百度、IBM和谷歌齐聚旧金山，人工智能未来会有哪些推进？

2018年3月26日至27日，由MIT Technology Review举办的EmTech Digital峰会在美国旧金山举行。本届峰会重点关注了领导中国AI发展的企业，讨论了AI将如何让企业从制造业逐渐渗透到零售业，以及近期出现的道德困境等问题。

同时，借此次峰会，百度、IBM、谷歌、 Adobe等公司，都纷纷展示了自己在AI领域的最新研究成果，那么人工智能有哪些推进呢？

百度——实时口袋翻译器

百度的自然语言处理部首席科学家、技术委员会联席主席首席科学家吴华在EmTech Digital峰会上，首次展示了其口袋翻译的速度。吴华表示，自2015年以来，百度利用“深度学习”人工智能技术，在机器语言翻译方面取得了重大进展。

在现场，这款互联网设备几乎可以实时将吴华和资深编辑Will Knight之间的简短对话进行翻译，比如将Knight的问题，包括“我在哪里可以买到这台设备？”以及“机器什么时候可以取代人类？”的问题转换成普通话，将吴华的回答翻译成英文并完成清楚地转述。

不过，遗憾的是，Knight糟糕的普通话对当前设备的翻译能力来说，似乎是一项挑战。

据了解，这一产品通过云计算平台接入百度的翻译软件，同时它也是一台Wi-Fi热点设备，目前仅可以在英文，中文和日语之间进行转换，以帮助游客更轻松地在外国城市中畅游。

百度于去年12月推出该设备，但到目前为止，只能在中国的旅行社和机场租赁。而未来可能会出现更多的语言和市场。

IBM——量子计算有望加速AI

IBM量子计算副总裁Dario Gil在峰会上表示，量子计算机利用量子物理的思维，可能会对技术领域最热门的领域——人工智能，产生深远影响。

传统的计算机是将信息存储在1或0的位元中，而量子计算机使用的量子位可以同时存在于1和0的多种状态，这种现象称为“叠加”。量子位元在没有实体连接的情况下也可以通过一种名为“纠缠”（Entanglement）的过程相互影响。

机器学习可以从中受益。Gil在演讲中介绍了一个简单分类的实验结果，该实验涉及到使用机器学习将数据分到类似的组别中。IBM的团队首先在量子计算机上进行任务，最终错误率为5%。第二次在量子位的纠缠中进行了相同的实验，最终出错率仅为2.5％。

这表明，量子计算机在利用量子位后变得更好，同时也可以更好地解决机器学习的问题。其他专注于量子计算机领域研究的公司，如位于加利福尼亚州的创业公司Rigetti，也强调了该技术在人工智能方面的潜力。

不过，Gil提醒道，他所说的“量子AI网络”与现今在传统计算机上运行的神经网络并不匹配。但展望未来，量子计算机可能会在某些类型的AI挑战中获得优势。“现在是AI社区探索这一领域的好时机，”Gil表示。

Adobe——AI可以培养真正的创造力

人工智能越来越多地用于创造艺术，比如用机器学习组成图像或创作音乐。对此，Adobe Research的负责人Gavin Miller就这一问题，展示了该公司Creative Intelligence Lab的几个AI原型的视频。

其中一款原型被称为“Project Scene Stitch”，演示了如何用一种算法来替换照片前景中的建筑——用户输入一些关键词后，算法会找到另一个同一场景的图片，随后自然地融入到用户想要进行重新填充的地方。

另一个原型，Project Sky Replace，可以通过深度学习算法移除照片中的天空，并将其替换为几何图形中与天空相匹配的其他图像。此外，它还会考虑到前景图像的色彩平衡问题，将前景颜色与天空颜色进行匹配，举个例子，可以将阴天里埃菲尔铁塔的照片变成一幅日落美景。

虽然这些工具与创作过程相悖，但Miller指出，通过让人们摆脱繁琐枯燥无味的工作可以增强其整体创造力。

他表示，“我们希望通过AI自动化一些工作，腾出更多的时间进行真正的创造。”此外，在他看来，随着人工智能成为创作过程的一部分，艺术家可能不仅仅局限于一种风格，而是会涉猎不同的派别，出现更多的毕加索。

Google Brain——GAN是训练AI防御的最佳方式

除了百度、IBM、Adobe外，谷歌大脑（Google Brain）的研究员Ian Goodfellow也参加了此次峰会。之前，谷歌的一款AI软件将3D打印的乌龟错认成了一支步枪，说明了AI在安全上存在漏洞，对此，Goodfellow讲述了研究员如何保护他们的系统，其中最有应用价值的便是生成敌对网络（GAN）。

GAN善于创造基于现实的对抗性示例，这可以成为训练AI系统发展强大防御能力的一种方式。如果系统接受过对抗性示例的培训，就可以更好地识别对抗性攻击。对抗性示例越好，防守性就越强。

Goodfellow表示，人们对此存在的担忧仍是理论性的，至少目前还未听说过利用敌对示例对计算机视觉系统进行攻击。此外，幸运的是，我们还有时间进行准备，以防止系统受到AI支持的攻击。

最后，他说道：“到目前为止，机器学习还不足以用于攻击。”

在小智君看来，即使现在人类在人工智能领域取得了瞩目的成就，比如自动驾驶汽车，比如AlphaGo的胜利，但目前AI的成就还处于一个狭窄的层面，未达到自主的水平。对于AI的发展，机器学习可能是让其取得进一步飞跃的有效途径。而AI是人类发展的一种工具，关于它的相关部署，选择权还是掌握在我们手里！