欢迎访问:     关于我们 联系我们 收藏本站
首页 前沿村 前杨 前杨村 前郢 钱郢 服务热线:
    推荐业务

前沿村

前杨

前杨村

前郢

钱郢

前郢子

前宅

前张村

 

    人工智能前沿技术应用趋势与发展展望

  跟着深度进修手艺在智能驾驶、聪慧金融、智能制造、聪慧农业、聪慧医疗、智能家居等范畴的逐渐使用,作为引领这一轮科技革命和财产变化的计谋性手艺,人工智能的财产化曾经取得了显著的结果,显示出带动性很强的“头雁”效应。

  跟着深度进修手艺在智能驾驶、聪慧金融、智能制造、聪慧农业、聪慧医疗、智能家居等范畴的逐渐使用,作为引领这一轮科技革命和财产变化的计谋性手艺,人工智能的财产化曾经取得了显著的结果,显示出带动性很强的“头雁”效应。中国、美国、英国、德国、法国、日本等次要国度都纷纷将人工智能上升为国度级计谋,积极抢占人工智能合作的制高点。我国还进一步强调要加强人工智能范畴前沿手艺结构,支撑科学家勇闯人工智能科技前沿的“无人区”。

  现阶段人工智能手艺成长特点

  履历了60多年的成长之后,人工智能曾经起头走出尝试室,进入到了财产化阶段。具体表示出以下几个方面的特点:

  深度进修手艺逐步在各范畴起头使用

  深度进修通过建立多隐层模子和海量锻炼数据,来进修更有用的特征,最终提拔阐发精确性。深度进修可以或许通过数据挖掘进行海量数据处置,主动进修数据特征,特别合用于包含少量未标识数据的大数据集;采用条理收集布局进行逐层特征变换,将样本的特征暗示变换到一个新的特征空间,从而使分类或预测愈加容易。因而,深度进修自2006年由Jeffery Hinton实证以来,在云计较、大数据和芯片等的支撑下,曾经成功地从尝试室中走出来,起头进入到了贸易使用,并在机械视觉、天然言语处置、机械翻译、路径规划等范畴取得了令人注目的成就。

  新型算法不竭摸索

  在深度进修使用逐渐深切的同时,学术界也在继续摸索新的算法。一方面,继续深度进修算法的深化和改善研究,如深度强化进修、匹敌式生成收集、深度丛林、图收集、迁徙进修等,以进一步提高深度进修的效率和精确率。另一方面,一些保守的机械进修算法从头遭到注重,如贝叶斯收集、学问图谱等。别的,还有一些新的类脑智能算法提出来,将脑科学与思维科学的一些新的功效连系到神经收集算法之中,构成分歧于深度进修的神经收集手艺路线,如胶囊收集等。

  根本数据集扶植曾经成为根基共识

  自从李飞飞等在2009年成功建立ImageNet数据集以来,该数据集就曾经成为了业界图形图像深度进修算法的根本数据集,通过举办角逐等体例极大地推进了算法的前进,使得算法分类精度曾经达到了95%以上。这也使得一些大型研究机构和企业逐步认识到了数据的价值,纷纷起头成立本人的数据集,以便进行数据挖掘和提拔深度进修模子的精确率。如美国国度尺度研究院的Mugshot、谷歌的SVHN、微软的MS COCO等图像根本数据集,斯坦福大学的SQuAD、卡耐基梅隆大学的Q/A Dataset、Salesforce的WikiText等天然言语数据集以及2000 HUB5 English、CHiME、TED-LIUM等语音数据集。

  新型计较根本设备连续成为财产界成长方针

  因为深度进修对算力有较高的需求,因而接踵呈现了一些特地的计较框架和平台,如伯克利大学的Caffe、微软的CNTK、Facebook的Torch、亚马逊的MXNet、百度的 PaddlePaddle等,特别是谷歌的TensorFlow可以或许支撑异构设备的分布式计较,其平台API能力曾经笼盖了CNN、RNN、LSTM等当前最风行的深度神经收集模子。除了从计较框架软件平台进行研发之外,财产界同时也从硬件方面摸索计较能力的提拔方式。最为间接的方式就是采用计较能力更强的GPU替代原有的CPU等。此外,谷歌、IBM等一些大型企业在大量采用GPU的同时,也在摸索进行合适本身计较情况的芯片研发,从而进一步降低成本、提高效率,因而发生了TPU等机能愈加杰出的新型芯片。

  人工智能手艺成长面对的挑战

  虽然人工智能手艺成长曾经取得了史无前例的成就,但跟着深度进修手艺使用的不竭深化和财产化程序的逐渐加速,人工智能手艺成长也面对着不少挑战。

  支流手艺深度进修还具有较大局限性

  一是在无限样本和计较单位的环境下,对复杂函数的暗示能力无限,其针对复杂分类问题的泛化能力受限。二是通过深度进修是一种基于概率统计的算法,机械系统进修到的是大要率内容,不是学问,无法像人类一样进行触类旁通的使用。三是深度进修具有黑箱问题,不克不及注释其本身做出决策的缘由。

  根本数据堆集还远远不克不及满足模子锻炼需要

  因为大数据手艺的呈现和利用时间还不长,各类根本数据非论从数量上仍是从质量上来看,都尚需要较长时间的堆集。一方面,某些环节范畴和学法术据集还严峻不足。另一方面,已有规模化的根本数据集不只数据质量良莠不齐,并且根基上由少数几家巨头或当局所控制,鉴于监管和合作等要素,无法实现无效流动。根本数据的缺乏,使得深度进修模子锻炼也形成了样本根本缺失。

  计较框架和通用智能芯片尚未构成定局

  虽然曾经呈现了TensorFlow、Caffe、CNTK、Torch、MXNet、PaddlePaddle等深度进修计较框架,但因为深度进修使用场景浩繁,相关使用呈现碎片化特点,无论从功能仍是机能角度来讲,用于实现最初使用落地的开源计较框架与现实需求之间都还具有着相当的距离,满足财产成长需求且具有绝对统治地位的开源计较框架也还没有呈现。同时,深度进修芯片还只是方才起步,并且还根基上属于专有范畴的芯片,通用智能芯片的财产化还需要较长时间的摸索。

  人机协调共处的无效路子起头艰难摸索

  因为黑箱问题及其基于概率统计的特点,基于深度进修的智能系统具有发生不成控成果的隐患。我们曾经看到,利用了人工智能手艺的智能驾驶汽车呈现了多次的变乱,以至形成了人员的伤亡。别的,利用了智能算法的主动驾驶飞机也呈现了多次坠机变乱。这些变乱不只形成了人们的生命和财富丧失,也严峻冲击了人们对人工智能的决心。现实上,这些变乱的发生除了有手艺方面的缘由之外,还涉及到AI伦理的问题,也就是若何包管人类与智能系统之间的协调共处、协同合作等问题。目前来看,AI的伦理问题还需要较长的摸索过程。

  人工智能手艺成长趋向

  短期来看,人工智能手艺的成长将环绕对上述问题的处理进行。下面从算法理论、数据集根本、根本设备、人机协划一以下几个方面进行切磋。

  在算法理论层面,将继续按照深度进修完美和新算法的两条主线成长。起首,深度进修在提拔靠得住性、可注释性等方面的研究以及零数据进修、无监视进修、迁徙进修等模子的研究将成为热点标的目的,这不只仅是深度进修算法本身成长的需要,也是财产成长的需要。其次,学术界将继续开展新型算法的摸索,包罗对保守机械进修算法的改良、保守机械进修算法与深度进修的连系以及与深度进修悬殊的新型算法等。

  在数据集根本方面,学术界与财产界将配合合作建立语音、图像、视频等通用数据集以及各行业的专业数据集,使得各类数据集可以或许快速满足相关需求。一方面,跟着对人工智能认识的不竭加深,将会有越来越多的企业和当局机构开展数据自建和数据标注等工作。另一方面,跟着深度进修的成长,将会呈现智能化的数据标注系统来协助和替代人类进行数据标注等工作。再有,在当局指导和支撑下,一些开放的尺度化数据集将会连续呈现,为整个行业供给尺度化锻炼数据集。

  计较平台与芯片

  在计较平台与芯片方面,大型企业自研计较框架、自建计较平台,以至是自研芯片等,仍将是遍及现象。此次要是因为以下两个方面的缘由。一是企业出于本身数据和营业平安的考虑,对利用其他机构供给的锻炼平台仍然持有不信赖的立场;二是每个企业的数据核心和相关平台都有其本身的特点,自研计较框架、自建计较平台和自研芯片可以或许更好地满足本身的营业成长需要。

  人机协同机制

  在人机协同机制方面,“人在回路”将成为智能系统设想的必备能力。目前,机械智能并没有实现人们所但愿的“以报酬核心”,仍然仍是以机械为核心,这也是人类屡受智能系统危险的次要缘由之一。因而,将人类认知模子引入到机械智能中,使之可以或许在推理、决策、回忆等方面达到类人智能程度,将成为学术界和财产界配合追求的方针,并可能在必然的时间内取得较好的阶段性功效。

  人工智能手艺成长瞻望

  持久来看,人工智能手艺将别离沿着算法和算力两条主线向前成长,并逐渐率领人类进入到人机协同的新时代。

  高度关心类脑智能算法

  深度进修是基于冯·诺依曼系统布局成长起来的。因为遭到内存墙等相关方面的限制,难以达到较高的计较效率。为此,近些年来IBM等曾经起头进行倾覆冯·诺依曼系统布局的类脑智能算法与手艺的摸索。类脑智能自创大脑中“内存与计较单位合一”等消息处置的根基纪律,在硬件实现与软件算法等多个层面,对于现有的计较系统与系统做出素质的变化,并实此刻计较能耗、计较能力与计较效率等诸多方面的大幅改良。目前,随机兴奋神经元、扩散型忆阻器等曾经在IBM、马萨诸塞州阿姆赫斯特大学、清华大学等机构研制成功,IBM曾经研制成功TrueNorth芯片,清华大学团队也成功研制出了基于忆阻器的PUF芯片。

  智能摆设从核心向边缘和终端扩散

  跟着智能配备和智能机械人智能终端的逐步增加,智能终端的快速反映以及彼此之间的协同步履需求将会越来越火急,对智能办事的及时性将会越来越强烈。这就要求智能办事从云端向收集边缘以至终端扩散,智能模子与算法需要摆设在收集边缘或终端之上,就近供给收集、计较、存储、使用等焦点能力,从而满足通信、营业、平安等各方面的环节需求。目前,英伟达、高通等都曾经连续开展了用于边缘收集或终端的AI公用芯片。而跟着5G收集的遍及摆设,边缘智能将会获得快速的成长。

  深度进修通用平台和通用AI芯片将会呈现

  跟着人工智能使用在出产糊口中的不竭深切融合,智能终端的互联互通将会成为必然。因为跨框架系统开辟及摆设需要投入大量资本,因而虽然每个终端的智能模子可能分歧,但深度进修计较框架的模子底层暗示将会逐步趋同,构成深度进修通用计较框架和平台。跟着计较框架的整合,GPU和TPU等芯片将可能会被通用AI芯片所替代。

  量子计较鞭策构成新一轮计较革命

  非论此刻仍是未来,人工智能无疑都将是最为耗损计较资本的营业和使用之一,计较效率也将是智能体永久的追求方针。量子计较具有强大的计较能力和效率,曾经成为全球公认的下一代计较手艺。IBM曾经在近期推出了世界上第一个商用的通用近似量子计较系统里程碑产物IBM Q System One,客户能够通过互联网利用这台量子计较机进行大规模的数据计较,为人工智能计较展现了优良的前景。

  人工智能曾经逐步向工业、农业、交通、医疗、金融等各个范畴渗入,并起头构成新的业态,成为了新一轮手艺革命的制高点。因而,必需积极自动把握人工智能手艺和财产成长机缘,认清手艺成长趋向,在类脑智能、边缘智能、通用平台与芯片、量子计较等前沿手艺范畴加速结构,勇闯人工智能科技前沿的“无人区”,才能抓住人工智能时代成长的自动权。

  何宝宏    中国通信尺度化协会互联网与使用工作委员会主席

  徐贵宝    中国通信尺度化协会互联网与使用工作委员会

  本文颁发于《中国工业和消息化》杂志2019年4月刊总第11期

  声明:凡说明为其它来历的消息均转自其它平台,目标在于传送更多消息,并不代表本站概念及立场和对其实在性担任。如有侵权或贰言请联系我们删除。

  千家智客微信公家号

http://fittritiondc.com/qianyancun/430/

  版权所有:   
地址:  邮箱:
电话: