周鸿祎：抓住人工智能浪潮并为之肝脑涂地

　　【中国智能制造网 行业精英】资本寒冬，商业模式类创业创新遇冷。在这样的背景下，能够逆势而上受人关注的，唯有人工智能领域。它之所以受到持续追捧，是因为其成为新时代的基础设施，像水、电、网络一样成为所有企业的必需，这一点已成为共识。而对于当下，如何将人工智能落地、商业化，如何适应人工智能将构建的新商业生态，尚有分歧。　　奇虎360董事长、人工智能成功的实践者周鸿祎，在其新书《智能主义：未来商业与社会的新生态》中坦系统阐述人工智能商业化路径图。
　　
　　人类社会经历过的PC互联网时代、移动互联网时代，以及现在所处的智能硬件时代，技术发展和商业模式创新之间始终是相辅相成的关系。每当科技发展的红利被商业模式创新挖掘殆尽后，经济也随之步入寒冬，直到下一轮技术革命的出现，商业模式创新才能重新迸发生机。
　　
　　现阶段移动互联网的商业模式创新已经挖光了Web2.0时代的技术红利，所有人都在寻找新技术，以期获得新的商业模式创新。人工智能技术无疑就是下一轮技术革命的焦点，假如未来的某一天，我们在这方面有了突破，那么新的商业模式也将涌现出来，带来一个甚至多个万亿级市场。
　　
　　在我看来，未来通用人工智能生态圈的格局会是下面将要介绍的样子。
　　
　　01人脑芯片
　　
　　2014年8月，IBM公司推出了一款名为TrueNorth的大脑原型芯片，TrueNorth主要被用于计算机专业学习领域。TrueNorth芯片集成了100万个神经元和2.56亿个突触，这相当于一只蜜蜂的大脑，而正常人的大脑大约包含1000亿个神经元和无法统计数量的突触。
　　
　　02量子计算
　　
　　普通计算机存储数据的方法是根据晶体管电路的状态，而量子计算则是根据粒子的量子状态，使用量子算法来进行数据操作。通过量子计算，可以大幅提升并行计算速度。不过遗憾的是，这方面还没有出现研究成果，谷歌曾经在2014年开始研制量子级计算机处理器，他们希望为机器人提供一个可以像人一样思考的大脑。
　　
　　03仿生计算机
　　
　　仿生计算机可以解决构建大规模人工神经网络的问题。普通的CPU(中央处理器)、GPU(图形处理器)处理神经网络的效率很低，并且在占地、散热和耗电等方面都存在问题。专门的神经网络处理器可以很好地解决这些问题。在国内，陈云霁团队研发的寒武纪神经网络计算机依据仿生学原理，相比于主流GPU，取得了21倍的性能和300倍的性能功耗比提升。
　　
　　在图像、声音和面部识别系统变得越来越后，计算机也拥有了探察人的情感状态的能力，包括喜、怒、哀、乐、爱、恨、贪、痴等，并做出适当的反应。那么很多人会有这样的疑问：
　　
　　机器人能否拥有像一个正常人那样独立思考的能力?
　　
　　关于这个问题，我曾经与的互联网预言家、《连线》杂志前主编凯文·凯利有过一次交谈。
　　
　　在凯文的思想里，未来的人工智能会产生自己的意识，这会为我们完全掌控它带来一定的困难，但不会形成毁灭人类的威胁。绝大多数的人工智能都只会是工业人工智能服务型电器。
　　
　　我对360的战略规划就是全线硬件产品向人工智能看齐，从图像识别技术和大数据技术两个方向深度拓展。目前，我们已经在中国和美国成立了相应的技术研发团队，并且还相继进行了一系列并购。总的来说，360在人工智能领域的整体规划可分为以下4个层次：
　　
　　(1)基本的硬件层面，研发、升级可以在云上、端上进行深度学习的专用芯片;
　　
　　(2)面向大规模深度学习、训练的多机多卡软硬件平台，以及基于深度学习的各种人工智能的前沿算法;
　　
　　(3)基于人工智能的各种智能硬件产品;
　　
　　(4)在人工智能或者深度学习的基础上，使智能硬件具备自主学习能力。
　　
　　作为360未来主推的大方向，我对人工智能的设想是无论在硬件还是软件方面，都将拥有自主学习功能。
　　
　　阿尔法狗赢了之后，我非常兴奋，我兴奋的不是人工智能在围棋上战胜了人类，而是它为我们所有人做了一次非常好的概念普及，让我们真实地感受到人工智能领域的成果。
　　
　　但是，我所理解的人工智能并不会像阿尔法狗那样只表现在下围棋方面，也不会像好莱坞电影中那样可以威胁人类安全。
　　
　　人工智能就像工业革命之后所带来的新技术那样，为我们的生产、生活带来极大的便利。
　　
　　虽然目前看来，360智能摄像机还仅仅是一个小产品，功能也有限，但它只是一个开始。我的期望是在不远的将来，它能够根据面容区分出家人和陌生人，能够识别出你的表情是高兴还是悲伤，甚至还能在家里四处巡视，检查家里是否有漏水、漏气、漏电等异常情况。当发展到那个时候，它就是一个具备深度学习能力的智能家庭机器人了。
　　
　　为了加速达成这一愿景，360人工智能研究院院长颜水成正在带领团队研发新技术，并且做了以下布局。
　　
　　01建立软硬件训练平台：360net
　　
　　DeepMind公司曾经推出过DQN项目(deep-q-network)，它是基于深度强化学习的游戏平台。我们从中受到了很多启发，并成功建立了一个基于软硬件的训练平台——360net。之所以构建训练平台，是由深度学习的本质决定的：要训练一个系统，大量的训练数据固然重要，同时快速的响应时间也必不可少。
　　
　　360net支持多机多卡，可以用100张卡或者几百张卡连在一起对深度学习进行训练，同时它还具有高度的兼容性和可扩展性，这意味着将来我们还可以吸纳其他的深度学习模块，来减少开发所需要的时间。对我们的人工智能业务而言，360net是至关重要的根基。
　　
　　02稳定、低功耗的人脸分析系统
　　
　　360的人脸分析系统已经被应用到360手机、儿童手表、行车记录仪上。此外，线上搜索也在一步步配置人脸分析技术。人脸分析系统可以对性别、年龄、表情等进行分析，当下直播行业的火热，让这套系统的前景非常可观。
　　
　　众所周知，在人脸分析过程中，准确定位人脸上的关键点是验证技术的一个标准，我们已经把这套技术应用到了360的产品当中。未来，360还将进一步提升人脸分析的准确度，这一切的基础就是大量图像数据的积累。
　　
　　03车辆环境感知
　　
　　我们曾经招募了一个计算机视觉团队，他们来到360之后，主要负责车辆环境感知方面的研究，主要是物体的分类、检测和分割。这是360对无人驾驶汽车的布局，通过技术实现车辆和行人之间的定位，可以更好地辅助驾驶。
　　
　　试想一下，在城市环境中，汽车可以自动进行车道线的检测，同时预计出距离红绿灯以及交通摄像头的距离，保证汽车的安全。而在检测出可行驶区域之后，就可以准确地预测道路车辆可移动的轨迹和范围，这对于车的路线预判和选择有巨大的价值。
　　
　　当然，我对人工智能的设想建立在泛安全的基础之上。这里所说的泛安全指两个方面：传统的线上安全和线下安全。线上安全处理的主要是大数据方面，线下安全则是人与智能硬件的交互。我们把信息传递给智能硬件之后，智能硬件要能理解我们的意图，同时要把它的信息反馈回来。
　　
　　安全是基础，只有在安全的基础上，我们才有可能考虑舒适、便捷的人工智能式生活。所以，360首先还是要利用IOT技术解决人们的家居安全和出行安全。对于做安全起家的360来说，人工智能是一个更适合我们的方向。
　　
　　当手机行业热潮来临的时候，我们视而不见;当O2O模式大行其道的时候，我们依然不为所动。但是，当人工智能的概念进入我视线的那一刻，我的个想法就是要抓住人工智能这波浪潮，并为之肝脑涂地，在所不惜。
　　
　　（原标题：周鸿祎：一定要抓住人工智能这波浪潮，并为之肝脑涂地在所不惜）