人工智能技術可能會成為未來最具變革性的力量之一，幾乎可以影響我們所做的每一件事。正如 Qualcomm 為移動革命奠定基礎那樣，我們的創(chuàng)新將會定義人工智能時代。

阿姆斯特丹大學著名教授韋靈思（Max Welling）博士，正是人工智能領域的關鍵人物之一。他在去年夏天正式加入 Qualcomm，此前他的公司曾為各行各業(yè)提供人工智能解決方案。

人工智能目前發(fā)展到了什么階段？未來它還有哪些潛力？來看韋靈思博士如何回答。

1. 如何看待機器學習在物聯(lián)網(wǎng)中的應用?

想象一下家里所有的家電都設有傳感器。這些設備會相互交流，預測你的需求，讓家里更舒適、更有效率。

制造業(yè)也是同樣。在工廠里，許多機器將會安裝傳感器，以便找出如何優(yōu)化合作，如何更好地執(zhí)行質(zhì)量控制，以及如何在故障發(fā)生前檢測故障的方式。

2. 人工智能讓很多人感到緊張，例如擔心失業(yè)問題。您如何回應這種擔憂?

從短期來看，它可能會導致混亂，某些工作也將消失。但從長遠看，會有很多新的機會出現(xiàn)。借助適當?shù)呐嘤?，會有更多全新的機會出現(xiàn)在就業(yè)市場上。

3. 目前的人工智能發(fā)展到了什么階段？

在一些領域中人工智能可以做的很好。例如分析醫(yī)學圖像，檢測是否有人患有黑素瘤，甚至在圍棋或國際象棋比賽中擊敗人類世界冠軍。

盡管人工智能只在有限幾個領域發(fā)揮出色，但是當我們研究“多智能體系統(tǒng)”（multi-agent systems）時，這些領域變得更加復雜和有趣。例如，在一輛自動駕駛汽車中，人工智能需要了解道路和路邊的其他人在做什么。因此我們必須開發(fā)新的規(guī)劃算法，以預測其他人的行為。

4. 對于人工智能來講下一階段將要開發(fā)的領域會是什么？

關于深度學習，我認為下一階段最重要的是推理能力的開發(fā)。目前，人工智能可以很好地進行語音識別和圖像分析。但如果你問，‘接下來會發(fā)生什么?’或者‘什么原因?qū)е逻@件事發(fā)生?’，它就無法回答。

5. 深度學習/人工智能是否需要更高效的硬件或軟件？

人們低估了硬件在人工智能中的重要性，沒有摩爾定律就沒有人工智能的進步。但是目前的深度學習能耗很高。我們的算法非常低效，這是一個亟待解決的問題。我們剛組建的Qualcomm AI Research 團隊非常清楚，這將是人工智能的下一個戰(zhàn)場。因此必須研究并開發(fā)出更節(jié)能高效的硬件。我們致力于這一使命，這就是為什么我們將人工智能研究工作統(tǒng)一到 Qualcomm 的各個團隊中。

6. 相對云端人工智能，終端側人工智能同樣具有很多優(yōu)勢。未來在基于人工智能的應用程序中，終端和云端哪個更重要?

我猜測會是二者的結合。顯然，云端優(yōu)勢很大，因為數(shù)據(jù)集中在那里。但我認為，隨著我們從分布式數(shù)據(jù)源中學到的越來越多，數(shù)據(jù)全部儲存于一個中心位置越來越不重要。只要我們可以對模型加以訓練使之可以對數(shù)據(jù)進行自由的分配，這些數(shù)據(jù)是可以儲存在許多不同位置的。

7. 隱私性是否是一個顧慮？

我認為公眾對大型互聯(lián)網(wǎng)公司收集個人數(shù)據(jù)的意識和謹慎程度越來越高。所以，我們想開發(fā)機器學習算法，或者一個框架，來幫助公眾保護隱私。

一種方法是保護防火墻后的數(shù)據(jù)，并且不讓它離開保護環(huán)境。但是為了最大限度地利用人工智能，需要與云進行通信，因為云是儲存數(shù)據(jù)的地方，也是軟件學習和改進的地方。在保護數(shù)據(jù)的同時，有一些方法可以利用云。

第一種思路是加密數(shù)據(jù)，但是代價昂貴。這些加密的數(shù)據(jù)可以用來改進模型，而數(shù)據(jù)仍然是不可讀的。第二種思路叫做“差別隱私”，你可以計算出你感興趣的事物的典型平均值。然后可以通過添加噪音來確保無論從被保護的環(huán)境中發(fā)出任何的信息都不會泄漏個人的敏感數(shù)據(jù)。

8. 您目前的工作進展怎么樣？關于人工智能，什么令您感到興奮？

在Qualcomm，會有很多創(chuàng)新的機遇和可能，例如強化學習以及算法與芯片的協(xié)同設計。機器學習實際上有三種不同的類型。廣義來說，無監(jiān)督機器學習是沒有標簽可用的。機器觀察世界，并試圖構造它來發(fā)現(xiàn)重復的模式。然后是監(jiān)督學習，你可以對機器指令說這是輸入圖像，這是圖像中的內(nèi)容。進而讓它來預測下一個圖像。

強化學習不僅僅是做出預測或發(fā)現(xiàn)結構，而是做出行動。以機器人為例，它可以做出決定并執(zhí)行行動。它能撿起一些物品，并進行觀察，從中學習?；蛘咚梢酝嬉粋€游戲或者開一輛車。

另一個令我感到興奮的是芯片和運行算法的協(xié)同設計。Qualcomm 人工智能研究提供了一個獨特的環(huán)境，使得機器學習與硬件可以相互結合。

設想一下，如果把最聰明的人工智能科學家的思想集中在一起來解決這類問題，結果會是怎樣? 在 Qualcomm 人工智能創(chuàng)新論壇上，我們宣布成立Qualcomm AI Research，通過多種方式與研究團體進行交流，拓展人工智能邊界，挖掘其巨大潛能。