中企动力 > 头条 > 人工智能发展趋势

人工智能发展趋势

2018年人工智能十大趋势 人工智能视频课程

img

梦安

关注

全球技术地图

创新丨前沿丨科普丨资讯

今年,人工智能将会怎样改变市场和世界?

人工智能是各个国家和公司竞相争夺控制权的前沿科技。麦肯锡公司(McKinsey)最近的一份报告指出,Alphabet已投资了约300亿美元发展人工智能。而中国的Alphabet——百度,去年则在此领域投入了200亿美元。

在人工智能技术上投入时间、金钱和能源的不只限于各个公司。《纽约客》最近一篇文章指出,中国政府一直在大力推动发展人工智能,试图掌控这个在未来无比重要的创新技术。

试想一下,世界上一些最大的实体都在致力于研发人工智能,毫无疑问,2018年的人工智能会迈出卓越非凡的一步。下面是今年人工智能发展需要留意的十大趋势。

1.人工智能成为政治热点话题

人工智能或许可以创造新的就业机会,但它也会使某些人丢掉工作。据美国全国广播公司财经频道(CNBC)报道,高盛集团(Goldman Sachs)预计无人驾驶汽车会使每月都有25000名汽车司机失去工作。

同样地,如果大型仓库只需几十个人手就能运转自如,那么在美国现有的100万名采摘者和打包工中很大一部分人都会遭到解雇。

2016年美国总统大选时,特朗普认为全球化和移民是导致美国人失业的主要原因。但是到2018年中期选举的时候,随着越来越多的工人阶级为了适应新的形势而艰苦奋斗,人们可能会着重关注自动化和人工智能。

2.物流效率显著提高

我们正在迈入一个只需几个精干人员就能控制20,000平方英尺配送中心的世界。像是基瓦系统(Kiva Systems),即现在的亚马逊机器人公司(Amazon Robotics)就综合运用了人工智能和高级机器人技术,给大型零售商带来了前所未有的物流解决方案。

未来的仓库将与其现在的模样完全不同。它将会为能力非凡的机器人而建,而不是人类打包工。因为机器人可以全天候无休工作,也不需要照明去看自己在做什么。

2012年,亚马逊以7.55亿美元收购基瓦系统,研发出可以高效找寻、运送亚马逊仓库商品的学习机器人。现在,这项技术已经投入使用,它也将会在该公司寻求更快速廉价运输的过程中发挥日益重要的作用。

3.主流汽车制造商发布自动驾驶汽车

特斯拉是世界上第一批发布自动驾驶汽车的制造商之一。奥迪等传统汽车制造商为了跟上特斯拉的脚步,也已准备好在2018年推出自动驾驶汽车。

奥迪A8将会搭载自动驾驶技术,无需驾驶员命令即可在人群穿梭。凯迪拉克和沃尔沃也在研发先进的自动驾驶技术,2018年这一趋势将会更加明显。

4.DARPA研发战斗机器人

美国国防部高级研究计划局( Defense Advanced Research Project Agency)已经取得了许多改变人类生活的重大技术突破,如互联网和GPS导航技术。他们早已对创新游刃有余。

DARPA正在和波士顿动力公司(Boston Dynamics)合作研发可用于“灾难救助”的机器人,当然这些科技也能在战争中大施拳脚。已经在互联网小有名气的阿特拉斯机器人(Atlas robot)便是其正在发展的人工智能技术之一。

5.机器学习协助知识工作者

虽然有些人的确该担心人工智能会让人类失去工作,但是它也能协助人们工作,尤其是知识工作者。

像Gong、 Chorus和 Jog这些工具已经能够记录销售人员和客户服务代表的语音电话。Mint Solar的运营副总裁卡丽·克里斯坦森(Carrie Christensen)说道:“得益于机器学习的算法,这种技术可以提高面向客户的应答效率。”

6.使用人工智能创建内容

《今日美国》、哥伦比亚广播公司和赫斯特报团已经开始使用人工智能生成内容。举例说明,Wibbitz的SaaS平台可以通过人工智能视频产品把文字内容转化为视频内容。

发表者通常需要花费几日或几个小时的时间来为自己的网站或社交媒体创建内容。像是Wibbitz这样的工具则可以分分钟帮助他们生成让人兴致盎然的视频内容。

美国联合通讯社也在使用自动透视公司研发的工具Wordsmith,与Wibbitz稍有类似,它可以使用自然语言、根据财报数据写作新闻。2018年,读者们可能会看到更多的媒体公司采用自然语言和视频生成技术。

7.对等网络让互联网更加透明

机器学习是人工智能的一种形式,脸书(Facebook)等公司已经在使用统计建模来帮助机器在确定展现内容的时候做出明智的决定。在此期间,他们需要大量的数据和强大的计算能力让模型正确运算。

随着加密货币等使用的对等网络的兴起,再小的机构都能够利用个人计算机联合的力量驱动先进的人工智能程序。

普瑞斯(Presearch)是一家旨在利用对等网络和人工智能让搜索引擎更加通俗易懂的公司。谷歌几乎掌控着80%的搜索引擎市场,但是很少有人能够完全理解谷歌是如何确定向特定客户展现某些内容的。

普锐斯打算以加密货币为奖励,让参与者们借出他们电脑的计算能力。相应地,该公司许诺会建立一个更加透明的搜索引擎平台。这家创业公司已经筹集到了500万美元的投资。而且这家公司和其他机构很有可能会使用人工智能和对等网络来挑战行业巨头。

8.消费者习惯与技术对话

据估计,2017年亚马逊卖出了2000多万个智能音箱,如果再加上GoogleHome和Apple Airpod等智能设备,你就会意识到现在美国有几千万人都是在通过语音命令与技术交流。

2018年,随着智能助理逐渐接入我们的电脑、手机,甚至是电视,消费者会越来越习惯于语音接口的存在。

作为一个最终屈服并购买了Amazon Echo的人,我可以直接告诉你,随着技术的进步,这些设备会愈加实用。

9.对数据科学家的需求将会超过工程师

据国际商业机器公司(IBM)统计,2020年对数据科学家的需求将会增加至270万人。

为何如此?机器学习人工智能将会使用概率来确定所提问题的答案或决定。机器学习平台获得的数据越多,做出的预测就更准确。

各个规模的公司都在努力收集和高效分析数据,对能够处理大数据集、协助人工智能平台运行的天才数据科学家的需求有所增长也是理所当然。

10.人工智能迎战顽瘴痼疾

Bet Capital LLC的CEO本·霍特曼说道:“我们正在进入一个计算机对等网络能够通过收集和分析人体分子数据来治愈一些世界上最难治疗的身体疾病的世界。”如果驱动这些计算机的芯片比大头针帽还小,还携带安全的内置人工智能和加密货币技术的特性将会如何?感谢奈米视界(Nano Vision),让这些听起来很像科幻小说的事情,成为了现实。

这个技术主要有两个技术趋势推动——区块链和人工智能。用户可以有偿参与一个特殊的纳米加密货币项目,机器学习技术则通过识别和分析疾病,在耗费少量时间和金钱成本的情况下生产新型药品和疗法,并治愈某些疾病。

选自丨Entrepreneur

中国人工智能未来发展前景(AI+时代真正来临) 人工智能视频课程

img

Niu

关注

2017年的科技领域,人工智能仍然呼声高涨,其技术开始越来越多的应用到日常生活中的方方面面,AlphaGo ZERO碾压AlphaGo,实现自我学习,百度无人汽车上路,iPhoneX开启FaceID,阿里、小米先后发布智能音箱,肯德基上线人脸支付……这些背后都是人工智能技术巨大的驱动力。

随着算法、算力和大数据的发展,现阶段人工智能正处于高速发展时期,人工智能链条涵盖了基础层、技术层、应用层等多个方面,其辐射范围之大,单一公司无法包揽人工智能产业的每个环节,深耕细分领域和模块化协作整合多个产业间资源的形式成为人工智能领域主要的发展路径。

人工智能技术旨在根据数据和分析赋予计算机做出类似人类思维方式与判断的能力。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等等。

中国人工智能产业自2015年,受到资本市场的持续关注。伴随着人工智能技术的发展,创业公司、互联网巨头、科技巨头及传统公司纷纷入局,独角兽崛起。同时人工智能技术开始应用于多个行业及场景中,语音识别/自然语言处理、计算机视觉、机器人等技术已获得一定的发展,率先实现技术落地。

计算机视觉、智能语音语义等AI通用技术公司向垂直领域产业链上下游延伸,将硬件/算法/软件等集成为软硬一体化解决方案,同时通过开放平台,吸引开发者及B端客户共同构建行业生态。基于人工智能技术的应用成为发展重点,其中金融行业以其数据量大、创新性高、购买力强、需求痛点明确,已经成为人工智能技术率先落地应用的领域;安防一方面受政府管理需求驱动,另一方面建筑智能化是大势所趋;医疗大数据、影像诊断、基因检测公司加速成长;车联网及自动驾驶加快研发/测试/试点/落地;新零售行业也在资本推动下逐渐起势,未来这五大行业有望成为AI率先爆发的应用领域。

人工智能开放平台进一步崛起,一方面厂商通过开放平台完善生态布局,另一方面国家大力推进平台搭建,通过平台的引导作用,促进行业快速发展。伴随着芯片成本的降低,智能硬件的爆发以及IoT网络的成熟,万物互联的物联网时代已经到来。AI技术成为物联网解决方案不可或缺的部分,基于物联网发展下海量的用户数据不断进行模型训练与数据分析处理,从而实现预测、辅助决策、智能推荐等工作,AI+IoT的密切结合将进一步强化大数据的价值,智能楼宇、智慧交通、智慧城市等大数据产业逐步诞生。

人工智能市场整体上正处于探索阶段,基础层、技术层逐渐成熟,基于人工智能技术的应用成为发展的重点,如何实现技术落地,如何建立生态壁垒,如何快速抢占市场份额并掌握用户数据成为厂商发展的重点。人工智能产业相对庞大,多数企业无法涵盖现有的人工智能产业链条,强强合作下的资源整合成为主流趋势。厂商需根据自身定位找准发力点,强化优势,弥补短板,创新盈利模式,通过稳定的服务和差异化的产品持续获取用户。

用户体验升级是人工智能发展的另一推动力。人工智能技术能够提供更为自然的人机交互,从而实现产品、服务、内容与硬件的有效结合,满足移动互联网和物联网趋势下的各类活动的开展。结合人工智能技术的消费级应用能够很好地提升用户体验,保持用户黏性。对于已经成为消费主力的80后、90后这类年轻群体,他们伴随着互联网成长,对于互联网服务的需求已经成为习惯,同样对于智能化、个性化的产品具有天然的诉求,能够快速响应且成为新产品新服务的尝鲜者和意见领袖。

人工智能利用其技术可以为多个行业赋能,实现人工智能与行业的深度结合,包括AI+金融、AI+医疗、AI+安防、AI+家居、AI+教育等,实现传统行业的智能化。金融、医疗、安防等行业与用户生活息息相关,且存在大量耗费人力物力可程序化、可优化的工作内容,因此在相关领域和场景中,率先实现AI+。

人工智能技术虽然从国外率先开展,但在互联网,尤其是国内移动互联网发展的带动下,目前中西方在人工智能领域发展上的差距日益缩小,甚至中国新四大发明中的移动支付、共享单车等技术处于全球领先行列,中国将基于现有的成就继续大力布局人工智能。美国人工智能企业的发展早于中国5年。美国最早从1991年萌芽;1998进入发展期;2005后开始高速成长期;2013后发展趋稳。中国AI企业诞生于1996年,2003年产业进入发展期。在2015年达到峰值后进入平稳期。中国将在人工智能领域继续追赶发达国家。

2018年基于大数据,人工智能发展的5大趋势 人工智能视频课程

img

施听寒

关注

人工智能 涉及众多学科,例如计算机视觉、自然语言理解与交流、认知与推理等,从事相关研究的大多数博士、教授等专业人员,往往也只是涉及以上某个学科。比如,人脸识别是计算机视觉这个学科里面的一个很小的问题;深度学习属于机器学习这个学科的一个当红的流派。事实证明,到目前为止,人工智能的实现过程主要还是基于大数据进行深度学习从而达到人工智能。2018年,企业和业界人士要了解和熟悉大数据和人工智能结合的五大趋势,充分利用和发挥大数据和基于人工智能的解决方案对市场的作用。

1. 聚焦新零售

在最近的大数据和人工智能的应用热潮中,几乎没有哪个领域像零售业这样可以让企业受益。无论是沃尔玛还是当地的母婴店,各地的企业似乎都在利用这些技术来降低管理费用,同时扩大业务范围。例如,客服人员可能会被人工智能助理彻底取代,但更重要的是,零售商可以通过人工智能跟踪他们的库存,而消费者的兴趣很快就会发生革命性的变化。随着越来越多的零售商将大数据和人工智能应用到他们的商业模式中,预计这个行业现在可以利用人力和机器的力量来获得更多的利润。

2. 聊天机器人应用越来越广泛

Facebook,Skype和Slack等公司都在其服务中添加了聊天机器人,他们对消费者来说非常有趣,包括法律帮助热线,技术创新让聊天机器人越来越智能。这意味着它们可以为人们解析法规,通过有效的诊断来指导患者。

如果大数据继续以目前的高速度增长,那么预计在日前使用的社交媒体平台上将会有应用更广泛的聊天机器人。这可能比人们想像得还要快,这些由 人工智能技术 驱动的机器人可能会更加有效地与人们聊天,人们甚至可能无法判断是否正在与另一个人交谈。

3. 人工智能和云计算的结合

随着越来越多的企业采用人工智能解决方案以应对其业务困境,其中许多公司将寻求加强其IT基础设施,并将业务转向云端。随着大数据应用者的规模越来越大,人工智能越来越成为一种主流,随之而来的数据需求将给企业的本地服务器带来更大的负担,这意味着他们需要在别处满足他们的数据需求。

云计算非常适合帮助满足和管理这些不断增长的需求,因为内部部署的服务器和数据管理对于企业来说变得过于混乱并且成本高昂。

4. 更加智能的市场营销

市场营销是利用大数据的力量革命化的关键领域之一,通过梳理大量的数据,企业能够比以往任何时候都更准确地针对特定的消费者,将广告和交易直接发送到潜在消费者的邮箱或家门口。

随着越来越多的公司试图利用自动算法来分类数据以找到潜在的客户,人工智能领域将受益于行业投资的增加。而实时定位可以为正确使用的公司带来20%以上的销售机会,这意味着采用人工智能可以获得十分丰厚的利润。

5. 暗数据的新纪元

随着大数据的增长,利用暗数据获得商业成功的机会也将随之增加。所谓的暗数据就是企业正常商业活动期间搜集,处理,存储的数据。但这些数据通常无法用于诸如分析,商业关系或者是直接变现获利等目的。对于并不熟悉人工智能和数据管理领域的许多人来说,这种数据不断被证明是有用的。暗数据可能难以让人理解,但随着越来越多的企业投资人工智能,这些迷惑可能就会消散,并导致人们对正在进行的数据革命的热情更高。

人工智能的前世今生以及未来发展方向 人工智能视频课程

img

茶叶蛋

关注

前言:2016年,科技界的大事之一有阿尔法狗大战李世石,问鼎围棋,将人工智能的热点推向高潮,人工智能的概念在全球开始流行,第一次出现在普通大众的生活中,2017年10月,最新版本的“阿尔法狗零”,自学三天,就将上个版本的阿尔法狗打了个100:0,人工智能再次进入人们的视野。本文主要介绍人工智能的发展历史和发展现状以及人工智能的主要影响。

一、人工智能的诞生

人工智能,英文缩写 AI,它是一门研究和开发用于模拟和拓展人类智能的理论方法和技术手段的新兴科学技术。智能(intelligence)是人类所特有的区别于一般生物的主要特征。可以解释为人类感知、学习、理解和思维的能力,通常被解释为“人认识客观事物并运用只是解决实际问题的能力,往往通过观察、记忆、想象、思维、判断等表现出来”。人工智能正是一门研究、理解、模拟人类智能,并发现其规律的学科。

人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”,势必承载着人类科技的发展进步。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人类智能,但能像人那样思考、更有可能超过人类智能。人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

1956年的达特茅斯会议标志着人工智能的诞生:John McCarthy联合Minsky、Claude Shannon、Nathaniel Rochester在达特茅斯组织了两个月的Workshop。达特茅斯会议将不同的研究领域的研究者组织在了一起,提出了“人工智能”这个名词,人工智能也成为了一个独立的研究领域。参会者尽管只有十人,但是他们中的每一位在未来很长的一段时间都对人工智能领域产生了举足轻重的影响。

人工智能领域的巨头

二、人工智能的发展

根据中国报告网发布《2018-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》显示,人工智能发展至今,还不到一个世纪,虽然世人早已发行其前景无限,但由于技术水平不足,已经经历了两次低谷,人工智能发展阶段如下:

人工智能发展阶段示意图

1、第一次高潮(1956-1970年代)

达特茅斯会议之后,人工智能迎来了发展的黄金时期,出现了大量的研究成果。Herbert Simon、J.C.Shaw、Allen Newell 创建了通用解题器(General Problem Solver),是第一个将待解决的问题的知识和解决策略相分离的计算机程序;Nathanial Rochester 的几何问题证明器(Geometry Theorem Prover)可以解决一些让数学系学生都觉得棘手的问题;Daniel Bobrow 的程序 STUDENT 可以解决高中程度的代数题;McCarthy 主导的 LISP 语言成为了之后 30 年人工智能领域的首选;Minsky、Seymour Aubrey Papert 提出了微世界(Mircro world)的概念,大大简化了人工智能的场景,有效地促进了人工智能的研究。微世界程序的最高成就是 Terry Winograd 的 SHRDLU,它能用普通的英语句子与人交流,还能作出决策并执行操作。

第一次黄金时期离不开资金的支持。1963 年,ARPA(后来的 DARPA,美国国防部高级研究计划局)拨款 220 万美元给 MIT,并于之后每年提供 300 万美元(至 1970 年代结束)。更重要的是,ARPA 的经费并没有附带明确要求,这提供给了 MIT科学家梦寐以求的研究氛围。

第一次黄金时期让人们对人工智能领域充满了乐观情绪,甚至人工智能的领军人物 Minsky 都认为“在三至八年里我们将得到一台具有人类平均智能的机器”。

2、第一次低潮(1970-1980年代)

人们的乐观情绪在 1970 年代渐渐被浇灭。研究者发现,即使是最尖端的人工智能程序也只能解决他们尝试解决的问题中的最简单的一部分。人工智能还遭遇了以下一些问题:

只依靠简单的结构变化无法扩大化以达到目标(Simple syntactic manipulationcannot scale)。美国国家研究署尝试用自动化翻译加速翻译俄语论文。一开始他们认为通过简单的词语替换和句子结构的修改可以达到足够高的可读程度,但是后来他们发现,单词的意思与前后文紧紧关联,而多义词的解释则需要对背景知识的了解。毫无疑问,这次尝试失败了。

存储空间和计算能力的严重不足:例如,Ross Quillian 的自然语言处理程序只包括 20 个单词,因为这是存储的上限。

指数级别攀升的计算复杂性:1972 年 Richard Karp 的研究表明,许多问题只能在指数级别的时间内获解,即计算时间与输入的规模的幂成正比。

缺乏基本知识和推理能力:研究者发现,就算是对儿童而言的常识,对程序来说也是巨量信息。1970 年代没有人建立过这种规模的数据库,也没人知道怎么让程序进行学习。

Moravec 悖论:一些人类觉得复杂的问题,如几何证明,对机器而言十分简单。但人的很基本技能,如人脸识别,对机器而言却是一个巨大的挑战。这也是 1970年代机器人和视觉识别发展缓慢的原因。

随着人工智能发展遭遇瓶颈,资金纷纷抛弃人工智能领域。由于项目失败等原因,DARPA 也终止了对 MIT的拨款。到了 1970 年代中期,人工智能项目已经很难找到资金支持。

3、第二次高潮(1980-1990年代)

这次黄金时期的到来,专家系统(Expert system)功不可没。专家系统专注于某一个领域,因而设计简单,易于实现,而且避免了所谓的“常识问题”。商业领域第一个成功的专家系统是 Digital Equipment Corporation 的 R1,从 1982年至 1988 年,它帮助公司平均每年节约 4000 万美元。到了 1988 年,全球顶尖的公司都已经装备了专家系统:DEC 部署了 40 个专家系统,杜邦部署了 100个。随着专家系统的大规模应用,知识库系统和知识工程得到了普及。

专家系统示意图

另一个重大的助力是日本的第五代计算机项目(第五世代コンピュータ)。它是日本通商产业省(现经济产业省,けいざいさんぎょうしょう)在 1982 年推出的一个大型研发企划,目的是开发采用平行架构的拥有人工智能的革命性的电脑,开创下一个时代。整个计划预计 10 年完成,3 年用于先期研究,4 年用于子系统开发,最后 3 年组成一个可运行的原型,整个项目预算高达 570 亿日元。

计算机代数划分

日本第五代计算机概念图

受此计划的刺激,其他强国纷纷采取应对策略。1983年,英国开始了预算3.5亿英镑的Alvey工程,关注大规模集成电路、人工智能、软件工程、人机交互(包含自然语言处理)以及系统架构;在美国,DRAPA组织了战略计算促进会,年投资额在四年内增长了2倍;而在准将BobbyRay Inman的领导下,一群美国的计算机和半导体厂商组成MCC(Microelectronicsand Computer Technology Corporation,微电子与计算机技术集团)财团,在系统架构设计、芯片组装、硬件工程、分布式技术、智慧系统等方向发力。

在这个时期内,算法也得到了突破性的进展。1982 年,John Hopfield 证明Hopfield 网络可以学习并处理信息,David Rumelhart 则提出了反向传播算法。它们和 1986 年发表的分布式处理的论文一起,为 1990 年代神经网络的商业化打下了坚实的基础。

4、第二次低潮(1980-1990年代)

随着专家系统的不断发展,复杂度的快速提升,基于知识库和推理机的专家系统显示出了让人不安的一面:难以升级扩展,鲁棒性不够,直接导致高昂的维护成本。1980年代末期,由于人工智能的项目成果不明朗,DARPA大幅削减了对人工智能的资金支持。1991年,英国政府发布Alvey工程的最终报告,报告指明,Alvey工程达到了其设定的技术目标,但是并没有提升英国在信息技术市场的竞争力。报告将原因归集为“资本的短缺和管理运营的低效率”。Alvey工程主管Brain Oklay指出,信息技术工业应更注重培训、市场推广和研究成果的商业化。他抱怨道日本的低利率让高科技公司可以开发低毛利产品,而英国的高利率阻止了公司这么做。

尽管英国觉得日本的计划更为成功,但 1992 年 6 月,日本政府宣布向全世界公开第五代计算机项目所开发的软件,允许任何人免费使用,这标志着日本雄心勃勃的第五代计算机项目的失败。第五代计算机项目并没有带来人工智能的突破,甚至有人说,第五代计算机项目的最大收获其实是项目的副产物:其训练了成百上千的计算机领域的专家。该项目的失败有多重原因,一般认为,通用型微型机对专用型大型机的冲击及项目研发成果缺乏商业化场景是项目失败的重要原因。

5、第三次高潮(1990-至今)

1997 年 5 月 11 日,IBM 制造的专门超级计算机深蓝(Deep Blue),在经过多轮较量后,击败了国际象棋世界冠军 Garry Kasparov。尽管不乏 IBM 作弊的声音,但这个事件标志着人工智能的研究到达了一个新的高度,也给人工智能做了一次大规模的宣传。

2000 年代后,随着大数据的普及、深度学习算法的完善、硬件效能的提高,人工智能的应用领域变得更广,应用程度也变得更深,2016 年,人工智能市场规模超过 80 亿美元,人工智能领域的竞争也愈发白热化。更多内容请期待本系列的后续文章。

三、人工智能产业发展现状

目前,全球范围内总计1485家与人工智能技术有关公司的融资总额达到了89亿美元。与任一个行业相比,89亿美元的融资量都显得微不足道,但同比2016年年初的48亿美元的融资总额,人工智能产业已然大获丰收。伴随着我国BAT等科技巨头积极规划的战略布局的成功推出,国内人工智能产业发展同样十分迅速,及时了解行业现状尤为重要。

1、企业

当前,全球人工智能企业集中在少数国家,其中美国、中国、英国企业数分别为2905、709、366,总共占据全球企业的65.73%。

2017年全球人工智能企业分布

中国人工智能企业主要集中在北京、上海、广东等发达地区,发达地区的人工智能企业约占全国的85%左右。其中,北京市为人工智能企业集中创新地。

经济发达地区的信息化程度较高、互联网发展迅速、融资环境优良,适合各类高新产业的成长发展。上述数据也表明了人工智能企业在经济较为发达地区的发展要更为迅速。

2、融资

根据中国报告网发布《2018-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》显示,全球人工智能企业的融资情况与企业分布的情况大致相同,美国人工智能企业在2016年融资总量约为180亿美元,中国企业为25.7亿美元,英国企业为8.16亿美元。中国2015年人工智能行业获投金额约为100亿人民币,同比上升40%左右,略低于全球平均水平,其中机器人领域的投资比例则居于全领域首位。

2016年全球人工智能企业融资情况

3、成果

全球专利数据库的数据表明,美国人工智能行业申请的专利总数约为2.7万件,中国为1.6万件,日本位列全球第三、约为1.5万件。将美国和中国的公司总数和融资金额分别与专利成果相对比,中国人工智能企业创造专利成果的效率要远远高于美国。2017年2月美国《大西洋月刊》中的刊文指出:中国的大学及公司在研发和使用人工智能方面已开始超越美国同行。

根据中国报告网发布《2018-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》显示,中国人工智能企业专利数量按地区分布明显,集中在北京、上海、江苏、广东和浙江五个地区,占总体60%左右。其中,机器人方向的专利占总体的38%左右。

4、政策

近年来,世界各国和国际组织纷纷出台相关政策扶持人工智能产业。以美国、欧盟和中国为例,制定计划内容如下:

近年来各国人工智能计划概况

四、人工智能技术对人类社会的主要影响

(1)取代重复简单劳动力

人工智能技术的崛起将导致“失业潮”的发生已基本成为行业的共识。“世界经济论坛”2016 年年会,基于对全球企业战略高管和个人的调查发布的报告称:未来五年,机器人和人工智能等技术的崛起,将导致全球 15 个主要国家的就业岗位减少 710 万个,2/3 将属于办公和行政人员。莱斯大学计算机工程教授摩西·瓦迪近日同样表示,今后 30 年,电脑可以从事人类的所有工作,他预计,2045 年的人类失业率将超过 50%。

(2)新成员进入社会

一方面,人们迫切希望人工智能能代替人类在各种各样的劳动中,另一方面,他们担心人工智能的发展会带来新的社会问题。事实上,近年来,社会结构正在悄然的发生变化。社会结构正在由“人-机器”到“人-智能机器-机器”悄然的转变。因此,人们必须开始学习如何与智能机器和睦相处。

(3)人类容易滋生惰性思维方式

人工智能对知识的掌握将会是动态的,是会不断增加和更新的,而且知识更新的速度远超人类的极限,这势必会影响到人类的思维方式,使得越来越多的人过度的依赖人工智能的计算,从而自身的主动思维能力日渐下降。这会造成人们对于事物和是非的判断能力减弱,到最后只是...

前景看好!学界业界探讨中国人工智能发展趋势 人工智能视频课程

img

丹云

关注

中新网北京5月15日电 (记者 冉文娟)随着中国人工智能技术的快速发展和商业应用的快速推广,人工智能插上了腾飞的翅膀,成为各国之间的竞争新赛道。抢夺新经济时代人工智能的主动权,已成当下政产学界的共识。2017年7月,中国国务院印发了《新一代人工智能发展规划》,从国家层面制定了未来10多年人工智能的战略部署。

2018年全国两会,“人工智能”再次被写入政府工作报告。报告提出“发展壮大新动能。做大做强新兴产业集群,实施大数据发展行动,加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进“互联网+”。

5月11日至13日,欧美同学会首届数字经济与人工智能大会在成都举办。近800位海归学者、业界、商界代表参加了大会,围绕数字经济与人工智能发展现状与未来趋势进行了深入探讨。与会代表纷纷认为,中国人工智能的发展迎来了历史机遇,前景看好。

人工智能将使哪些行业带来变革?

中国工程院院士、中国人工智能学会理事长李德毅以《人工智能:经济发展新引擎社会发展加速器》为题在大会上发表主旨演讲。演讲中,李德毅认为,人工智能对教育、医疗、制造业及金融业的冲击最大。

以教育为例,李德毅认为,人工智能将让教育理念和教育模式发生颠覆性改变。他认为,智能时代的教育应该培养学生获取知识的能力、决策以及创新能力。

他认为,未来社会将普及使用各类服务机器人。翻译、新闻报道、客服、会计、司机、家政等工作都可能被人工智能所代替。

中国科学院院士张景中认为,人工智能将首先应用于医疗产业,缓解医疗资源不均等,实现“无排队”式看病就医。同时,人工智能将促进教育事业,解决教育资源不平均等问题,兼顾精英教育与大众教育,达到“有教无类”的目标。

科大讯飞人工智能双创发展研究中心主任任方明说:“我们把人工智能的智能分为三个层次、四个领域,包括运算智能、认知智能、运动智能等,主要运用在无人驾驶、教育、医疗、政法、车载、智慧生活等领域。”

 人工智能如何保护用户隐私与安全?

人工智能在对传统行业造成冲击与变革的同时,也让人们担忧数据隐私、网络安全甚至是道德问题。与会人士对此也高度关注。

李德毅在接受记者采访时表示,科学技术是“双刃剑”,人工智能要被善用,要趋利避害,为人类谋求福祉。

微软(中国)有限公司首席技术官黎江表示,“人工智能一旦带来负面影响,它的放大作用也会来得更猛烈,对我们的冲击和影响会更坏。”他表示,微软在和很多国际上的机构一起建立人工智能信任框架,要让人工智能在使用的过程中更好地保护隐私和安全。

在金融行业,中国互联网金融协会会长李东荣表示,推进金融与人工智能融合发展必须坚守金融的本质和初心,把是否有利于提高金融风险管控能力,是否有利于加强金融消费者保护作为评价标准。

 中国该如何抓住发展机遇?

谈及中国新一代人工智能发展战略目标,张景中表示,“技术领域的重大突破往往需要五十年到一百年,我们却要在七年内实现技术理论、应用水平大幅提高,这样的雄心壮志要依托年轻人。”

李东荣提出,推进金融与人工智能融合发展不能仅靠技术,还要与时俱进地调整完善相应的法律规范、监管规则、智力标准等,从而推动数字金融和人工智能的发展。

李德毅表示,中国的智能产业还在形成过程当中,这需要地方政府培育好的生态,“小种子能不能长大,要看环境”。他表示,中国在人工智能领域要下大力气集聚人力,同时要形成完成的产业生态链。

他还表示,人工智能产业发展要去除浮躁,不惧坐“冷板凳”。(完)

2018年5个主要的人工智能发展趋势 人工智能视频课程

img

Javea

关注

随着企业希望通过机器学习和人工智能进行创新和改进,在云端将采用更加专业化的工具和基础设施来支持特定的用例,例如合并用于人机交互的多模式感官输入的解决方案(声音、触摸,远见),或者将卫星图像与财务数据合并的解决方案,从而发挥算法交易能力。

机器学习的应用在2017年大量涌现,甚至在实际应用中也利用了深度学习和人工智能(AI)。

美国协作数据科学平台Dataiku公司首席分析师Kenford Sanford在回顾了2017年的新兴技术发展时说,“基本分析已经结束,机器学习的时代(甚至更多新兴技术)已经到来。”

Sanford说,机器学习、深度学习和人工智能的实际应用无处不在。例如伦敦皮卡迪利广场(Piccadilly Circus)的“超级广告牌”利用隐藏的摄像头采集步行和道路交通数据(包括过往车辆的品牌和型号)来提供有针对性的广告。

那么这些框架和工具将在2018年如何应用呢?行业媒体与一些IT领导者和行业专家讨论了未来一年人工智能的应用与发展。

1.企业开始应用人工智能

人工智能已经开始应用,无论人们是否意识到这些。

Hortonworks公司首席技术官Scott Gnau说:“许多组织已经在使用人工智能,但他们可能并没有将其称之为人工智能。例如,使用聊天机器人功能的客户其实都在使用人工智能。”

但是,利用人工智能技术和工具的许多部署都是小规模的。预计组织将在2018年更多的应用。

用于高性能分析的GPU加速数据库厂商Kinetica公司的首席技术官兼联合创始人Nima Negahban表示:“过去几年来,企业已经采用了不同的人工智能框架和工具。但随着人工智能的应用成为主流,它已经超越小规模的实验,并向自动化和可操作化迈进。随着企业推进实施人工智能,他们将寻求采用产品和工具来自动化、管理、简化整个机器学习和深度学习的生命周期。”

根据Negahban预测,企业在2018年对人工智能生命周期管理的投资将会有所增加,数据收集和监督的技术将会更加成熟。

2.人工智能的现实将再次滞后于市场炒作

数据管理厂商Reltio公司的首席产品官Ramon Chen对此人工智能的应用现实并不乐观。Ramon指出,多年来人们一直在反复预测在利用人工智能和机器学习方面获得潜在的突破,但实际情况是,大多数企业还没有看到他们在这些领域投资的量化收益。

Ramon说,迄今为止的市场炒作已经被夸大了,大多数企业由于怀疑或缺乏专业知识而不愿意应用,最重要的是对数据集的可靠性缺乏信心。

“事实上,虽然新闻头条主要是关于人工智能的消息,但大多数企业需要首先关注IA(信息增益):以确保可以调和、精炼和相关的方式组织数据,发现相关的见解,并支持所有部门高效的业务执行,同时解决合规性的问题。”Ramon说。

Teradata公司营销副总裁Chad Meley认为,2018年将会出现对人工智能的炒作反弹,但深度学习和浅层学习应用于商业机会的更加平衡的方法将会出现。

虽然人们可能反对这样的炒作,但不会阻止大型企业投资人工智能和相关技术的步伐。

“企业正在积极采用人工智能,无论他们是否知道真的需要它。”Splice Machine公司首席执行官Monte Zweben说。

Meley指出,Teradata公司最近发布的2017年度企业人工智能市场状况报告指出,缺乏IT基础设施是人工智能获得收益的最大障碍,超过了其面临的人才短缺、预算不足、缺乏业务案例等问题。

Meley表示:“企业将在2018年采用企业级人工智能产品和支持产品来应对人工智能领域日益增长的问题。”

3.训练数据集的偏见将继续困扰人工智能

Reltio公司的首席产品官Ramon Chen认为企业需要整理数据。而分析创初厂商Dremio公司的首席执行官兼共同创始人Tomer Shiran认为,关于数据集的争论将在2018年成为重中之重。

Shiran说:“如今,企业正在将人工智能添加到他们的产品中,使他们更智能、更高效,甚至自主。在2017年,人们听到了人工智能是否会创造或消除就业机会的争论,有人甚至提出人工智能将会终结人类的工作。而在这个话题的关键部分中,已经开始出现的是训练数据集如何塑造这些模型。”

事实证明,Shiran说,这些模型没有他们使用的训练数据那样好,而企业开发一个有代表性的、有效的训练数据集是非常具有挑战性的。

Shiran说:“在一个例子中,例如Facebook公司发布的一个皂液器的广告标明适用于白人,但不适用于皮肤较黑的人,这似乎有种族歧视之嫌。人类或多或少都会有一些偏见,而人工智能的问题在偏见方面需要做得更好,否则就会变得更糟糕。这场辩论将围绕着数据所有权展开。每个公司都拥有自己的数据,而谷歌、Facebook、亚马逊、Uber等公司都拥有庞大的数据集,将支持我们的模型。”

4.人工智能必须通过审计跟踪解决“黑盒”问题

Kinetica公司的Negahban表示创造人工智能的审计跟踪将是必不可少的,这是企业采用人工智能面临的一大障碍,特别是在受监管的行业,难以确切地表明人工智能是如何做出决定的。

Negahban说:“人工智能越来越多地用于药物发明或连接汽车等应用,如果做出不正确的决定,这些应用可能会对人类的生活产生不利的影响。确切地说,究竟是什么导致最终的错误决定,这是企业将在2018年开始考虑的事情。审计和跟踪框架产生的每一个输入和每个分数将有助于检测最终导致的问题。”

5.云采用将加速支持人工智能创新

大数据即服务提供商Qubole公司的首席数据科学家Horia Margarit指出,企业在2018年需要努力改善其基础架构和流程,以支持其机器学习和人工智能的工作。

“随着企业希望通过机器学习和人工智能进行创新和改进,在云端将采用更加专业化的工具和基础设施来支持特定的用例,例如合并用于人机交互的多模式感官输入的解决方案(声音、触摸,远见),或者将卫星图像与财务数据合并的解决方案,从而发挥算法交易能力。”Margarit说。

他补充说:“我们预计,基于云计算的解决方案将大幅增长,将加速当前数据收集的速度,并进一步证明托管云提供商需要更好的按需计算和存储。”

免责声明:转载自网络 不用于商业宣传 版权归原作者所有 侵权删

权威解读!2018年的人工智能趋势(必看) 人工智能视频课程

img

问夏

关注

2017年12月30日晚,“预见2018”吴晓波年终秀在无锡灵山梵宫举行。在本届年终秀的下半场,IBM全球副总裁、IBM大中华区首席技术官沈晓卫,预测了未来3-5年人工智能将对商业世界造成的影响。如下是根据演讲内容整理而成。

预测未来最好的方式是去创造未来。今天与其我们来预测未来的技术,不如根据我们今天已经开始的创新,来谈谈未来的技术。套一句时髦的话,叫作未来已来。

IT的未来是人工智能

这是一个指数级增长的时代。过去几十年,信息技术的进步相当程度上归功于芯片上晶体管数目的指数级增加,及由此带来的计算力的极大提升。这就是所谓的摩尔定律。

在互联网时代,互联的终端数也是超线性的增长,而网络的效力大致与联网终端数的平方成正比。今天,大数据时代产生的数据正在呈指数级增加。在指数级增长的时代,我们可能会高估技术的短期效应,而低估技术的长期效应。 历史的经验告诉我们,技术的影响力可能会远远的超过我们的想象。

这是一个人工智能的时代。人工智能代表了信息技术的未来。这个时代的标志不仅仅是一个应用的出现,或一个算法的改进,或一场比赛的胜利,而是人工智能重新定义我们生活的世界。

未来的人工智能

伴随着大数据时代的到来,人工智能在过去的十年取得的巨大的进步。但今天的人工智能,更多的是狭窄的完成单一任务的人工智能。如人脸识别,语音识别。能够解决所有问题的通用人工智能离我们还有太遥远的距离。今天我们有很多研究在这个方向,这是一个长远的目标。

从实际应用角度来看,在可预见的未来,我们会看到人工智能从狭窄走向宽广,从完成单一任务到完成多个任务,从解决一个特定问题到解决一个领域甚至跨领域的的多个问题。

未来的人工智能,我们会看到不断增强的学习推理能力。如何从小样本小数据中学习变得非常重要。面向消费者的人工智能,积累了大量数据。比如图像识别,我们可以用大量数据训练一个模型。而面向企业的人工智能,对于特定的任务,往往没有大量的数据可用。

多模态学习将会变得越来越普遍。比如人工智能剪辑电影,需要根据图像,音乐,语言来理解视频的涵义。未来的人工智能,需要能够解释结果,即不但给出建议,还能解释为什么给出这样的建议。

未来几年,人工智能会从云向边缘端扩展。比如可穿戴设备,物联网终端设备。很多场合我们需要实时的信息处理,如自动驾驶的汽车,为病人服务的医疗设备。实现边缘智能,需要低功耗的智能设备。

我们会看到米粒般大小的智能设备,集计算,存储与网络功能于一体。人工智能从云向边缘端的移动,把人工智能与物联网结合起来,使得我们可以对物理世界进行更好的理解,管理与优化。比如环境监测,比如车联网。

企业人工智能与行业创新

我们会看到更多人工智能在垂直领域的行业创新。比如医疗,金融,工业制造。今天的人工智能,更多的是面向消费者的人工智能。未来几年,我们会看到企业人工智能的兴起与发展。人工智能的成功需要商业成功,而人工智能的商业成功需要人工智能在行业应用的成功。

谈到人工智能,我们往往会谈到数据,算法与计算。实际上,人工智能用于行业创新,应用场景的选择非常关键。你问一个马车夫,他永远不会告诉你他需要一辆汽车。需求的确定不容易,这里涉及到信息技术与行业知识的结合。

人工智能专家不具备深刻的行业知识,而行业专家又不完全理解人工智能今天发展到什么程度,未来几年可能会取得什么样的进展。二者结合在合适的时间点选择合适的项目,就变得非常重要。

今天的人工智能技术还不能解决我们面临的全部问题。对于今天技术不能完全解决的问题,可以由人与机器协作共同完成,人机同行,共同完成人类或机器单独不能完成的任务。

人工智能应用在行业中,会带来两类改变,一是借助机器提高效率,二是提供基于知识的专家助手帮助我们更好的决策。前者人工智能取代部分人力,后者人工智能赋能人类专家,增强人类的能力。

我们会看到人工智能技术用于制造业,如视频分析用来做产品缺陷检测与质量控制。我们会看到人工智能医生。根据医学指南,与临床数据中学到的知识,为人类医生提供实时的诊疗建议。我们会看到人工智能律师,引用相关的法律文献,发现相关案例,向人类律师呈现最有价值的法律信息。

今天的人工智能,需要大数据训练模型,用于训练的数据需要标注,费时费力。未来的人工智能,我们可以基于已构建的相关领域的模型,再辅以新的数据快速 学习,构建新的模型。针对行业领域,我们需要预先构建哪些模型,如何构建,都是接下来需要关注解决的问题。

人工智能时代的安全与伦理

人工智能时代,信息安全面临全新的挑战。

一方面,人工智能技术本身可能被用来考验与攻击信息系统的安全。

另一方面,人工智能可能因为学习了有瑕疵的或被恶意更改的数据,而产生了安全的隐患,或伦理的缺陷。

如何确保数据的安全,如何验证人工智能模型的安全与合乎伦理,是我们未来需要应对的问题。

未来的商业交易

从一个特定维度看,人类的活动无外乎生产、交易、与消费。

未来的交易将会因为区块链技术被彻底的改变。交易过程中往往需要身份验证,授权许可,及各类文档的审核。区块链将消除这些交易中的不便与成本,使得大量交易可以实时可靠地完成。

未来几年,我们会看到区块链的广泛应用,及区块链与人工智能的结合。如金融交易,供应链管理,食品安全。未来区块链对商业交易的改变,将如今天互联网对信息的改变。

未来的计算能力

人工智能需要强大的计算能力。计算机的性能过去30年提高了一百万倍。随着摩尔定律逐渐趋于物理极限,未来几年,我们期待一些新的技术突破。

先谈一下类脑计算。传统计算机系统,长于逻辑运算,不擅长模式识别与形象思维。构建模仿人脑的类脑计算机芯片,我们今天可以以极低的功耗,模拟100万个神经元,2亿5千万个神经突触。未来几年,我们会看到类脑计算机的进一步的发展与应用。

我们接下来谈一下模拟计算。传统计算机系统,数据在存储器与计算单元之间移动,耗费时间并增加能耗。运用存储设备的物理特性,存储器内能够进行一些特定的运算,以达到同时进行计算与存储的目的。

例如,利用相变存储器进行模拟计算。这种模拟计算虽然没有数字计算精确,但对于很多不要求绝对精度的人工智能问题,可以极大地降低能耗并提高速度。

谈到计算的未来,我们必须谈一下量子计算。如果十年前你问我量子计算,我可能告诉你在我退休前它都只会存在于实验室中。但在过去的几年时间里,我们在量子计算上取得了令人振奋的突破。让我们对这项可能根本改变计算的技术,包括它的实际应用于商业前景充满了期待与遐想。

对合适的问题,超级计算机几十万年才能完成的工作,量子计算机可能不到一秒钟即可完成。量子叠加与量子纠缠让量子计算能够指数级扩展,解决一些传统系统无法解决的问题。量子计算机的商业化,可能比我们的想象快许多。

人工智能时代的创新战略

人工智能时代是一个供给端创新带来巨变的时代。展望未来几年,人工智能时代的技术创新,涵盖在四个方面,人工智能核心技术,新的计算能力,人工智能与区块链与物联网的结合,及人工智能与行业的结合。

8.预见2018

人工智能将影响到每一个行业,每一家企业,每一个人,让我们重新思考我们的定位,重新思考我们的核心竞争力。

这是一个让我们向往与憧憬的未来,这是一个让我们兴奋与期待的未来,这也是一个让我们不安与担忧的未来。

正如计算机科学的奠基人图灵所说:我们只能看清前方很近的距离,但我们能看到那里有太多的事需要去完成。我也把这句话作为我的结束语。

1. 无所不在的人工智能:从云到边缘

2. 企业人工智能将全面兴起

3. 区块链将重塑未来的商业交易

4. 量子计算为未来提供无限可能

口 述:沈晓卫

来 源:正和岛(ID:zhenghedao)

1.解决饮酒两大痛点,独创“三低”工艺,这家企业靠五个字成“国家品牌”

2.做到这3点后,再也不用交“智商税”了

3.高管涉嫌受贿被带走!对腐败的干部,任正非就8个字

4.松下幸之助:提高执行力,中层先得从乘客变司机

5.那些陷在人情里过小日子的人,后来都怎么样了?

2017年人工智能发展趋势预测大全 人工智能视频课程

img

清夜

关注

2017年人工智能领域的五大预测

来源:科技新知(ID:kejixinzhi)

2016年人类在人工智能与机器学习领域取得了很多重大突破,而2017年可能会走得更远。有人预测,2017年的人工智能将会呈五大发展趋势,更好的语义理解、中国人工智能崛起都赫然在列。


正性强化

2016年初,AlphaGo在围棋领域大杀特杀,接连战胜包括李世石在内的顶尖人类高手;而在2017年1月,AlphaGo又化身为Master取得了60胜0负的惊人战绩。这是人工智能领域的一个里程碑,对于“深度增强学习”技术来说更是意义重大。


动物会通过某些行为产生的积极或者消极结果来进行学习、判断,而人工智能的“深度增强学习”正是从这种方式中借鉴了灵感。电子计算机可以通过不断尝试错误方向来得出正确的方向,从而轻而易举地在迷宫中导航。使用深度学习的方法,机器学习不再像过去一样依赖大量的指令与复杂的模型。

其实“深度学习”的理论在10年前就出现了,将其整合到大型(或深度)神经网络以提供能量来解决复杂问题的尝试一直在进行。就像AlphaGo一样,经过不断地试验与数据分析,它可以以专家级水平与人类进行对弈。


更大的希望在于,增强学习已经被证明可以应用到现实世界的许多场景。最近出现的几个模拟场景显示,可以通过增强计算机学习的能力来促进相关算法的进步。


在2017年,我们有望见证“增强学习”被应用到自动驾驶汽车、工业机器人等领域。而谷歌已经在尝试使用深度学习来使其数据中心更加高效。不过,深度学习这种方法还处于试验阶段,依然需要花费大量时间来模拟和学习。

生成式对抗性网络

最近在巴塞罗纳举办的关于神经信息处理系统的人工智能学术会议上,一种叫做生成式对抗性网络(generative adversarial networks)的理论引起了广泛关注,这一理论是由OpenAI的研究学者Ian Goodfellow提出。生成式对抗性网络由两套网络构成,一套通过训练学习来产生新数据,另一套则负责分辨正确数据与错误数据。


通过这两套网络的协同运作,可以产生非常接近真实的综合数据。这一理论能够被应用到生成电子游戏场景、解析马赛克或者是丰富电脑生成样式等领域。

机器学习领域权威专家YoshuaBengio在NIPS会议(神经计算方面最好的会议之一, NIPS主办, 每年12月举行)上表示,这种生成式对抗网络非常具有开创性,它能为电子计算机提供更加高效的学习方法,而计算机通过不断学习非标签性数据将变得智能化程度更高。

中国人工智能领域的崛起

2017年将是中国开始在世界人工智能领域崭露头角的一年。中国不再照搬外国公司的人工智能技术,转而开始将人工智能和机器学习视作下一个创新领域。


中国搜索引擎巨头百度已经建立了专注于人工智能研究的研究所,并在语音识别、自然语言处理和优化广告业务等方面取得了很多进步。除了百度,还有不少公司正在迎头赶上,腾讯也在去年成立了人工智能实验室,并在国内外大力招募人工智能领域的专家。而滴滴也有自己的研究院,并被报道在无人驾驶汽车方面投入大量研究。


很多中国投资者将大量资金投给从事人工智能的初创公司,而中国政府也希望看到本国人工智能产业的繁荣,并承诺在2018年之前投入150亿人民币扶持开发和研究。

语言学习

对于许多人工智能领域研究者来说,语义学习是他们的下一个主要目标。随着技术的进步,图像识别和语音识别都取得了重大突破,而这将有利于计算机更加高效地理解和生成语言。


语言学习是人工智能领域的一个长远目标,而计算机与人类使用语言进行交互的前景非常乐观。如果具有更好的语义理解能力,计算机机器将变得更加实用。不过,这方面也面临很大的挑战,毕竟语言是一个复杂、微妙而又强大的议题。

虽然人们暂时还不能与智能手机进行深度而又有意义的交流,但在2017年,随着人工智能研究的深入,这一领域将会充满希望。

过度热炒引发反感

2016年的人工智能领域确实取得了巨大的进步和突破,许多人都看到了技术进步带来的价值。但不得不注意的一点是:围绕人工智能的过量宣传与追捧明显有些失控了。


▲人工智能在百度的搜索热度

许多人工智能研究者对此有些忿忿不平。在NIPS会议期间,他们针对一家叫做Rocket AI的山寨人工...

中国人工智能市场发展趋势将如何? 人工智能视频课程

img

秋白

关注

中商情报网讯:近日(4月11日),在博鳌亚洲2018年年会分论坛23“让人工智能‘落地’”上,百度高级副总裁朱光指出,未来的五到十年,每一个行业都会和人工智能技术深度结合,还会有一些非常大的平台公司,提供更好的工具,更好的算法,帮助各个行业实现人工智能的变革。人工智能的浪潮,会让人们有更多的时间发挥想象力和创造力,将把机器无法取代的东西进行更好得到新的升化华。

1.市场规模有望破200亿元大关

随着中国人工智能技术的快速发展以及和商业应用的快速推广,人工智能才插上了腾飞的翅膀,已成为各国之间的竞争新赛道。2017年7月,国务院印发了《新一代人工智能发展规划》,从国家层面制定了未来10多年人工智能的战略部署。

据中商产业研究院发布的《2018-2023年中国人工智能行业市场前景及投资机会研究报告》数据显示,2017年中国人工智能市场规模将达到152.1亿元,增长率达到51.2%。随着人工智能技术的逐渐成熟,科技、制造业等业界巨头布局的深入,应用场景不断扩展,预计2018年中国人工智能市场规模有望突破200亿元大关,达到238.2亿元,增长率达到56.6%。

数据来源:中商产业研究院整理

2.行业投融资增速减缓

据统计数据显示,2017年中国人工智能投资事件数达到353次,与2016年的379次,下降了6.86%。在投资金额方面,2017年投资金额为582亿元,与2016年相比增长65.34%。

数据来源:中商产业研究院整理

数据来源:中商产业研究院整理

3.六大人工智能行业独角兽企业排名

近日,科技部发布了2017中国独角兽企业名单,全国共有164家企业入选独角兽榜单,其中人工智能行业独角兽企业共有6家,分别为:优必选科技、Face++(旷视科技)、商汤科技、依图科技、出门问问、寒武纪科技。优必选科技估值最高,达到40亿美元。其中北京占四家企业,上海和深圳各一家。

数据来源:科技部中商产业研究院整理

未来发展趋势

1.在影响就业之前,人工智能将会对雇主产生影响

长期来看,人工智能不会摧毁就业市场——至少在2018年是不可能的。但是企业面临着一个重大挑战:只有汇集了来自不同种类的数据以及不同学科的团队成员时,人工智能才能发挥出最大的效果。同时,它还需要借助相应的结构和技能来实现人机协作。但是大多数企业都把数据存放在联合企业和团队的数据库里。很少有企业开始为员工提供他们所需要的基本人工智能技能。普通的企业还没有准备好满足人工智能的需求。

2.人工智能将融入现实,开始发挥其效用

它可能不会成为媒体的头条新闻,但人工智能现在已经准备好了,能够自动完成日益复杂的流程,识别出能够创造商业价值的趋势,并提供具有前瞻性的情报。

这带来的结果是,人们的工作量减少,做出的战略决策也变得更好了:员工的工作也比以前更好了。但是,由于传统的投资回报率(ROI)策略可能无法准确地识别出这一价值,企业将需要考虑采取新的指标,以便更好地理解工智能可以为它们做什么。

3.人工智能将帮助回答有关数据的重大问题

许多针对数据技术和数据集成的投资都未能回答这样的一个重大问题:投资回报率在哪?现在,人工智能正在为这些数据项目提供商业案例,新的工具将会使这些项目的价值凸显出来。

企业不再需要决定”清理数据”——也不应该这样做。他们应该首先从一个业务问题开始来量化人工智能的好处。一旦数据被用来解决一个特定的问题,进一步开发数据驱动的人工智能解决方案就会变得更容易,从而就会形成一个良性循环。问题出在了哪里?一些企业仍然在犹豫要不要建立,或者是没有建立好数据基础。

在未来,人工智能领域的投资将以“AI+行业”的方式展开,预计人工智能应用场景较为成熟且需求强烈的领域,如安防、语音识别、医疗、智慧城市、金融等领域,带来升级转换,提高行业智能化水平,改善企业的盈利能力,预计随着诸如无人驾驶汽车等认知智能技术的加速突破与应用,人工智能市场将加速爆发。

更多内容请参考中商产业研究院发布的《2018-2023年中国人工智能市场前景调查及投融资战略研究报告》。

未来十年改变世界,人工智能四大发展趋势分析 人工智能视频课程

img

钮冬云

关注

61岁的比尔·盖茨在一篇给大学毕业生的寄语中把当今时代称为“一个非常好的时代”,在庆幸自己在20岁时就有机会参与到那场改变世界的数字革命的同时,盖茨直言如果在今天寻找和当年一样能够对世界带来巨大影响的机会,他第一个考虑的就是人工智能

与比尔·盖茨一样,《失控》一书的作者凯文·凯利同样对人工智能的发展充满期待并做出一系列大胆预言。在他看来,未来10-20年人工智能将对世界带来颠覆性的变化,一切都将变得智能化。专注于信息技术研究和分析的Gartner公司的报告则认为未来10年,人工智能将变得无处不在。

与此同时,担忧、不安乃至惶恐的情绪开始在人群中蔓延,来自未知的力量让人坐立不安但又无所适从,人们不知道人工智能究竟是装满了灾难的潘多拉魔盒,还是一部通往更高级人类文明的电梯。唯一可确定的是,盒子已经打开,电梯的按钮已经按下,已经没有人可以让这一切停下来。

1995年,微软发布Win 95操作系统时特意请来滚石乐队演唱了那首著名的《Start Me Up》,米克·贾格尔用其独特的嗓音唱到:“If you start me up,I'll never stop”,今天看来这句歌词颇有象征意味。当人们按下人工智能的开始按钮,它将永不停止。就像一架高速飞驰的列车,任何人没有中途下车的机会,也不知将被带往何处。

当然,人工智能的发展趋势并非无迹可寻。在我看来,人工智能在接下来的几年中,将呈现出如下四个主要发展趋势。

趋势一:人工智能技术进入大规模商用阶段,人工智能产品全面进入消费级市场。

中国通信巨头华为已经发布了自主研发的人工智能芯片并将其应用在旗下智能手机产品中,苹果公司推出的iPhone X也采用了人工智能技术实现面部识别等功能。三星最新发布的语音助手Bixby则从软件层面对长期以来停留于“你问我答”模式的语音助手做出升级。人工智能借由智能手机已经与人们的生活越来越近。

在人形机器人市场,日本的软银公司研发的人形情感机器人Pepper从2015年6月份开始每月面向普通消费者发售1000台,每次都被抢购一空。人工智能机器人背后隐藏着的巨大商业机会同样让国内创业者陷入狂热,粗略统计目前国内人工智能机器人团队超过100家。图灵机器人CEO俞志晨相信未来几年:“人们将会像挑选智能手机一样挑选机器人。”

在我看来,售价并非人工智能机器人难以打开消费市场的关键,因为随着产业和技术走向成熟,成本降低是必然趋势,同时市场竞争因素也将进一步拉低人工智能机器人产品的售价。吸引更多开发者,丰富产品功能和使用场景才是打开市场的关键。另外一个好的信号是,人工智能机器人正在引起商业巨头们的兴趣。

零售巨头沃尔玛去年开始与机器人公司Five Elements合作,将购物车升级为具备导购和自动跟随功能的机器人。中国的零售企业苏宁也与一家机器人公司合作,将智能机器人引入门店用于接待和导购。餐饮巨头肯德基也曾与百度合作,在餐厅引入机器人度秘来实现智能点餐。上月19日,情感机器人Pepper也开始出现在软银的各大门店,软银移动业务负责人认为商业领域智能机器人很快将进入快速发展期。

在商业服务领域的全面应用,正为人工智能的大规模商用打开一条新的出路。或许人工智能机器人占领商场等公共场所会比占领我们的客厅要来得更早一些。

趋势二:基于深度学习的人工智能的认知能力将达到人类专家顾问级别。

“认知专家顾问”在Gartner的报告中被列为未来2-5年被主流采用的新兴技术,这主要依赖于机器深度学习能力的提升和大数据的积累。

过去几年人工智能技术之所以能够获得快速发展,主要源于三个元素的融合:性能更强的神经元网络、价格低廉的芯片以及大数据。其中神经元网络是对人类大脑的模拟,是机器深度学习的基础,对某一领域的深度学习将使得人工智能逼近人类专家顾问的水平,并在未来进一步取代人类专家顾问。当然,这个学习过程也伴随着大数据的获取和积累。

事实上在金融投资领域,人工智能已经有取代人类专家顾问的迹象。在美国,从事智能投顾的不仅仅是betterment、wealth front这样的科技公司,老牌金融机构也察觉到了人工智能对行业带来的改变。高盛和贝莱德分别收购了Honest Dollar与Future Advisor,苏格兰皇家银行也曾宣布用智能投顾取代500名传统理财师的工作。

国内一家创业团队目前正在将人工智能技术与保险业相结合,在保险产品数据库基础上进行分析和计算搭建知识图谱,并收集保险语料,为人工智能问答系统做数据储备,最终连接用户和保险产品。这对目前仍然以销售渠道为驱动的中国保险市场而言显然是个颠覆性的消息,它很可能意味着销售人员的大规模失业。

关于人工智能的学习能力,凯文·凯利曾形象地总结说:“使用人工智能的人越多,它就越聪明。人工智能越聪明,使用它的人就越多。”就像人类专家顾问的水平很大程度上取决于服务客户的经验一样,人工智能的经验就是数据以及处理数据的经历。随着使用人工智能专家顾问的人越来越多,未来2-5年人工智能有望达到人类专家顾问的水平。

趋势三:人工智能实用主义倾向显著,未来将成为一种可购买的智慧服务。

过去几年我们看到俄罗斯的人工智能机器人尤金首次通过了著名的图灵测试,又见证了谷歌的AlphaGo和Master接连战胜人类围棋冠军,尽管这些史无前例的事件隐约让我们知道人工智能技术已经发展到了一个很高的水平,但因为太过浓厚的“炫技”色彩也让公众对人工智能技术产生很多质疑。

事实上大多数人在谈到人工智能时,首先想到的问题便是:“它究竟能够做什么?”“它到底能够用在什么地方?”“它能够给人类解决哪些问题?”在人工智能技术的应用方面,中国的互联网企业似乎表现地更加实用主义一些。将主要精力投向人工智能领域的百度几乎把人工智能技术应用到了旗下所有产品和服务中,雄心勃勃展开NASA计划的阿里巴巴也致力于将技术推向“普惠”。

人工智能与不同产业的结合正使其实用主义倾向愈发显著,这让人工智能逐步成为一种可以购买的商品。吴恩达博士曾把人工智能比作未来的电能,“电”在今天已经成为一种可以按需购买的商品,任何人都可以花钱将电带到家中。你可以用电来看电视,可以用电来做饭、洗衣服,未来你可以用购买到的人工智能来打造一个智能的家居系统,这是一样的道理。凯文·凯利此前也曾做过类似预判,他说未来我们可能会向亚马逊或是中国的公司购买智能服务。

反过来不同产业对人工智能技术的应用也加剧了人工智能的实用主义倾向。比如特斯拉公司就是拿人工智能技术专门用来提升自动驾驶技术的,再比如地图导航软件,就是专门拿人工智能技术用来为用户规划出行路线的。它们更加关注的是人工智能技术到底能为我的公司和我的用户带来什么。

说到底,人工智能是一个实用主义的东西。越来越多的医疗机构用人工智能诊断疾病,越来越多的汽车制造商开始使用人工智能技术研发无人驾驶汽车,越来越多的普通人开始使用人工智能作出投资、保险等决策。这意味着人工智能已经走出“炫技”阶段,未来将真正进入实用阶段。

趋势四:人工智能技术将严重冲击劳动密集型产业,改变全球经济生态。

许多科技界的大佬一方面受益于人工智能技术,一方面又对人工智能技术发展过程中存在的威胁充满担忧。包括比尔·盖茨、埃隆·马斯克斯、蒂芬·霍金等人都曾对人工智能发展做出警告。尽管从目前来看对人工智能取代甚至毁灭人类的担忧还为时尚早,但毫无疑问人工智能正在抢走各行各业劳动者的饭碗。

人工智能可能引发的大规模失业是当下最为紧迫的一个问题。阿里巴巴董事会主席马云在今年一场大数据峰会上说:“如果我们继续以前的教学方法,我可以保证,三十年后我们的孩子们将找不到工作。”阿里巴巴在电商领域的对手,京东集团董事局主席刘强东则信誓旦旦地表示:“五年后,给你送货的都将是机器人。”

事实上,机器人抢走人类劳动者饭碗的事情已经在全球上演。硅谷一家新兴的机器人保安公司Knightscope目前已和16个国家签约使用其公司生产的K5监控机器人,其中包括中国。K5将主要用于商场、停车场等公共场所,可以自动巡逻并能够识别人脸和车牌,K5每小时的租金约为7美金。这意味着原本属于人类保安的酬劳现在要被机器人抢走。

未来2-5年人工智能导致的大规模失业将率先从劳动密集型产业开始。如制造业,在主要依赖劳动力的阶段,其商业模式本质上是赚取劳动力的剩余价值。而当技术成本低于雇佣劳动力的成本时,显然劳动力会被无情淘汰,制造企业的商业模式也将随之发生改变。再比如物流行业,目前大多数企业都实现了无人仓库管理和机器人自动分拣货物,接下来无人配送车、无人机也很有可能取代一部分物流配送人员的工作。

就中国目前的情况来看,正处于从劳动密集型产业向技术密集型产业过渡的过程中,难以避免地要受到人工智能技术的冲击,而经济相对落后的东南亚国家和地区因为廉价的劳动力优势仍在,受人工智能技术冲击较小。世界经济论坛2016年的调研数据预测到2020年,机器人与人工智能的崛起,将导致全球15个主要的工业化国家510万个就业岗位的流失,多以低成本、劳动密集型的岗位为主。

这绝非危言耸听。人工智能终将改变世界,而由其导致的大规模失业和全球经济结构的调整,显然也属于“改变”的一部分,你我都将亲眼看到这一切的发生。

最新推荐

img

在线咨询

建站在线咨询

img

QQ咨询

QQ在线咨询

img

电话沟通

400-660-5555

img

微信咨询

扫一扫添加
动力姐姐微信

img
img

TOP