AI 科技 评论按 ，4 月 25 日，在由涂鸦智能联合知名 财经 媒体《新财富》、人工智能领域知名媒体《全球智能化商业》共同举办的「全球智能化商业峰会」上，斯坦福大学荣誉教授、新西兰皇家学会荣誉成员、世界级算法专家 Michael Saunders 进行了以「基於约束优化的算法：通用软件的益处」为主题的演讲。
Michael Saunders 曾任斯坦福大学管理科学与工程系教授。目前，他是斯坦福大学荣誉教授、数学家、世界级算法专家，工业与应用数学学会会士，新西兰皇家学会荣誉成员，斯坦福大学发明名人堂成员。
Michael Saunders 教授师从科学计算之父 Gene Golub，于 1972 年获得了斯坦福大学计算机科学博士学位，作为计算机领域的「大咖」，他曾获数学程式设计学会「William Orchard-Hays 奖」及工业与应用数学学会「暹罗线性代数奖」。据了解，目前其用于矩阵方程式和优化问题的数学算法在全球被广泛使用。Michael Saunders 教授曾为通用电气、波音公司等提供咨询服务。
Michael Saunders 教授的研究领域包括人工智能、大规模科学计算、大数据分析、系统优化、稀疏矩阵解法、软件工程、AIoT 等。
在他看来，互联互通一直都是 AIoT 产业的优化难题，例如此次会议的主办方涂鸦智能也推出了类似技术希望解决信息孤岛的问题，Saunders 教授在此领域贡献突出。
以下是此次 Michael Saunders 教授的演讲和专访纪要，AI 科技 评论做了不改变原意的整理：
大家好！谢谢今天来现场的各位嘉宾，我很高兴来到中国。不好意思，我是新西兰人，我会说一点法语，一点西班牙语和一点英语，但是中文要难得多。
今天我想要和大家讲的是「约束优化」，在这之前，我想先谈一下为什么我会去斯坦福大学并参与计算机相关的科研，并谈谈关于约束优化的 历史 。
从新西兰到斯坦福，专注于「约束优化」
1972 年，我取得了在斯坦福大学的博士学位，我返回新西兰并以为我会就此永远待在新西兰，但斯坦福大学教授 George Dantzig，线性代数之父，他开始了系统优化实验室（SOL）计划，并且邀请我回到斯坦福。
在我参与系统优化实验室之时，Dantzig 教授负责建立经济和能量模型，而我则专注于非线性目标函数，并且研发 MINOS 优化软件的初始版本，以解决这些模型的问题。
当时，斯坦福大学教授 George Dantzig 提出了一种新的算法优化——即「约束优化」。这是一个很难的研究课题，它是在一系列约束条件下，寻找一组参数值，使某个或某一组函数的目标值达到最优。「约束优化」本质上是一个线性代数问题，通过软件来实现优化分析。
到了 1980 年代，我又延伸了 MINOS 用以处理一些非线性约束条件，并且我们开发了其他的约束优化软件用于通用电气和 NASA。
在 1990 年，我们的软件被用于温室效应模型，以及航太的优化问题，例如飞机和太空船的轨道优化。
我有一个做航空器的双胞胎兄弟大卫，他从 1975 年起，就在 NASA 的艾姆斯研究中心（Ames Research Center）工作，他利用了我们的优化软件设计超音速飞机、新型的太空梭和太空舱，虽然当中有些项目后来被取消了。
当然，我们的算法优化也用在了其它很多领域。比如，控制机器人的运行轨迹；还有医疗领域，我们可以瞄准 X 光光束，帮助医生进行放射治疗。
优化对航空应用至关重要
我们的软件被用于很多 NASA 很多航空项目，比如：
以上问题都离不开优化。
在 2010 年，我参与设计了有阿波罗 20 之称的宇宙飞船猎户座（Orion），猎户座和阿波罗的外形相似，但体型大得多。大卫优化了猎户座的防热罩的曲度，他发现 50 年前，阿波罗的设计师选择的外形就是一个最优化的形状。
最近，我们的优化还被用于世界上最大的飞机」Stratolaunch」, 它于 2019 年 4 月 13 日在加利福尼亚州完成首飞。Stratolanuch 配备有两个机身，和六个波音 747 引擎，它的机翼展开比一个足球场的长度还长，它可以载着一个火箭或者是小型的太空船到 11000 米的高空，并且将其发射到轨道上。大卫改善过后的优化结果显示，Stratolaunch 如果在 2500 公里的距离就开始降落程序，那会有点过早。
优化软件和应用相辅相成
算法优化帮助我们做了很多解决方案。
在 20 年前，我们使用 PDCO 软件来做信号分析（基追踪降噪，BPDN），我们现在使用同样的软件做不同的应用：分析低频核磁共振信号，用以分析某些东西的组成，例如橄榄油或者是生物柴油，我们既有的软件找到了新的应用方式。
有时，新的应用会引领我们创造新的算法。例如系统生物学里头的多维度模型问题没办法以现有的软件解决，我们就使用了双精度型和三重精度型版本的优化 MINOS 软件，开发了 DQQ 程序。
我们还开发了 NCL 算法来解决税法模型，此前，这是无法通过既有的软件去解决的。NCL 解决了一系列很大但容易解决的优化问题。令人意外地，我们发现如何通过内部方法促进优化，来」热启动」(warm start）每一个大难题。热启动通常是无法通过内部方法实现的。因此，全新的高难度应用促使我们催生了新的通用软件，这是个非常有趣的过程。
总结一下我的演讲主题，当我们设计一个优化软件时，我们总是希望打造一个「万用型」的软件，让其能够物尽其用。但老实说，我们永远不知道，是什么样的人在使用我们的软件，有时候，软件会帮助科学家发现针对新兴应用的优化解决方案，这带给我们立即的成就感。但有时候则正好相反，是新兴的应用迫使我们用新的方式结合既有的软件去设计新的算法。
在未来，我们会看到很多像自动驾驶车这样的应用，而自动驾驶安全的重要性和太空船的发射及降落不相上下。优化系统在未来的医疗领域也将大放异彩，它可以使精准医疗成真，它已经让放射疗法变得更精准快速了。
在演讲之后，AI 科技 评论对 Michael Saunders 教授做了一次专访。
AI 科技 评论：今天很高兴有这个机会来采访您！第一个问题，您能不能谈一谈您自己是如何结合研究与业界的应用，您参与过哪些具体的案例？
Michael Saunders： 我的应用案例在我的演讲中提了很多，其中有一些很重要的案例，比如在药物治疗、制造、航空航天、系统生物学和核磁共振等方面。就像我之前说的，我们不知道有谁会用我们的软件，但通用型的软件本来就会鼓励更多的新兴应用诞生。我最喜欢的事情就是别人敲我的门说，「教授，我有个优化问题，请问你可以帮忙吗？。」我希望大家敲我的门。
AI 科技 评论：您是如何看待人工智能、IoT 与系统优化之间的关系？
Michael Saunders： 人工智能涵盖了许多层面，包括数学和计算机科学，求解具有大规模变量方程的极小值问题通常是优化领域的代表性案例。
经典的 SVM 方法解决的是更为复杂的问题，我们已经证明了我们的 PDCO 解决方案是一个比现有的方法更能规模化应用的解方。
物联网包括了感测器，我们用优化方法研究了无线感测器网络（Wireless Sensor Network），用以侦测感测器在哪里。每个感测器都能自主侦测它和其他临近感测器的距离，举例来说，我们可以从一个直升机上面把感测器丢入森林中，让其自动感测是否有森林大火发生，其中只有寥寥数个感测器需要知道具体位置。
AI 科技 评论：千百个 Sensor 之间的互联是吗？
Michael Saunders： 我的 PhD 学生 Holly Jin，在她的博士论文中，她可以精准地定位数千个感测器，这对于大型的森林来说很重要。同样地，如果消防员或矿工佩戴感测器在身上，同样的优化方法也可以用于森林大火或倒塌的矿坑中搜索他们的位置。
AI 科技 评论：现在人工智能技术在中国特别火热，作为这方面的专家，您觉得人工智能技术未来突破点在哪里，这一技术的走向如何？
Michael Saunders： 这是一个很好的问题，人工智能技术已经发展很久了，1967 年，当我还在斯坦福大学念 PhD 的时候，人工智能就已经是一个计算机科学的研究主题了，如果 AI 是泡沫的话，泡沫早就破掉了。
自动驾驶车对于未来的人工智能研究领域来说，是一个很大的挑战，特斯拉创始人马斯克期待特斯拉自动车在今年底就可以自己在路上跑，并且车子还可以在行程之余去接送其他乘客为车主赚钱。我们不清楚这个愿景是否能实现，特斯拉声称他们有一个芯片的运算速度是其他芯片的二十一倍，这是一个很了不起的进展，这让我们离未来的 AI 又更近了一步。
AI 科技 评论：主要是芯片优化？
Michael Saunders： 刚才我们问题就是说，未来的 AI 应用方向，一个是自动驾驶，这是一个非常大的方向，会彻底改变我们的生活方式。我看好自动驾驶的未来。
观众提问：现在机器学习有两种方式，一个是监督式的，一个是非监督式的，您认为哪一种比较有发展潜力？
Michael Saunders： 机器学习的方式有三种：监督学习，非监督学习和强化学习。我认为监督式学习和非监督式学习都是很重要的，研究者们永远都在试着改善它们所使用的方法，我认为在未来，这两种形态的学习方式都会持续进化。
点击阅读原文，查看 Python 技术交流讨论小组
物联网就业前景很好，物联网产业具有产业链长、涉及多个产业群的特点，其应用范围几乎覆盖了各行各业。
物联网专业是教育部允许高校增设新专业后，高校申请最多的学校，这也说明了国家对物联网经济的重视和人才培养的迫切性。物联网的产业规模比互联网产业大20倍以上，而物联网技术领域需要的人才每年也将在百万人的量级。
物联网的基本特征从通信对象和过程来看，物与物、人与物之间的信息交互是物联网的核心。物联网的基本特征可概括为整体感知、可靠传输和智能处理。
整体感知—可以利用射频识别、二维码、智能传感器等感知设备感知获取物体的各类信息。
可靠传输—通过对互联网、无线网络的融合，将物体的信息实时、准确地传送，以便信息交流、分享。
智能处理—使用各种智能技术，对感知和传送到的数据、信息进行分析处理，实现监测与控制的智能化。
还不错的。中软国际智能物联网军团致力于成为自主创新智联网建设专家，以开源鸿蒙技术推动千行百业智联网建设，通过国产化、模块化、系统化构筑端到端的AIoT行业解决方案，提供从全场景解决方案到端到端交付的一站式服务，形成覆盖“云-管-边-端”综合服务体系߅以解决传统物联网存在安全隐患多、数据孤岛烦、应用协同难等挑战。我们身边的共享单车即应用了物联网技术，《物联网时代》将物联网定义为：“通过基于互联网协议的分布式云端，将所有的东西都互联起来。”其作者马切伊认为，物联网实际上并不是什么新的发明，它以不同的形式以及存在了10年以上的时间。
连接带来了时代的需求的变化，当世界上有十亿网民的时候，Facebook就自然的出现了。
如果你仔细地观察过去25年里的科技企业，你就会发现变化一直在发生。
每隔3-7年，企业就必须对它们进行重塑。那些错过了一次技术转型的公司如果能迎头赶上的话，那么还有可能重新恢复过来。而那些错过了两次技术转型的公司，则有可能已经消失了。如果你有兴趣的话，可以查看一下50年前标准普尔500强公司的名单，如果统计无误的话，截止到2017年，只有19%的企业现在依然存在。
当我们在网络上看着90后“佛系”“中年人”的话题捧腹大笑的时候，其实我们没有看到这背后透露着的真正原因是：90后们生活在“变的太快”的世界里，太多学习工作生活里的问题他的上一辈甚至前一代人都没有遇到过，他们的迷茫那么大，以至于有些人认为：至于以不变应万变才是“正解”。
而如果我们把这件事扩展的更大一些，无论我们的真实年龄如何，我们都注定属于将遭遇革命性变革的一代人。这也正是马切伊克兰兹(Maciej Kranz)将每一个商业领域正经历“革命性变革”的这一代人叫做“物联网一代”的原因。
什么是物联网？
一个相对繁琐的解释是：
物联网是互联网的一个延伸。互联网的终端是计算机（PC、服务器），我们运行的所有程序都是计算机和网络中的数据处理和数据传输，没有涉及任何其他的终端。而未来，所有物和物之间都可以实现互联。物联网能够让互联网连接对象使用嵌入式传感器进行数据收集和交换的网络，汽车，厨房电器，甚至心脏监视器都可以通过物联网连接。随着物联网在未来几年的发展，更多的电子设备将加入物联网的阵营。
而在《物联网时代》中，物联网有一个更为简单明了的定义，它是“通过基于互联网协议的分布式云端，将所有的东西都互联起来。”其作者马切伊·克兰兹是全球物联网专家，思科公司战略创新集团副总裁。在本书中，他基于思科的工作视野和在全球物联网行业一线的长期实践经验，从数十个他参与实施的物联网案例中，总结出4种已经获得验证的、可以快速回报的场景。顺带提一下，思科公司的主营业务就是物联网。
总的来看，物联网的本质还是互联网，只不过终端不再是计算机（PC、服务器），而是嵌入式计算机系统及其配套的传感器。在这个意义上说，物联网是一个很大的概念。如果单从学科上分解来看的话，它涉及到通信，信号处理，计算机视觉，自动化控制，电路系统，信息融合，无线自组织网络，MEMS传感器设计等等。
可以说，这是计算机科技发展的必然结果，为人类服务的计算机呈现出各种形态，如穿戴设备、环境监控设备、虚拟现实设备等等。只要有硬件或产品连上网，发生数据交互，就叫物联网。实际上，大数据概念最早的提出，也是因为物联网的兴起，传感器接入网络之后，大大增加了可以挖掘的数据量，网络上的数据不但包括社交网络这种来自用户的数据，还有了来自物理世界的数据。
物联网发展速度为什么这么慢？
正如马切伊在他的书中提到的那样，物联网实际上并不是什么新的发明，它以不同的形式以及存在了10年以上的时间。
它的本质便是上个世纪学术界开始兴起传感器网络、自组织及多跳网络（wireless sensor network, ad-hoc network, wireless multi-hop network）。RFID在智能物流上的应用只是最为基本的应用场景，当前的研究远比这个更为复杂。但是，受限于应用场景和技术实现的瓶颈，物联网的发展，其实无法像互联网那样爆发。
首先，现阶段的物联网应用基本都是“锦上添花”的东西，需求性并没有那么强，如可穿戴设备和智能家居，这也就是为什么很多智能硬件叫好不叫座的根本性原因；也正是因为这个原因，商业上也不会出现滴滴打车那样的持续性投入，这又反向钳制了这一技术的商业化发展。
其次，物联网技术上还有很多没有突破。最大的技术瓶颈可能在MEMS传感器的性能和无线传感网的设计实现上。
再有，就是目前在应用上还找不到突破。目前比较活的也就是智能硬件，无人机，工业物联网这块。但是离人类和互联网形成的应用需求还无法相比，目前还没出现。
最终，物联网应用的制约因素还是能源，物联网应用场景的扩展一直在等待电池技术的突破。所以，目前来说物联网首先会在那些对能量要求不是很高的方向首先取得突破，比如智能硬件和工业设备上。
总之，物联网的方向毋庸置疑有着广阔的发展前景，但是当前基础研究和相关技术还有待发展，因此看起来发展缓慢，甚至就是停滞，学术和商业界都在等待一个颠覆性应用可以让“物联网”来一次诈尸。
共享单车中的物联网技术
完全可以想象，物联网的技术前景是广阔的。
实际上，2016年底兴起的共享单车就是一个成功的物联网商业化作品。
看似简单的单车使用过程，包括了物联网技术，人联网技术（移动互联网），自动控制技术，GPS全球定位技术等多个技术领域。但是整体的技术实现并不复杂，并没有涉及到什么创新黑科技。
首先，一辆单车需要以下几样设备参与运作：
•单车上面的智能锁（这个是核心关键，包括了GPS定位模块，GPRS通讯模块，主控芯片，电控锁模块等）
•用户手中的手机和APP
•单车提供商的云服务器（平台）
关键的环节在于单车和云服务器之间的通讯，采用的是老旧的GPRS技术。为什么要用这种落后的2G技术呢？ 不使用LTE呢？答案很简单: 省钱省电覆盖好。
共享单车是典型的物联网应用场景，也能很好的克服我们之前说的物联网现存的耗能的问题。它对网络的要求并不是大数据量（它只需要很少很小的几条消息），而且它不需要速度很快（几秒钟的时延，完全可以忍受），它需要很低的功耗和很长的待机时间。
早期阶段，共享单车甚至依靠短信和云服务器进行通信，所以等待解锁的时间比较久，大约需要6-10秒。
还有一个小细节，不知道有没有人遇到过。我曾经用过一次支付宝旗下集成的一款市面上不太流行的单车品牌，扫码之后，手机提示我：锁没电了。这是我第一次意识到，原来单车的锁需要电！？
当然，正因为共享单车智能锁有这么多模块，所以它当然要耗电的。
为什么早期的单车骑起来特别累？除了一些材料和工学设计的原因，也是因为：你在充当人肉发电机。后来，为了改善用户体验，开始流行太阳能充电了。所以，越来越多的单车装上了太阳能发电板（如下图）。
经过过去一年半的迭代和升级，现在市面上所有的单车使用体验相比最早的那一批已经有了质的飞跃。
同时，近些年上市的一些空气净化器，穿戴设备以及家庭环境监控设备也已经完成了一代代的自我迭代和进化，在目前的消费场景下，服务着千家万户，这正是物联网技术未来商业化发展的一个缩影。
如何顺势借力风口，成为一名成功的物联网创业者或者职场精英？
BI Intelligence 预计：到 2020 年，地球上将有超过 240 亿的物联网设备，约为人均 4 台，当我们接近这个阶段时，60 亿美元将流入物联网解决方案，包括应用程序开发，设备硬件，系统集成，数据存储等。然而这些投资在 2025 年将产生 13 万亿美元的效益。
然而正如前面所说的，基于一些目前无法攻关的技术难题，它的商业前景也是复杂的，特别是对于创业者而言，这不是一个好消息。创业者大部分都是小公司，无论多么先进的技术，一旦市场成熟，目前的互联网大鳄公司都可以迅速投入数倍于你的资金，在非常短的时间内模仿你，超过你，压垮你。
而且，目前全世界范围内，也已经有多家物联网平台已经初具规模，比如Amazon Web 服务、Microsoft Azure、ThingWorx 物联网平台、IBM 的沃森、思科物联网云连接、Salesforce IoT 云、Oracle 集成云以及 GE Predix。
因此，物联网行业的创业者应该处理好两个问题。
首先，科技行业想突破垄断，对于微软和IBM这样的大企业而言，是技术积累。对于我们这样的个人或小团队而言，最好的方法是缩小目标客户群体，专注于某一个具体的领域或者攻关一项技术去解决某一个具体的问题。主动缩小目标客群的好处就是大企业不容易来抢市场，而你我们相对容易找到目标客户，最终说服他们买你的产品。
其次，以热门概念 *** 作以达到融资目的，而从不关心成本和收入是最错误的做法。
总结来看，就是组建一个相对小型的团队来维护一款小产品或者一个项目，这样可能反而容易成功，比如团队或项目被大公司收购。
如果你只是想成为一个工作体面收入又高的技术工作者和相关从业者，有一条相对明确的职业发展方向可以借鉴：学Java，去一家当地比较有名的计算机类企业应聘；取得一定成绩后，跳槽至国内一线物联网公司；3-5年后，有机会跳槽去国际一线企业在华公司应聘，如前面所说的这几个大型的物联网平台。如果在继续在里面服务几年，等到物联网技术真正实现商业化爆炸的那一天，你绝对已经可以斩钉截铁向别人介绍说：你好，我是物联网行业的资深行业顾问！就像我们前文提到的《物联网时代》作者马切伊先生一样。
就算不完全复制这条路，普通人想要搭上物联网这班车也不是没有可能的。毕竟，物联网的范围其实极其广泛。无论是大数据分析师、GPS定位还是井下探测，都可以算是物联网的一部分。只不过，程序猿是物联网现阶段发展时期，需求最大平均工资最高的工种而已。
以上由物联传媒提供，如有侵权联系删除
以下为八大物联网概念股：1、远望谷：最纯粹的RFID概念股
2、新大陆：二维码识别
3、厦门信达：自动识别芯片生产商
4、东信和平 ：智能卡的龙头
5、同方股份
6、上海贝岭 我国集成电路行业的龙头
7、高鸿股份已经明确将RFID业务发展重点放在物流应用
8、航天信息2022年10月27日，2022年《财富》最具影响力物联创新榜公布。其中，海尔集团旗下2项成果入选，分别是青岛海模智云科技有限公司的德力西温州基地模具物联网平台和卡奥斯创智物联科技有限公司的危化企业园区AIoT数字化安全管理应用。据了解，这份榜单表彰的是中国企业应用物联网融合技术，将人、机、物巧妙相连并创造最大价值的创新案例。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）