第247章 技術涉外合作的考量

  儘管林灰已經想到了這些。

  但涉及到阿法狗AlphaGo的實際復現依舊困難多多。

  林灰面臨的最大的困難並非單方面來自於軟體層面，硬體層面的困難明顯要更棘手。

  阿法狗AlphaGo還有alphaZero這兩個技術想問世的話還需要深度學習框架以及硬體方面的支持。

  無論是阿法狗AlphaGo還是alphazZro都涉及到前世谷/歌提出來的TensorFlow這個深度學習框架。

  前世為了這個深度學習框架，谷/歌2016年還專門為強化該框架的工作效率而進行了相關的硬體開發。

  比較值得一提的是張量處理器。

  張量處理器（TPU）是谷/歌為機器學習定製的專用晶片。

  （ps：……第一代TPU是一個 8位矩陣乘法的引擎，使用複雜指令集，並由主機通過 PCIe 3.0總線驅動。它採用28 nm工藝製造，裸晶尺寸小於 331 mm，時鐘速度為 700 MHz，熱設計功耗為 28–40 W。它有28 MiB的片上存儲和 4 MiB的 32位累加器，取 8位乘法器的 256×256脈動陣列的計算結果。TPU還封裝了 8 GiB的雙通道 2133 MHz DDR3 SDRAM，帶寬達到 34 GB/s。TPU的指令向主機進行數據的收發，執行矩陣乘法和卷積運算，並應用激活函數。）

  就特麼超級離譜，國內晶片一言難盡。

  國外這倒好，是人是鬼都在秀。

  跟晶片看起來似乎半毛錢關係都沒有的也在搞晶片。

  說起來初代的TPU規格大致參數林灰是記得一些的。

  雖然不是記得特別全。

  但林灰還是依稀記得初代TPU是28nm製程。

  雖然以林灰的眼光看28nm製程有點糙。

  但要知道此時iPhone5s上的晶片製程也不過才28nm。

  這就很糟心。

  也就是說即便林灰能搞TPU，大概率成本也會居高不下。

  雖然林灰可以直接利用前世帶來的電腦跑模型。

  但個人電腦終究會局限一些AI程序發揮效能。

  即便在個人電腦上能發揮AI的全部效能林灰也不可能抱著來自往後七年的技術堂而皇之地區面對世人。

  哎，難難難。

  儘管有這樣那樣的麻煩。

  但常言道「提出問題比解決問題更重要」。

  只要思想不滑坡，辦法總比問題多。

  相比於這個時代中的人們還在黑暗中摸索著前行。

  林灰好歹知道如何解決問題以及解決問題面對的困難。

  就這一點妥妥地優勢在我！

  涉及到這種使用時代最先進技術製程。

  似乎不可避免的要涉及到和歪果合作啊。

  某積電似乎也看歪果仁臉色。

  歪果憑啥拿這種技術資「敵」呢？

  說起來搞個歪果的代言公司似乎不錯。

  畢竟歪果仁蛇鼠一窩。

  面對同樣的歪果公司晶片製作方似乎不會太大戒心。

  歪果公司？

  林灰突然想到了deepmind。

  deepmind這個時空既然混得這麼慘。

  把這個公司收購來似乎不錯啊。

  想來一家即將申請破產保護的公司應該不是很貴吧？

  林灰越想越覺得有很大的可行性。

  之所以林灰會有這樣的想法除了涉外合作之外。

  還有另一層面的考慮。

  某種程度上講林灰需要一個代言人。

  涉及到新技術的問世往往面對巨大的爭議。

  就拿前世阿法狗AlphaGo對圍棋方面的革新來說吧。

  前世不學圍棋的人很難理解，相比於其他棋類運動，為什麼圍棋會受到人工智慧這麼大的衝擊。

  因為圍棋複雜的變化導致每位棋手在下棋時會有十分明顯的棋風。

  不同的風格會導致棋手在不同的階段、局面和棋形採取不同的策略。

  相比於其他棋類，圍棋在這一點上體現得更為明顯。

  所謂「對弈」，不僅是兩位棋手腦力的角逐，更是棋手個人風格的交鋒。

  但是人工智慧的出現導致最複雜、最多變、最能體現「對弈」樂趣的圍棋也出現的所謂「最優解」。

  任何遊戲都有輸贏，圍棋作為一種遊戲來看自然也不例外。

  為了贏，前世圍棋棋壇無人不學習人工智慧的所謂「最優解」。

  畢竟再有個人風格的棋手也很難敵過招招近乎最優解的人工智慧。

  圍棋發展數千年、數不清的棋手大師所展現的風格迥異的棋風，因為人工智慧的出現蕩然無存。

  當人工智慧出現後，圍棋所承載的許多人文的、情感的東西，也註定會一點點弱化。

  在將來人工智慧的強大算力下將圍棋徹底破解的那一刻停滯。

  而留給後人的也註定只是前人對往事的一些回憶罷了。

  前世阿法狗AlphaGo人工智慧問世後。

  對職業棋手更是極其殘酷。

  原本人類還認為圍棋是沒有止境的。

  於是不斷有後輩去挑戰前輩們窮極一生都沒能到達的新的極限。

  棋手們也對此視為信仰，就像是在攀爬一座不知道頂峰在哪裡的高山。

  雖然不知道頂峰長什麼樣。

  但對於頂峰的渴望成為了棋手們支撐下去的信念。

  可阿法狗AlphaGo的出現，原本雲霧繚繞的山頂顯現了出來。

  所有人都看到了頂峰的樣子。

  但很可惜的是，人類卻發現他們對圍棋的理解和人工智慧差了很遠。

  阿法狗AlphaGo的出現讓所有人都意識到，依靠肉體凡胎是永遠不可能登上圍棋的山頂了。

  這一點，對於職業棋手來說可能的確是過於殘酷了。

  在阿法狗AlphaGo問世之後，甚至有人悲觀的認為。

  人工智慧的出現直接把圍棋這項古老的遊戲摧毀的原因。

  以林灰看來，人工智慧的出現對棋類的影響到底更有利還是更有弊還不好說。

  作為普通愛好者，阿法狗AlphaGo的出現肯定是有利的。

  人工智慧的出現讓普通人有了可以欣賞大師對局的能力。

  讓普通人在屏幕前比肩最強人類甚至超越的能力。

  ……

  各種說法都有。

  看得出來一項新技術的誕生是面臨著很大爭議的。

  林灰願意承擔更大的責任。

  但並不想將自己牽扯到這些涉及到具體技術層面毫無意義的紛爭中。

  綜合考慮，有些事搞個歪果公司去蹚雷是很有必要的。

  ……

  話說回來，除了利用歪果公司蹚雷之外。

  利用歪果公司進行一些技術方面挖坑似乎也是很棒的。

  就算林灰不刻意利用這些公司挖坑，這些公司也沒少挖坑。

  這樣的專業團隊不充分利用很說不過去。

  而且歪果仁對同樣是自己人埋的雷應該不會太在意。

  當然了技術方面挖坑要精心布置。

  技術上那種一眼看出來壓根沒啥利用價值的坑，別人根本不會去踩。

  最好是那種看起來有很大商業價值但實際上實現起來很困難的坑才好。

  這樣的技術林灰首先想到的是步態識別技術。

  前世進入新世紀以來，很多生物信息都被當作特徵提取出來作為生物識別的一種手段。

  步態識別自然也不例外。

  步態識別是一種新興的生物特徵識別技術，步態識別技術旨在通過人們走路的姿態進行身份識別。

  與其他的生物識別技術相比，步態識別具有非接觸遠距離和不容易偽裝的優點。

  在智能視頻監控領域，比圖像識別更具優勢。

  步態是指人們行走時的方式，這是一種複雜的行為特徵。

  罪犯或許會給自己化裝，不讓自己身上的哪怕一根毛髮掉在作案現場，但有樣東西他們是很難控制的，這就是走路的姿勢。

  人人都有截然不同的走路姿勢，因為人們在肌肉的力量、肌腱和骨骼長度、骨骼密度、視覺的靈敏程度、協調能力、經歷、體重、重心、肌肉或骨骼受損的程度、生理條件以及個人走路的「風格」上都存在細微差異。

  對一個人來說，要偽裝走路姿勢非常困難，不管罪犯是否帶著面具自然地走向銀行出納員還是從犯罪現場逃跑，他們的步態就可以讓他們露出馬腳。

  人類自身很善於進行步態識別，在一定距離之外都有經驗能夠根據人的步態辨別出熟悉的人。

  步態識別的輸入是一段行走的視頻圖像序列，因此其數據採集與面像識別類似，具有非侵犯性和可接受性。

  步態識別雖然是一個相當新的發展方向，但是其工作原理還是很清晰的。

  步態識別旨在從相同的行走行為中尋找和提取個體之間的變化特徵，以實現自動的身份識別。

  客觀來說，步態識別是融合計算機視覺、模式識別與視頻／圖像序列處理的一門技術。

  步態識別技術在運用的時候首先由監控攝像機採集人的步態，通過檢測與跟蹤獲得步態的視頻序列，經過預處理分析提取該人的步態特徵。即對圖像序列中的步態運動進行運動檢測、運動分割、特徵提取等步態識別前期的關鍵處理。

  其次，再經過進一步處理，使其成為與己存貯在資料庫的步態的同樣的模式；

  最後，將新採集的步態特徵與步態資料庫的步態特徵進行比對識別，有匹配的即進行預／報警。無匹配的，監控攝像機則繼續進行步態的採集。

  一個智能視頻監控的自動步態識別系統往往是由監控攝像機、一台計算機與一套好的步態視頻序列的處理與識別的軟體所組成。

  不過在這套系統中最關鍵的是步態識別的軟體算法。

  所以，對智能視頻監控系統的自動步態識別的研究，也主要是對步態識別的軟體算法的研究。

  步態識別作為一項基於人的走路姿態進行身份識別的一種生物識別技術很多時候步態識別具有唯一性識別的本領。

  理論上講甚至是人臉識別難以區分的雙胞胎利用步態識別技術也能夠不費吹灰之力進行區分。

  步態識別有著廣闊的應用前景，可應用於各種安全場景、刑偵破案、嫌疑人檢索等場景。

  儘管有著廣闊的前景，同時也具有相當強的唯一性。

  不過步態識別算法的進步可不是那麼容易。

  因為步態識別輸入的序列圖像的數據量較大，步態識別的計算複雜性比較高，處理起來也比較困難。

  （步態識別實現起來之所以很困難主要是是因為建立模型複雜。

  另外步態識別所識別的特徵點很容易發生變化。

  就以一個人來說，不同年齡的時候行走時是不同的姿態。

  不同心情時可能行走又是不同的姿態……

  拋開這些不談，在相當控制變量的情況下。

  步態識別也會遇到很多挑戰。

  一個人空手的時候步行可能是一種姿態。

  負重行進的時候可能又是一種姿態。

  同樣是負重，不同的負重情況又不一樣。

  畢竟即便是相同的負重，不同的負重點也意味著不同的重心。

  這些問題的存在都加劇了建模的複雜度）

  前世，儘管生物力學中對於步態進行了大量的研究工作。

  但即便是到林灰重生的前夕，基於步態的身份鑑別的研究工作也只能說是剛剛開始。

  至少距離像人臉識別那種大規模商用要相隔十萬八千里。

  正因為研究難度不小，前世很多搞步態識別的公司/創業團隊最終都鎩羽而歸。

  前世大概在2014年左右就開始進行了關於步態識別的研究.

  但林灰印象中這方面的研究一直到2020年全球尚無一個統一的標準。

  沒有標準意味著什麼？意味著沒有商用。

  人工智慧第三次浪潮到來之時的一個顯著特徵就是：

  技術成熟的速度大大加快。

  很多機器識別這方面的技術一般少說幾個月多說一兩年就可以落地。

  而像步態識別這樣一項研究五六年沒落地的技術可以說是天坑了。

  前世可以說踩坑者相當眾多。

  在這種情況下，林灰相信一旦步態識別這東西搞出來一樣會不少人踩坑。

  如此這樣的技術用來迷惑競爭對手、分散競爭對手的精力似乎是很不錯的一種選擇啊。

  而且林灰以前聽黃靜說人臉識別這方面這個時空曾經是興起過大規模抗議的。

  部分皿煮國家認為人臉識別會侵犯隱私。

  也就是說就人臉識別方向，縱然以後人臉識別方面會有突破。

  難保這個時空皿煮國家不會對人臉識別再爆發隱私方面的質詢。

  但步態識別這方面就不一樣了。

  沒人會把走路當作隱私吧，人走路終究是要給別人看的。

  通過步態特徵作為生物特徵進行識別應該不會讓人所反感。

  也就很小概率會面對技術外的因素干擾。

  這樣一來豈不更是成為引人入坑之上選。

  (本章完)