“96%的高級IT專業人士相信，人工智能(AI)應用將促進生產力和企業效益的提升，幾乎同等數量的受訪者(95%)表示需要進一步投資升級他們的IT基礎設施，以支持他們應用AI。”在近日舉行的“大數據下的人工智能高峰論壇”上，希捷科技公佈了以上的最新調研數據。
在海量數據的支持下，伴隨著算法的不斷增強，人工智能的應用正在某些領域萌芽、成熟。然而，業內人士關注的是，市場感受到了來自大數據和人工智能的蓬勃活力，但也不應忽視其發展中仍存在的挑戰與問題。
數據即基礎
談到基礎設施，傳統的觀念中人們會想到水、電、煤氣、鐵路、公路和機場等。然而，對未來社會而言基礎設施是什麼?中國軟件行業協會常務副秘書長陳寶國認為，“是數據”。
IDC、希捷科技曾發佈了《數據時代2025》白皮書。報告顯示，到2025年全球數據總量將達到163ZB。這意味著，2025年數據總量將比2016全球產生的數據總量增長10倍多。其中屬於數據分析的數據總量相比2016年將增加50倍，達到5.2ZB(十萬億億字節);屬於認知系統的數據總量將達到100倍之多。爆炸性增長的數據推動著新技術的萌發、壯大。人工智能便是其中最具代表性的科技之一。
然而，如此多的數據從何而來?據希捷科技全球副總裁暨中國區總裁孫丹介紹，2007年之後數據每年以翻兩倍的速度在增長，此時的大部分數據都是個人產生的。但這並非數據增長的全局，數據未來的爆炸性增長將來自物聯網、來自工業智能化的生產性數據和物體產生的數據。
陳寶國介紹稱，未來增長的數據“不僅是人類生活數據的積聚，更重要的是工業和自動化的數據”。他指出，到2050年，整體來講全球有10萬億傳感器佈置到全球社會生活各個領域，有20萬億美元產業規模，將產生10萬億美元的智能軟件市場規模。
不僅如此，未來數據將會成為重要資源和戰略資產，對數據資源的獲取、佔有、控制、分配和使用的能力成為一個國家和地區經濟發展水平和競爭能力的重要標誌。而數據安全也將成為國家安全的重要組成部分。
在IDC的預測中，到2025年，全球三分之二的金融公司將整合第三方認知數據。但孫丹認為，這是一個十分保守的估計，“我覺得100%都會整合，不整合一定會落後”。
奶粉與嬰兒
“人工智能如果是一個嬰兒的話，數據其實是奶粉，孩子吃得越多，長得越大;奶粉的質量越好，孩子智力水平就越好。所以數據越大，數據質量越好，人工智能所達到的水平就越高。”談到人工智能與大數據的關係時，希捷科技中國區總裁孫丹用了一個形象的比喻。
事實上，如今為市場所關注的人工智能技術並非今日才產生。自1956年斯坦福大學計算機科學家約翰·麥卡錫(John McCarthy)在達特茅斯會議上首次提出“人工智能”概念至今，已有60餘年的歷史。而諸如麻省理工學院人工智能實驗室、斯坦福人工智能實驗室等科研機構也早已開展人工智能研究多年。然而，人工智能技術受到如此廣泛的關注卻是近幾年的事。
這一科技名詞之所以如此博人眼球，離不開AlphaGo大戰圍棋冠軍等事件的影響，但從根本上是由於海量數據的產生，為人工智能的茁壯成長提供了充足的養料，推動這一技術逐步走向市場、落地應用。
孫丹回憶，20年前IBM公司就曾提出智慧地球，然而多年過去卻只是實現了數字化，遲遲未能實現智慧化。如今，人工智能可以落地，是隨著智能手機的出現，讓數據量每年以翻兩倍速度增長，為推動算法的精進和人工智能的研究提供了源泉。在人工智能的發展中，高質量的數據越多，算法越精煉，才能令三者的發展形成相互推動的良性循環。
“吃奶粉還不一定讓孩子成長，還需要我們按時喂他，同時需要他有良好的消化系統，所以大數據需要加上很好的算法和計算力，才能產生智能。”中科院計算所計算機體系結構國家重點實驗室研究員及博士生導師、國家超算濟南中心主任張雲泉解釋稱。
此外，大數據的暴增仍有諸多挑戰需要面對，如何有效使用大數據便是其中的一大難點。
“未來我們會有163ZB數據，但是真正存下來的數據只有1%，問題就來了，99%是無效數據，哪些是有效數據?”在孫丹看來，這將是未來所有企業都面臨的一大挑戰。
相伴相生
安防、金融、智能家居、無人駕駛……如今人們已越來越多地感受到生活和工作為人工智能所影響，而未來人工智能將繼續向我們生活、工作的方方面面滲透。
有數據顯示，到2019年，40%的數字化轉型項目將使用AI服務;到2021年，75%的商用企業級應用將使用AI，超過50%的消費者將享受機器人客服的服務，50%的新型機器人將採用AI。
“這對於未來提高就診效率和提高診斷準確率，降低醫生工作勞動強度很有效，畢竟醫生看片子每天看的數量是有限的。”張雲泉說。
在這類診斷中，醫生所關注的圖像中所反映的細節，正好是算法所擅長的，它可以非常精準地診斷病人的患病程度，甚至可以開出處方。
儘管有些領域，相關應用正日趨成熟，但人們應當看到的是，人工智能的發展仍處於嬰兒期。目前，人工智能尚不能完成人的推理、演繹，其能力更多停留在學習、歸納層面。
閱讀更多 Linux雲計算 的文章
