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 " }; P8 g5 C' u/ Y1 F
* h7 \( L* y# }6 w  F9 p3 d
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。
3 b- f2 L' ~  q) D1 `6 d  d8 D+ Q5 j- @  K7 W
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。; }4 A0 n9 R# c2 k, z
! L# {. K3 g0 q  m/ i9 x" n
美国的担心是有道理的。3 [* ~, M8 ^; v( F2 J  ]/ N

$ `5 c: B1 x6 U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。' Q0 q8 D) [% u% \

# w7 ^4 b4 _/ Z7 ?7 z% ^$ Y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。
- m" J% b. d; W9 U3 b6 v& @+ U$ H4 ^' T; L
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。
0 P% Q8 O% \8 q. s0 t0 _2 Z6 r& u3 l1 j( z7 U5 `$ l
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。
- r0 c  m  }. q7 \% T
0 ~& U1 v2 h$ b) f1 X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。% a2 G2 L( L1 W8 z% }, s
5 K% k0 s% c8 V+ D2 q% C
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  F& X! V' R1 a
- a5 k9 f: M8 L9 O  C: t8 X2 L  o% b
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 F; ?6 T7 [0 [

; T8 B" O, A# `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。7 h- C0 f( \" L$ ]4 \( H/ X9 c1 A

' G! F2 N7 r: {! Z8 _/ Z0 ?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。
. \9 Z: k7 K  m5 s
& |3 g: l) ?; q8 \! ]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。8 R* G2 ?3 [0 W1 j3 z* u

! ^0 E6 T5 D/ q: Q' X5 Z) k, j  H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。
& l5 l6 M( y/ i: X0 y
* F: S7 ?* ~0 m; d- Z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。8 z5 H/ a" v$ b2 l

% U: b. [+ F7 W$ e" r: r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。+ Y* t$ E) T! E& R$ Y% i

8 @! p# P$ Y* f7 P: ~6 h: x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。4 z4 X' @; C; _& o) c# K

2 T9 {" T0 c; `+ 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。9 A1 E3 c: U7 [# B& ]; E
# H! B! s5 R- `
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。
+ k& ]( O6 D8 X$ W
6 A4 r; |4 K" Q- k  {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。4 x; Y! p; J, Y: ]5 d! K' j3 F

& g( M+ a: ~' w, Q' `/ d7 w
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。
8 Y& l- O& v; p  m3 v  i
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
, J6 c3 |& C( e) ~0 n3 P7 C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 ...

6 h7 m; i& Y9 h8 }% m% p为什么说中国生物很难翻盘呢？
* p& k7 v8 y* o" @( v2 g
$ ~3 [0 H9 m  Q: P- y! L  p' 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。
作者: moletronic    时间: 2022-9-20 11:07
晨枫 发表于 2022-9-19 18:59
6 W# |& [9 p. L为什么说中国生物很难翻盘呢？& X5 [! Y) W3 t/ N; n- j& ?+ v; A
+ E0 N" i3 G- h) A# B7 e
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。 ...
$ c, c1 M# d8 u
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
, c* B) y3 a) f/ ?7 s! X2 ]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。 ...
8 M, z. D% L" A. A
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) j& q9 Y: C8 b/ r8 S3 g5 h+ \4 h
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 ...
( U* ^" x% M8 j  d" C5 m9 C; E" [
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。1 r; x$ U5 e4 @2 B  r8 F" {
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 # [' J, H# z% y" X  [- \% l
testjhy 发表于 2022-9-20 01:348 A, W) |3 L) a8 W; }
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 ...
5 X9 {4 B) @+ }, @
$ z+ ^( T* X5 A* \: S5 l
太对了！
. u! L2 o6 w2 q( ^5 n
) Q2 l- [6 j4 B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。& K$ ^4 S  t3 O# t2 }" u

( |% j6 B$ k& y% _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。  |' m% L1 d! F4 L; O
4 F7 r) `. ]+ `5 d  H* Z
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。
* \4 b# [) m% K2 j2 }9 z/ ]' r/ L. y1 [; g" B7 A
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。. Z( J& `( ]8 a0 R  m5 A" {/ [
; s3 p5 ^/ U- B
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。”8 f4 f$ ]  |1 o- N0 v3 x4 Z  {
少了一个“没”字吧？意思不对了& J# K2 W; p+ J3 t7 e! U; ?. ]8 ^1 i
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
9 U2 @) C7 u. X% V然后再后悔又出来了
! C1 ]' |2 B5 S% F4 [
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( [8 F# V# s, E' u
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
1 u6 B" j+ {  x  ~4 F% P9 t9 Q
开车？开什么车？



欢迎光临 爱吱声 (http://129.226.69.186/bbs/) Powered by Discuz! X3.2