人工智能技術可能會成為未來最具變革性的力量之一，幾乎可以影響我們所做的每一件事。正如 Qualcomm 為移動革命奠定基礎那樣，我們的創新將會定義人工智能時代。

阿姆斯特丹大學著名教授韋靈思（Max Welling）博士，正是人工智能領域的關鍵人物之一。他在去年夏天正式加入 Qualcomm，此前他的公司曾為各行各業提供人工智能解決方案。

人工智能目前發展到了什么階段？未來它還有哪些潛力？來看韋靈思博士如何回答。

1. 如何看待機器學習在物聯網中的應用?

想象一下家里所有的家電都設有傳感器。這些設備會相互交流，預測你的需求，讓家里更舒適、更有效率。

制造業也是同樣。在工廠里，許多機器將會安裝傳感器，以便找出如何優化合作，如何更好地執行質量控制，以及如何在故障發生前檢測故障的方式。

2. 人工智能讓很多人感到緊張，例如擔心失業問題。您如何回應這種擔憂?

從短期來看，它可能會導致混亂，某些工作也將消失。但從長遠看，會有很多新的機會出現。借助適當的培訓，會有更多全新的機會出現在就業市場上。

3. 目前的人工智能發展到了什么階段？

在一些領域中人工智能可以做的很好。例如分析醫學圖像，檢測是否有人患有黑素瘤，甚至在圍棋或國際象棋比賽中擊敗人類世界冠軍。

盡管人工智能只在有限幾個領域發揮出色，但是當我們研究“多智能體系統”（multi-agent systems）時，這些領域變得更加復雜和有趣。例如，在一輛自動駕駛汽車中，人工智能需要了解道路和路邊的其他人在做什么。因此我們必須開發新的規劃算法，以預測其他人的行為。

4. 對于人工智能來講下一階段將要開發的領域會是什么？

關于深度學習，我認為下一階段最重要的是推理能力的開發。目前，人工智能可以很好地進行語音識別和圖像分析。但如果你問，‘接下來會發生什么?’或者‘什么原因導致這件事發生?’，它就無法回答。

5. 深度學習/人工智能是否需要更高效的硬件或軟件？

人們低估了硬件在人工智能中的重要性，沒有摩爾定律就沒有人工智能的進步。但是目前的深度學習能耗很高。我們的算法非常低效，這是一個亟待解決的問題。我們剛組建的Qualcomm AI Research 團隊非常清楚，這將是人工智能的下一個戰場。因此必須研究并開發出更節能高效的硬件。我們致力于這一使命，這就是為什么我們將人工智能研究工作統一到 Qualcomm 的各個團隊中。

6. 相對云端人工智能，終端側人工智能同樣具有很多優勢。未來在基于人工智能的應用程序中，終端和云端哪個更重要?

我猜測會是二者的結合。顯然，云端優勢很大，因為數據集中在那里。但我認為，隨著我們從分布式數據源中學到的越來越多，數據全部儲存于一個中心位置越來越不重要。只要我們可以對模型加以訓練使之可以對數據進行自由的分配，這些數據是可以儲存在許多不同位置的。

7. 隱私性是否是一個顧慮？

我認為公眾對大型互聯網公司收集個人數據的意識和謹慎程度越來越高。所以，我們想開發機器學習算法，或者一個框架，來幫助公眾保護隱私。

一種方法是保護防火墻后的數據，并且不讓它離開保護環境。但是為了最大限度地利用人工智能，需要與云進行通信，因為云是儲存數據的地方，也是軟件學習和改進的地方。在保護數據的同時，有一些方法可以利用云。

第一種思路是加密數據，但是代價昂貴。這些加密的數據可以用來改進模型，而數據仍然是不可讀的。第二種思路叫做“差別隱私”，你可以計算出你感興趣的事物的典型平均值。然后可以通過添加噪音來確保無論從被保護的環境中發出任何的信息都不會泄漏個人的敏感數據。

8. 您目前的工作進展怎么樣？關于人工智能，什么令您感到興奮？

在Qualcomm，會有很多創新的機遇和可能，例如強化學習以及算法與芯片的協同設計。機器學習實際上有三種不同的類型。廣義來說，無監督機器學習是沒有標簽可用的。機器觀察世界，并試圖構造它來發現重復的模式。然后是監督學習，你可以對機器指令說這是輸入圖像，這是圖像中的內容。進而讓它來預測下一個圖像。

強化學習不僅僅是做出預測或發現結構，而是做出行動。以機器人為例，它可以做出決定并執行行動。它能撿起一些物品，并進行觀察，從中學習。或者它可以玩一個游戲或者開一輛車。

另一個令我感到興奮的是芯片和運行算法的協同設計。Qualcomm 人工智能研究提供了一個獨特的環境，使得機器學習與硬件可以相互結合。

設想一下，如果把最聰明的人工智能科學家的思想集中在一起來解決這類問題，結果會是怎樣? 在 Qualcomm 人工智能創新論壇上，我們宣布成立Qualcomm AI Research，通過多種方式與研究團體進行交流，拓展人工智能邊界，挖掘其巨大潛能。