>>返回主頁
中國信息通信研究院云計算與大數據研究所副所長魏凱:深度觀察報告:大數據與人工智能領域

2019-12-26 15:35

XXX_5669.jpg

  各位專家大家下午好!我們這個領域這幾年一直是在風口浪尖上,為什么這么說呢?因為我們覆蓋的范圍連續三年被中央作為集體學習的題目,前年是大數據、去年是人工智能,今年是區塊鏈,再次的證明我院領導的英明,選擇的領域非常準。但是我們去年沒有預測準,今年總書記集體學習會選這個話題,這是我們預測的能力有待提升。

  這個領域的發展,持謹慎的態度,經過了前幾年高速增長,現在往下掉,人工智能的產業規模的增速,最高的時候在2018年增速75%,現在有所降低,但是仍然很高,我們還是很幸運的,不管是人工智能、大數據還是云計算產業規模的增長都在30%以上,仍然維持在比較高的增速上,只是回歸正常理性了,這是今年我們總體的感知。

  平臺化已經成為各個人工智能公司主要的策略,平臺化策略的方向上,方向有幾個特點,首先是平臺覆蓋的領域在不斷的拓展,包括智慧城市的智慧大腦的平臺、物流、辦公、金融的平臺,每個平臺的功能也在不斷的豐富完善,工程的軟件平臺、人工智能平臺工程化的能力在持續的提升,這是軟件平臺發展整體的趨勢,總體為兩個方向,一個平臺可以支持很多種垂直的應用,更多的公司是做垂直的平臺,聚焦單一的領域去深耕。在平臺的發展趨勢下,生態也在不斷的成熟,自動駕駛、智能音箱的平臺,可以構建越來越豐富人工智能的生態,這是平臺化進入新階段的感覺。

  支撐人工智能底層算力的發展,隨著場景的不斷深化,算力正在進入定制化的時代,因為芯片的開發、設計、制造的能力正在普及。很多公司都擁有了在人工智能領域進入到芯片的能力,包括IOT、移動終端、語音、自動駕駛在今年出現了眾多的支持AI算力的定制化的芯片,同時在云端也看到了很多面向訓練的定制化的芯片,很多軟件公司也都加入到定制人工智能芯片的行列中,包括阿里、英特爾、傳統芯片的公司,應用的牽引正在引導不管是云端還是端側這些芯片深入的發展,逐漸推動兩邊云和端的協同,來更好的做推斷、訓練和預測。

  總的來看,國內外芯片廠商發布了30多款AI的芯片,其中8月份就發了9款,數量增長非常明顯。總的來說,軟件因為上層應用的聚焦,下壓的這些芯片需要做垂直化的定制。人工智能在這幾年的發展靠的是底層數據的支撐,靠深度學習來基于大量的數據訓練才能夠取得今天的效果,基本上是算力和數據推動了這一波人工智能浪潮的崛起。

  今年對于數據議題也是非常亮眼,數據正在資產化,在中國黨的十九屆四中全會首次把數據作為生產要素納入黨的文件中,這反應了我們正在為數字經濟的發展做好底層的準備,把數據資源規范起來,讓其參與到生產分配和流通的環節中。不光是中國在關注這件事,美國國會也在討論如何將數據視為財產來加以保護、加以確權,來推動相關制度的完善,這就是為什么在2019年把數據資產化提到這么高的位置,是解決數字經濟發展中很重要的問題,如何讓數據的確權、流通、交易更加合規、規范,能夠給數字經濟提供源源不斷的生產要素,這是今年一個非常明顯的變化。

  隨著變化上層政策的清晰,數據的治理意識也在深入人心,治理的力度也在不斷的加強,在國家、法律層面,出臺了一系列的關于數據安全、治理方面的法律法規,在實施層面,今年政府機構改革中,有14個省級部門設立專門大數據主管機構,來治理當地政務公共數據資源,企業數據治理進程也在加速,國家電網、建設銀行等,以及大型國有企業、央企為代表空前的重視數據的治理,這是把數據作為資產、作為生產要素做準備的信號。

  從云優先到云效能的轉變,前幾年更關注云計算的發展,關注的是讓大家都要上云,今年大家更關注把云用好,進一步提升使用云的效率,產業側更加注重上云產生的實效,大型云服務商,不斷的整合企業內部的資源,輸出整體的解決方案,單個環節中小企業在整合上下游,云計算的公司不再比拼云服務的產品的數量,而是更加注重產品的質量、用戶體驗。

  技術供給側來看,這幾年發展很多的技術,包括微服務這些云原生的技術和管理的思路,就是幫助用戶更好的上云、更好的用云,今年發布的中國云計算開源發展報告中顯示,六成企業正在測試微服務的框架,也反應了大家更關注把云用在信息化升級改造上,促使今年云效能成了關注的焦點。

  人工智能、數據、云,這三個技術是密不可分的,在今年看到了它們的融合、交匯更加的密切,從云和人工智能的發展來看,現在看到了智能云,每家公司都在開始提供不同的智能云的解決方案,智能云的含義是把人工智能作為一種含義對外提供,包括語音、圖像、自然語言理解等等,國內外公司都特別重視AI、云服務的發展,這是云智融合典型的信號。

  云和數的融合也很明顯,這幾年AWS和國內公司推出了云原生的數據庫,云上處理大數據成了基本上的標配,所以云數在深度的融合,本身它們也是很難分開的嘛。

  數、智也在融合,一個維度是數據分析平臺和人工智能平臺也在融合,企業不希望有兩個平臺,一個做數據挖掘、一個做深度學習,而希望一套平臺做傳統BI也做深度的機器學習,所以都在通過一個平臺,同時支持傳統數據挖掘也支持深度學習的服務,人工智能也正在反補數據管理,以前數據出現很多的質量問題、可靠性問題,可以靠人工智能輔助解決,必須靠智能化推動數據治理水平的提升,我們看到它們在深度融合的發展,未來會構造一個完整生態的體系。

  今年熱點很多,我們選擇了三個,第一人工智能的發展正在回歸,回歸理性,同時以人為本成為人工智能未來發展的新導向,今年熱點新聞上會看到很多與人工智能相關的負面消息,人工智能的雙刃劍的特性展現的淋漓盡致,包括隱私保護、算法的安全,這些都成為今年大家討論人工智能發展不可回避的話題,全球都在關注人工智能是否應該嵌入倫理的要求,這就包括人權的信息倫理、偏見倫理、責任倫理,人工智能發展要符合社會常規的道德,因為人工智能越來越聰明,所以人工智能技術自由裁量權會比較大,裁量權也要受到道德和倫理的約束,這就是為什么今年會出現這么多的問題,大家也在反思人工智能的治理如何開展。

  全球主要國家政府都在開始討論,包括新加坡、美國、歐盟和OECD政府間的組織也在討論人工智能到底如何才能做到以人為本,以什么樣的路線去推動人工智能更加符合人類的福祉。行業組織方面,ISO也發布了人工智能倫理設計的導則,ITU也在舉辦會議,是在引導人工智能內置道德準則,國內的騰訊、國外的谷歌他們也在積極研究倡導要遵守基本的社會道德和倫理。

  如何把以人為本的理念變成現實,像歐盟這些國家率先推出了“可信AI”的理念,包括歐盟委員會、OECD、新加坡、他們倡導的以人為本的理念,有幾個核心的要素,首先是以人類主體性原則,避免傷害原則、公平、透明、可追責,這是可信AI核心的要義,國際上高度關注也在制定相關規則,推動各方的自律,中國也人工智能發展非常快,我們也在高度關注人工智能的可信和以人為本。人工智能的回歸對行業是非常好的發展,回歸意味著未來有更大的跳躍。

  第二個熱點是區塊鏈應用在加速,發展方向日益的明朗。首先政策導向上,今年不管是國外的政府還是國內討論區塊鏈、出臺區塊鏈的,政策的敲定從產品獲批,明確轉向區塊鏈促進服務實體經濟、提升政府治理能力方向去引導,這已經成績國際的共識,9月份德國發布了聯邦的區塊鏈戰略,美國在抑制虛擬貨幣的發展,促進實體經濟應用區塊鏈的發展,國內除了中央以外,地方的各地也出臺了30多個指導性的文件、產業區域布局也在快速的展向,要把區塊鏈應用于實體經濟,大的導向下行業巨頭,用戶有國家投資集團、中國政府掌握的投資機構,國投、中國工商銀行,南方航空、國家電網,他們在認真思考他們的業務如何用區塊鏈來優化、加速、轉型,他們不是追熱點,他們已經前半年做了很多的工作。

  說到區塊鏈不能回避一個熱點,就是國際上的最大的熱點,就是Libra白皮書,引起了全球各界的高度關注,首先他們要建設一個基于區塊鏈的全球金融信息基礎設施,這是革命性的基礎設施,有三個要件,第一是發行貨幣,第二建設聯盟鏈、第三要成立新組織,這些是對未來金融基礎設施重大的創新,只不過他們還在白皮書上沒有實現,雖然只是白皮書也已經引起國際社會巨大的反響,表現在美國開了三次聽證會,歐洲的幾個老牌的工業化國家公開的反對,明確的反對,焦點一是對數據安全、二是金融穩定和金融的風險,這些是全球金融基礎設施發展面臨的現實情況,理想很蒙滿但是現實很嚴峻,但是Libra不是最后一個后面會很多不同的方案會出來,這帶給我們一個思考,我們的信息基礎設施在各個行業會不會被區塊鏈所改造和顛覆,特別是金融信息基礎設施,有很多啟發,它是全新從貨幣的創造到支付一系列的都是全新的。

  第三個熱點是開源,開源正在主導信息技術創新生態構建的事情,成為核心最重要的發展模式,它已經吞噬世界,今年開源風險正在引起重視,尤其是在中國,今年開源很亮眼,代碼開發者貢獻量占了三分之一,對開發代碼使用量也是位列第一,開源風險進入了應用部門的視野,原來的軟件有商業化被迫有責任承擔風險,現在這些風險有數據安全風險,比如SSL的漏洞,比如知識產權的風險、法律的風險、管理的風險、運維的風險,已經發生了安全漏洞、開源里面安全漏洞、專業的訴訟、法律規范的協調都在暴露開源風險日益加劇的信號。今年不管國內外正在談一個話題,就是對開源有了新的認識,開源需要治理,包括治理的標準,開源組織下對開源軟件供應鏈做管理來確保交付到用戶手里的軟件,即便有開源模塊也不會有太大的風險。

  國外有一個金融科技開源基金會,2006年成立,現在有30家成員,國內金融機構幾十家銀行和IT公司開始組團探討如何規避開源應用中的風險,現在已經24家成員,包括農行、中國、浦發銀行也在參與開源治理社區的建設,開源是個很好的游戲規則,但是這個規則需要治理,需要關注其風險。

  展望趨勢,未來這個領域仍然面臨很多機會,機會存在在問題中,問題最突出的是數據的合規的流通與安全的沖突,我們希望別人把數據給我,而不希望把數據給別人,就產生了一個矛盾,數據要安全也要跨機構流轉,否則數據只是信息不能有價值的資產。在制度不斷加強的情況下,用戶的權益保護不斷的加強的情況下,如何去彌合這個矛盾,我們看到一個趨勢,必須靠技術手段突圍。包括多方安全計算技術,數據不離開原始主體仍然可以挖掘,包括數據脫敏和現在的區塊鏈都是可以用來解決數據隱私計算的問題。未來很多場景下都會使用,包括金融場景、安全場景、政府場景、跨境數據流動的場景,現在全球是一體的數據,不可能不跨境,通過技術賦能,技術為數據安全困境打開一條新的空間,必將為這個領域帶來非常深遠的影響。

  第二個趨勢是人工智能的算法將進入后深度學習時代,工程化的紅利會延續一段時間,基于深度學習的算法還有優化的空間,但是更應該看到未來的空間在新的算法的路徑開拓上,有兩條路線正在逐漸的清晰,一是深度學習+神經科學+腦科學,另外一個路線是深度學習+知識工程,具備結構化的知識,有高起點學習的過程。未來隨著后深度學習時代路徑不斷的清晰,人工智能將能夠聽得見、看得見,到能夠聽得懂、看得懂,甚至可以交互做深度智能化的應用。

  云已經真真正正成為了信息化構建的最基礎的一種方式,大家不再置疑云的發展方向,但是云進入了深耕細作的階段,首先有三個看法:一是云從中心走向邊緣、這是隨著5G、工業互聯網的發展、云必須回歸邊緣,離用戶太遠的云性能是不高的,所以云必須和邊緣計算協同。

  云從粗放走向精細,管理的效能也會越來越高、云應用從消費互聯網、公有云是游戲、電商、互聯網的網站,未來將走向工業互聯網、走向金融和生產的核心,未來會重新走向風口浪尖,就是這個領域的數據中心,風、火、水、電和機器,隨著人工智能、大數據的發展,這些年硬件的改進越來越受到軟件的驅動,軟件的步伐在這幾年發展非常快,但是硬件創新也沒有停止,預估未來可能會產生新的數據中心一系列的技術變革,這些變革主要有幾個方面,部署形態會出現很多邊緣數據,之前中國有多個超大型數據中心,未來在5G基站上、很多城市的部署有實時性的要求,包括數據中心的智能技術跟不上算力的增長,單芯片的功耗已經很高了,但是智能就跟不上了,風扇吹是無法解決問題的,所以必須浸泡在液體里,這是制冷技術的變化。網絡原來是三網分離的對外服務的一張網、內網計算一張網,存儲是一張網,未來數據網絡將會發生變化會走向三網合一。隨著新的技術的創新,未來幾年底層的基礎設施會重新時髦起來,為未來上層的應用創造更大的厚利。

  區塊鏈未來還有很多不確定性,到底能夠發展到什么樣子也很去準確的預測,但是我們可以看到一個趨勢是很明顯的,現在區塊鏈正在成為連接可信數據的網絡,這些問題解決了都會成為技術結構的架構,在供應鏈、司法、票據、數字身份有大量的場景等待挖掘,應用方向拓展也前景廣闊的,區塊鏈的治理,包括內部的參與鏈節點之間的協同、權責的協調,另外是適應社會大的安全合規的要求。區塊鏈的完善、區塊鏈大規模應用取決于這三個方面的發展,技術應用和治理的完善,有朝一日可能會成為跟其他信息技術協同能夠成為信息時代數字經濟時代重要的信息基礎設施,能夠成為價值互聯網的主要的承載的基礎。

  謝謝大家!

0
湖南11选5-首页