騰訊科技 熠輝
過去25年，由於軟體技術落後，日本科技產業領先優勢不再。
外媒報導稱，日本科技行業的新秀、人工智慧公司Preferred Networks，它正與日本頂尖公司共同合作，有望重振日本科技行業。
文章全文如下：
日本科技行業
1994年的一天，在等待母親購買日用品時，12歲的岡野原大輔（Daisuke Okanohara）讀到一篇關於加速資料壓縮的研究報告。他說，當時他感到自己的身體興奮地顫抖起來。
現年33歲的岡野原大輔回憶道：“那是令人激動的方法。”他花幾個月的時間測試這種資料壓縮方法。
如今，作為東京人工智慧公司Preferred Networks的聯合創始人，岡野原大輔計畫實現自己的突破性技術，而振興日本科技行業的重擔也落到他的肩上。
過去25年，由於軟體技術處於落後水準，日本的科技領先地位，幾乎都已拱手讓與西方競爭對手。利用更精美的介面和更優秀的系統，蘋果更是將日本消費電子製造商逐出市場。
日本依然佔據機器人、智慧手機零配件、汽車等硬體行業的前沿陣地。但是，由於軟體逐漸成為這些產品的關鍵要素，這些優勢甚至也可能損失殆盡。
深度學習
岡野原大輔的“深度學習”軟體應運而生。與人類的大腦一樣，深度學習軟體可以自主學習，無需人類逐步操作。“深度”指的是人工神經網路：它們擁有更多的層級，因此能夠解決複雜問題。
深度學習已經成為矽穀的熱門技術。去年，谷歌以大約5億美元的價格，收購英國初創DeepMind Technologies，而蘋果、亞馬遜、Facebook和特斯拉也投資這一領域。2014年，百度在矽谷成立深度學習研究中心。
美國市場研究公司Tractica預計，2024年深度學習企業服務的年軟體營收將達104億美元，今年這個數字僅為1.09億美元。
對於矽穀，深度學習是優化軟體的主要方法。例如，利用深度學習技術，Siri這樣的語音助理服務可以更加自然地回答人類的問題。不同的是，Preferred Networks的深度學習技術旨在改進硬體，而日本公司已經押注於這項技術。
Preferred Networks認為，深度學習機器可以與關聯機器分享所學知識，而且永遠不會疲倦。因此，深度學習機器的自主改進速度，快於人類的改進速度。
公司合作
最近，日本工業機器人製造商發那科（Fanuc）收購少量Preferred Networks股份。發那科希望利用深度學習技術，開發新一代工業機器人，它們能夠自主確定最佳的設備組裝方式，甚至能夠修復其他機器人。發那科也是蘋果供應商。
發那科CEO稻葉善治(Yoshiharu Inaba)表示：“Preferred Networks擁有全球最先進的技術。”豐田和松下同樣與Preferred Networks合作，豐田正在開發自動駕駛技術，而松下希望把Preferred Networks的技術，應用於監控攝影機和消費電子設備。
Preferred Networks希望自己處於深度學習應用的中心位置。正如1980年代早期的微軟，利用自己的作業系統，微軟讓自己處於企業個人電腦革命的中心位置。最近，Preferred Networks面向深度學習技術推出作業系統Chainer，新系統可説明協力廠商工程師編寫人工智慧程式。
Preferred Networks於去年創立，共擁有30名員工，今年8月公司估值達1.2億美元。目前，Preferred Networks堅持保持獨立狀態。谷歌擁有大量資源，它可以招募最優秀的人才，而且很可能製訂全球標準。對於Preferred Networks，這無疑是一次冒險。
Preferred Networks高管表示，由於缺少開發者，他們必須拒絕部分合作意向。業內專家也表示，日本政府適應新技術的速度相對緩慢，這也可能成為難題。
東京大学副教授松尾豊（Yutaka Matsuo）表示：“Preferred Networks擁有出色的技術資源，但他們需要學習如何與資本市場打交道。”.
人工智慧時代
岡野原大輔表示，幼稚園時他就開始用電腦。小學時，他已經能夠編寫飛行類比軟體。
“我不擅長數學。我想程式設計是他的天性。”他的父親說道。
通過撥號上網方式，他下載了《塊排序無損資料壓縮演算法》（A Block-Sorting Lossless Data Compression Algorithm）等電腦科學文獻。《塊排序無損資料壓縮演算法》正是讓他“顫抖”的文獻。
岡野原大輔就讀於東京大學，他在大學裡認識了西川徹（Toru Nishikawa）。二人是同班同學，一見如故，最終創辦Preferred Networks。
“如果錯過機會，我就沒機會與這樣的天才一起工作。”公司CEO西川徹說道。
岡野原大輔現擔任Preferred Networks執行副總裁。他認為，當各式各樣的汽車和烤麵包機連網，他的專業知識將發揮用途。他還發現物聯網領域存在一個問題：一台聯網設備可以生成海量資料，以致我們的計算能力不足以分析或傳輸這些資料。
舉例來說，一輛汽車的感測器可以記錄霓虹燈廣告的所有資訊，但對於駕駛汽車而言這些資訊是毫無用處的。
人腦同樣面臨資訊超載問題，但人類已經學會捨棄無關資訊。岡野原大輔表示，電腦必須學會判斷哪些資訊是相關的，哪些資訊可以分享。
日本產業技術綜合研究所人工智慧主管辻井潤一(Tsujii Junichi)表示，過去人工智慧讓部分使用者失望，部分原因是缺少計算能力。如果要震撼世界，深度學習還需要更多的技術突破，但人工智慧時代必然會來臨。
“日本擁有眾多行業內的頂尖公司，Preferred Networks是把它們擰成一股繩的理想場所。”他說。
0 comments:
張貼留言