'微軟向OpenAI投資10億美元的潛在目的'

2019年7月22日，微軟宣佈向總部位於舊金山的非營利人工智能(AI)研究集團OpenAI投資10億美元，致力於人工智能的發展（AGI）。這一宣佈將人工智能行業兩個最大的品牌聯繫在一起：微軟擁有最受歡迎的雲人工智能平臺Azure，並支持許多關鍵的人工智能項目，包括開放神經網絡交換(ONNX)和項目腦電波(Project Brain)，而Open AI在深度學習技術方面取得了重大突破，創造了基於GPT-2框架的最先進文本生成器之一，以及在多人在線戰場視頻遊戲中擊敗人類玩家的遊戲AI。

此外，微軟的投資金額也是值得注意的。為了將此作為背景，ABI研究公司統計，2017年和2018年，人工智能領域的全球風險資本投資總額分別為107億美元和184億美元。鑑於整個行業在機器視覺、自然語言處理(NLP)和人工智能芯片組領域取得的重大進展，微軟10億美元的投資將產生巨大的研究和應用。OpenAI可以利用微軟的雲基礎設施進行人工智能研究，同時獲得一個將其人工智能技術商業化的良好渠道。

農業投資及其挑戰

這一新夥伴關係的關鍵重點是AGI。目前，大多數，如果不是全部，商業上成功的人工智能產品運行在狹窄的人工智能場景，或AI專注於一個特定的任務，並執行非常好的任務。這包括客戶服務聊天機器人，用於缺陷檢測的智能工業攝像頭，以及自動駕駛汽車。相反，AGI旨在模仿人類的智能，使AI能夠像人類一樣學習和做出決策。這是IBM的沃森(Watson)成立以來一直存在的一個願景，但到目前為止，該行業並沒有取得多大進展。

OpenAI和微軟對AGI的願景是幫助人類解決目前棘手的多學科問題，包括氣候變化、更加個性化的醫療保健和教育等全球性挑戰，但設計AGI是極具挑戰性的。因此，對於AGI準備就緒和商業化的時間表，整個行業沒有統一的共識。AGI的許多基礎工作仍處於早期階段，因為AGI將需要新興的機器學習技術。以下是執行AGI的一些關鍵挑戰：

多任務的需要

目前，目前，人工智能被訓練成在一組明確定義的輸入下產生單一產出。為了使AI能夠完成多任務，它需要能夠調整經過訓練的模型，以便在給定不同但相關的數據集時產生相似的或預期的輸出。這就需要轉移學習，這包括將訓練實例、特徵表示、參數和關係知識從現有的經過訓練的AI模型轉移到一個新的模型來處理目標任務。這樣的過程對AGI的準確性和可靠性有很大的影響，如果採用次優的話。

自我優化能力

AGI還需要有自我管理資源需求的能力。在某些自動機器學習場景中，在諸如內存管理、功耗、甚至模型選擇和超參數調整等領域，AGI預計會更高效。這將需要AGI也識別其系統中的錯誤。雖然像強化學習這樣的技術可以用來獎勵正確的行為並懲罰錯誤的決策，但是這樣的優化模型還處於早期階段。

處理不完全信息的能力

在數據不完整的情況下，AGI需要做出決定，而且往往正在進行中。這就要求AGI是啟發式的，在某些情況下是創造性的。根據AGI是如何設計的，AGI的性能將因缺乏數據而受到影響。相比之下，狹義人工智能在部署到商業環境之前，要經過培訓和徹底測試，以確保其可靠性和準確性。這不是AGI可以期待的奢侈品。

需要更強大的人工智能軟件和硬件

微軟正與OpenAI合作，成為最強大的硬件-軟件供應商聯盟之一，以解決AGI的問題。然而，AGI可能需要更強大的硬件來處理自然概率計算，例如量子計算和神經形態芯片組。

儘管如此，所有這些缺點顯然並沒有阻止微軟在AGI上與OpenAI合作。近年來，微軟投入了大量資源，以Cortana的形式開發其人工智能能力。正如ABI洞察中提到的重新審視人機交互——微軟展示了Cortana通過實時吸收和呈現上下文信息來進行自然對話的能力，這得益於Microsoft Build在2019年收購了NLP啟動語義機。這是合理的期待，微軟正尋求在科塔納創建一個AGI。

邊緣在AGI中的潛在作用

儘管所有這些發展都發生在雲環境中，但ABI Research認為，邊緣是可以發揮作用的。不可否認，處於邊緣的AGI將扮演一個非常不同的角色。與其解決氣候變化和個性化醫療挑戰，EDGE AGI可能成為公共安全領域的智能移動機器人，也可能成為黑暗工廠或倉庫的中心大腦。

必須指出的是，許多創新和新興的人工智能技術目前正在邊緣的狹義人工智能上進行試驗和測試，通常是在數據連通性差、數據有限、對高移動性和低延遲的需求的環境中。這些模型包括移動機器人的定位和導航模型、智能家庭網關上的家庭連接應用程序、工廠現場服務器的製造操作優化和預測維護模型。終端設備收集並駐留在網關和現場服務器中的豐富數據對於開發AGI非常有用。與人類一樣，AGI基於實時從多個來源收集的數據做出決策，因此需要包含專用於EDGE的窄AI模型的特徵和特性。

此外，EDGE AI硬件也隨著時間的推移而變得更加強大。隨著對低延遲和本地化人工智能處理能力的需求，對於基於邊緣的AGI的需求將始終存在，無論是在設備、網關或現場服務器上。聯合或分佈式學習可以為AGI提供增量升級。儘管如此，這些發展仍處於初級階段，甚至在邊緣設備中，因此他們需要一段時間才能進入AGI。

因此，AGI仍然是該行業的長期願景。看到微軟和OpenAI之間的合作關係將會產生什麼樣的結果，這是絕對令人興奮的。作為這一合作中的硬件供應商，微軟希望在未來對AGI的投資中朝著什麼樣的方向發展，無論這家雲計算巨頭是將投資於新的人工智能計算架構，還是加強其優勢人工智能產品，還是像許多競爭對手一樣，開始開發自己的雲和邊緣人工智能芯片組，這將是一件很有趣的事情。