人工智能開(kāi)源的重要性為什么被華為、小米一再強調？

在寄希望于A(yíng)I為整個(gè)世界賦能時(shí)，我們還需思考如何為AI賦能？

卡內基梅隆計算機科學(xué)院院長(cháng)安德魯·摩爾（Andrew Moore）曾提到過(guò)這樣一組數據：現在，在提交給大型人工智能會(huì )議的論文，50%都來(lái)自中國，而在十年前，這個(gè)數據是5%。其實(shí)除學(xué)術(shù)研究，在過(guò)去一年，中國的AI初創(chuàng )公司在全球人工智能領(lǐng)域的融資占比也從2016年的11%迅速增長(cháng)為現在的48%。

當下，無(wú)論是技術(shù)的積累，還是資本的投入，國內AI產(chǎn)業(yè)發(fā)展都達到了一個(gè)新的量級，整個(gè)行業(yè)呈現出一種爆發(fā)式的增長(cháng)態(tài)勢。然而隨著(zhù)商用的推動(dòng)以及眾多AI企業(yè)對應用場(chǎng)景的不斷深入，技術(shù)與應用之間無(wú)法避免的“嫌隙”愈發(fā)被放大?，F實(shí)場(chǎng)景給出的反饋明確告訴我們，現在的AI技術(shù)短板十分明顯。

在剛剛過(guò)去的2018AIIA人工智能開(kāi)發(fā)者大會(huì )上，微軟中國首席技術(shù)官韋青就直言，當下人們對于A(yíng)I的態(tài)度過(guò)于樂(lè )觀(guān)，整個(gè)社會(huì )的產(chǎn)業(yè)只有進(jìn)入智能再造過(guò)程，人工智能才算做到真正的賦能，而這還需要技術(shù)進(jìn)一步的發(fā)展。

寄希望于A(yíng)I為整個(gè)世界賦能之前，我們更應該思考的是，如何為AI賦能？

想要AI全面賦能，為什么要強調開(kāi)源？

所謂開(kāi)源，它本質(zhì)上是一種人才、智慧的聚合，是產(chǎn)業(yè)升級的強大助推器。不可否認，無(wú)論是上世紀九十年代的Linux開(kāi)源社區，還是當下的TensorFlow，它們在推動(dòng)各自行業(yè)發(fā)展的過(guò)程中舉足輕重?？梢院敛豢鋸埖恼f(shuō)，如果沒(méi)有開(kāi)源社區，蘋(píng)果、谷歌、Facebook都不會(huì )發(fā)展為現在的體量；如果沒(méi)有Linux，現在的互聯(lián)網(wǎng)格局也不會(huì )有今天的盛況。

而在“AI賦能”概念被廣為人知的這一年，AI企業(yè)卻無(wú)可避免得要讓市場(chǎng)失望。一邊是AI企業(yè)“大肆炫技”，一邊是民眾吐槽產(chǎn)品并非剛需，業(yè)內最戲謔的現象莫過(guò)于此。事實(shí)上，在市場(chǎng)中跌打滾爬后，人工智能的技術(shù)瓶頸話(huà)題也已經(jīng)不止一次被提起。種種跡象表明，AI技術(shù)全面賦能現實(shí)場(chǎng)景時(shí)機尚未成熟，技術(shù)研發(fā)還需探索。

以現在火熱的自動(dòng)駕駛為例，在開(kāi)發(fā)者大會(huì )上中國工程院院士鄭南寧就從技術(shù)的角度解讀了這一領(lǐng)域現存的問(wèn)題。他認為“當投入路測后，在復雜的場(chǎng)景和多樣的交互條件下，原本考慮各種狀況而設計出的系統根本無(wú)法應對。經(jīng)過(guò)推理分析，我們把問(wèn)題總結歸納為不確定性、約定條件和先驗知識的局限性，追本溯源，這主要來(lái)自神經(jīng)網(wǎng)絡(luò )和符號化的模型搭建固有的弊端。”

換言之，鄭南寧院士直指的其實(shí)是現有的神經(jīng)網(wǎng)絡(luò )技術(shù)問(wèn)題，即當下AI技術(shù)固有的弊端阻礙了自動(dòng)駕駛等領(lǐng)域進(jìn)一步的發(fā)展和應用。

圖 |中國工程院院士鄭南寧

紫光執行副總裁楚慶在大會(huì )演講上也毫不留情面的揭開(kāi)AI技術(shù)繁榮的面紗：“目前人工智能能力盡數彰顯，即當下技術(shù)的價(jià)值已經(jīng)完全顯露，想要為產(chǎn)業(yè)帶來(lái)新的增長(cháng)力，我們恐怕只能回本溯源，求助于自然科學(xué)。”

顯然，當前的AI技術(shù)能力不足以支撐進(jìn)一步的場(chǎng)景研發(fā)，回歸技術(shù)、回歸開(kāi)發(fā)者已經(jīng)成為共同的認知。而當這一問(wèn)題在整個(gè)行業(yè)發(fā)展中凸顯時(shí)，開(kāi)源這一解決辦法帶來(lái)的集思廣益必然是優(yōu)于閉門(mén)造車(chē)的。

小米首席架構師崔寶秋在演講中就以小米的產(chǎn)品佐證了開(kāi)源的重要性。“通過(guò)開(kāi)源可以驗證模型的質(zhì)量，AI巨頭也可以通過(guò)開(kāi)源快速占領(lǐng)市場(chǎng)，處于領(lǐng)先地位。如小米的Cloud-ML平臺就是一款基于TensorFlow等開(kāi)源網(wǎng)站搭建的架構產(chǎn)品。”

如何更好協(xié)作和推進(jìn)開(kāi)源，推進(jìn)國內AI的未來(lái)？

開(kāi)源的好處諸多。顯而易見(jiàn)，同行的智慧可以啟發(fā)開(kāi)發(fā)者，讓后輩的代碼寫(xiě)作高度一開(kāi)始就可以站在前人的肩膀上。對于公司而言，開(kāi)源也可以幫助企業(yè)擴大在特定領(lǐng)域的優(yōu)勢，形成差異化競爭。同時(shí)，外部工作者的參與，對提高產(chǎn)品的用戶(hù)體驗也起到積極的推動(dòng)作用。

不過(guò)，在開(kāi)源這件事上，基于利益和知識產(chǎn)權考慮，AI公司不可避免的需要格外謹慎。崔寶秋指出，“雖然開(kāi)源對整個(gè)行業(yè)有諸多裨益，但是對于公司而言，在展開(kāi)開(kāi)源項目時(shí)，要平衡好開(kāi)源、業(yè)務(wù)和兩方投入比重的問(wèn)題。”

事實(shí)上，在開(kāi)源方面的投入，小米一直是不遺余力，也是國內成功推進(jìn)開(kāi)源工作的典范之一，如它推出的專(zhuān)用于移動(dòng)端異構計算平臺優(yōu)化的神經(jīng)網(wǎng)絡(luò )計算框架MACE、適用分布式KV存儲系統的算法架構Pegasus等，都給開(kāi)發(fā)者一定啟發(fā)，被他們廣泛使用。

圖 | 小米首席架構師崔寶秋

而看見(jiàn)了當下AI能力的局限以及因其催生的需求后，為了助力產(chǎn)業(yè)發(fā)展，填補開(kāi)發(fā)平臺的空缺和需求，華為也是將重心放在賦能AI上。某種層面上，也是在服務(wù)開(kāi)發(fā)者。

對公司剛剛發(fā)布的全棧架構，華為基礎云服務(wù)開(kāi)源生態(tài)總經(jīng)理蔣曉黎做了解釋。“我們通過(guò)研究觀(guān)察發(fā)現，不同于傳統算法開(kāi)發(fā)，現在A(yíng)I開(kāi)發(fā)者們遇見(jiàn)了許多新的問(wèn)題，如難以找到適度的數據集和適度的模型訓練，邊緣計算、端的復雜性帶來(lái)的邏輯推理和開(kāi)發(fā)速度大幅降低，以及繁雜的數據標注等工作等。華為推出的全棧架構在做的就是讓AI開(kāi)發(fā)者的開(kāi)發(fā)工作更簡(jiǎn)單，普惠AI。”

值得一提，華為方面雖未明確此架構是否開(kāi)源，但在全聯(lián)接發(fā)布現場(chǎng)，徐直軍強調這是一款開(kāi)發(fā)者朋友“用得起，用得好，用的放心”的架構?？梢?jiàn)，華為一開(kāi)始就沒(méi)有將過(guò)多業(yè)務(wù)壓力放在此架構產(chǎn)品上，也算是無(wú)限接近開(kāi)源了。

圖 |華為基礎云服務(wù)開(kāi)源生態(tài)總經(jīng)理蔣曉黎

雖然如此，國內開(kāi)源工作也還是處于非常不成熟的階段。

反觀(guān)開(kāi)源發(fā)展史，從1983年的開(kāi)源操作系統GNU到2017年由英偉達和Facebook共同推出的開(kāi)源深度學(xué)習框架Caffe，國際科技巨頭在開(kāi)源工作上一直處于領(lǐng)先地位，作為后來(lái)的新人，國內的開(kāi)源推進(jìn)任務(wù)著(zhù)實(shí)艱巨。

對此，作為一位資深的開(kāi)源愛(ài)好者和國內開(kāi)源工作推進(jìn)的重要參與者，崔寶秋給出了自己的方向性建議。“第一步，我們要讓國內的開(kāi)源資源能夠走向模塊化和標準化道路，同時(shí)，在人工智能時(shí)代這一獨特的大背景下，推進(jìn)數據的開(kāi)源也成為一件必須的事情。”

最后

事實(shí)上，開(kāi)源算法社區是互聯(lián)網(wǎng)時(shí)代背景下孕育出的一種特殊的技術(shù)孵化器，它需要需要開(kāi)發(fā)者和企業(yè)協(xié)作助力。當然，為AI全面賦能，不僅僅是發(fā)展算法架構，在硬件層面，AI加速硬件設計、測試過(guò)程也是十分必要。

和Arm有著(zhù)異曲同工之妙，新思科技一直在做的就是為芯片設計者提供更好的EDA工具。在大會(huì )上，該公司人工智能智能實(shí)驗室主任廖仁億在演講中就指出：“在當下的高度發(fā)展時(shí)代背景下，硬件設計過(guò)程耗時(shí)長(cháng)無(wú)疑成為了急需改進(jìn)的“短板”。因此，新思科技現在亟需要做的就是收集硬件設計過(guò)程中的各方面數據，開(kāi)發(fā)出更好用、更高效的人工智能EDA工具。”

為AI賦能需要更高效的硬件開(kāi)發(fā)工具和算法架構，而這要求行業(yè)內各個(gè)層面人士合力推進(jìn)，國內稍顯落后的開(kāi)源工作無(wú)疑也需要提上日程。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！