知行夜话第二十四期:人工智能




知行夜话第二十四期:人工智能

“嘿,Siri~”

“小爱同学”

“小度小度”……

声声透着亲昵感的呼唤在街头巷尾响起,智能小助手已成为我们生活中不可或缺的一分子,也时刻在提示着我们确实已经从信息时代迅速走进了人工智能时代。

人工智能(Artificial Intelligence),缩写为AI,是计算机科学的一个分支,也是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它企图了解人类智能的实质,并生产出一种能以人类的方式对外界信息做出各种反应的智能机器。

说到这里,我们脑海中浮现的是不是一辆辆自动行驶的汽车?一个个在京东仓里跑来跑去搬运货物的机器人?还有手机里一个个有问必答的智能小助手?

而真正的人工智能远不止于此,该领域的研究还包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

本期几位嘉宾将分别从机器算法在金融风控领域的应用、AI赋能后的工业机械臂的应用、AI核心——芯片的发展现状与趋势这三个角度让我们全面认识一下AI带给我们生活的变化。

嘉宾One 吕晓曦

北航20级MBA,本科毕业于北航6系,现于创业公司慧安金科工作,职位产品总监。

分享主题:《机器学习和金融风控》

Part1:人工智能介绍

1. 人工智能分类和历史

人工智能始于1956年达特茅斯会议,1980-2010处于机器学习阶段,2010进入深度学习阶段。

2. 机器学习分为有监督学习和无监督学习。

有监督学习:回归和分类,有标签,主要学习样本的好或者坏。

无监督学习:无标签,主要是用来分析学习类别,但机器无法区分好坏。分为聚类和异常检测。

3.  算法介绍:

1) 线性回归:可以预测分数

2) 逻辑回归:可以预测好坏

3) 树类模型

决策树:针对复杂的考虑因素,会产生一系列问题。

随机森林:小决策树的简单的组合方式。

4) 支持向量机:SVM是计算一个决策边界,让好/坏样品决策边界的最小举例最大化。

5)  Clustering:K-means

6) 半监督算法 :先聚类再分类。

7) 集成学习:用多个弱分类器的组合来形成更准确的分类器,用更多运算来弥补简单分类器在准确性或拟合度上的不足。

优势:可以更灵活的做分类,解决理论上有可能过度拟合(Over-fitting)的问题,同时模型结果更为精准。

常用种类:

  • Bagging (自助聚合)

  • Boosting (梯度提升)

  • Stacking (堆叠集成)

8) 有监督学习的评价指标:ROC/AUC

Part 2:金融风险分类

1.  金融风险分类

知行夜话第二十四期:人工智能

知行夜话第二十四期:人工智能

2. 人工智能在金融行业应用的前提:海量数据、高速计算、算法突破。

3. 人工智能的应用场景

机器学习、反欺诈、智能客服、自动化作业 、人脸识别、深度学习、机器人理财。

慧安金科人工智能在金融领域的应用:反洗钱、交易反欺诈、企业风控、营销反欺诈等。

知行夜话第二十四期:人工智能

嘉宾Two 李显涛

北航21系软件学院学员,主攻CV方向(CV=计算机视觉=图像识别领域)。

分享主题:《AI赋能机械臂的应用场景》

Part 1:传统工业机器

传统工业机器人有四大家族:

瑞士ABB、德国库卡(KUKA)、日本发那科(FANUC)、安川电机

知行夜话第二十四期:人工智能

Part 2:人工智能如何赋能机器人

知行夜话第二十四期:人工智能

人工智能是一个很大的领域,内部也分出很多方向,应用上均有很大的市场空间。仍有很多技术难点的是左上角的一些智能硬件如无人机,机械臂,自动驾驶等,而右上角的智能化程序是目前的热点板块。

随着人工智能的发展,机器人的概念也在不断演化:

1)   国际标准化组织(ISO)2012年定义:“机器人是一种受驱动以执行预期任务的机械装置,其2个及以上的轴可编程,具有一定的自治能力,可在所处环境中运动”

2)   牛津词典的解释:“机器人是一种能够自动执行一系列复杂动作的机器,特别是由计算机编程的机器”

3)   维基百科的定义:“认知机器人是具有智能行为的机器人,它通过提供一种处理结构能够学习与推理如何行动以便在复杂世界中完成复杂任务”

知行夜话第二十四期:人工智能

如上图所示,一个机器人可以分成好多板块,其中又可以进一步细分,所以一个智能化的机器人是一个很浩大的工程:

知行夜话第二十四期:人工智能

机械臂作为智能机器人的一种或者说一部分,其中涉及的技术远比现在主要应用的一些单一场景的单一功能的人工智能要复杂,正如自动驾驶一样。实现的难度也非常大,比如为了精确地抓取某个物体,就需要在以下几个板块死磕:

视觉识别,路径规划,抓取点,力度,人机交互……

知行夜话第二十四期:人工智能

鉴于这种复杂性,现在很多人工智能企业都只是在主攻上面这张技术架构图中的某一个或几个模块罢了。

这里先说明下基础的运动知识坐标系和标定:比如运动控制模块的一个基本知识,我们伸伸手的事情对于一个机械臂来说是要构建连接许多个空间坐标系的数学问题:如同UR机器人的各种坐标系:

知行夜话第二十四期:人工智能

图片来源:知乎分享

再如外界环境识别中对物体位置的判断:

知行夜话第二十四期:人工智能

图片来源:知乎分享

Tips——标定:在一切开始前要确立机械臂与相机的位置关系,也即相机与机械臂的某个不可移动位置的空间关系是确定的。如此,分析相机所拍摄到的物体与相机的位置关系,然后带入标定信息,就可以计算出物品与机械臂的相对位置。



Part 3:科研方向与未来应用

科研方向——深度学习:

知行夜话第二十四期:人工智能

图片来源:中科院自动化所发表的论文中涉及的技术架构

一张图过来,非相关领域的朋友们是不是已经懵了?其实我们可以简单些去理解:

深度学习其实就是一个训练与推理的过程。训练就是基于大量的既有数据来形成一个函数的建模过程;而推理便是基于收集到的外部信息利用已建立的函数模型得出某个特定结果的过程。

再说得简单一点,就像初中的二元一次函数,给你两个点,求一条直线,以后给你一个特定的x或y的值,你就能得出另一个变量的值,这就是深度学习的过程。

未来应用——服务生活:

看完上面的部分是不是觉得机器人好复杂,会离我们很远,但事实是现在更多的应用方向都是在我们的生活日常中。不信你看:

剑桥大学新开发的机器人大厨:在长期“训练”后通过各种参数如:温度、时间、翻炒频率等与成品菜肴的口味关系,即可做出品质重复率非常高的菜肴,譬如一个完美的溏心荷包蛋?

咖啡店已经在使用的机械臂自动拉花:小姐姐,你手中捧着的颜值超高的拿铁可能并不是帅气的咖啡师给你的小浪漫,而仅仅是一个机器的固有程式罢了。(说起来有点伤感呢?)

但不论怎么说,科技不可逆——机械臂或者说机器人在未来将覆盖:工业生产、农业采摘、餐饮制作、医疗器械等各个方面,其操作标准、精准度高、失误率小、可远程控制等优点将真正把人类从枯燥的重复性劳动中解放出来,赋予我们更多陪伴家人、约会朋友、思考创造的时间,加速人类进步的步伐。

嘉宾Three 温恒

北航19级MBA。来自商汤科技芯片团队的智能硬件专家。致力于为祖国的半导体事业贡献点滴力量,愿随优秀的人,伴随着公司和祖国一起成长、进步。

分享主题:《人工智能时代的算力基石——AI芯片》

Part 1:人工智能简史

人类文明发展突破性的四大时代:

1. 蒸汽时代:蒸汽机

2. 电力时代:直流电和交流电

3. 信息时代:计算器和互联网

4. AI时代:深度学习

人工智能时代发展的时间轴:

1. 1990年代:信息时代,以Microsoft,Dell,hp,intel为代表

2. 2000年代:互联网时代,以Google,Facebook,阿里巴巴,京东为代表

3. 2010年代:物联网时代,以IBM,苹果,Mobileye,Oracle为代表

4. 2010年以后:智联网时代,以Facebook AI Research,Nvidia,Deepmind,Google,Amazon,商汤为代表

知行夜话第二十四期:人工智能

Part 2:知识普及

1. 深度学习中的训练和推理

  •  训练(Training):一个初始神经网络通过不断的优化自身参数,来让自己变得准确,这整个过程就称之为训练。

  •  推断(Inference):就是深度学习把从训练中学习到的能力应用到工作中去。

知行夜话第二十四期:人工智能

2. 存储/内存

内存是和CPU沟通的桥梁。内存分为ROM和RAM。

ROM:只读内存,集成高,成本低,电路简单

RAM:随机存储内存,成本高,电路复杂

知行夜话第二十四期:人工智能

3. CV算法(CNN)

所有的图片在计算机看来都是数字,视频的高清、4k格式代表数据信息量的大小。

图片数据由矩阵组成,矩阵数据能把图片的图像提取出来。

知行夜话第二十四期:人工智能

4. 芯片制造

芯片的制造是物理技术,化学技术,光学技术及一系列高科技应用于一体的复杂系统。

Part 3:算力

算力:计算机的计算能力,有很多种的表达单位,通常用TOPS表达。1TOPS代表处理器每秒钟可进行一万亿次操作。

算力的需求发展包含以下三点:

  •  图灵机器人首席战略官谭茗洲——2016年3月,谷歌人工智能阿尔法围棋战胜韩国棋手李世石时,人们感叹人工智能的强大,而其背后巨大的“付出”却鲜为人知——数千台服务器、上千块CPU、高性能显卡以及对弈一场棋所消耗的惊人电量。

  • 中国工程院院士王恩东——相比云计算和大数据等应用,人工智能对计算力的需求几乎无止境。

  • OpenAI发布了一份名为《AI与计算》的分析报告——自2012年以来,AI训练任务所运用的算力每3.43个月就会翻倍,每年大约增加10倍,这样的发展趋势将会继续。

Part 4:AI芯片

知行夜话第二十四期:人工智能

ASIC架构特点:

1)    传统矩阵操作,大量并行的mac

2)    更多定点运算,降低运算精度,提高运算速率

3)    Fft时域频域的转换

4)    很多个计算小核,累积起来的算力

5)    比较大的SRAM memory

AI芯片的市场规模:如下图所示,不断在上升。

知行夜话第二十四期:人工智能

以下以三个公司为例:寒武纪,华为,英伟达

知行夜话第二十四期:人工智能

知行夜话第二十四期:人工智能

知行夜话第二十四期:人工智能

AI芯片在设计中的挑战:

1)    大容量存储和高密度计算

2)    特定领域的架构设计

3)    芯片设计要求高,周期长,成本昂贵

4)    工艺

Part 5:未来AI芯片趋势

1. 先进工艺

台积电宣布5nm进入量产,3nm明年正式试产,英特尔留下委屈的泪水。

2. 先进封装

chiplet(芯粒)技术就是芯片级别的重用。把复杂的片上系统(soc)进行功能分解,然后开发出多种具有特定功能、模块化的小芯片(chiplet),或者把一些预先生产好的实现特定功能的芯片(die),通过先进封装技术(2.5D或3D)和片接互联集成在一起形成的一个系统。

3. 新材料

第三代半导体材料市场火爆。

4. 计算架构的创新

从单纯追求极致性能和功耗,走向追求编程灵活性和软件应用生态;从领域专用,走向领域通用。

商汤IVA芯片设计组:初心大到整个行业甚至整个国家,为祖国的半导体事业贡献点滴力量。

尾声

不知不觉,又一期知行夜话结束了。每到回想时,是否会有些留恋?舍不得一路来的成长的喜悦,以及每次开场前几分钟那满是兴奋和期待的等候。

知行夜话的初心不改:跨界交流、碰撞观点、拓宽边界,希望我们的每一次交流,都能为你打开一扇新世界的大门,让你对这个世界又多了几分了解和热爱。

知行夜话欢迎你,欢迎那个乐于分享的你,欢迎那个对行业故事充满好奇的你,也欢迎那个带着问题跟嘉宾交流碰撞的你,更欢迎那个邀请心中的他一起加入的你,无限精彩,无限可能,这个舞台属于独一无二的你。

知行夜话,每周六晚 8:00,腾讯会议,不见不散。








知行夜话第二十四期:人工智能





记录整理:崔少凡@20集中一   张彩刚@19隔周三                          李俊丽@19隔周一

编辑排版: 屈红飞@19周末二 

审核校对: 李明华@18周末二    董   伟@18集中二








知行夜话第二十四期:人工智能



往期回顾


 
知行夜话第二十三期:一些法律的小知识


 
知行夜话第二十二期:物业及互联网家政那些事儿


 
知行夜话第二十一期:汽车那些事儿


暂无评论

暂无评论...