近年來，數(shù)據(jù)中心能源消耗問題一直是企業(yè)們關(guān)注的熱點。據(jù)有關(guān)媒體報道，目前數(shù)據(jù)中心已經(jīng)消耗了全球約1/3的能源，大量能源消耗不僅污染了環(huán)境且許多能源為不可再生能源，因此如何有效降低數(shù)據(jù)中心能耗成為行業(yè)共同的目標(biāo)。
麻省理工學(xué)院計算機科學(xué)和人工智能實驗室主任Daniela Rus（丹妮拉·魯斯）近日在上海參加2018品友互動人工智能大會時，描繪了一幅已經(jīng)近在咫尺的未來圖景——無論醫(yī)藥、金融、交通、法律，還是能源、教育、旅游等領(lǐng)域，都將迎來人工智能技術(shù)顛覆性的變革。
Daniela Rus常常被記者問到什么才是人工智能。“很多人把人工智能和機器學(xué)習(xí)、機器人混淆在一起。”Daniela Rus說，人工智能是給機器一個學(xué)習(xí)的本領(lǐng)，讓它可以去推理、感知，甚至具備玩一場游戲的能力。
AI實際上早就“潛伏”在你我的身邊。Daniela Rus介紹，“在美國，無人機可以自己送貨，垃圾桶可以自己出去把垃圾扔掉，個人秘書機器人可以提供各個方面的建議”。根據(jù)她的統(tǒng)計研究，醫(yī)藥和金融服務(wù)領(lǐng)域如今已經(jīng)成為人工智能化程度最高的兩個行業(yè)。
她介紹，比如在醫(yī)藥醫(yī)療界，機器已經(jīng)擁有比醫(yī)生更強的識別、閱讀、分析影像資料的能力。在淋巴結(jié)方面，機器可以清楚地區(qū)別腫瘤與非腫瘤，并且，機器的錯誤率僅為3.5%，遠遠低于醫(yī)生7.5%的錯誤率。這項研究，目前已經(jīng)由MIT人工智能實驗室與麻省醫(yī)院在進行共同實驗，機器在乳腺癌識別方面，已經(jīng)可以達到97%~99%的識別準(zhǔn)確率，“我們一些有腫瘤家族史的研究員，甚至讓全家都參與到這個項目中，他們非常在乎這種識別、分析”。
Daniela Rus說，無論在美國還是中國，金融都是AI利用率最高、最快的行業(yè)，“想象一下，有一個‘小助手’在幫你跑很多差事，幫你處理數(shù)據(jù)，找到一些有趣的規(guī)律讓你做出決策，你會多么高效”。
獲取儲蓄客戶、信托客戶，不再需要客服一對一地搜索數(shù)據(jù)，頻繁電話“轟炸”了，AI小秘書會通過精準(zhǔn)地分析直接找到對某個金融產(chǎn)品最有興趣的客戶進行推薦，高凈值客戶只要手指輕輕一點，就能買到風(fēng)險合適、利息合適的心儀產(chǎn)品。
在AI充分應(yīng)用的未來，律師并不一定會失業(yè)。相反，利用AI技術(shù)，一個律師精準(zhǔn)判斷的能力將有長足的進展。Daniela Rus說，律師可以通過機器找到最近的案例和判例，由此來支持自己正在為之辯護的案例，可以輕松地判斷法官可能會對當(dāng)下的這個案例采取什么樣的判決。
困擾北上廣等一線城市的堵車問題，也有望通過AI解決。MIT正在開發(fā)的一套機器學(xué)習(xí)系統(tǒng)，將供需進行高速銜接，機器可以展現(xiàn)出所有的交通需求。Daniela Rus表示，至于零售領(lǐng)域，中國的消費者恐怕早就洞察到了不同。購物網(wǎng)站每天都會把你近期頻繁搜索、比較的產(chǎn)品推薦給你，一些購物App甚至已經(jīng)具備了“殺熟”的能力，可以給那些早就習(xí)慣使用這款軟件的老顧客推送更高價格的產(chǎn)品。
Daniela Rus最感興趣的AI應(yīng)用領(lǐng)域在能源方面，“谷歌近期使用了一個新系統(tǒng)，可以大幅削減數(shù)據(jù)中心的能源消耗，可以削減約40%”。
她介紹，遍布全球的這些數(shù)據(jù)中心目前已經(jīng)消耗了全球約1/3的能源，“如果可以大幅減低此類消耗，對于環(huán)境改善幫助極大。”
值得注意的是，人工智能發(fā)展至今，仍有一大片藍海有待開拓——教育、旅游等領(lǐng)域。Daniela Rus提供的數(shù)據(jù)顯示，教育、旅游行業(yè)的AI利用率目前仍然比較滯后，“如果你正身處這些領(lǐng)域當(dāng)中，那就意味著你有大量的機遇，可以采用最新的技術(shù)去提升自己領(lǐng)域的業(yè)務(wù)”。
人工智能也有犯錯的時候。Daniela Rus在大會上展示了好幾組AI犯錯的場景。即使在圖像識別領(lǐng)域，AI仍無法在一些關(guān)鍵節(jié)點上做到100%的識別正確。
比如，在一幅擁有棕櫚樹、沙灘、大海的圖片面前，AI可以很快識別出這是一個海灘場景。但在一張分辨率并不算太高的交通事故截屏圖中，AI會把一片籬笆墻，識別成一個正在騎自行車的人。
“任何使用機器學(xué)習(xí)和數(shù)據(jù)的技術(shù)都會出現(xiàn)錯誤。”Daniela Rus說，這些錯誤，如果只出現(xiàn)在識別一種動物的情況下，可能使用者并不會介意10%左右的錯誤率，但如果這種錯誤出現(xiàn)在自動駕駛汽車的圖像識別中，即便5%的錯誤率也是無法容忍的。
（原標(biāo)題：我最期待AI能減少數(shù)據(jù)中心對能源的消耗）
