第247章 技术涉外合作的考量

  第247章 技术涉外合作的考量
  尽管林灰已经想到了这些。

  但涉及到阿法狗AlphaGo的实际复现依旧困难多多。

  林灰面临的最大的困难并非单方面来自于软件层面，硬件层面的困难明显要更棘手。

  阿法狗AlphaGo还有alphaZero这两个技术想问世的话还需要深度学习框架以及硬件方面的支持。

  无论是阿法狗AlphaGo还是alphazZro都涉及到前世谷/歌提出来的TensorFlow这个深度学习框架。

  前世为了这个深度学习框架，谷/歌2016年还专门为强化该框架的工作效率而进行了相关的硬件开发。

  比较值得一提的是张量处理器。

  张量处理器（TPU）是谷/歌为机器学习定制的专用芯片。

  （ps：……第一代TPU是一个 8位矩阵乘法的引擎，使用复杂指令集，并由主机通过 PCIe 3.0总线驱动。它采用28 nm工艺制造，裸晶尺寸小于 331 mm，时钟速度为 700 MHz，热设计功耗为 28–40 W。它有28 MiB的片上存储和 4 MiB的 32位累加器，取 8位乘法器的 256×256脉动阵列的计算结果。TPU还封装了 8 GiB的双通道 2133 MHz DDR3 SDRAM，带宽达到 34 GB/s。TPU的指令向主机进行数据的收发，执行矩阵乘法和卷积运算，并应用激活函数。）
  就特么超级离谱，國内芯片一言难尽。

  国外这倒好，是人是鬼都在秀。

  跟芯片看起来似乎半毛钱关系都没有的也在搞芯片。

  说起来初代的TPU规格大致参数林灰是记得一些的。

  虽然不是记得特别全。

  但林灰还是依稀记得初代TPU是28nm制程。

  虽然以林灰的眼光看28nm制程有点糙。

  但要知道此时iPhone5s上的芯片制程也不过才28nm。

  这就很糟心。

  也就是说即便林灰能搞TPU，大概率成本也会居高不下。

  虽然林灰可以直接利用前世带来的电脑跑模型。

  但个人电脑终究会局限一些AI程序发挥效能。

  即便在个人电脑上能发挥AI的全部效能林灰也不可能抱着来自往后七年的技术堂而皇之地区面对世人。

  哎，难难难。

  尽管有这样那样的麻烦。

  但常言道“提出问题比解决问题更重要”。

  只要思想不滑坡，办法总比问题多。

  相比于这个时代中的人们还在黑暗中摸索着前行。

  林灰好歹知道如何解决问题以及解决问题面对的困难。

  就这一点妥妥地优势在我！

  涉及到这种使用时代最先进技术制程。

  似乎不可避免的要涉及到和歪果合作啊。

  某积电似乎也看歪果仁脸色。

  歪果凭啥拿这种技术资“敌”呢？

  说起来搞个歪果的代言公司似乎不错。

  毕竟歪果仁蛇鼠一窝。

  面对同样的歪果公司芯片制作方似乎不会太大戒心。

  歪果公司？

  林灰突然想到了deepmind。

  deepmind这个时空既然混得这么惨。

  把这个公司收购来似乎不错啊。

  想来一家即将申请破产保护的公司应该不是很贵吧？
  林灰越想越觉得有很大的可行性。

  之所以林灰会有这样的想法除了涉外合作之外。

  还有另一层面的考虑。

  某种程度上讲林灰需要一个代言人。

  涉及到新技术的问世往往面对巨大的争议。

  就拿前世阿法狗AlphaGo对围棋方面的革新来说吧。

  前世不学围棋的人很难理解，相比于其他棋类运动，为什么围棋会受到人工智能这么大的冲击。

  因为围棋复杂的变化导致每位棋手在下棋时会有十分明显的棋风。

  不同的风格会导致棋手在不同的阶段、局面和棋形采取不同的策略。

  相比于其他棋类，围棋在这一点上体现得更为明显。

  所谓“对弈”，不仅是两位棋手脑力的角逐，更是棋手个人风格的交锋。

  但是人工智能的出现导致最复杂、最多变、最能体现“对弈”乐趣的围棋也出现的所谓“最优解”。

  任何游戏都有输赢，围棋作为一种游戏来看自然也不例外。

  为了赢，前世围棋棋坛无人不学习人工智能的所谓“最优解”。

  毕竟再有个人风格的棋手也很难敌过招招近乎最优解的人工智能。

  围棋发展数千年、数不清的棋手大师所展现的风格迥异的棋风，因为人工智能的出现荡然无存。

  当人工智能出现后，围棋所承载的许多人文的、情感的东西，也注定会一点点弱化。

  在将来人工智能的强大算力下将围棋彻底破解的那一刻停滞。

  而留给后人的也注定只是前人对往事的一些回忆罢了。

  前世阿法狗AlphaGo人工智能问世后。

  对职业棋手更是极其残酷。

  原本人类还认为围棋是没有止境的。

  于是不断有后辈去挑战前辈们穷极一生都没能到达的新的极限。

  棋手们也对此视为信仰，就像是在攀爬一座不知道顶峰在哪里的高山。

  虽然不知道顶峰长什么样。

  但对于顶峰的渴望成为了棋手们支撑下去的信念。

  可阿法狗AlphaGo的出现，原本云雾缭绕的山顶显现了出来。

  所有人都看到了顶峰的样子。

  但很可惜的是，人类却发现他们对围棋的理解和人工智能差了很远。

  阿法狗AlphaGo的出现让所有人都意识到，依靠肉体凡胎是永远不可能登上围棋的山顶了。

  这一点，对于职业棋手来说可能的确是过于残酷了。

  在阿法狗AlphaGo问世之后，甚至有人悲观的认为。

  人工智能的出现直接把围棋这项古老的游戏摧毁的原因。

  以林灰看来，人工智能的出现对棋类的影响到底更有利还是更有弊还不好说。

  作为普通爱好者，阿法狗AlphaGo的出现肯定是有利的。

  人工智能的出现让普通人有了可以欣赏大师对局的能力。

  让普通人在屏幕前比肩最强人类甚至超越的能力。

  ……

  各种说法都有。

  看得出来一项新技术的诞生是面临着很大争议的。

  林灰愿意承担更大的责任。

  但并不想将自己牵扯到这些涉及到具体技术层面毫无意义的纷争中。

  综合考虑，有些事搞个歪果公司去蹚雷是很有必要的。

  ……

  话说回来，除了利用歪果公司蹚雷之外。

  利用歪果公司进行一些技术方面挖坑似乎也是很棒的。

  就算林灰不刻意利用这些公司挖坑，这些公司也没少挖坑。

  这样的专业团队不充分利用很说不过去。

  而且歪果仁对同样是自己人埋的雷应该不会太在意。

  当然了技术方面挖坑要精心布置。

  技术上那种一眼看出来压根没啥利用价值的坑，别人根本不会去踩。

  最好是那种看起来有很大商业价值但实际上实现起来很困难的坑才好。

  这样的技术林灰首先想到的是步态识别技术。

  前世进入新世纪以来，很多生物信息都被当作特征提取出来作为生物识别的一种手段。

  步态识别自然也不例外。

  步态识别是一种新兴的生物特征识别技术，步态识别技术旨在通过人们走路的姿态进行身份识别。

  与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。

  在智能视频监控领域，比图像识别更具优势。

  步态是指人们行走时的方式，这是一种复杂的行为特征。

  罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。

  人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。

  对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。

  人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。

  步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。

  步态识别虽然是一个相当新的发展方向，但是其工作原理还是很清晰的。

  步态识别旨在从相同的行走行为中寻找和提取个体之间的变化特征，以实现自动的身份识别。

  客观来说，步态识别是融合计算机视觉、模式识别与视频／图像序列处理的一门技术。

  步态识别技术在运用的时候首先由监控摄像机采集人的步态，通过检测与跟踪获得步态的视频序列，经过预处理分析提取该人的步态特征。即对图像序列中的步态运动进行运动检测、运动分割、特征提取等步态识别前期的关键处理。

  其次，再经过进一步处理，使其成为与己存贮在数据库的步态的同样的模式；
  最后，将新采集的步态特征与步态数据库的步态特征进行比对识别，有匹配的即进行预／报警。无匹配的，监控摄像机则继续进行步态的采集。

  一个智能视频监控的自动步态识别系统往往是由监控摄像机、一台计算机与一套好的步态视频序列的处理与识别的软件所组成。

  不过在这套系统中最关键的是步态识别的软件算法。

  所以，对智能视频监控系统的自动步态识别的研究，也主要是对步态识别的软件算法的研究。

  步态识别作为一项基于人的走路姿态进行身份识别的一种生物识别技术很多时候步态识别具有唯一性识别的本领。

  理论上讲甚至是人脸识别难以区分的双胞胎利用步态识别技术也能够不费吹灰之力进行区分。

  步态识别有着广阔的应用前景，可应用于各种安全场景、刑侦破案、嫌疑人检索等场景。

  尽管有着广阔的前景，同时也具有相当强的唯一性。

  不过步态识别算法的进步可不是那么容易。

  因为步态识别输入的序列图像的数据量较大，步态识别的计算复杂性比较高，处理起来也比较困难。

  （步态识别实现起来之所以很困难主要是是因为建立模型复杂。

  另外步态识别所识别的特征点很容易发生变化。

  就以一个人来说，不同年龄的时候行走时是不同的姿态。

  不同心情时可能行走又是不同的姿态……

  抛开这些不谈，在相当控制变量的情况下。

  步态识别也会遇到很多挑战。

  一个人空手的时候步行可能是一种姿态。

  负重行进的时候可能又是一种姿态。

  同样是负重，不同的负重情况又不一样。

  毕竟即便是相同的负重，不同的负重点也意味着不同的重心。

  这些问题的存在都加剧了建模的复杂度）
  前世，尽管生物力学中对于步态进行了大量的研究工作。

  但即便是到林灰重生的前夕，基于步态的身份鉴别的研究工作也只能说是刚刚开始。

  至少距离像人脸识别那种大规模商用要相隔十万八千里。

  正因为研究难度不小，前世很多搞步态识别的公司/创业团队最终都铩羽而归。

  前世大概在2014年左右就开始进行了关于步态识别的研究.
  但林灰印象中这方面的研究一直到2020年全球尚无一个统一的标准。

  没有标准意味着什么？意味着没有商用。

  人工智能第三次浪潮到来之时的一个显著特征就是：
  技术成熟的速度大大加快。

  很多机器识别这方面的技术一般少说几个月多说一两年就可以落地。

  而像步态识别这样一项研究五六年没落地的技术可以说是天坑了。

  前世可以说踩坑者相当众多。

  在这种情况下，林灰相信一旦步态识别这东西搞出来一样会不少人踩坑。

  如此这样的技术用来迷惑竞争对手、分散竞争对手的精力似乎是很不错的一种选择啊。

  而且林灰以前听黄静说人脸识别这方面这个时空曾经是兴起过大规模抗议的。

  部分皿煮国家认为人脸识别会侵犯隐私。

  也就是说就人脸识别方向，纵然以后人脸识别方面会有突破。

  难保这个时空皿煮国家不会对人脸识别再爆发隐私方面的质询。

  但步态识别这方面就不一样了。

  没人会把走路当作隐私吧，人走路终究是要给别人看的。

  通过步态特征作为生物特征进行识别应该不会让人所反感。

  也就很小概率会面对技术外的因素干扰。

  这样一来岂不更是成为引人入坑之上选。

  (本章完)