加州大学伯克利分校计算机科学教授、电机工程教授StuartRussell:“天玑星分析一切”即服务
时间:2019-11-26 13:43 作者:百瑞赢证券咨询

  上午好!非常感谢京东方的盛情邀请,让我来到这个美丽的地方,感谢董事长,今天我主要讲人工智能,以及在创建未来愿景的过程中我们要克服哪些挑战。

  在人工智能发展早期,上世纪四五十年代,当时我们产生一个关于人工智能的想法,但是当时人工智能系统都是独立自成一体的,没有任何的交互,而且也没有任何的用武之地。

  到了上世纪80年代,互联网产生了,这个时候AI有了自己的用武之地,有了AI+互联网、电子商务、搜索引擎以及移动通信技术之后,我们能够把AI和个人联系在一起,持续不断的推出智能化系统技术。有了物联网,会有像智慧家庭这样的场景,有了3D打印和纳米技术以及智能化机器人,我们就可以催生智能化的建筑,智能化的交通和智慧医疗,这是对于未来人工智能的解读。

  刚才陈董事长描述的,可以以这样的标题来定义“一切即服务”,如果看一下维基百科的定义,它是一个概念,颗粒度非常精密的软件,部署在所有的网络里,这是云计算下面的子集,对我来说这是一切即服务非常狭隘的定义,我想进行一个更广泛的定义,可以更有雄心的定义。

  我们来看一下澳大利亚的TaaS,旅游即服务,1800年,如果我们要去澳大利亚会用十年的时间,花费一千万美元。现在2019年,我们不用花太多的钱就可以到澳大利亚旅行了,这就是服务。在成本上最大的削减以及在精力上巨大的削减,而且对所有人都是开放的。

  如果我们想一切即服务,我确实想说一切,比如组织一个巨大的会议,可能是通过使用我们的一般算法能够使它节省很多成本和精力,还有建设房屋、校舍或者教孩子,培训外科医生,所有这些现在耗费比较大的努力,都可以通过一切即服务在未来降低成本,在发达国家里我们认为理所应当的事情,也可以在全世界人民中能够普及起来,因为目前为止,现在需要一些非常专业的人士、非常专业的知识才能把这些工作开展起来,未来如果有一切即服务的帮助,可以使全世界的人群受益。

  如何让这些技术实现?这些技术确实存在,但是这些技术存在的形式是区域性的或者全球性的人工智能,他们甚至有像机器人,或者家里的佣人一样,这样一个物理的延展。比如我们有真正的机器人,他们能够带着这些货物在路上走动,实现了真正的一切即服务。

  想想看,如果我们能带来什么样的好处,确实可以大大提升全世界人民的生活水平,使地球上人的水平到了一个受尊重的水平,可以增加全世界GDP增加十倍,这是我们的目标,如果我们来比较一下我们的目标,再比较一下各国的战略,比如美国的计划,或者中国、俄罗斯、欧盟的这些国家计划,这些国家计划看上去非常狭隘,在这里的空间是巨大的。

  他给我们带来最大的影响是什么,除了让所有人达到受人尊敬的生活水平之外,我们不再有竞争的需求,对于高质量的生活,现在大家都在努力的达到这样的高水平的生活水平,因此有很激烈的竞争。

  第二,如何实现它?我想说一下其中的一个挑战,分布式的传感以及控制,对于分布式的传感设备,现在我们有传感器,在这里向大家展示一下我们的RFID和二维码,这是在现实世界中收集完美的信息,我们在收集这些完美的信息的时候,以从下而上的方式把信息通过网络传到中央处理的机制,这是非常标准的讨论分布式信息系统时候的一个做法。但是有的时候这个信息是不完美的,比如测温度的时候,或者在医疗体系里面,在量血压的时候或者量心率的时候,或者在用视频的摄像头的时候,收集来的这些数据有可能不一定是完美的。

  如果我们要使用这样的从下而上收集来的数据进行聚集的话,对于一个完美的数据来说,理论上是没有问题的,但是很快会出现问题在现实生活中,因为在诠释完美数据的时候会出现很多谬差,我们把它加起来,会发现从下而上的方式是不可行的,我们实际上在很多的现实生活中的用例中都看到了这样的情况,现实世界中传感器收集出来的数据是不能得到很好的诠释的。

  因此我们必须要用我们的数学的基础,我们来看一下概率论,数学的理论,它可以更好的考虑不确定性,在概率论里,我们在对一些来自数据世界的噪音进行更好的诠释和包容。

  在这里面第一个是生成的概率模型,描述了我们的理解,对于物理世界,传感器所收集来数据的理解。随之再把这个数据和传感器加上数学概率上的计算或者推断,基于我们收集来的真实的数据,再加上数据概率的推断和计算,这样我们能得到一个混合的,不光是从下到上,以及是从上到下的结果,使每一个数据都能够正确的得到诠释,在整个全局的背景下。

  给大家举几个例子。第一,医疗数据的诠释,这是一个ICU的重症监护室,这里面是一个病危的小孩,在加州大学旧金山分校医院里,所有的传感器都在收集这个孩子的数据,问题是我们如何诠释这样的数据,我给大家展示一下这些数据,这是一天的数据,在ICU患者的数据,这里面有很多的峰值,有很多的异常值,心率,血压,还有血流率,呼吸,跟肺部以及呼吸有关的数据。

  所有我们看到的这些数据都是错误的测量,如果把这些谬差去除出去,基本上没有任何太大的变化,所有可见的数据的结构都是谬误造成的。因此能够更好的克服真实数据中的谬误,对于我们更好的诠释这些医疗数据是非常重要的。

  我们花了很多时间打造这个模型,如何诠释这类的医疗数据,在这里大家可以看到,我们给同样的孩子吃药之后的记录,这是22天的数据,给患者的药物,在他住院期间所有的药物摄入,比如让他镇静的药物,还有一些抗生素的药物。在这里有非常复杂的并发症的情况。

  这是一个模型,关于他的血压传感器的模型,我们开发了一个比较恰当的模型对他的血压进行测试。其中最常见的一个谬误,这些护士每次来抽血的时候,都会导致血压的测试上升,血压会升高,血压升的非常高,以至于一般情况下这么高的血压病人会死,在ICU里经常听到警报,一天一百多次响警报,护士知道这个没有太大的关系,所以他们不管了,甚至把这个警报器关掉,如果我们不能完美的诠释这样的数据,我们就不知道什么时候是真正的要干预这些危急的情况,我们对血压有三个测试,最大、最小、平均,我们看到血压不断的有上升,一旦护士开始抽血的时候,这个血压会有骤升,到230的水平,230是常人难以承受的,这是为什么警报器会响。我们可以推断出这个是由于抽血事件造成的,底下粉色的线基本上代表的是由于抽血事件造成的,使我们对血压进行调整,橘色是调整之后的血压,对血压的测量可以回到正常的水平。

  这里展示出了整个体系或者模型的正确率,右边是我们这个系统检测出真正的血压飙升的事件。在这类的技术,我们现在已经开始应用在全世界的ICU里了,重症监护里,如果要全部的普遍使用还有一段路要走。

  再说一下另外一个技术,在过去十年里,我们称为概率规划或者概率编程。实际上非常高效,非常容易生成这样的编程。我们在这里基于概率的系统,通过我们对于编程的世界里,基于他们非常简单的编程的语言,通过这样语言的使用,任何理论,不管是真实世界如何运行的,我们通过计算机普通意义的语言表达出来,用来对数据进行诠释。所以为了展示这一点,我给大家展示一个例子,我们在监测一个非常复杂的,禁止核测试的公约监测,我们开发了一个监测体系,任何人如果在地面上进行核测试,通过我们的监测体系可以检测出来,看看是不是有这样的现象,在全世界通过我们的IMS,有全世界的监测体系,能够检测出来非常小的地壳的波动,比如到一纳米,非常小的微波会发回到维也纳的联合国,我们在维也纳问的问题是,所有地壳的运动,在24小时的期间内,哪个是可疑的?也是称之为简报,每24小时出版这样一个简报,这些地壳运动是发生的,它们的广度幅度和深度。为了实现这一点,我们有一个基于概率的编程,基于地壳的物理看看这些数据是如何由地壳运动真正的事件驱动的,我们用计算机语言描述出来,一旦发生的时候就有地震波,他们会通过地壳进行传输到地球不同的角落,由我们的这些监测站收集,这是大家在屏幕上看到的。

  我不会一行一行解释它的编程语言,这是对全球的监测体系来说,我们是以这样的编程语言监测的,在这里面描述了地壳物理的活动还有它的信号传输,以及信号的捕捉和检测。

  在这样一个体系下,以及我们收集的所有数据,我们会做概率性的编程,会得到一个结论和结果,告诉我们在哪里发生了核测试。通过概率性的编程,我们能够用多种不同的方式对真实世界有一个更好的诠释。因此这样一个概率编程的规划增长也很快,我们有关的论文发表已经达到1400篇,这是每年的发表量,这是2018年的情况,这个技术也会把深度学习的技术完美的组合起来,他们能够有下一代的AI人工智能的体系。

  我想再说一下新的项目,这个新的项目我们也在努力,一共有两个,一个是读和理解,所有的人类写过的所有的东西,一些自然的语言,比如谷歌、天玑星分析微软、腾讯、阿里巴巴,这两个中国公司也在做这样的工作,给我们人类提供很多宝贵的价值,我们把人类所有的知识都组合起来,把全世界的不管是图书馆还是任何东西都进行读和理解。

  现在地球上发生很多事情,如果人类来看这样的数据,我们会需要三千万的人每天不吃不喝24小时看卫星图像才有任何的结论,当然是不可能的,但是在人工智能的帮助下可以看这些数据,而且实时理解这些数据,这是让我们打造这样的系统,这个系统不光能记录下来,而且能够看能够读世界上发生的所有的情况和事件,比如空间的数据也可以实时的更新。

  我们在这里面这些内容的丰富度真的令人叹为观止,我们到太空中看到地球,才真正的理解到地球的生命多么的多样。

  我给大家举一些农业部门的例子,从太空中看农业应该是非常枯燥的事情,农业就是农田,这有多大的意思,给大家举一些例子,来自不同的国家,这是在美国佛州,大概三平方公里的面积,是非常有条理性的大规模农场,这是云南省的梯田,不是平坦的地表,是在山边,沿着山有一系列的梯田,这是西班牙的一个温室,这是沙特的滴管,在沙漠之地用循环式的滴管做农业的灌溉,这是印尼的海藻养殖场,在水下采集。在农业这一块,我们可以看到,它有非常丰富非常多样化的形态,我们可以通过这样的方式进行考察各个国家不同农业的耕作方法,这是另外一种,他是去破坏了在巴西的热带雨林,通过这样的技术可以实时的抓取破坏森林种田的行为。AI有非常多造福人类的潜力,用好它能够带来非常大的影响,而且在这一块有很多的技术在日新月异的发展。像京东方这样的一些企业在为这样的进步做贡献,我们很欣喜的看到,京东方在打造这样一种生态系统让创新合作伙伴释放这样的场景。

  我刚才介绍的这些内容,包括在概率这一块的编程语言将会成为我们下一个阶段IoT发展的一个非常重要的趋势,谢谢!