L'intelligenza artificiale farà scendere i prezzi delle case?

Il 13 ottobre il governo degli Stati Uniti ha pubblicato due rapporti: "Prepararsi al futuro dell'intelligenza artificiale" e "Piano strategico nazionale statunitense per la ricerca e lo sviluppo dell'intelligenza artificiale". Robin Li di Baidu ritiene che l'intelligenza artificiale sia il futuro. Contemporaneamente, Lao Zhou di 360 ha recentemente pubblicato un articolo dal titolo " Quanto è grande la bolla dell'intelligenza artificiale " per esplorare l'implementazione dell'intelligenza artificiale nella ricerca e nell'intrattenimento.

Non c'è dubbio che l'intelligenza artificiale sia diventata un tema caldo in questo periodo, ma in cosa si differenzia rispetto al passato? Si tratta di un'altra illusione collettiva o è davvero iniziata una trasformazione che sta investendo la società e le imprese? Questo articolo analizza quali sono i vincoli principali.

Lo sviluppo dell'intelligenza artificiale è una palla di neve

Lo sviluppo di nuove tecnologie non è mai dovuto alle preferenze e all'entusiasmo delle persone, ma si basa su feedback positivi tra tecnologia e impresa (a volte militare). La CPU più piccola e potente e il continuo aumento della velocità della rete sono in realtà il risultato di questo feedback positivo. I due precedenti fallimenti dell'intelligenza artificiale sono stati molto brutti, soprattutto perché avevano una visione ma non avevano generato molto valore commerciale.

La nostra società e la nostra economia dipendono in larga misura dall'intelligenza umana. Si può dire che l'intelligenza è il fondamento della civiltà umana e che l'intelligenza artificiale è un sostituto dell'intelligenza umana, quindi l'intelligenza artificiale non ha mai mancato di visione.

Una svolta in qualsiasi ambito, come il riconoscimento delle immagini, può ricordare alle persone molti scenari, come la sorveglianza della casa o il controllo delle violazioni del codice della strada. Ciò che è sempre mancato all'intelligenza artificiale è la capacità di generare valore commerciale sostenibile. Per quanto riguarda gli esempi di sorveglianza della casa e controllo delle violazioni del codice stradale, ciò significa che il sistema deve essere sufficientemente accurato dal punto di vista tecnico da ridurre il tasso di falsi allarmi ed essere realmente in grado di svolgere alcuni dei compiti degli esseri umani e raggiungere un certo livello di usabilità. Il raggiungimento del livello di usabilità può essere visto come il punto di partenza per l'implementazione. Ciò che serve dopo sono ulteriori investimenti per ampliare il valore commerciale. Ad esempio, può non solo sorvegliare la casa, ma anche pattugliarla, controllare le violazioni del codice stradale e anche fornire assistenza alla guida.

Se vengono soddisfatte entrambe queste condizioni, ovvero se l'usabilità iniziale e l'investimento possono amplificare il valore commerciale, si può creare un ciclo di feedback positivo tra tecnologia e business. Una volta formato questo feedback positivo, l'impiego di questa tecnologia non può più essere modificato dall'intervento umano.

La prima ondata di intelligenza artificiale era maggiormente limitata dal primo punto. A quel tempo non sembrava che le persone trovassero applicazioni particolarmente valide per l'intelligenza artificiale. La seconda ondata di intelligenza artificiale si è fermata al secondo punto. Negli anni '80, alcuni sistemi esperti furono effettivamente implementati con successo e fecero risparmiare alle aziende decine di milioni di dollari. Ad esempio, il primo sistema esperto commerciale di successo, R1, è stato utilizzato con successo in DEC. Da allora, DEC ha distribuito 40 sistemi esperti, ma questa espansione ovviamente non ha prodotto risultati duraturi e non poteva essere sostenibile.

Il motivo per cui questa ondata di intelligenza artificiale appare un po' diversa è che questo feedback positivo è stato inizialmente formato e la sua portata e profondità sono notevolmente aumentate rispetto alle due volte precedenti:

Dal punto di vista tecnico, il Deep Learning ha notevolmente migliorato l'accuratezza del riconoscimento vocale: ad esempio, il riconoscimento vocale è aumentato dal 70% di circa 20 anni fa a oltre il 95% attuale. Allo stesso tempo, il continuo progresso delle GPU ha migliorato costantemente la velocità di elaborazione. Secondo i dati di nVidia, le schede di elaborazione lanciate per l'intelligenza artificiale hanno una velocità di apprendimento 60 volte superiore e una velocità di inferenza 16 volte superiore rispetto alle tradizionali piattaforme Xeon dual-core.

Nel mondo degli affari, l'apprendimento automatico è diventato uno standard. DeepMind ha provato ad applicare l'algoritmo di AlphaGo alle operazioni IT di Google, ottenendo una riduzione del 40% dei costi operativi. Apple utilizza l'apprendimento automatico per migliorare l'esperienza utente in vari ambiti, come ad esempio la funzione anti-tocco errato dello stilo dell'iPad Pro. Nel complesso, si può affermare che la penetrazione capillare dell'intelligenza artificiale in vari settori è diventata una tendenza di fondo.

A questo punto possiamo almeno dire che è iniziata la prima spirale di feedback positivo, ma la prima spirale da sola non è sufficiente a far sì che la Casa Bianca agisca, quindi ciò che occorre discutere è cosa accadrà dopo l'inizio di questa spirale? Deve esserci qualcosa di abbastanza grande affinché questo feedback positivo continui.

  Tutti i settori stanno sostenendo l’intelligenza artificiale

In realtà, l'intelligenza artificiale può essere applicata in qualsiasi campo. Se dovessimo classificarlo, potremmo suddividerlo grossolanamente in tre categorie fondamentali: una è il metodo di interazione uomo-computer (compresa l'interazione vocale e i nuovi metodi di visualizzazione come la realtà aumentata); uno è l'automazione front-end; e uno è l'elaborazione dei dati back-end.

Nell'interazione uomo-computer, gli esempi più tipici sono l'interazione vocale e la realtà aumentata.

La parola AR può essere definita in modo molto complesso. Ad esempio, possono essere gli occhiali comunemente menzionati (Microsoft Hololens, Meta, ecc.), oppure può essere una caratteristica funzionale di un telefono cellulare, come il gameplay di Tango, e naturalmente può anche essere una funzione di un'applicazione, come Pokeman. Ma personalmente credo che la realtà aumentata rappresenti essenzialmente una rivoluzione nel modo di interagire. La caratteristica principale di questo metodo di interazione è la combinazione in tempo reale di spazio digitale e spazio reale. La tecnologia fondamentale su cui si basa è la svolta dell'intelligenza artificiale. Per quanto riguarda i prodotti specifici, si tratta di applicazioni diverse di questo metodo di interazione.

L'interazione vocale è ciò che spesso chiamiamo Siri, Echo, ecc. Il motivo per cui questo cambiamento nel metodo di interazione è importante è che darà vita a una nuova piattaforma informatica di uso generale, che a sua volta porterà a cambiamenti nell'intero ecosistema. Ad esempio, l'invenzione del mouse ha favorito il passaggio da Dos a Windows.

Quando si parla del metodo di interazione, il punto interessante è che non sembra essere una richiesta rigida, ma in realtà è il fulcro della sostituzione dei terminali multiuso e ha un impatto di vasta portata. Ad esempio, uno dei motivi del passaggio da Internet tramite PC a Internet tramite dispositivi mobili è lo sviluppo dei touch screen. Il touch screen non è posizionato con precisione e non è possibile accedere a ciascun collegamento con la stessa precisione di un browser per PC. Pertanto l'area operativa deve essere sufficientemente ampia. Di conseguenza, sono state sviluppate diverse applicazioni Internet mobili rappresentative (Taobao, Meituan, Toutiao, ecc.) per sostituire la tradizionale navigazione web sui PC. .

Gli esempi più tipici di automazione front-end sono la guida autonoma e i robot.

Prima di questa svolta nell'intelligenza artificiale, qualsiasi automazione poteva essere definita automazione secondo regole limitate. È più facile vedere la differenza fondamentale tra i due tipi di automazione dall'implementazione del software. In passato, il software era in realtà pieno di condizioni e diramazioni come "se (la condizione A è soddisfatta), allora (intraprendere una certa azione)". Il motivo per cui software come Office Word e persino Windows sembrano così potenti è che questo tipo di selezione condizionale è sufficientemente nidificato.

Ma questo non è il caso degli attuali programmi basati sul deep learning. Per prima cosa addestrano un modello, poi gli forniscono nuovi input e lasciano che sia il modello a risolverli da solo (inferenza). Vale a dire che i programmi tradizionali possono essere controllati con precisione, ma i programmi di apprendimento profondo non possono controllare i dettagli. Questa differenza nelle procedure porta ovviamente a differenze fondamentali nel grado di automazione che può essere raggiunto nella guida autonoma e nei robot. Ad esempio, nella produzione, il primo tipo di automazione del programma può consentire solo a robot specifici di produrre prodotti specifici, come le automobili, sulla catena di montaggio, mentre il secondo può produrre robot in grado di fare tutto. Ciò che questo robot può fare dipende da come lo si addestra. Il campo di applicazione di quest'ultimo robot è senza dubbio molto più ampio di quello del primo, ma per il momento quest'ultimo robot non è effettivamente all'altezza del primo in termini di precisione operativa.

L'impatto di vasta portata di questo aggiornamento dell'automazione è che può realizzare operazioni senza operatore in vari campi. Ad esempio, è possibile realizzare operazioni senza pilota di droni ed escavatori nel settore edile (la direzione intrapresa da Skycatch e Komatsu), e operazioni senza pilota sulle linee di produzione nelle fabbriche (la direzione intrapresa da Baxter).

Un'applicazione tipica dell'analisi dei dati back-end è il programma di analisi dei big data come IBM Watson. IBM ha scelto l'assistenza sanitaria come area di innovazione, il che in effetti ha molto senso. In generale, i dati medici storici sono solitamente ben etichettati e le innovazioni nella tecnologia di riconoscimento delle immagini possono essere utilizzate per visualizzare vari filmati medici. Guardare filmati medici equivale in realtà a identificare i modelli patologici nelle immagini, e perfino i medici più esperti saranno ingannati dall'intelligenza artificiale in questo senso. Naturalmente, questo tipo di analisi dei dati non si limita all'assistenza medica. Lo stesso modello può essere applicato alla finanza, alla sicurezza, all'edilizia, ecc.

Dopo aver esaminato le tre principali direzioni di atterraggio dell’intelligenza artificiale, torniamo al feedback positivo tra tecnologia e business:

In primo luogo, l'innovazione del deep learning + GPU ha portato a progressi epocali nella velocità e nella percentuale di riconoscimento vocale, nel riconoscimento delle immagini, ecc. Questa innovazione viene poi applicata in alcuni campi già esistenti, come il riconoscimento facciale. Naturalmente, entrambe queste azioni sono accompagnate da continui investimenti di capitale. Poi, alcuni settori più ampi inizieranno a evolversi, come l'interazione uomo-computer, la guida autonoma, l'analisi dei dati, ecc. menzionati sopra, e in quel momento vari capitali interverranno in misura maggiore.

Ciò che in realtà dobbiamo aspettare ora sono i veri progressi in questi importanti settori. Una volta che avrà fatto progressi e avrà funzionato con successo, questa ondata di intelligenza artificiale sarà pienamente implementata e poi entreremo in una fase in cui il campo di applicazione continuerà ad espandersi e la tecnologia stessa diventerà più veloce e più forte. Se questi importanti settori non dovessero progredire, ad esempio se non si registrassero progetti di successo entro cinque anni, questa ondata di intelligenza artificiale potrebbe raffreddarsi di nuovo.

Internet non è riuscito ad abbassare i prezzi delle case, ma l'intelligenza artificiale sì?

Se questa ondata di intelligenza artificiale prenderà davvero piede, avrà sicuramente ripercussioni sull'occupazione. Molte persone ne hanno parlato, quindi non mi dilungherò qui. Vorrei invece approfondire una domanda stimolante: lo sviluppo di tecnologie come l'intelligenza artificiale può ridurre i prezzi delle abitazioni?

Tralasciando vari dettagli, la ragione fondamentale dell'aumento dei prezzi delle case è che la popolazione è concentrata in poche zone, mentre l'offerta di case in queste zone è limitata. Pertanto, nelle aree con un deflusso netto di popolazione, come il Liaoning, i prezzi delle abitazioni sono molto instabili e la tendenza al ribasso è addirittura piuttosto evidente.

La domanda fondamentale diventa quindi: lo sviluppo della tecnologia contribuisce a far sorgere grandi città sempre più centralizzate o consente alle città di diventare decentralizzate? Se la risposta è la prima, allora è la tecnologia la forza che fa aumentare i prezzi delle case nelle zone centrali. Se è così, allora lo sviluppo della tecnologia si oppone agli alti prezzi delle case.

Finora lo sviluppo economico ha sempre favorito la centralizzazione. Quanto più complete sono le strutture di supporto di un luogo, tanto più sviluppata è la sua economia; quanto più è sviluppata l'economia, tanto più complete sono le strutture di supporto. Si può affermare che esista un nesso inevitabile tra sviluppo economico, centralizzazione urbana e prezzi elevati delle abitazioni.

Ma tecnologie come l'intelligenza artificiale sembrano contrastare gli elevati prezzi delle case. Se la realtà aumentata sarà davvero sufficientemente sviluppata, sarà possibile lavorare da remoto, un'istruzione di alta qualità non dipenderà più dalle risorse degli insegnanti, che sono sempre scarse, e anche l'assistenza medica di alta qualità sarà slegata dalla regione. In tal caso, le persone possono trovare lavoro, ricevere un'istruzione di alta qualità, ricevere assistenza medica e altri servizi sociali ovunque, quindi perché dovrebbero vivere in una zona con prezzi delle case elevati?

Ci sono sempre due possibilità per la futura distribuzione della popolazione:

Una di queste è che le grandi città come Pechino si espandono gradualmente e diventano megalopoli, capaci di accogliere ciascuna da 100 a 200 milioni di persone. Questa tendenza si ripete in ogni provincia: ogni capoluogo di provincia diventa una supercittà locale, mentre le città di terza e quarta fascia e le aree rurali scompaiono gradualmente.

Uno è che la popolazione è distribuita in modo relativamente uniforme e ognuno può trovare un posto che gli piace. Anche se è lontano dal caos e dalla frenesia, la vita è estremamente comoda.

Tecnologie come l'intelligenza artificiale sembrano appartenere a quest'ultima categoria.

riepilogo

Ciò che ho detto sopra è in realtà parte di ciò che voglio esprimere nel nuovo libro " Ultimate Replication: How Artificial Intelligence Will Drive Great Social Change ". Il nostro futuro è ancora poco definito nei dettagli, ma è certo al 100% che l'intelligenza artificiale ridefinirà il futuro. Ecco perché molte persone hanno lasciato le scuole (come Yan Shuicheng del 360 Artificial Intelligence Research Institute della National University of Singapore) e gli istituti di ricerca (come Chen Xiaoliang del Sound Intelligence Technology dell'Institute of Acoustics dell'Accademia cinese delle scienze) per abbracciare questa ondata.

Vincitore del Qingyun Plan di Toutiao e del Bai+ Plan di Baijiahao, del Baidu Digital Author of the Year 2019, del Baijiahao's Most Popular Author in the Technology Field, del Sogou Technology and Culture Author 2019 e del Baijiahao Quarterly Influential Creator 2021, ha vinto numerosi premi, tra cui il Sohu Best Industry Media Person 2013, il China New Media Entrepreneurship Competition Beijing 2015, il Guangmang Experience Award 2015, il China New Media Entrepreneurship Competition Finals 2015 e il Baidu Dynamic Annual Powerful Celebrity 2018.