導(dǎo)  讀

一邊,騰訊 AI Lab通過自研AI工具揭示了“禿頭元兇”;另一邊,AI攝像頭在足球賽中將邊裁的光頭錯認為足球,觀眾看了個寂寞。AI你到底行不行?

今年9月,百度宣布與人民日報社合作共建人工智能媒體實驗室,具體來講就是利用人工智能技術(shù)對新聞素材進行自動解讀、加工與糾錯,確定需要展示的關(guān)鍵信息。在此之前,微軟就已經(jīng)開始將新聞業(yè)務(wù)轉(zhuǎn)向AI,并鼓勵新聞工作者使用AI幫助其掃描、處理、過濾信息以及圖片,并終止了與媒體公司PA Media的合作。

“AI編輯部”的報道一出,各位媒體圈的打工人也是心里一顫,我們每天編輯著“人工智能如何取代人工”的新聞,難道也要發(fā)生在自己身上了?

近年,人工智能對人類最明目張膽的“挑釁”當(dāng)屬AlphaGo先后擊敗圍棋世界冠軍、職業(yè)九段棋手李世石與世界圍棋冠軍柯潔。一戰(zhàn)成名后,AI便昂首闊步地進入了大眾視野。

目前,AI在toB產(chǎn)業(yè)端與toC消費端兩面開花,取得了不俗的成績,但“機器大腦”終究還是受制于數(shù)據(jù)、編程,無法自主思考,導(dǎo)致其在復(fù)雜多變的實際生產(chǎn)、生活場景中并不具備隨機應(yīng)變的能力,也引發(fā)了不少令人啼笑皆的“事故”。

「真」智能VS「假」聰明

早在AlphaGo之前,人們就已經(jīng)開始在各行各業(yè)中探索人工智能技術(shù)的產(chǎn)業(yè)應(yīng)用了,通信技術(shù)、物聯(lián)網(wǎng)等技術(shù)的發(fā)展更是滋潤了AI的落地土壤,使其在商業(yè)化落地的淬煉中不斷迭代升級,發(fā)揮其超強的數(shù)據(jù)學(xué)習(xí)能力與分析能力,為產(chǎn)業(yè)智能化轉(zhuǎn)型提供了堅實的技術(shù)保障。

近日,“騰訊AI找到禿頭元兇”的消息頻頻出現(xiàn)在各大科技媒體的頭條——騰訊 AI Lab 采用“從頭折疊”的蛋白質(zhì)結(jié)構(gòu)預(yù)測方法幫助解析了II型5a還原酶(SRD5A2)晶體結(jié)構(gòu),并通過自研AI工具“ tFold”有效提升了蛋白質(zhì)結(jié)構(gòu)預(yù)測精度,揭示了治療脫發(fā)和前列腺增生的藥物分子“非那雄胺”對于該酶的抑制機制。

非醫(yī)學(xué)專業(yè)的禿頭黨可能是一頭霧水。首先,我們要搞明白為什么會脫發(fā)。脫發(fā)起因復(fù)雜,主要有感染、內(nèi)分泌障礙、神經(jīng)精神因素、皮膚病等,其中雄激素性脫發(fā)主要與人體內(nèi)的二氫睪酮有關(guān),它由SRD5A2催化合成。因此,當(dāng)患者因為二氫睪酮水平過高而出現(xiàn)脫發(fā)問題時,可以通過抑制 SRD5A2 來降低患者二氫睪酮水平。

但是,SRD5A2的高分辨率結(jié)構(gòu)信息卻十分缺乏,導(dǎo)致SRD5A2催化二氫睪酮合成的機理以及非那雄胺抑制SRD5A2 酶活的機制并不清晰�！澳０褰��！笔钱�(dāng)前最普遍的蛋白結(jié)構(gòu)預(yù)測手段,但前提是在人類已知的蛋白結(jié)構(gòu)數(shù)據(jù)庫當(dāng)中,必須存在和預(yù)測的蛋白相似的結(jié)構(gòu),否則就無法使用。而“從頭折疊”法則可以不依賴于模板來預(yù)測蛋白結(jié)構(gòu),但精度不高。騰訊 AI Lab 自研的 AI工具“tFold” 正是破解這一難題的關(guān)鍵,它通過多數(shù)據(jù)來源融合、深度交叉注意力殘差網(wǎng)絡(luò)、模板輔助自由建模三項創(chuàng)新技術(shù)實現(xiàn)了蛋白結(jié)構(gòu)預(yù)測精度的大幅提升。

此外,AI在工業(yè)制造、安防、教育等領(lǐng)域也有不俗的表現(xiàn)——“AI 工業(yè)大腦”實現(xiàn)工廠內(nèi)的人機協(xié)同、柔性生產(chǎn);AI監(jiān)控攝像頭通過捕捉徘徊、長時間逗留等可疑行為預(yù)警事故;AI+云平臺實現(xiàn)教育資源共享、AI+大數(shù)據(jù)分析為學(xué)生提供個性化教學(xué)、AI+MR為學(xué)生提供身臨其境的教學(xué)環(huán)境……

面向消費端,AI實時翻譯在今年的雙11直播中大放異彩,目前支持從中文到英語、俄語、西班牙語的實時翻譯;微博原創(chuàng)視頻博主@大谷Spitzer利用AI技術(shù)將1920年的影像資料重新上色、修復(fù)幀率、擴大分辨率,還原了100年前北京晚清的街景……

得益于AI遠強于人類的數(shù)據(jù)學(xué)習(xí)能力與分析能力,解決了工業(yè)制造、教育、醫(yī)療等領(lǐng)域的諸多痛點,然而,成也蕭何敗蕭何,在工業(yè)制造、安防等領(lǐng)域表現(xiàn)優(yōu)異的AI卻在足球場上鬧了笑話。

近日,在一場蘇格蘭足球冠軍聯(lián)賽中,主場球隊在賽事直播中沒有雇傭攝像團隊,而是選用了一套名為Pixellot的AI攝像系統(tǒng),該系統(tǒng)使用內(nèi)置 AI 追蹤技術(shù)的攝像頭來制作實時高清視頻內(nèi)容。

據(jù)稱,開發(fā)團隊收集了數(shù)十萬小時的體育賽事視頻,用于對AI算法進行訓(xùn)練,但他們卻忘了教AI辨別光頭與足球,導(dǎo)致只要是邊裁出現(xiàn)在鏡頭內(nèi),AI 就會把邊裁的光頭誤認為是足球,并且“忠心追隨”。

隨后,Pixellot公司表示,在設(shè)計階段沒考慮到光頭的影響,現(xiàn)在收集一些足球和光頭的數(shù)據(jù)對算法進行微調(diào)就可以解決這一問題。但是,AI雖然學(xué)習(xí)了“禿頭”數(shù)據(jù),又如何保證下次不會被場邊別的“球形物”影響呢?

機器學(xué)習(xí)VS人工學(xué)習(xí)

據(jù)外媒報道,大型零售企業(yè)沃爾瑪將停止運用機器人揀貨、查價,原因是“人工處理的效果不亞于機器人”,尤其是疫情影響下,線上訂單激增,機器人從接單到分揀、再到包裝、出貨的時間毫無優(yōu)勢可言。

我們所講的人工智能其實是一個很寬泛的概念,其核心是機器學(xué)習(xí)與深度學(xué)習(xí),但數(shù)據(jù)提供的參考有限,導(dǎo)致其在面對程序外的干擾項或突發(fā)情況時無法自主糾偏、靈活處理。如開篇所講,人們既期待AI所帶來的智能化應(yīng)用,卻又忌憚于被替代,但事實證明,AI目前還沒那么智能。

首先是學(xué)習(xí)效率。AI“上崗”前需要學(xué)習(xí)大量的數(shù)據(jù)從而訓(xùn)練算法,雖然其學(xué)習(xí)速度遠超于人類,但是需要超大規(guī)模的學(xué)習(xí)樣本反復(fù)進行強化訓(xùn)練、不斷優(yōu)化認知,綜合來看,AI的學(xué)習(xí)效率與人類相比并無太大的優(yōu)勢。

其次是處理速度。對標(biāo)準(zhǔn)模型而言,AI的強大算力擁有碾壓式的速度優(yōu)勢,尤其是在工業(yè)制造、自動駕駛等低時延場景下,這也是工業(yè)AI可以實現(xiàn)工廠無人化運營的主要原因。反之,在復(fù)雜多變的應(yīng)用場景中,AI的處理速度及精準(zhǔn)度都會大打折扣。

最后是靈活性。AI運行離不開數(shù)據(jù)、算法、算力三大要素,它們?yōu)锳I規(guī)劃出了一套清晰、準(zhǔn)確的運行路線,依據(jù)交互反饋來執(zhí)行預(yù)先設(shè)定的命令。但是在實際生產(chǎn)、生活中仍然存在大量不可控的突發(fā)事件,尤其是toC端,以客服機器人與智能音箱為例,用戶反饋的命令“千奇百怪”,AI終端就只能回答“對不起,這個問題我還沒有學(xué)會”。

誠然,人工處理問題時的靈活思維與應(yīng)變能力是AI難以逾越的短板。同時,AI在遇到復(fù)雜環(huán)境時的檢測精度也仍然無法達到無人化的標(biāo)準(zhǔn),其精度只能隨數(shù)據(jù)規(guī)模逐步提升。但是,AI可以輔助人工完成部分基礎(chǔ)性工作,但想達到“AI換人”恐怕還需要很長一段時間。

寫在最后

事無絕對,我們也應(yīng)該秉承著辯證的思維看待包括AI在內(nèi)的一眾新興科技,它們應(yīng)該是輔助人類的智能化工具,而不是一味的模仿人類。我們應(yīng)該合理利用其學(xué)習(xí)能力、分析能力賦能產(chǎn)業(yè),但現(xiàn)階段還是不能免除人工監(jiān)督、干預(yù)環(huán)節(jié),未來應(yīng)聚焦提升AI應(yīng)用的靈活性,豐富前期數(shù)據(jù)學(xué)習(xí)階段的應(yīng)用場景,綜合考慮可能遇到的各類情況,將“人工智障”逐步訓(xùn)練為真正的人工智能。

參考資料:

1．《尷尬,AI轉(zhuǎn)播球賽把裁判的光頭當(dāng)成了足球》,機器之心

2．《沃爾瑪停止機器人跟蹤貨物計劃》,OFweek物聯(lián)網(wǎng)

3．《騰訊 AI 醫(yī)學(xué)進展破解“禿頭”難題,登 Nature 子刊!》,CSDN