慧的未来电视,而且还开辟了空间更为广阔的智慧家庭、智慧酒店、智慧社区等一大片蓝海市场。 朝着更高更远大的目标转型升级的康佳,正用它的眼光和见识开启新一轮针对彩电行业的变革,迎接智慧产业时代。技术康佳总是走在时代前列随着“智慧屏”这个热门词被深入解读,智慧屏所主张的产品变革和让大屏成为家庭情感中心的理念,逐渐得到市场认可。但其实这种改变,并非因为智慧屏的到来才开始。在此之前,彩电
发表于 2019-09-12
康佳从智慧屏向智慧产业迈进,产品实现更广阔的应用

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved