AI 时代，Google 等科技巨头如何避免被颠覆？

本篇文章2076字，读完约5分钟

雷锋。在科技行业，从来没有一家“百年老店”屹立不倒。例如，在互联网时代，没有人想主宰手机市场的诺基亚已经逐渐衰落并突然离开。随着人工智能时代的到来，为了避免被时代淘汰的命运，其他技术巨头开始内部创新，希望突破自身的发展瓶颈。为了在人工智能领域取得一些成就，数据是不可或缺的基本要素。有句谚语说，如果你有数据，你就会有未来。对吗？

早些时候，谷歌发布了一份关于人工智能的研究报告，结果让我们想起了当前人工智能热潮中的重要商业趋势。消费者和经济越来越依赖于科技公司的生态系统，它一直被认为是通过内部分化来保持创新和非垄断。在这个过程中，中小企业可以颠覆大企业。然而，当技术竞争依赖于由大量数据驱动的机器学习系统时，超越技术巨头可能变得比以往任何时候都更加困难。

周一，谷歌发布了其新论文的预印本，描述了与卡内基梅隆大学(cmu)的“昂贵”合作。他们的图像识别实验花了两个月的时间集成了50个强大的图形处理器，并使用了前所未有的3亿个标记图像集(只有100万个标准图像集用于图像识别的大量工作)。这个项目的目的是测试它是否能为更精确的图像识别提供更多的数据，而不是调整现有的算法。

答案是肯定的。在谷歌和cmu的研究人员用他们的新数据集训练了标准图像处理系统后，他们发现它在几个标准测试中产生了新的和最先进的结果，因此该软件可以解释图像，例如检测照片中的物体。它们提取的数据量和图像识别算法的准确性之间有明显的相关性。这一发现有助于澄清人工智能研究领域的一个热门问题，即现有算法能否通过提供更多数据来“挤出”更多数据。

实验表明，拥有海量数据在很大程度上相当于拥有更强的实力，这也意味着拥有海量数据的科技巨头如谷歌、facebook或微软可能获得比以前更大的收益。然而，谷歌的3亿个巨大的图像数据集不会带来巨大的好处——从100万个图像到3亿个图像，目标检测分数只增加了3个百分点。然而，本文作者认为，他们可以调整软件，以匹配非常大的数据集，从而扩大这一优势。即使事实证明并非如此，在科技行业，一点点优势也是非常重要的。例如，自动驾驶汽车视觉准确性的每一次改进都至关重要，对于一个可能有数十亿美元收入的产品来说，效率也会大大提高。

对于以人工智能为中心的公司来说，收集数据已经成为一种防御策略。谷歌、微软和其他公司都开放了很多软件，甚至硬件设计，但很少开放让这些工具工作的数据。

据雷锋说。(公开号码:雷锋。当谷歌宣布开源tensorflow人工智能引擎时，它说人工智能的真正价值不在于软件或算法，而在于使其更加智能所需的数据。谷歌可能会放弃其他内容，但它肯定会保留这些数据，至少目前是这样。

然而，科技巨头确实披露了一些数据。去年，谷歌发布了一个包含700多万个youtube视频的庞大数据集，salesforce还开放了维基百科来推广分析语言的算法。然而，人工智能开发实验室流形的合伙人、劳伦斯伯克利国家实验室的访问研究员卢克·德·奥利韦拉(luke de oliveira)表示，这种开放通常不会给潜在竞争对手带来太多价值。"这些数据集对产品保持市场地位从来都不重要."他说。

云计算兴起后，像亚马逊和微软这样的公司可以利用网络强大的处理能力。但最丰富的数据仍掌握在谷歌和脸书等巨头手中，近十亿人使用他们的服务，包括从文本到图片、视频到语音等丰富的通信信息。他们都在努力构建强大的人工智能软件，但他们真正的竞争优势在于拥有大量高质量的数据，这些数据可以用来教软件像人类一样思考。

谷歌和芝加哥商品交易所的研究人员表示，他们希望利用他们的最新研究成果，为那些经过处理的有价值的海量数据创建更多“谷歌规模”的开放图像数据集。“我们真诚地希望视野中的人们不要低估这些数据，我们可以通过共同努力建立一个更大的数据集。”他们是这样写的。负责这项研究的阿比纳夫·古普塔认为，他们的选择之一是与公共视觉数据基金会合作，这是一个由facebook和微软发起的非盈利组织，该组织已经开放了图像数据集。

与此同时，数据贫乏的公司如果想在拥有丰富数据、希望算法变得更智能的巨头的夹缝中生存，就必须有创造力。datarobot首席执行官杰里米阿奇恩(Jeremy achin)推测，随着机器学习在许多公司和行业变得越来越重要，例如在保险业，小公司收集的数据可以使它们的风险预测能力与大公司竞争，这个模型可能会受到广泛关注。

在机器学习避免了数据短缺之后，这种进步会颠覆人工智能的数据经济。优步去年为此收购了一家人工智能公司，但现在它也可能试图避开人工智能从业者的数据优势。致力于让机器学习触手可及的fast.ai公司的联合创始人雷切尔·托马斯(Rachel thomas)认为，初创企业通常可以将机器学习应用于互联网巨头力所不及的领域(如农业)。“我不确定这些大公司是否在任何地方都有巨大优势，但在许多特定领域，还没有人收集到任何数据。”她说。即使是人工智能领域的巨人也有他们的盲点。

via wierd雷锋网的编辑与整理

雷锋原创文章。严禁擅自转载。详情请参考转载说明。