近年来“人工智能”得到爆发式发展，并成为众多科技企业创新发展的核心。在GMIC 北京 2017上，吸引了全球领袖的科技企业共同探讨人工智能新趋势。其中，华为智慧工程部部长芮祥麟在AI+国际创新峰会上毫不讳言的说，“AI也是过去几年华为的重中之重。”那么，如何将 AI 与手机结合发挥其最大优势？芮祥麟从云侧、端侧、芯片这三个方面发表了自己的看法。
嘉宾简介
芮祥麟，华为智慧工程部部长，在德国、美国及中国的知名企业有28年的工作经验。曾担任SAP中国研究院及韩国研究院总裁, 管理2400名员工以及1.5亿美元的年度研发预算。此前，任文思海辉 (Pactera)首席技术官, 推进数字化企业解决方案的研发, 领导专家组攻关物联网、大数据分析和云计算，专注在智慧银行、智能商务、智慧制造和智慧城市方面的应用。他还曾担任森普资讯 (Sumscope Financial)首席技术官, 专注人工智能在金融科技方面的应用。
芮祥麟先生在北京大学软件与微电子学院担任客座教授。2011年上海市人民政府政府授予“白玉兰奖”, 以认可其对中国社会和经济发展做出的杰出贡献。芮祥麟先生还出版系列书籍和专栏文章, 探讨大数据分析、数字化转型、创新管理等领域，2011年其系列书籍获澳大利亚国会图书馆收藏。
如下内容整理自芮祥麟先生在GMIC 北京 2017 AI+国际创新峰会上的演讲资料
发挥AI能力，实现机器学习云服务
AI已经是个很老的概念，从上世纪50年代到80年代就有机器学习，到2010年又开始深度学习的阶段。芮祥麟认为，就AI整个发展过程来说，真正为其打下基础的是机器学习。因为在机器学习时代整个统计分析的方法是突飞猛进的，机器学习所需要的数学基础也要比深度学习多得多，很多深度学习的方式看起来非常复杂，但里面数学的东西非常少。
芮祥麟强调，我们要致力于将云侧、手机及芯片与AI的能力优化。通过机器学习与深度学习在云侧，给算法的开发者一个很好的框架，让他们能够搭建出整个算法模型去解决具体的问题。比如人脸识别、语言识别等。希望在未来，云侧变成一个开放式的系统，然后制定一个标准，通过微服务的方式把第三方各种不同业务场景的AI模型顺利的对接进来，形成一个整体的形式提供给用户。
芮祥麟相信，未来在云上会实现一个开放的模型图，人们可以在上面找到各种算法模块，可以搭建出自己所需要的模型去解决问题。这就像我们目前在苹果商店*载下**APP。AI时代将变成专门针对某些应用场景的模型，这些模型可以做版本管理、模型描述、模型分类、模型排名、*载下**管理、模型加密、授权和计费。这等于要定义一个API，终端用户可以顺利的通过API的方式调用各种模型。整个云平台及模型的开发人员是一个利润共享的模式，开发者还可以根据实际情况设置授权实现计费。
在云上发展AI有其天生的优势
当下，AI之所以爆发，是因为三方面能力的聚合，并且他们的聚合都是在云上完成的，芮祥麟认为，第一个方面是整个计算能力已经彻底开放。云上有无穷尽的计算能力，任何高度复杂的算法都能在云上执行；第二方面是算法模型，因为计算能力被解放了，过去只能理论上探讨的数学模型在今天都有可能实现。比如，以往只能做到三维四维的分类，现在可以做上百万维的分类；第三方面也是最重要的一面：数据集，以往人们认为算法模型最重要。事实上，现在算法模型的设计只是整个环节的一部分，大量的数据集才是支撑他的基础。比如说，歼-20战斗机是一个非常好的模型，但是他需要大量的训练数据、测试数据才能飞向天空发挥它的战斗力。数据集就像是他的弹射器，如果没有弹射器，再好的模型也是只能是废铁。
那么，如何在云上针对具体的业务场景设计算法模型？模型设计好后又怎样进行实际应用呢？芮祥麟认为需要三个步骤：第一步是研发阶段，比如，google的开发者可以针对一些具体的业务场景，搭建出解决这些问题的模型。然后对模型评估、优化、测试。第二步是训练，我们需要强大的数据集对模型进行闭环训练，才能使模型趋于完善。第三步是将训练好的模型交给终端用户，他们可以通过终端*载下**来使用这些模型。但实现这一步还需要一个“剪枝环节”。因为在机器学习时代训练一个模型可能只需要3个参数，而深度学习时代，需要上百万甚至亿级的参数才能训练好一个模型。这样大的模型只能在云上跑，想要*载下**到手机端必须对模型进行优化、剪枝。
智慧手机要做到端侧学习
手机越来越智能，之前智能手机的基本模式是，一项新的功能在云上面开发完成之后，经过减枝、权值量化及霍夫曼编码等过程后，再*载下**到手机端。手机端只负责执行，而学习只是在云上。芮祥麟说：“这种粗略的分法已经落后，其实在端侧也可以做到学习”。
那么，端侧的智慧化是什么呢？芮祥麟表示，现在手机上的功能点大概有500-900个，但是很多功能比较隐蔽，人们很少会用到。我们要做的是，用云的方式、图象的方式把这些功能点很好的调用起来。比如，用户手机上有几千张照片，想便捷的找到其中一部分。就可以直接对手机语音说“把过去两年关于女儿的照片全部挑出来”，或者“把过去两年把在某旅游点的照片挑出来”。这种语音的方式可以透过自然语言处理，再透过语意处理把图象识别出来。类似于这种智慧化的AI应用会越来越多的集成在手机上，手机会变成一个多模态信号的系统。未来，不只声音、文字还有传感设备、甚至是我们的情绪都会利用手机作为一个入口来传达指令。比如，手机上的摄象头足够智能，可以把用户的情绪识别出来，然后做出更好的判断。
事实上，手机端是连续学习用户的。芮祥麟表示，手机是人们最亲密的伙伴，每个人用手机的时间要比与伴侣在一起的时间还要多。所以手机是最了解用户信息的，只是基于法律因素，手机智能有选择的上传用户信息。比如，google最新推出了“联合学习”的案例，它通过对部分用户画像分析训练之后，先在云上设置一个通用版的大型模型。成千上万的用户*载下**到手机端后，再通过手机端做小型模型的学习，然后总结数据上传到云上，这样云上一个通用的模型会同时接受上千万级小型增量级的模型。这样用数学模型把千万级的小型模型融合成大型的模型，这会形成一个高度析出化的样板空间。
芯片的发展为AI提供强大的计算能力
在云及手机不断发展的同时，芯片的计算能力也在迭代。像IBM、华为这样的企业都在做更适合智能手机的芯片。基于保密原因，芮祥麟只用已经公开的Google的TPU数据进行了说明，他说：“Google TPU的计算速度要比传统的CPU提高了15-30倍。另外，传统CPU进行深学习算法的耗能很高，所以节能也是未来芯片的重点，而在这一方面TPU能效提高了30-80倍。除此之外，Google TPU的一条简单举证运算的指令集，拿到普通CPU架构上相当于1200条，这组数据对比可以看出两者计算能力的差别”。
除了计算能力的提升，手机芯片的结构也在发生变化，现在的芯片是异构结构，芯片上有CPU、GPU、NPU，相当于一个芯片里面有三到四种的异构来适应不同的算法。这些性能的提高，极大的保证了未来AI运用所需要的计算能力。所以，芮祥麟认为，未来智能的趋势是云+终端+芯片的全面整合，这是未来AI发展的方向。
－ END －
今日互动话题
▼
您赞同芮祥麟先生的观点吗？
您期望拥有一款自
动识别情绪的智能手机吗？
参与留言互动将有机会获得 GMIC 2018免费金牌票1张