设为首页收藏本站

爱吱声

用户名  找回密码
 注册
帖子
查看: 3158|回复: 14
打印 上一主题 下一主题

[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

跳转到指定楼层
楼主
 楼主| 发表于 2022-9-20 09:08:01 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 晨枫 于 2022-9-20 09:40 编辑
1 W* U5 f8 \9 Q/ T
# a5 e/ T' k% E- ]8 v' i2021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。
" d$ k* O. F% i, ]" x8 `
8 R& J% F: G! O8 [7 |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。
* r' |: A+ x+ c9 h6 n0 \' ^
" L8 b1 k5 C( k美国的担心是有道理的。
& J0 y5 |, @3 i6 \% Q& m2 B# R8 M+ P# j5 ?  d% G9 G
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。
# }8 n9 D$ P/ [1 h$ a
" p. ?5 m" l3 i  s/ E: `+ Y7 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。: T; r9 S: \4 v; q8 g/ |
0 o, e% P9 n" d* f8 |
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。
+ e" Z5 p/ g. m% m* r& ^1 @3 X( W" @2 F( ]$ f
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。; K( n" t5 r/ O+ @8 V( [

' G) r7 T( v5 m3 ^6 w1 I9 m7 h3 C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。
4 }- Q6 y; d# @8 b& w; I- F, d- `. Z2 i' ^! l1 A
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。1 i& U# \: @: M4 ^7 r8 K: ?8 \) w; Y

! S8 W+ Y- c4 i- \( K8 W& c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 y) u) [/ m0 ~1 i+ b
0 R* v0 ~- ]7 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。* d% V3 I) V% u1 H; F% M- I
3 O/ ?* B: s& ^  ]# C$ ]) _
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。/ b; m" X2 _$ F  ~
  c. e: {! n4 Q, Y
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。; N  v  X9 W  D3 E5 c* J1 p0 [

! a# \' V" ]. d* x# ]3 l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 Z# @9 D, w. U- q0 N1 w
. G% }# p6 K7 R7 [% v$ C. ~4 v
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。5 b& J5 c0 h2 w
& N0 ~& A3 G$ s8 w% B- \' q8 j' k, D
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。6 w/ s' G9 a9 S0 [$ Y7 o
$ S& j: X" R& X2 k7 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。, }  B( u; P" @' ]  ?) F/ t
  Q$ [3 D7 D) Q, ^2 ]
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。
5 q) `0 _* {8 `5 v$ C: H6 g1 u; F' g+ t, P& z
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。! l' m, e: u/ O6 M2 V
" V# d$ c0 Q8 i) H2 E& r5 N  N3 t, z
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。
& @+ t2 P: u; t. x& H8 g7 S2 u  D, O
# i4 M6 T* ]1 u; ?: N' v$ {

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

    沙发
    发表于 2022-9-20 09:51:16 | 只看该作者
    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。

    4 s% j  R+ u. N: x- [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

    板凳
     楼主| 发表于 2022-9-20 10:59:16 | 只看该作者
    moletronic 发表于 2022-9-19 19:51
    4 s$ S8 J9 t6 x$ j2 z" U5 m" u* 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sta ...

    ; i7 Y( \9 {1 p0 L+ y! G为什么说中国生物很难翻盘呢?
    , u- {  e( U/ `7 Q6 t6 d6 v3 k3 ~% ~9 T4 P% k+ |( y
    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

    地板
    发表于 2022-9-20 11:07:26 | 只看该作者
    晨枫 发表于 2022-9-19 18:59+ ~5 q. ]! `) g! i9 X# {5 H# y
    为什么说中国生物很难翻盘呢?" V3 p6 |/ d6 _1 s
    / N: ^2 o) p" a" M, v% x& @( J
    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。 ...

    ! [4 H$ P4 J# l' n, x6 ^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

    5#
     楼主| 发表于 2022-9-20 11:18:24 | 只看该作者
    moletronic 发表于 2022-9-19 21:07
    ; y0 s# ^; `/ A% Z/ h  g& n: S) 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。 ...

      b  ~5 k! s5 ]+ H- `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
    2024-11-9 11:44
  • 签到天数: 2166 天

    [LV.Master]无

    6#
    发表于 2022-9-20 12:56:21 | 只看该作者
    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

    7#
     楼主| 发表于 2022-9-20 13:09:49 | 只看该作者
    huma 发表于 2022-9-19 22:56
    6 l% a& N9 d+ C! O4 _7 @2 k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 ...

      a0 u" i& N: f7 }  w# R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
    开心
    10 小时前
  • 签到天数: 2996 天

    [LV.Master]无

    8#
    发表于 2022-9-20 15:34:02 | 只看该作者
    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。
    - z) L& x, O& @) [; Z: T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

    9#
     楼主| 发表于 2022-9-20 22:17:19 | 只看该作者
    本帖最后由 晨枫 于 2022-9-20 08:21 编辑
    ! {' p, [4 v" o
    testjhy 发表于 2022-9-20 01:348 w, ~- H( A8 j  M
    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 ...

    % D! N6 Z( v) P8 h
    9 _5 k: E  y& X" }4 i/ W太对了!3 m1 P0 ~) c( h3 ~
    - o  o8 A1 f% }0 E/ G
    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。
    ' v9 X+ {8 D  f* m& V( ]$ L' x. H" N, {6 h# y/ H4 X( D4 |4 t! M
    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。7 I4 `$ ~& e2 N, O
    1 [, u! ^) t* A4 F* `. 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。
    # P3 t4 B* B. F5 M  i
    ) e6 I' B5 c- k9 G& a' y6 f7 k6 g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。* E( b' d* o* U/ {3 o, \- r
    ' P3 D! w1 B  E# ]$ a; E' L
    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

    10#
    发表于 2022-9-20 22:44:25 | 只看该作者
    “罗尔斯-罗伊斯也在进步,但英国战斗机再也赶上过。”
    % l' [1 @3 n( M8 V8 A5 x/ D+ ~少了一个“没”字吧?意思不对了) w, `# ]: b% c
    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
    11 小时前
  • 签到天数: 2678 天

    [LV.Master]无

    11#
    发表于 2022-9-21 02:31:21 | 只看该作者
    晨枫 发表于 2022-9-20 13:09+ [% F# K+ @" `6 _' Y
    然后再后悔又出来了
    " b/ y  V' ~6 }* n( Y
    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

    12#
     楼主| 发表于 2022-9-21 02:47:17 | 只看该作者
    方恨少 发表于 2022-9-20 12:311 j: @0 Y' w- h, e/ L# d: v: f6 R2 t
    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
    : _5 V7 b; K& K: e3 Z
    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, 2025-8-1 16:58 , Processed in 0.059127 second(s), 20 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表