最近,我在「TIME時代」雜志的專欄文章裡,向全球的讀者介紹了大陸「世界工廠」的+AI自動化升級。隨著勞動力成本的上漲,工業自動化、智慧化勢必是大陸製造業的一劑特效藥。自動化能讓運營成本下降,但仍能讓中國大陸保持生產品質、流程、供應鏈維度的優勢。AI賦能產業升級的願景或許還需多年才能實現,但當下的大陸已經讓未來可期。
以下是專欄文章全文,經TIME授權翻譯轉載:
「中國世界工廠 + AI 的未來」
多年來,中國大陸一直被喻為「世界工廠」,即便在全球其他經濟體紛紛遭遇新冠疫情重擊的2020年,大陸製造產業仍然維持穩健的增長范式,全年產值高達3.854萬億美元,占到全球市場近三分之一。
但如果你腦中的大陸工廠是傳統的「血汗工廠」,是時候修正你的刻板印象了。大陸經濟已經迅速地從疫情衝擊下復蘇,疫情同時催化了各種各樣人工智慧(AI)的應用場景加速實現。自2014年以來,中國大陸的AI專利申請量已經超越美國,至今維持全球領先。在學術領域,中國大陸的AI研究論文發表數量、AI期刊的引用量,也雙雙在近年超過了美國。在產業方面,AI應用在大陸的落地速度超越世界其他國家和地區,具有商業價值的AI應用如今開始百花齊放,整合了軟體、硬體和機器人技術的新一代自動化揭開序曲,AI賦能傳統行業的能量,正在蓄勢待發地重塑各行各業。
人類社會至今經歷了三次不同的工業革命:蒸汽革命、電力革命和資訊革命。我相信,AI將會是推動全球第四次工業革命的核心引擎,在世界各地點燃數位化和自動化的變革,而這波前所未有的硬科技浪潮,將由中國來引領實踐。
由於勞動人口減少和新增人口放緩,中國大陸的傳統產業正面臨著勞動力成本上升的巨大壓力,AI正是解決這個難題的技術解答。人工智慧不僅能夠降低運營成本,提高生產效率,擴大整體產能,還有望能帶來收入的增長。
例如,創新工場投資的廣州極飛科技是一家致力於未來農業的AI科技公司,極飛將無人機、機器人和感測器部署在稻田、麥田和棉花田裡,用技術賦能農業中的播種、農藥噴灑、栽種管理、甚至天氣監測環節。用於作物噴灑的極飛科技R150農業無人車已經被推廣到了英國,應用在蘋果、草莓、黑莓等多種經濟作物的種植流程中。
一些大陸的創新公司正積極把機器人拓展到意想不到的場景。總部位於北京的鎂伽是創新工場投資的生命科學智慧自動化公司,他們和實驗室、製藥公司、高校合作,憑藉AI+機器人技術的積累,用自動化解決方案執行實驗室中勞動密集、重複性高、但需要高度精確的任務和流程,同時機器人作業也將盡最大可能保護實驗室人員降低實驗過程中的感染風險。
除了創業公司,我們看到幾家成熟的龍頭企業也開始積極擁抱AI。創新工場參與了有28年歷史的中力電動叉車,這家頭部的鋰電叉車製造商已經推出了能夠在工廠、倉庫自主運行的無人叉車,並且無需對運行環境進行改造,能快速實現從手動到電動到自動駕駛的搬運賦能創新。此外,擁有50多年歷史的領先客車製造商-宇通集團,與自動駕駛獨角獸企業-文遠知行戰略合作,已在大陸三個城市的馬路上運行全無人駕駛小巴。
接著會發生什麼?我大膽預見,在更長遠的未來,機器人和AI將接管大多數產品的製造、設計、交付甚至營銷——很可能將生產成本降低到和原物料成本相差無幾。未來的機器人有能力自我複製和自我修復,甚至做到部分自我反覆運算設計。房屋和公寓將交由AI主導設計,使用預製建築模塊,交由機器人像搭積木似地築樓蓋房。無人公交、無人摩托等隨傳隨到的自動化未來交通系統,能將我們安全無虞地送達想去的地方。
這些願景成為現實或許還需要多年,但此時的大陸正在積極鋪墊引領新一代自動化革命的基石。可期的是,中國工廠的實力將不僅僅體現在產能上,而將逐步彰顯在智慧上。
本文經「TIME時代」授權進行中文編譯,原文如下:
China Is Still the World's Factory — And It's Designing the Future With AI
BY KAI-FU LEE
For many years now, China has been the world’s factory. Even in 2020, as other economies struggled with the effects of the pandemic, China’s manufacturing output was $3.854 trillion, up from the previous year, accounting for nearly a third of the global market.
But if you are still thinking of China’s factories as sweatshops, it’s probably time to change your perception. The Chinese economic recovery from its short-lived pandemic blip has been boosted by its world-beating adoption of artificial intelligence (AI). After overtaking the U.S. in 2014, China now has a significant lead over the rest of the world in AI patent applications. In academia, China recently surpassed the U.S. in the number of both AI research publications and journal citations. Commercial applications are flourishing: a new wave of automation and AI infusion is crashing across a swath of sectors, combining software, hardware and robotics.
As a society, we have experienced three distinct industrial revolutions: steam power, electricity and information technology. I believe AI is the engine fueling the fourth industrial revolution globally, digitizing and automating everywhere. China is at the forefront in manifesting this unprecedented change.
Chinese traditional industries are confronting rising labor costs thanks to a declining working population and slowing population growth. The answer is AI, which reduces operational costs, enhances efficiency and productivity, and generates revenue growth.
For example, Guangzhou-based agricultural-technology company XAG, a Sinovation Ventures portfolio company, is sending drones, robots and sensors to rice, wheat and cotton fields, automating seeding, pesticide spraying, crop development and weather monitoring. XAG’s R150 autonomous vehicle, which sprays crops, has recently been deployed in the U.K. to be used on apples, strawberries and blackberries.
Some companies are rolling out robots in new and unexpected sectors. MegaRobo, a Beijing-based life-science automation company also backed by Sinovation Ventures, designs AI and robots to safely perform repetitive and precise laboratory work in universities, pharmaceutical companies and more, reducing to zero the infection risk to lab workers.
It’s not just startups; established market leaders are also leaning into AI. EP Equipment, a manufacturer of lithium-powered warehouse forklifts founded in Hangzhou 28 years ago, has with Sinovation Ventures’ backing launched autonomous models that are able to maneuver themselves in factories and on warehouse floors. Additionally Yutong Group, a leading bus manufacturer with over 50 years’ history, already has a driverless Mini Robobus on the streets of three cities in partnership with autonomous vehicle unicorn WeRide.
Where is all this headed? I can foresee a time when robots and AI will take over the manufacturing, design, delivery and even marketing of most goods—potentially reducing costs to a small increment over the cost of materials. Robots will become self-replicating, self-repairing and even partially self-designing. Houses and apartment buildings will be designed by AI and use prefabricated modules that robots put together like toy blocks. And just-in-time autonomous public transportation, from robo-buses to robo-scooters, will take us anywhere we want to go.
It will be years before these visions of the future enter the mainstream. But China is laying the groundwork right now, setting itself up to be a leader not only in how much it manufactures, but also in how intelligently it does it.
Source:https://time.com/6084158/china-ai-factory-future/
artificial intelligence期刊 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
DeepMind:強化學習能達到通用人工智慧水準
作者 Unwire Pro | 發布日期 2021 年 06 月 16 日 7:45 |
比起限定功能的人工智慧系統,「通用人工智慧」是不少研究的目標,這樣的系統可以更有彈性自動對應不同的應用範疇,就如真人。DeepMind 最近宣稱,就算只是用強化學習方式訓練,也可以達此水準。
DeepMind 最近於《Artificial Intelligence》期刊發表的論文表示,人工智慧系統的能力並不是透過制定和解決複雜問題而產生,而是透過「獎勵最大化」的單一原則可達成。他們認為,獎勵最大化和試行錯誤的經驗,可培養出智力相關能力,其中一個實際應用的方式就是強化學習,他們相信最終可達通用人工智慧水準。
他們提出,利用這原則可更有效建立 AI 系統,他們假設「最大化獎勵的一般目標足以驅動表現出自然和人工智慧研究的大部分(如果不是全部)能力的行為」,模仿大自然智慧進化的適者生存機制,迫使系統在單一目標下發展出不同的相關能力。不過這套理論仍有需解決的地方,例如對學習代理的樣本效率應該如何判斷,始終強化學習需要大量數據訓練,而現有數據下可能要幾個世紀的訓練時間才能發展出通用人工智慧。
資料來源:https://technews.tw/2021/06/16/deepmind-says-reinforcement-learning-is-enough-to-reach-general-ai/
artificial intelligence期刊 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
中國論文被AI期刊引用的數量已超越美國
史丹佛大學2021 AI Index數據顯示,全球去年所發表的AI期刊論文中,中國占了18%,居次的是美國的12.3%,歐盟則是8.6%。而在最常被引用的論文中,中國首度超越美國,占比20.7%,美國為19.8%,歐盟則是11%
文/陳曉莉 | 2021-03-08發表
史丹佛大學「以人為本」的人工智慧研究所(HAI)上周發表了2021 AI Index,揭露2020年全球在人工智慧(AI)領域上的發展,指出中國研究被AI期刊引用的數量已超越美國,從許多方面來看,中國與美國在AI發展上已旗鼓相當。
根據艾倫人工智慧研究所(Allen Institute for Artificial Intelligence,AI2)的統計,中國於AI期刊上所發表的論文數量在2006年就已經超越了美國,AI2認為,論文數量的多寡並不等同於品質,應該藉由論文被引用的次數作為判斷論文品質的依據,而2018年時,在最常被引用論文的前10%中,美國仍占了29%,中國則是26.5%,當時AI2即預期,中國AI論文的品質即將迎頭趕上美國,現在2021 AI Index即證實了AI2的論點。
2021 AI Index的數據顯示,全球去年所發表的AI期刊論文中,中國占了18%,居次的是美國的12.3%,歐盟則是8.6%。而在最常被引用的論文中,中國首度超越美國,占比20.7%,美國為19.8%,歐盟則是11%。
更精確的說法是,在同儕審查期刊中,中國學者被引用的數量已經超過其他國家的學者,顯示出中國AI研究不論是在數量或品質上都大有進展,至於美國也有擅場,美國AI會議論文被引用的次數則大幅領先中國。
AI Index聯合主持人Jack Clark表示,隨著AI技術持續快速進步,AI已對全球帶來重大影響,此外,他們的文獻計量分析顯示,從許多方面來看,美國與中國在AI發展上已旗鼓相當。
此一研究其它的發現還包括:對AI人才需求最高(相對其它人才)的前五個國家依序是新加坡、美國、加拿大、澳洲及紐西蘭;去年全球主要的私人AI投資領域依序為醫藥、電動車、教育、開源/運算,以及語音辨識/機器翻譯;拿到博士學位的AI專家有65.7%投入產業,只有23.7%進入學術界,前者的比重在這10年來增加了48%,後者則下滑了44%,AI教授也持續被挖角到企業任職;企業主導了AI研究人員所使用的工具,包括由Google釋出的TensorFlow與Keras,或是臉書的PyTorch,都是GitHub上最熱門的框架。
資料來源:https://www.ithome.com.tw/news/143082