datasheet

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://www.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

摩根士丹利:特斯拉全自动无人驾驶技术价值被严重低估

85亿美元。在目前开发全自动驾驶技术的公司中,特斯拉可以说是拥有最真实数据的公司。在特斯拉“自动驾驶日”的演讲中,该公司AI总监安德烈·卡帕(Andrej Karpathy)指出,当谈到为自动驾驶训练人工智能时,根本没有任何东西可以替代现实世界中的实际驾驶里程。这是像Waymo和Cruise这样的公司天生缺乏的东西,因为它们在路上行驶的车辆数量有限。随着其定制硬件Hardware 3计算机的推出,特斯拉目前正认真努力实现全自动驾驶目标。特斯拉首席执行官埃隆·马斯克(Elon Musk)甚至指出,到2019年底,特斯拉的全自动驾驶套件应该会变得“功能齐全”。马斯克还建议,在监管机构批准之前,特斯拉网络(Tesla Network)中
发表于 2019-06-17

德邦快递布局自动驾驶,或许有机会突围

上做了“减法。 图为德邦快递无人驾驶货运车 “麒麟号”采用的是64线的激光雷达+毫米波雷达以及摄像头的方案,这一次,“白泽号”采用的是40线的激光雷达。 飞步科技的自动驾驶技术的相关负责人表示:“虽然在激光雷达的线数上做了妥协,但多传感器的融合加上内部芯片算法的优化,可以保证即便是使用低成本的激光雷达的方案,也能够实现比较精准的场景感知。后续可能会采用更低线数的激光雷达。” 德邦快递AI新技术与自动化负责人也表示,有了“白泽号”的加持,货物的运送时效方面会有所提升,但德邦快递在追求效率的同事,依旧会以自动驾驶货车的安全驾驶为第一诉求。 德邦快递向新智驾表示:目前,德邦快递的每台
发表于 2019-06-17
德邦快递布局自动驾驶,或许有机会突围

中科院已经拥有2500个AI专利组合

集微网消息,世界知识产权组织发布了《2019年科技趋势之人工智能》报告。报告称人工智能正从理论转向商业应用,不论是自动驾驶汽车还是到医学诊断,或者再到先进制造,AI技术在一步步的发展。从20世纪50年代人工智能出现以来,创新者和研究人员已经提交了近34万项与人工智能相关的发明申请,出版了160多万份科技出版物。在前30位人工智能专利申请中,有26家是公司,只有4家是大学或公共研究机构。拥有人工智能相关专利最多的20家公司中,日本有12家,美国3家,中国2家。人工智能专利申请最多的是IBM,共有8290项,微软以5930项位居第二,第三是东芝5223项,三星和NEC分别以5102项和4406项排在第四和第五名。其实大学对人工智能
发表于 2019-06-17
中科院已经拥有2500个AI专利组合

英特尔开启Ignite计划投资以色列AI领域初创企业

集微网消息,据ZDnet报道,英特尔周日在特拉维夫宣布了一项新计划,旨在帮助以色列初创企业开发人工智能(AI)和自主系统。该项目名为“点燃”(Ignite),将为10至15家初创企业提供为期20周的商业和技术指导,由英特尔和行业专家担任。英特尔还表示,目前没有向参与该计划的初创企业寻求股权或知识产权的计划,但未来可能会这样做。英特尔首席执行官鲍勃•斯旺表示:“英特尔一直在与开放生态系统合作,扩大新技术的规模,使它们能够为我们的客户、企业和社会带来变革。”“以色列在人工智能、自主系统以及对这些变化至关重要的潜在技术方面拥有深厚的技术基础,这使得启动我们的计划成为一个自然的选择。”该创业项目将由微软前全球创业主管Tzahi
发表于 2019-06-17

曾经的“概念炒作”、“落难地”,车联网2019年格外火热

汽车时可能不会引起消费者的敏感,但要说在购买汽车之后再出这个价格去购买一套“装备”,恐怕在消费者承受度和期望值管理上都会遇到障碍。 而因为用户量少,网络连接不稳定等等原因,车联网在应用生态也很贫瘠,无法触碰到服务端口,车联网也很难进行生态变现。除了硬件本身之外很难找到其他获利渠道。 如此以来,车联网一直停留在元年也并不让人意外了。 变量乍现:谁是车联网2019的推手?那么从2016年的遇冷,到2019年的再次火热,这中间究竟出现了哪些变量? 其实让车联网再次产生进展的一方面今年来整体的技术进步,另一方面是汽车细分领域中的变化。 近年以来AI技术和5G技术的飞速发展,实际上都与车联网技术
发表于 2019-06-17
曾经的“概念炒作”、“落难地”,车联网2019年格外火热

Cadence推Tensilica Vision Q7 DSP 为汽车提供双倍的视觉和AI性能

(图片来源:Cadence官网) 据外媒报道,Cadence Design Systems推出新的Tensilica Vision DSP,用于高要求的边缘视觉和AI处理应用,可每秒执行高达1.82万亿次操作(TOPS)。Cadence Tensilica Vision Q7 DSP是该公司Tensilica Vision DSP系列的一个扩展,据称可以将汽车、AR/VR、移动和监测市场的视觉和AI能提高一倍。该公司表示,第六代Vision Q7 DSP在相同的领域提供了高达2倍的AI和浮点性能,满足了嵌入式视觉和AI应用日益增长的计算需求。Vision Q7 DSP IP是专为同步定位和映射(SLAM)而优化
发表于 2019-06-15
Cadence推Tensilica Vision Q7 DSP 为汽车提供双倍的视觉和AI性能

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