云計算就在我們身邊。
作為在云巨頭效力已經(jīng)17年有余的資深首席技術(shù)專家,Vogels一直在反思云計算的技術(shù)拓展之路。特別是2007年誕生的亞馬遜云科技,一路推動云計算向著一切計算場景加速融合。
Werner Vogels拿亞馬遜舉例說,亞馬遜云科技在全球設(shè)有24個區(qū)域、84個可用區(qū)、成千上萬個存在點(diǎn),已經(jīng)開始全面覆蓋5G接入點(diǎn)等邊緣位置,甚至將業(yè)務(wù)延伸至外太空。
時,實(shí)際訪問的就是你身邊最近處的AWS接入點(diǎn)。
。
另外,云計算的落地也衍生出更多值得關(guān)注的新鮮應(yīng)用,特別是在各種建筑中嵌入技術(shù)、智能方案及傳感器。
數(shù)字傳感器大有前景
數(shù)字與物理、模擬與真實(shí)之間的邊界正在快速消失,數(shù)字傳感器被放置在真實(shí)環(huán)境當(dāng)中,而各傳感器之間的持續(xù)交互已經(jīng)成為最火熱的新興概念。
亞馬遜Alexa舉例說智能語音系統(tǒng)的出現(xiàn)就是一道分界線。因?yàn)?,最喜歡用Alexa的其實(shí)是老年用戶,如果塞給他們一部iPad,那他們也就用它拍幾張孫子孫女的照片,僅此而已。但如果可以用語言交流,那設(shè)備的使用門檻就會大大降低。根據(jù)他的經(jīng)驗(yàn),不少年長的用戶甚至把Alexa稱為“救星”。
老年人的自我護(hù)理也將成為醫(yī)療保健體系中的重要組成部分。
2、老年護(hù)理是個重要話題
通過怎樣的創(chuàng)新探索,才能讓老年人們能盡量待在家中,不再為了種種日常需求而被迫前往相應(yīng)的服務(wù)設(shè)施。
特別是在老年護(hù)理和醫(yī)療保健方面,整個體系的便捷性都在經(jīng)歷一場重大革新。
醫(yī)療保健當(dāng)然是個重要話題。在成長為技術(shù)專家之前,他曾經(jīng)在醫(yī)院的放射科工作過。
問他本來打算在演講中聊什么,Vogels說他想跟聽眾們分享“數(shù)字存儲普及之前,放射科那噩夢般的舊時光”。
Vogels回憶道,大概三四十年前,當(dāng)時數(shù)字存儲的成本太高,醫(yī)院根本無法承受。為了滿足醫(yī)療記錄需求,醫(yī)院不可能把核磁共振數(shù)據(jù)保存成數(shù)字化形式,只好把圖像印在膠片上,再像X光片那樣進(jìn)行實(shí)體歸檔。
于是放射科的檔案庫就像電影制片廠一樣龐大而雜亂。“在病人來復(fù)查時,我們沒法直接用數(shù)字信息進(jìn)行比較,而只能調(diào)出相應(yīng)的膠片,一張張翻著看。”對這位辛勤的放射科醫(yī)師來說,每天的工作就是翻看無數(shù)張膠片,“上班時眼睛還好好的,到快下班時已經(jīng)有點(diǎn)看不清東西了。”
但如今,所有數(shù)據(jù)都有了純數(shù)字化版本。在云服務(wù),特別是云存儲的幫助下,圖像研究的靈活性達(dá)到了他們當(dāng)初無法想象的水平。
也逐漸成為放射科醫(yī)師手中的強(qiáng)大工具。
“直到現(xiàn)在,還是有很多人覺得AI和機(jī)器學(xué)習(xí)會消滅工作崗位。但至少放射科醫(yī)師們不會這么想,他們對如今的便利性感到既興奮又感激。”
以數(shù)字為基礎(chǔ),“醫(yī)師們現(xiàn)在可以做出微觀比較”,比如對腫瘤變化的細(xì)節(jié)進(jìn)行對照。Vogels說,“人的眼睛沒那么敏銳,但AI和機(jī)器學(xué)習(xí)能夠發(fā)現(xiàn)其中隱藏的模式,并在一定程度上引導(dǎo)放射科醫(yī)師專注于需要發(fā)揮創(chuàng)造力的工作。”
“所以從本質(zhì)上講,放射科醫(yī)師會把醫(yī)療保健領(lǐng)域的AI方案理解成出色的助手。有它們幫忙,醫(yī)生也能早點(diǎn)下班回家了。”
Vogels再次強(qiáng)調(diào)了其中的邏輯鏈條,在放射學(xué)科中,因?yàn)槲覀兡軌虮4鏀?shù)字化數(shù)據(jù)了,所以機(jī)器學(xué)習(xí)才變得越來越重要。而現(xiàn)在,整個醫(yī)療保健領(lǐng)域都在經(jīng)歷類似的重大轉(zhuǎn)變。
而機(jī)器學(xué)習(xí)在腫瘤上發(fā)現(xiàn)的某些微觀差異,也許才是病變的主要判斷依據(jù)。
最終判斷仍然要靠放射科醫(yī)生來下達(dá),但機(jī)器學(xué)習(xí)現(xiàn)在可以“展示以往無法獲取的信息”。
如今,診療筆記也在經(jīng)歷數(shù)字化,有望逐漸告別純手寫的低效形式。將這些記錄轉(zhuǎn)換為數(shù)字化數(shù)據(jù),就能讓AI對所有內(nèi)容進(jìn)行分類和篩選,“找出模式和切入點(diǎn),而這一切在短短五年前都還只是幻想。”
要想對核磁共振影像進(jìn)行腫瘤分析,就必須對深度學(xué)習(xí)等前沿AI成果做出新一輪創(chuàng)新。“要攻克這個難題,靠的可不僅僅是分析數(shù)據(jù)內(nèi)容或者編寫SQL查詢,而得有真正的模式匹配和深度學(xué)習(xí)能力。”好在“不少這類AI模型一直在發(fā)展,前進(jìn)的腳步從未停歇”。
轉(zhuǎn)交給每一家企業(yè)、甚至是每一個人。
他說,“現(xiàn)在,我們已經(jīng)可以通過機(jī)器學(xué)習(xí)構(gòu)建起具備實(shí)用性的系統(tǒng)了。亞馬遜二十年前就這么做了,現(xiàn)在這種能力不再是技術(shù)巨頭的專屬,而是成為新的行業(yè)常態(tài)。”
“看看亞馬遜用個性化推薦構(gòu)建起的一個個頁面,這才是一千個用戶眼中有一千個不同的主頁。所有這些,都是依靠機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)的。”
“而且亞馬遜還保留了幾十億份訂單記錄,我們也明確知道哪些是欺詐性訂單,所以能據(jù)此整理出模型。這樣當(dāng)有新訂單傳入時,我們就能準(zhǔn)確判斷出其屬于欺詐性訂單的概率。”
“如此種種,亞馬遜的技術(shù)積累比行業(yè)平均水平要領(lǐng)先五到十年。但時至今日,個性化推薦和欺詐分析正逐漸成為大眾化的技術(shù)成果,未來每個人都應(yīng)該能夠根據(jù)自己的需求分析訂單模式、預(yù)測后續(xù)情況。”
機(jī)器學(xué)習(xí)在代碼開發(fā)中也在發(fā)揮“極其重要的作用”,并援引了亞馬遜Code Whisperer技術(shù)“消除簡單重復(fù)工作”的案例。在這類工具的加持下,開發(fā)人才供應(yīng)不足的問題有望得到顯著緩解。
Vogels還說,機(jī)器學(xué)習(xí)也將給能源等受到嚴(yán)格監(jiān)管的行業(yè)帶來助益。以澳大利亞的液化丙烷氣行業(yè)為例,他們正在技術(shù)的支持下探索預(yù)測性維護(hù)的可行性。以往,相關(guān)設(shè)施只有在問題實(shí)際出現(xiàn)后,才會通過巨大的儀表板發(fā)出刺耳的警報。如今,他們使用新的傳感器開展預(yù)測性維護(hù),希望能搶在問題發(fā)生之前將其扼殺在搖籃之中。
制造業(yè)同樣能夠從機(jī)器學(xué)習(xí)中獲得巨大提升。他觀察到,在美國,典型的制造設(shè)備大多產(chǎn)自26年之前,所以完全沒考慮過機(jī)器學(xué)習(xí)這個因素。因此,我們有必要對制造環(huán)境開展一體化改造,充分運(yùn)用來自環(huán)境的實(shí)時數(shù)據(jù),進(jìn)而實(shí)現(xiàn)安全保障和預(yù)防性維護(hù)。很多行業(yè)和領(lǐng)域在這方面都具有廣闊的應(yīng)用空間。
當(dāng)然,AI中也有不少更深層次的道德問題需要解決。Vogels坦言,“這里還有很多未解之謎。”
從這種可行性出發(fā),沒準(zhǔn)未來的監(jiān)管要求反而會有所下降。
某些技術(shù)可能在某個國家通行無阻,比方說圖像識別之類,但在其他國家也許會遭到群體抵制。
Vogels還舉了倫敦各處密布監(jiān)控閉路攝像頭的例子。“這種行為在英國沒問題,但同樣的事情如果發(fā)生在阿姆斯特丹,老百姓就要造反了。”
Vogels認(rèn)為,要想解決這樣一個“極度敏感的話題”,首先需要明確什么是負(fù)責(zé)任的技術(shù)。其中的基本前提就是,“技術(shù)可以被用于行善,也可以被用于為惡。”
“至于到底怎么保證技術(shù)只用于行善、不用于為惡,就要由監(jiān)管機(jī)構(gòu)和技術(shù)開發(fā)商共同決定了。”
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。
科技行者旗下編譯團(tuán)隊,聚焦海外新技術(shù)、新觀點(diǎn)、新風(fēng)向。