人工智能有什么用？

在過去的十年里，人工智能技術迅猛發展，曾經讓我們覺得不可思議的科幻小說中的場景如今也逐漸成為我們生活中不可或缺的一部分。

十年前，人們還在談論 AI 理論和實驗的階段，但是到了今天，AI已經投入多個領域的使用，切實地改變著我們的生活。過去的十年內人工智能領域所作出的成績為其未來的發展打下了堅實的基礎，那么人工智能到底有什么用呢？就讓我帶你們一起來回顧一下十年以來人工智能技術的重大突破吧。

/卷積/

2012年，卷積神經網絡（CNN）在著名的 ImageNet 挑戰賽中大放異彩。由 Alex Krizhevsky 等人設計的卷積神經網絡「Alexnet」以遠超第二名的成績奪得冠軍，將 ImageNet 數據集上的視覺識別錯誤率降到了 15.3%，使原來的錯誤率減少了一半。該神經網絡對貓的檢測準確度達到了 74.8%，在 YouTube 視頻中檢測人臉的準確率為 81.7%。

這一成果的作用在于，識別準確率的提升使研究者能夠進行醫學成像模型的部署，這些模型具備高置信度。除此以外，當下手機和商場中的人臉識別應用都要歸功于卷積神經網絡。

/對話AI/

2017年由Vaswani等人發表的《Attention Is All You Need》帶來的級聯效應，使得機器能夠以前所未有的方式去理解語言。基于Transformer 架構，AI 現在能夠撰寫假的新聞、推文，甚至可能引起政治動蕩。

繼 Transformer 之后，谷歌又推出了 BERT 模型，將其用于關鍵字預測和 SEO 排名等。BERT 如今已經變成了自然語言處理領域的實際標準，例如 Microsoft 和 NVIDIA 之類的公司已經開始堆積更多參數來追趕該模型。GPT-3 也是 Transformer 的擴展，是目前最大的模型，它可以編碼、寫散文、生成商業創意，只有人類想不到，沒有它做不到。

/將人類一軍/

阿爾法狗在國際象棋中擊敗了頂級人類選手的新聞可以說是人人皆知，而更加復雜的人類游戲、圍棋、撲克等，也沒有擋住算法的腳步。這十年里，IBM 的 Watson 也在 Jeopardy! 決賽中擊敗了兩位人類，最終 Watson 拿走了 77147 美元的大獎，而兩位人類分別獲得了 24000 和 21600 美元。

Facebook 和卡耐基梅隆大學共同開發的德州撲克 AI Pluribus 也戰勝了五名專家級人類玩家，實現了前輩 Libratus（冷撲大師）未能完成的任務，該研究還登上了 2019 年的《科學》雜志。2020 年 12 月，DeepMind 提出的 MuZero更是能夠讓人工智能模型掌握多種游戲，包括將棋、國際象棋和圍棋等等。

/生命解碼/

每一個生物體的行為都可以在其蛋白質中尋蹤溯源。蛋白質承載著秘密，破解蛋白質或許有助于擊敗新冠病毒的流行。但蛋白質結構非常復雜，需要不斷地運行模擬，光靠人力是很難完成的。DeepMind 嘗試解決這一難題，其開發的深度學習算法Alphafold破解了出現五十年之久的蛋白質分子折疊問題。在計算機視覺被證明可以幫助診斷后，解決蛋白質折疊問題甚至能夠幫助研發人員開發新藥。

/藝術家OR騙子/

在去年的一則視頻中，比利時首相談論著解決經濟和氣候危機的緊急需求，后來人們才發現這其實是通過AI技術偽造的視頻。

偽造內容的背后是精心設計的算法——生成對抗網絡（GAN）。該算法在2014年提出，并得到廣泛應用，甚至已經侵入了人類工作的最后一道壁壘：創作。這種網絡可以生成從未存在的人臉、互換人臉，讓一國總統胡言亂語。GAN 生成的一幅畫甚至在佳士得拍賣會上以破紀錄的價格——40 萬美元成交了。GAN 的另一面是被用于惡意目的，以致于像 Adobe 這種公司不得不研究新技術來鑒別偽造內容。GAN 在下一個十年里仍將是被廣泛討論的對象。

/核心——硅/

過去十年，我們見證了十多家公司研究專門的機器學習芯片。這些年來，芯片技術得到了極大發展，我們可以在手掌大小的設備上執行百萬次運算。這些芯片被用到數據中心，用戶可以觀看自己喜歡的 Netflix 電影、使用智能手機等。

接下來，專為邊緣設備定制的 AI 芯片將會蘊含著價值數十億美元的商機。蘋果等公司已經開發了定制化機器學習芯片（如 A14 Bionic）來提供智能服務。即使是依賴英偉達和英特爾的 AWS，也正在慢慢進入芯片行業。

/逐漸成熟的開源文化/

2015 年，TensorFlow 開源。一年后，Facebook AI 又開源了基于 Python 的深度學習框架 PyTorch。今天，TensorFlow 和 PyTorch 已經成為使用最廣泛的框架。通過不斷的版本更新，谷歌和 Facebook 為機器學習社區帶來了極大便利。自定義庫、軟件包、框架和工具的爆發式增長，使得更多人進入了 AI 領域，也為 AI 研究帶來了更多人才。

盡管 AI 已經進入許多我們未曾想象的領域，但它仍需應用到更流行的應用中，如自動駕駛汽車。然而，還有很多的挑戰存在于數學層面：目前已有能夠做出準確決策的算法，也有能夠處理這些算法的處理器，但何時能夠部署到應用上仍未可知。不管是醫療還是自動駕駛汽車還是其他的新領域，AI 仍需要持續不斷地發展。

正如工業和信息化部副部長王志軍所說，要想持續鍛造云計算、大數據、人工智能、5G等新一代信息技術領域的長板優勢，推動產業體系優化升級，就需要推動軟件國民基礎教育，創建一批特色化示范性軟件學院，打造高素質人才隊伍。國家對人工智能等技術的重視程度已經達到一個新高度，在未來這些相關產業也會得到大力扶持，其發展前景可見一斑。如果你正面臨學業或者就業方向的抉擇，不妨考慮成為云計算、大數據和人工智能等方向的專業技術人才，不僅擁有廣闊的發展前景，還能為國家的重點科技領域助力，可謂是前途無限。