[新聞] 白宮:人工智慧領域,中國研究超越美國消失
1.媒體來源:
三立
2.完整新聞標題:
白宮:人工智慧領域,中國的「論文數量、質量」都超越美國
http://www.setn.com/News.aspx?NewsID=190948
3.完整新聞內文:
記者黃郁棋/綜合報導
如果你是科技癡、科技狂,肯定也發現了一件事:現在幾乎所有的軟體公司,都在發展
「人工智慧」:Google、Facebook、Apple、百度、騰訊...。美國白宮官方在10月份
發佈了一篇《國家人工智慧研究開發戰略計劃》的報告,內容更罕見的提出警告:「美國
在人工智慧的論文數量、論文影響力上,已經不再是世界的領頭羊。」
▲美國白宮發佈的人工智慧戰略報告。(圖/Whitehouse)
中國在人工智慧領域的大爆發
從白宮提出的報告圖表我們可以發現,中國在「人工智慧」領域的論文數量,大約在2013
年的時候跟美國出現了死亡交叉;在2012年以前,中國與日本、德國、新加坡、南韓在這
個領域上的研究是差不多的,只有美國從2008年開始就遙遙領先。
然而,中國在2012年以後,關於「深度學習」(Deep Learning,是機器學習的一環)以
及「深層神經網路」(Deep Neural Network)的論文數量就呈現迅速成長的態勢,直接
擺脫了日本、德國、新加坡等國家,暫居第二。到了2013年,論文數量更是以「井噴」的
方式快速增加,美國很快的被超越。可怕的是,中國在超越美國後,成長幅度依舊是世界
第一。
▲中國在「深度學習」、「深層神經網路」的論文數量,超越美國。(圖/Whitehouse)
或許有人會說:「論文數量多,不代表質量好。」白宮同樣也有考慮到這個情況,於是
他們在圖表中加入了第二個觀察維度:論文至少被其他人引用一次的數量。
當然,論文被「引用」的數量,依舊無法直接證明論文的質量如何,但是它對於論文的
「影響力」是具有指標性意義的:論文被大量引用,意味著研究成果的能見度較高,亦
暗指該論文獲得了同儕之間的認同,顯示該論文在品質上具有一定水準。
在「被引用至少一次」的論文數量上,中國依舊超越了美國,這也讓人必須特別重視這
個現象:中國在「人工智慧領域」的發展上,按照這樣發展下去,很可能成為全世界的
領頭羊。而人工智慧,被多方面認為會是人類科技下一階段的發展重點。
▲在「論文至少被引用一次」的數量上,中國依舊是第一名。(圖/Whitehouse)
人工智慧研究的三個階段
在白宮的這份報告中,提到了人工智慧發展以來,經歷過的三個階段:
一、「如果是這樣,那就這樣做」的規則時期
在大約1980年代的時候,人工智慧還很青澀,解決的問題都還停留在「if-then」階段,
一切都依照人類給定的規則在進行。換句話說,這時候的人工智慧,只能做「你規定好」
的事情,並不具備自我學習的能力,無法面對充滿「不確定性」的情況。
▲AlphaGo開發者黃士傑。(圖/記者黃郁棋攝)
二、機器學習時期
嚴格來說,從2000年到2016年,都屬於第二階段「機器學習時期」。在這個階段,「辨識
」(Recognition)出現了很大的突破,無論是文字的辨識、圖片的辨識,還是聲音語言
的辨識,都變得相當準確。另外,在各國語言的「翻譯」上,也開始藉由機器學習的技術
進化很多。
事實上,在「人工智慧擊敗人類」這件事情上,曾經出現好幾個里程碑,包括:
西洋棋(1997,深藍)、Trivia(2011,IBM的華生人工智慧)、雅達利(2013,
Atari Game,DeepMind)、圖像辨識(2015)、演講辨識(2015)、圍棋(2016,
AlphaGo)。
三、機器理解時期
在第二階段中,機器學習其實只能做到「基於大數據的統計、分析、歸納、找出數據中
的邏輯」等事情,還沒辦法辦到讓機器真正「理解」人類想表達什麼。白宮的報告推測,
現在(2016年)已經是「第三時期」的起點,工程師將可以構築出一個「解釋模型」,
機器將能「理解」現實世界發生的各種現象,並且以自然語言與人類溝通。如此一來,
機器能夠做到的事情,將會變得非常多、非常廣。
▲Google台灣董事總經理簡立峰。(圖/Google提供)
事實上,Google台灣的董事總經理簡立峰,在「Google十年好時光」活動的記者會上,
也有提到這個趨勢,並且明確的指出台灣在未來這一波「人工智慧革命」中所佔有的優勢
地位:
「台灣有一個絕佳的機會,因為下一代的這些新的科技,『軟硬』沒有擺在一起做是不行
的,這是一個機會。」
「更重要的是,一個專門為AI設計的、為語音辨識設計的,為電腦圖像設計的,甚至有一
天對理解、語義分析設計的(處理器)。也許Google現在叫它『TPU』,TensorFlow的PU
(編按:TensorFlow是Google的開源機器學習系統),我不知道,也許有一天叫『AI的PU
』也有可能(笑)。這些東西如果去年在看的時候,就覺得沒有那麼的清楚,那今年再看
就覺得它速度很快。」
這波「人工智慧浪潮」,全世界都相當重視,連白宮都針對它做出戰略報告。究竟未來的
人工智慧大戰,除了現在發展最快的中國、一直以來沒有弱過的美國外,台灣能不能提前
找到自身的戰略價值,卡位佔據一個優勢位置,恐怕會是未來十年的發展關鍵。
4.完整新聞連結 (或短網址):
http://www.setn.com/News.aspx?NewsID=190948
5.備註:
中國百度把Andrew NG(吳恩達)挖過去的時候,就應該注意了:
這根本是用盡一切辦法在發展啊,把該領域最頂尖的人都挖過去,用意相當明顯。美國
白宮也注意到這個情況。
其實台灣也有一些機器學習的專家,例如AlphaGo的開發者也是台灣出身的。希望台灣
能夠藉由這波革命,重回世界重要地位。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.204.37.47
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1476787100.A.197.html
推
10/18 18:39, , 1F
10/18 18:39, 1F
推
10/18 18:39, , 2F
10/18 18:39, 2F
推
10/18 18:39, , 3F
10/18 18:39, 3F
噓
10/18 18:39, , 4F
10/18 18:39, 4F
推
10/18 18:39, , 5F
10/18 18:39, 5F
→
10/18 18:39, , 6F
10/18 18:39, 6F
推
10/18 18:40, , 7F
10/18 18:40, 7F
→
10/18 18:40, , 8F
10/18 18:40, 8F
台灣也很多人這樣用吧...
推
10/18 18:40, , 9F
10/18 18:40, 9F
推
10/18 18:40, , 10F
10/18 18:40, 10F
推
10/18 18:41, , 11F
10/18 18:41, 11F
推
10/18 18:41, , 12F
10/18 18:41, 12F
※ 編輯: striving (180.204.37.47), 10/18/2016 18:42:05
推
10/18 18:41, , 13F
10/18 18:41, 13F
→
10/18 18:42, , 14F
10/18 18:42, 14F
推
10/18 18:42, , 15F
10/18 18:42, 15F
推
10/18 18:42, , 16F
10/18 18:42, 16F
推
10/18 18:42, , 17F
10/18 18:42, 17F
推
10/18 18:42, , 18F
10/18 18:42, 18F
→
10/18 18:44, , 19F
10/18 18:44, 19F
推
10/18 18:44, , 20F
10/18 18:44, 20F
→
10/18 18:45, , 21F
10/18 18:45, 21F
其實也是公平的:中國會這樣,相信美國也會啦。
注意看2013,中國爆炸起飛後,美國忽然被引用數大跌。這應該意味著,中國的研究者
開始大量轉引用自家人的論文了,所以美國的研究被引用數減少。
→
10/18 18:45, , 22F
10/18 18:45, 22F
推
10/18 18:45, , 23F
10/18 18:45, 23F
→
10/18 18:46, , 24F
10/18 18:46, 24F
※ 編輯: striving (180.204.37.47), 10/18/2016 18:47:19
→
10/18 18:46, , 25F
10/18 18:46, 25F
推
10/18 18:46, , 26F
10/18 18:46, 26F
推
10/18 18:46, , 27F
10/18 18:46, 27F
→
10/18 18:46, , 28F
10/18 18:46, 28F
推
10/18 18:46, , 29F
10/18 18:46, 29F
推
10/18 18:47, , 30F
10/18 18:47, 30F
→
10/18 18:47, , 31F
10/18 18:47, 31F
推
10/18 18:47, , 32F
10/18 18:47, 32F
推
10/18 18:48, , 33F
10/18 18:48, 33F
噓
10/18 18:49, , 34F
10/18 18:49, 34F
推
10/18 18:49, , 35F
10/18 18:49, 35F
還有 112 則推文
→
10/18 23:52, , 148F
10/18 23:52, 148F
推
10/18 23:54, , 149F
10/18 23:54, 149F
→
10/18 23:55, , 150F
10/18 23:55, 150F
推
10/19 00:01, , 151F
10/19 00:01, 151F
噓
10/19 00:03, , 152F
10/19 00:03, 152F
→
10/19 00:04, , 153F
10/19 00:04, 153F
推
10/19 00:04, , 154F
10/19 00:04, 154F
→
10/19 00:04, , 155F
10/19 00:04, 155F
→
10/19 00:05, , 156F
10/19 00:05, 156F
推
10/19 00:26, , 157F
10/19 00:26, 157F
推
10/19 00:29, , 158F
10/19 00:29, 158F
→
10/19 00:29, , 159F
10/19 00:29, 159F
推
10/19 00:48, , 160F
10/19 00:48, 160F
→
10/19 00:49, , 161F
10/19 00:49, 161F
→
10/19 00:54, , 162F
10/19 00:54, 162F
→
10/19 00:55, , 163F
10/19 00:55, 163F
→
10/19 01:01, , 164F
10/19 01:01, 164F
推
10/19 01:06, , 165F
10/19 01:06, 165F
→
10/19 01:06, , 166F
10/19 01:06, 166F
→
10/19 01:07, , 167F
10/19 01:07, 167F
→
10/19 01:08, , 168F
10/19 01:08, 168F
→
10/19 01:10, , 169F
10/19 01:10, 169F
→
10/19 01:10, , 170F
10/19 01:10, 170F
→
10/19 01:27, , 171F
10/19 01:27, 171F
推
10/19 01:51, , 172F
10/19 01:51, 172F
推
10/19 01:54, , 173F
10/19 01:54, 173F
推
10/19 02:14, , 174F
10/19 02:14, 174F
推
10/19 02:15, , 175F
10/19 02:15, 175F
推
10/19 02:21, , 176F
10/19 02:21, 176F
推
10/19 04:02, , 177F
10/19 04:02, 177F
推
10/19 04:18, , 178F
10/19 04:18, 178F
推
10/19 08:00, , 179F
10/19 08:00, 179F
推
10/19 08:40, , 180F
10/19 08:40, 180F
→
10/19 08:41, , 181F
10/19 08:41, 181F
→
10/19 08:42, , 182F
10/19 08:42, 182F
→
10/19 08:43, , 183F
10/19 08:43, 183F
→
10/19 08:43, , 184F
10/19 08:43, 184F
推
10/19 09:57, , 185F
10/19 09:57, 185F
推
10/19 10:50, , 186F
10/19 10:50, 186F
→
10/19 10:51, , 187F
10/19 10:51, 187F
討論串 (同標題文章)
以下文章回應了本文 (最舊先):
完整討論串 (本文為第 1 之 8 篇):