所有手机都搭上了AI的车,可为什么你就不屑呢?

作者: 魏德龄 2018-04-25 08:24:55

随便观看一场手机发布会,就能发现AI功能的加入,不过很多用户都对此都有些不屑一顾,心中暗自觉得有蹭热点的嫌疑。那么,这些宣传中功能到底是不是所谓的AI呢?

人工智能

手机的新卖点:AI

从去年下半年开始,几乎所有的手机产品在发布时都搭上了AI的概念,三星去年先发布了AI助手Bixby,随后又在今年发布Galaxy S9时也强调了Bixby通过摄像头可以完成智能翻译、汇率转换等功能。华为麒麟970芯片也在***次集成了NPU神经网络单元,随后的Mate 10、P20产品中都加入了拍照识物的功能,其中P20系列的AI摄影大师,可以智能识别动物、食物、自然、人像等19个类别,500+个场景,随即通过场景检测+推荐规则+用户习惯 = 拍照模式的运算过程来为用户定制拍照模式。最近发布的Nubia V18也优化了NeoSmart AI引擎,表示系统可以更加省电、流畅、好用。

就连相对低调的苹果,在A11处理器的名称中也加入了“仿生”一词,同时也将其称作为一个每秒运算次数高达6000亿次的神经网络引擎。“神经网络”一词的使用,也无疑向消费者暗示该芯片同样具备对于AI能力的支持。

广义上看一定算AI

“擦,搞个相册智能分类,也算是AI了。”这是一位网友看到某国内手机厂商的发布会时的评述。确实,现在所有的手机厂商都开始与AI概念靠拢,大到芯片,小到上述的相册分类管理,其实这些功能在以往的手机或电脑上也都似曾相识,比如语音助手、拍照翻译、利用LBS+AR+摄像头的地点指引、手机的能耗管控,让很多人以为本身是过往就有的功能却瞬间包装成了AI云云。

那么,什么是AI呢?除了字面翻译过来的人工智能四个字外,实际上人们对于AI的定义还存在争议。例如,在有的概念中强调了AI需要具备机器学习与深度学习的能力,那么显然一些手机中,仅仅是利用现有的数据库,然后做出相应判断的智能化功能并不符合这一概念。

另外,在深度学习的概念中,有的人认为应该强调深度学习,也就需要具有神经网络,让机器来模拟人脑进行学习,自我形成逻辑,然后获得超越人脑的能力。就如同Alpha Go在通过棋谱学习、自我对弈后,完成了对于人类棋手的飞跃。显然,很多手机中的AI功能也难以做到这点。不过在这个观点中,一个问题在于实际人类目前对于人脑的了解也十分有限,计算机的深度学习99%都是采用计算机自己的方式,这也与AI中的“人工”两字有些相去较远。

不过,AI有一个目前较为公认的广义概念,那就是:根据环境的认知,作出合理的行动,并且***化一个被定义的目标函数。

显然,目前所有手机厂商推出的AI功能都满足于这个广义概念的AI,这些功能均是根据用户的环境,然后自动做出相应的行动。也可以这么说,即便是此前用户已经十分熟悉的Siri、一些电池管家应用、即时翻译应用均可称之为AI。

AI级别与用户内心期许存在差异

但是,为什么还是会出现上述用户的对于所谓AI概念滥用的吐槽呢?显然原因就在目前业界对于AI概念细化后的探讨,Alpha Go的案例像是给全球一个新的启示,那就是原本能力偏弱的AI可以达到超越人脑的高度,这也给AI贴上一个新的标签。

而Alpha Go背后超强学习能力,也成为了AI的新标志,机器不仅仅能依靠现有的大数据来做出反应,还能通过数据库来自我学习、自我寻找其中逻辑、从而推演出新的解决方案,这是AI新的发展方向。

但在没有自主学习能力的AI功能中,由于其与用户原来所接触到的已有功能差别不大,所以也难让用户产生其与当下流行的AI概念(强调神经网络、深度学习)的强关联,自然与内心的期许存在差异,产生吐槽也就难免了。

当然,AI的自我学习能力如果在手机中应用也涉及到了日益被用户所重视的隐私问题,AI在学习过程中,所不断收集来的数据如果存储在云端显然会出现巨大争议,例如语音助手、人脸识别在长期学习后,显然也能重现用户的面貌和声音,会造成很大风险。所以苹果、华为也在手机中内置了专门的神经网络单元来存储这样的数据,但也会面临如果用户更换手机,机器需要重新学习用户特征的问题,只有用户使用一段时间后,机器才能达到原有的学习水平。

AI 手机 人工智能
上一篇:中国人工智能芯片市场分析和展望 下一篇:七年一剑 华丽蜕变:WOT2018揭秘技术背后的真相
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载