科技畅谈：什么是科技产业变革的“Al台风眼”？事实上，在将AI加速应用于制造活动的过程中，被称为“台风眼”的新兴势力开始崛起。

很多制造业企业，嗅到了未知领域的商机，开始和擅长AI技术的风险企业携手合作。PreferredNetworks公司（PFN），就是其中之一。PFN这家风险企业，由东京大学发起，丰田汽车和发那科投资，松下是其合作伙伴之一。尤其擅长“深层学习”技术，在自动驾驶和工业机器人智能化等诸多领域与其他企业开展合作。

东京工业大学发起的AI风险企业CompassIntelligence公司的存在感也越来越强。其与瑞萨电子开展合作，提供活用深层学习的AI技术平台。在工厂自动动化、故障检测、传感器分析等方面，AI技术发挥了巨大作用。美国半导体生产商NVIDIA公司，开发出了实现汽车自动驾驶的关键——被誉为“自动驾驶头脑”的GPU（图形处理器）。德国的奥迪公司和宝马公司、美国的福特汽车公司，以及日本的自动驾驶风险企业ZMP都采用了NVIDLA公司的技术。NVIDLA公司，正在争夺自动驾驶半导体领域的控制权。

奥迪公司自动驾驶汽车上的AI，可应对公路上的长途行驶。其支撑，是NVIDIA公司的半导体技术。将AI技术应用于制造，日企嗅到了机会——在Al软件技术方面，以谷歌公司（Google）为代表的欧美企业领先世界。但在配备智能机器方面，日企具备优势。东京大学副教授松尾丰表示：“从组合人工智能和硬件这层意义上来说，日企的机会很大。在这种关键时刻，日企应尽快塑造并加强人工智能方面的实力。”要想组合人工智能和硬件，推进创新，仅靠自己研究开发是有界限的。制造商、Al风险企业、研究机构等的协作变得重要起来。

深度学习不是万能的：AI得出的结论要有依据AI技术的进化，离不开各种各样的机器学习。近些年来，也不断有新企业进入这一领域。但仅涉足“Al”和“机器学习”并不能让企业独当一面。NEC公司试图通过“异种混合学习”拉开与其他企业的差距。其特点，是AI得出的结论（输出），对人来说具有很高的可信度。NEC认为，机器学习可以从两个维度看，横轴是“老一代/新一代”，纵轴是“黑箱型/白箱型”（见下图）。

图：机器学习的种类横轴“老一代/新一代”，纵轴“黑箱型/白箱型”。

NEC认为，普及AI，必须进行“异种混合学习”，即性能和效率较高的“新一代”技术及可信度较高的“白箱型”根据。

老一代和新一代的区别是什么呢？老一代中，人是机器学习的基础，进行的是“特征量的设计”和“学习参数的决定”。新一代中，这些都会交给机器来决定。以往，人的知识和经验促进了作业的自动化，大量数据得以迅速处理，扩大了机器学习的适用领域。新一代的手法，很久以前就出现了，只不过停留在概念层面。随着计算机性能的提升和大数据的出现，新一代开始精进。最具代表性的，就是以图像分析和语音分析为中心的深度学习。但深度学习也有弊端，那就是无法出示令人信任的根据。我们前面说过，深度学习以输入数据为基础，机器会据此决定特征量和学习参数，即便得出高出人类知识经验的优秀结论，也拿不出可靠的依据。也就是说，深度学习得出的结论没有令人信服的根据，会令人生疑。这种深度学习，是“黑箱型”的学习。

NEC信息·知识研究所所长山田昭雄指出：“虽然黑箱型的机器学习不会损坏AI性能，但投入实际应用后，会产生很多方面的问题。”因为使用Al的目的越重要，人们对Al结论是否可靠看的就越重。因此，具备新一代特征（由机器确定特征量和学习参数）、能给出可靠依据的“白箱型”机器学习，即“异种混合学习”，成了发展AI的必修课。在异种混合学习中，机器决定特征量和学习参数时，只会选择人们可以理解的规则，解决了深度学习难以提供可靠依据的弊端。

有了这样的束缚，与深度学习相比，异种混合学习在机器性能方面会稍微逊色一些。但NEC的山田昭雄认为，这种妥协是有巨大意义的。因为如果AI得出的结论无法令人信服，就无法实现AI的大范围普及。当然，在图像识别和语音识别这种不追求可信度的用途方面，深度学习还是略胜一筹。关于深度学习，NEC也区别于异种混合学习，进行了“RAPID机械学习”的研究开发和实用化。最终需要人进行判断的，采用异种混合学习，完全交由AI判断的，采用深度学习。也就是说，NEC的方针，是根据目的，向客户企业提供方案。

丰田汽车：用Al“明星军团”，挑战移动革命。丰田汽车对AI到底执着到了什么样的地步？年1月5日，丰田汽车在美国拉斯维加斯举行的CES大会上宣布，正式成立AI研究子公司——“ToyotaResearchInstitute（以下简称TRI）”。TRI的体系里，集结了震惊全球媒体的顶尖人物：TRI首席执行官的GillPratt，曾是美国国防高级研究计划局（DARPA）“机器人挑战赛”的负责人。除此之外，丰田汽车还集结了美国谷歌公司（Google）前机器人技术部门负责人、Bell研究所前主任，以及麻省理工学院（MIT）教授等AI和机器人技术领域的头号人物。

根据地设立在美国硅谷和波士顿。斯坦福大学和麻省理工学院参与其中，共同推进AI技术的研究。TRI取得的研究成果，将灵活运用于新型车的开发等方面。TRI首席执行官的GillPratt明确表示：“TRI的目标，是为丰田将来的产品提供技术支持，成为基础研究和产品开发之间的桥梁，让丰田真正做出不同的产品，拉开与其他企业的实力差距。”丰田汽车计划5年内向TRI投资10亿美元。投入如此巨大的资金，丰田汽车到底想要开发什么？

“零事故”终极汽车丰田汽车的首要目标，是开发出具备终极安全性能的自动驾驶汽车——无论驾驶人员的驾驶技术和体力如何，任何情况下都不会发生事故的汽车。GillPratt认为，目前许多汽车制造商开发的自动驾驶汽车都是不完备的。虽说都是自动驾驶，但只能以特定的速度，在特定的天气情况、道路状况和交通条件下起作用。他强调，真正需要自动驾驶技术发挥作用的，是在驾驶比较困难的时候，而不是正常的时候。而这个问题，是TRI真正想解决的问题。

为此，TRI正在与美国斯坦福大学合作，开展“不可预测情况下的不确定性”研究——不仅要让自动驾驶汽车学习如何安全应对驾驶时可能发生的问题，还要让汽车通过AI学会如何处理意外状况。例如，如何让自动驾驶汽车避免前方行驶的卡车后座上掉下来的“瓦砾”？如果没有事先学习，AI会陷入两难——是将瓦砾当成其他车辆，还是步行者？要知道，瓦砾也许会突然碎裂成许多片，并高速运转。TRI想解决这个问题，赋予AI即使遭遇类似的意外状况，也能精准掌握情况变化、安全控制车辆的能力。

此外，TRI还与美国麻省理工学院合作，开展“能进行说明的汽车”的研究。要想分析汽车为什么会采取意外行动，就必须先解释清楚汽车自身发生了什么，为什么会发生这样的事情。然而，深度学习给出的结论，是在将多种信息在多层神经网络中解析后得出的。多层神经网络属于“黑箱型”，很难解释AI为什么会得出这样的结论。汽车制造商需要对汽车的安全性负责，必须明确引发问题的原因。GillPratt表示：“要想让自动驾驶技术具备决策能力，必须有切实有效的监察机制。因为人们无法相信那些无法理解的东西。”