焦点·洞察

当一个 AI 系统获得诺贝尔医学奖

「What if」是《经济学人》杂志网站上的一个年度畅想类栏目，最新一篇的主题很有趣：如果人工智能系统获得诺贝尔奖怎么办？

文章给出了一个未来情节：一个名为 yulya 的淋巴癌诊断系统在过去 18 个月里拯救了 400 多万人的生命，从而终结了自 2020 年新冠疫情以来最大的公共健康危机，但当诺奖委员会决定将医学奖授予该系统的时候，斯德哥尔摩爆发了来自人类的抗议。

这是一个类似科幻小说的情节，合理或不合理并不在这篇文章的讨论范围之外，但其中有几个值得思考的角度。

首先，当人类社会越来越依靠机器学习系统的时候，人机关系的变化方向会更微妙，一方面，从业者了解机器学习的能力与局限性，另一方面，绝大多数公众无法面对一个可以媲美自身智能水平的「非生物体」，这种复杂情感在巨大的认知鸿沟面前会变得越发不可调和。

但就像文章中的一个细节所指，如果未来诺奖委员会的成员们都是机器学习系统使用者，他们会为机器学习系统「正名」，这也意味着，随着机器学习使用者们掌握一个领域的话语权，人机关系会重新改写。

其次，一个机器学习系统的成功，到底是机器的成功还是其背后团队的成功？从运行机制上说，机器学习或深度学习本质上还是一个「黑盒子」，没有人会清楚解释，当大量数据交给一个机器学习系统之后，它会给出怎样的结果，这也引出更深层次的问题：如果机器学习系统的输出导致一系列问题，那么谁来承担这个责任？

这是一个接下来需要不断探讨的领域，世卫组织本周针对现阶段医疗场景中的 AI 应用，提出了几个原则，或许可以作为一个指引，包括：

• 保证人的自主权
• 促进人类福祉、安全与公共利益
• 确保透明度、可解释性与可理解性
• 培养责任与问责机制
• 确保包容与公平性
• 促进可持续性的 AI

第三，也需要看到一个事实：机器学习或深度学习，不过是迈向强人工智能的一个方向，而不是唯一途径。

这意味着，或许在未来十年或二十年里，我们可以看到其他人工智能的建造方法，就像 2012 年之后，机器学习/深度学习迅速占领媒体版面一样，我们也会在某个时间段看到另一种「XX 学习」，它可能比机器学习更强大、更节能也更透明，从而成为又一个潮流。

巨头

AWS。上周 AWS 收购加密通讯服务公司 Wickr，后者的客户包括政府、军事机构以及企业，这被认为是 AWS 正式进入加密信息服务的关键步骤。

根据 AWS 透露的信息，未来将会把 Wickr 的服务提供给 AWS 上的客户。不过交易金额并未公布。

AWS 上周还与 Salesforce 达成重要合作，合作的要点是通过低代码甚至无代码的方式，打通 AWS 与 Salesforce 之间的应用开发流程，比如直接在 Salesforce 平台使用 AWS S3 或其他数据存储产品，或者使用 AWS 开发应用程序的开发者也可以访问 Salesforce 的数据，实现数据的统一。

需要提醒一点，Salesforce 还和微软、Google 建立了类似的合作关系。

微软。上周三的时候，随着微软股价上涨到每股 265.79 美元，该公司市值也正式突破 2 万亿美元大关，成为全球第二个 2 万亿+ 市值的科技公司，另一家公司为苹果。

而在 Wedbush 分析师 Daniel Ives 看来，得力于 Azure 的增长潜力，微软未来的市值还会继续增长，《巴伦周刊》援引他的话指出，企业数字化转型的需求还在加速，将会成为一个一万亿美元的巨大市场机会，而微软在帮助其客户转向 Azure 方面的工作仅仅完成了 35%，这也意味着，Azure 未来还有非常强劲的增长。

阿里云。上周阿里云宣布与上汽集团的出行品牌享道出行签署战略合作，根据其合作细节，享道出行依托阿里云云原生技术，完成了核心业务系统的上云，并且采用阿里云的自研数据库 PolarDB 作为核心业务系统数据库。

上周，中金公司的研报称，随着阿里云持续推进云钉一体，并将政企市场作为重要市场，阿里云未来还将迎来持续增长。

Google。商业媒体 BI 从一份 Google 内部的备忘录获悉，Google 正在将内部 AI 研究部门的员工整合到一个新部门，新部门的主要工作是研究如何将机器学习应用到 Google的产品之中。而根据该备忘录上的 OKR，Google 计划未来两到三年在 AI 领域取得实质性进展，以改善用户与知识的互动方式。

这一方面凸显出机器学习之于 Google 的巨大价值，但另一个方面，我看到了 Google 对 AI 落地的焦虑，在经过了这么多年炒作之后，无论是机器学习还是语音、计算机视觉等，这些技术在实验室环境和真实环境中的成绩还存在巨大差距，Google 现在所做的，更像是面对终端产品——包括硬件、软件、服务——倒逼机器学习的研究与应用，以此形成机器学习落地实践。

Alphabet 旗下的 DeepMind 上周与非营利药物公司 DNDi 建立合作，这项合作的关键是，双方将把 DeepMind 去年震惊世界的 AI 模型 Alphafold 应用于对众多疑难疾病的研究之中。

2020 年 11 月，DeepMind 宣布，AlphaFold 成功破解了生物学 50 年来的巨大难题「蛋白质折叠」。

蛋白质是人类理解生命组成的关键要素，目前已知的众多疾病，比如各种癌症都与蛋白质相关，但是蛋白质 3D 结构由于复杂且庞大的折叠方式，如何预测这些折叠方式成为长期困扰生物学的难题，AlphaFold 在蛋白质结构预测评估机构（Critical Assessment of protein Structure Prediction，CASP）组织的测试中获得 94 GDT，这意味着该系统具备了预测蛋白质结构的能力。

正如 DNDi 一位负责人所言：AI 可以改变（药物发现）的游戏规则，AlphaFold 打开了研究的新视野。而在去年，《自然》杂志也这样评论 AlphaFold 的意义：「It will change everything」。FT 援引诺奖得主、英国皇家学会会长 Venkatraman Ramakrishnan 的话称：「它将从根本上改变生物学研究的多种方式」。

我们也期待 AlphaFold 尽快有新的消息。

英伟达。英伟达上周公布了一个新研究成果 Vid2Vid Cameo，利用 GANs 技术把一张 2D 头像变成一个适合视频会议的头像，在视频会议期间，该技术会根据参会者的头部运动变化实时调整头像，比如摇头、点头等动作会显得很自然。

你可以在这里观看这项研究的视频，该研究的论文在这里。

英伟达本周在 MWC 上宣布，旗下面向企业 5G 领域的 AI 产品 「AI-on-5G」将全面支持 ARM 架构 CPU 平台。

与此同时，英伟达还将和 Google Cloud 共建 AI-on-5G 创新实验室，帮助网络基础设施厂商和 AI 软件公司共同探索围绕 5G 与 AI 相结合的创新机会。

AI Insider Monthly

「AI Insider Monthly」以月度总结的形式，展现过去四周全球 AI、云、自动驾驶等领域的产业变化，通过分析行业事件与梳理技术趋势，勾勒出人类迈向数字化的若干方向与线索。

5 月份的「AI Insider Monthly」，将关注以下议题：

• 巨头·行业大会：阿里云财报与线下峰会、Google I/O 大会、微软开发者大会；
• 行业·趋势：企业软件的四个趋势、机器学习与环境、腾讯云架构调整、芯片领域新趋势；
• 未来驾驶：交易（融资）、观点与新进展；
• 资源·观点： 三份 AI 相关的调查报告、一组 AI 相关图书推荐等；

本期内容还提供了 PDF 版本，欢迎下载：

• 国内镜像；
• 海外镜像；

产业观察

从自建 AI 相册到云计算市场正在发生的故事

早在 2015 年，Google 以开行业先河之势推出 Google Photo，首次提出通过机器学习，实现对照片人物/物体识别、自动归类、自动修图等功能。随后的时间里，无论是国内各大安卓厂商还是苹果，都将 AI 加入到智能手机的相册管理中。

尽管如此，Google Photo 的价值依然很大，一方面是其不断提升的 AI 技术，持续优化用户体验；另一方面，相比于其他手机公司面向自家手机相册的产品，Google Photo 具备跨平台与跨系统的特性，当然，用户还可以借助浏览器在任意平台访问自己的云端相册，也因此，Google Photo 已然成为 Google 最流行的产品之一。

但 Google Photo 也面临诸多争议，比如 Google 的隐私保护形象很难令人满意，再比如自 6 月份开始，Google Photo 取消原来「无限量」的免费照片备份方案，这些都是让一些用户开始思考如何迁移自己的照片，在安全性、隐私性之外，利用机器学习管理这些照片。

Ars Technica 上周有一篇很具实践意义的长文，提供了若干个基于 AI 的自托管智能相册选择，这些开源的服务，比如 NextCloud，的确可以让用户完全控制自己的照片，但在另一个层面，用户还需要付出更多的成本，包括但不限于：

• 租赁云服务器的金钱成本，即便是 5 美元/月，也是一笔固定的投资；
• 管理服务器的时间成本，比如配置 SSL 证书以及配置防火墙；
• 安装维护应用程序的时间成本，还是以 NextCloud 为例，这并不算是一个复杂的程序，但配置与维护起来并不容易，如何优化内存使用保障速度、如何配置不同设备的照片同步，所有这些都是需要花时间完成的工作；
• 部署机器学习服务的成本：绝大多数开源相册没有机器学习功能，少数服务，比如 Photonix，看起来似乎可以像 Google Photo 识别照片，但即便是最简单的宠物狗照片，其识别准确率也非常差。

看到这里，你大概也能猜出文章的结论，是的，作者建议那些决定构建 AI 相册的用户做好心理准备，当下没有一个开源或自托管的服务可以完整覆盖用户的需求，用户需要花费大量时间与精力，可能才能构建一个简单的工作流。

这个探索历程像极了企业选择公有云还是私有云的过程，当然，相对于个人用户选择一项数字服务的原因，企业客户则完全不同，从节约成本到提高运营效率再到灵活扩展，企业客户需要考虑的因素非常多，而无论是直接使用 IaaS 层面的云服务器还是利用 PaaS 平台开发服务抑或是采购开箱即用的 SaaS 服务，企业客户更希望让云变成自身业务发展的「燃料」。

但要实现这个目标并不容易，疫情的确加速了全球企业的上云以及数字化进程，同时也在形成一个「云服务价值鸿沟」，在一份 PwC 刚刚发布的调查报告里，超半数的受访者（比例高达 53%）指出，企业并没有从云服务中获取价值。

而通过这份调查所反映的一系列痛点，或许也可能更好理解云计算市场正在发生的故事。

其一，企业在云计算方面支出还将持续增加，从而进一步压缩其传统 IT 方面的投入，这将进一步扩大云计算的市场规模，全球主要云计算公司将受益。

其次，从「上云」到「云上」酝酿了新的机会，各大云计算公司押注的无服务器概念与产品，连同虚虚实实的「云原生」，成为云计算公司提供给客户的新方案，其目的就是要让云上的客户感受到价值。

第三，传统意义的云计算（IaaS、PaaS、SaaS）的分类已经变得不再重要，越来越多的创新出现在接近企业客户的产品侧，Lambda 会成为 AWS 未来最大的机会，钉钉也是阿里云持续增长的基础，Office 会与 Azure 共同构建其微软的增长飞轮，这些产品会重现定义云的产品分类与云的价值。

行业·应用

利用 AI 修复伦勃朗的名画。《守夜人》是伦勃朗完成于 1642 年的名作，1715 年为了能放到阿姆斯特丹市政厅的墙上，这幅画被迫剪掉了四个边。

现在，研究人员通过检索过往该画作的副本，同时训练机器「学习」伦勃朗的绘画风格（包括使用色彩的习惯），将这幅画作上被剪掉的元素找回来，如下图所示。

该画作上周已经在阿姆斯特丹的荷兰国家博物馆展出。

沃尔玛将 AI 应用到缺货时的替代品推荐。简单来说，就是当用户在线选择的某个商品缺货时，系统会自动推荐其他类似的替代品，并根据用户的反馈优化相关算法，这其中使用了深度学习技术。

利用 AI 技术预估房屋价格。WSJ 汇总了一组美国房地产公司的 AI 应用，比如 Realogy 公司的 AI 模型，可以帮助房产经纪人预测客户的喜好变化，Compass 的 AI 程序则能从经纪人的联系人数据库中预测出售房屋的可能性，而 Zillow 公司则研发了针对不同地区的房屋价格预测算法。

软银不再生产 Pepper 机器人。路透社援引消息人士的话称，软银将调整其机器人业务，并不再生产 Pepper 人型机器人，该机器人此前由富士康在中国代工生产，预计生产了 27000 台，去年已经停产。

与此同时，软银还将在全球范围内裁减机器人相关的工作职位，除了已经在英国、美国开始的裁员计划外，预计还会在法国裁掉当地 300 人团队的一半员工，另外日本的机器人业务也会进行重组。

值得一提的是，软银此前还把收购的波士顿机器人公司大部分股权出售给韩国现代集团，上周，现代集团宣布将获得波士顿动力 80% 的股权。

小马智行或将在美 IPO。目前该公司在中国、美国都有业务，总融资金额超过 10 亿美元，其估值也达到 53 亿美元，路透社称，上市将有助于该公司开展自动驾驶打车业务。

沃尔沃将在明年推出搭载激光雷达的电动汽车。这款型号为 XC90 的 SUV 将成为首辆搭载 Luminar 激光雷达的车辆，同时该车辆还将配备英伟达的自动驾驶芯片 Drive Orin。目前尚不清楚该车辆的售价，但沃尔沃表示，如果车主需要更自动化的特性，比如高速公路驾驶过程中双手离开方向盘，那么就要购买额外的服务。

图灵的遗产。6 月 23 日是阿兰·图灵的生日，这一天图灵基金会组织了一个线上论坛，探讨图灵的生平、他在二战中的贡献以及他对当下人工智能的影响，你可以在这里观看这个时长 90 分钟的视频讨论。