人工智能

Imagination Technologies宣布:在今日于南京召开的“中国芯片发展高峰论坛”上,Imagination展示了其最新的图形处理器(GPU)和用于人工智能(AI)的神经网络加速器(NNA)半导体知识产权(IP)产品与解决方案,并作为紫光展锐的合作伙伴,参与了该公司包括手机芯片、物联网和智能家居解决方案等一系列全新技术与产品的发布活动,标志着Imagination的先进技术与产品正在成为推动我国芯片行业自主创新的新动能。

“中国芯片发展高峰论坛”由南京市江北新区主办,紫光集团、紫光展锐承办,论坛以“芯时代,共成长”为主题,汇集了逾千名产业链合作伙伴、行业专家、学者、政策制定者、投资机构代表、媒体和分析师。在行业领袖和专家纵论产业发展契机、分析技术发展趋势的同时,紫光集团、紫光展锐及多家中外企业介绍了其在移动通信、5G、AI、物联网等领域最新战略布局和产品规划。

2018年人工智能和机器学习的顶级趋势

自从人工智能(AI)这个术语在1955年由美国达特茅斯学院的人工智能大师John McCarthy创造以来,已经得到了长足的进步。63年之后,人工智能正在改变和颠覆医疗保健、金融科技以及其他行业的业务发展。虽然对真正人性化人工智能仍在继续探索当中,但大数据和机器学习(ML)的进步将帮助人工智能成为技术主流。

本文将介绍2018年的顶级人工智能和机器学习的发展趋势:

1. 医疗健康

咨询机构埃森哲公司表示,到2021年,美国人工智能医疗保健市场规模预计将达到66亿美元,其复合年增长率(CAGR)为40%。

医学成像和诊断公司正在推动人工智能在医疗健康技术方面的发展。例如,Arterys就是一种基于云计算放射科医师的人工智能助手,于2018年2月通过其Oncology AI套件获得美国食品和药物管理局(FDA)批准,用于分析肺和肝的肿瘤图像。

采用人工智能,个性化医疗保健和精准医疗也取得了长足的进步。今年8月,新加坡大学的研究人员使用人工智能来识别和优化骨髓瘤(一种血癌)的联合药物治疗。

2. 金融科技

Imagination与您相约上海世界人工智能大会

备受瞩目的2018世界人工智能大会将于9月17日-19日在徐汇西岸艺术中心隆重举行,大会集聚全球人工智能领域最具影响力的科学家和企业家以及相关政府领导人,最权威的观点和共识将在此发声,最前沿的新技术,新产品,新应用,新理念也将在此得到集中的展示。

Imagination作为人工智能领域的重要企业将强势参加,在B2馆人工智能芯片展区设有展台,将展示公司领先的人工智能解决方案。

在9月19日世界人工智能大会分会场-全球异构计算高峰论坛上,Imagination技术专家还将为大家带来题为“端侧智能:运用GPU+NNA实现设备端异构计算”的主题演讲。

欢迎大家参观Imagination展台,聆听Imagination技术专家为您带来的技术分享!

2018世界人工智能大会

我们不见不散~

Imagination展台:9月17-19日9:00-16:30,徐汇西岸艺术中心B2馆AI芯片展区
Imagination演讲:9月19日9:00-16:30,上海国际会议中心长江厅

人工智能和光纤技术,如何影响数据中心?

随着数据中心的运营以及继续发展,专业人员的习惯和交流方式在不断变化,提高了网络速度,并增加了复杂性。现在安装正确的布线基础设施解决方案将使企业从一开始就获得更大的经济利益,保留并吸引更多客户,并使企业的数据中心设施能够蓬勃发展。

人们通常从电影中了解一些似乎与现实相差甚远的概念,但这些概念却很快融入人们的日常生活中。1990年上映的一部由阿诺·施瓦辛格主演的电影中,一辆名为“Johnny Cab”的无人驾驶汽车让人印象深刻,可以将人们送到任何他们想去的地方。如今,大多数大型汽车公司都在投入巨资将这项技术带给大众。

回溯到1968年,人们通过HAL9000对人工智能(AI)有了一些了解,HAL9000是一部主题为太空漫游的电影中的一台有感知的计算机。HAL9000能够实施语音和面部识别、自然语言处理、唇读、艺术欣赏、解释情感行为、自动推理,甚至可以下棋。

而在过去几年,人们已经确定人工智能成为日常生活中不可或缺的一部分。例如可以采用智能手机查询旅行目的地的天气情况,虚拟助理可以播放人们喜欢的音乐,人们的社交媒体帐户将根据其个人喜好提供新闻更新和广告。

2018人工智能发展趋势解析!

虽然,现在还存在很多“伪人工智能”,不过,人工智能是未来的发展趋势。2018年我们需要关注AI的相关领域,因为变革正在慢慢来临,以下,让我们来看看人工智能五个不断变化的趋势,在不久的将来它们或将成为现实。

1、不依赖程序命令的学习模型改进

机器学习旨在使计算机能够从数据中学习并在不依赖于程序中命令的情况下进行改进。这种学习最终可以帮助计算机构建模型,例如用于预测天气的模型。这里,我们介绍了一些利用机器学习的常见应用程序:

a.财务应用
随着金融科技创业公司挑战现有企业,金融业正在迅速发展。这些现有企业中的许多人主要依靠传统的低效方法来提供标准化金融产品的咨询和业务。人工智能的进步正在通过引入自动化咨询改变这一领域。机器学习模型也取代了传统的预测分析方法来衡量市场趋势。

现在,机器学习也帮助金融公司预防金融欺诈。而且,还可以提高信用评级的准确性,并改善贷款机构的风险管理。

b.医疗应用
机器学习和大数据可以利用大量潜在医疗数据,通过基于机器学习模型构建的新应用程序可以帮助识别疾病并提供正确的疾病诊断。机器学习还可以帮助人类进行基因测序、临床试验、药物发现和研发以及流行病暴发的预测。

人工智能是物联网的催化剂

世界各地的企业都在迅速利用物联网( IoT )来创造新产品和服务,从而开辟新的商业机会并创造新的商业模式。 由此带来的转变开启了一个新的时代,即企业如何运营并与客户保持互动。然而,利用物联网只是故事的一部分。

为了让企业充分发挥物联网潜力,他们需要将物联网与快速发展的人工智能( AI )技术相结合,使“智能机器”能够模拟智能行为,并在很少或没有人为干预情况下做出明智决策。

人工智能( AI )和物联网( IoT )被认为是2017年颠覆业务的驱动因素。但是,这些2个术语到底意味着什么,他们之间的关系又是什么? 让我们首先定义这两个术语:

物联网被定义为由相互连接的物理对象、传感器、致动器、虚拟对象、人员、服务、平台和网络组成的系统,它们具有单独的标识符和独立传输数据能力。物联网应用例子包括智慧农业、智能家居、智能交通、远程患者监控和无人驾驶汽车等。总之,物联网是从环境中收集和交换信息的“物体”网络。

关注人工智能(AI):终端设备中的智能相机

作者:Benny Har-Even

最近,我们举办了一次网络研讨会:“在智能相机中实现高效的神经网络”,如果你错过了此次网络研讨会,建议你去看一下重播(需注册),在这次网络研讨会上,我们深入介绍了智能相机市场和终端设备嵌入神经网络加速器日益增长的需求。

关注人工智能(AI):终端设备中的智能相机

人工智能、机器学习和深度学习的区别与联系?

人工智能的浪潮正在席卷全球,诸多词汇时刻萦绕在我们耳边:人工智能(Artificial Intelligence)、机器学习(Machine Learning)、深度学习(Deep Learning)。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解,那么他们之间有什么样的联系啦?

人工智能:从概念提出到走向繁荣

1956年,几个计算机科学家相聚在达特茅斯会议,提出了“人工智能”的概念,梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。其后,人工智能就一直萦绕于人们的脑海之中,并在科研实验室中慢慢孵化。之后的几十年,人工智能一直在两极反转,或被称作人类文明耀眼未来的预言,或被当成技术疯子的狂想扔到垃圾堆里。直到2012年之前,这两种声音还在同时存在。

2012年以后,得益于数据量的上涨、运算力的提升和机器学习新算法(深度学习)的出现,人工智能开始大爆发。据领英近日发布的《全球AI领域人才报告》显示,截至2017年一季度,基于领英平台的全球AI(人工智能)领域技术人才数量超过190万,仅国内人工智能人才缺口达到500多万。

科学家:人工智能可以迅速发展自己的偏见

据英国《每日邮报》9月7日报道,来自英国卡迪夫大学和美国麻省理工学院的计算机科学和心理学专家发现,自主机器人可以通过识别、复制、学习其他机器人的行为产生偏见,某些种类的算法已经产生性别歧视和种族歧视。

歧视看似是人类社会中特有的、需要认知才能产生的现象。但是,某些类型的计算机算法已经从公开档案等人类资料中习得了性别歧视、种族歧视等偏见。最新的一项研究甚至发现,人工智能可以进化出不同的偏见群体。

为证实人工智能可以自己产生偏见,科学家用计算机模拟博弈。博弈中,每个个体都可以将钱送给自己所在的群体或其他群体,以测试每个个体的给予策略,观察其是否对其他群体有偏见。这一博弈由一台超级计算机模拟,其中包括上千个个体,每个个体都可以通过复制其他来自相同群体或不同群体的个体学习新的策略。

参与研究的卡迪夫大学计算机科学与信息学教授Roger Whitaker表示:“通过成千上万次模拟,我们发现了偏见是如何演化的、哪些情况可以激化偏见、哪些情况可以减弱偏见。我们的研究表明,偏见是自然产生的、影响非常大的,它很容易被激励、损害大范围的连通性。来自同一偏见群体的保护可以非主观地引起更进一步的偏见,使整个群体四分五裂。这种广泛传播的偏见很难逆转。”这些个体是通过复制那些有更高短期效益的个体使得偏见升级的,可见偏见并不需要高级认知能力。

远场语音识别面临的瓶颈与挑战

语音交互正在被视为用户在未来很多场景下的主要流量入口之一。因此,寻求可靠有效的远场语音技术突破变成了当下工业界和学术界的迫切需求。一个经典的语音识别系统包含麦克风信号采集模块、信号处理模块以及语音识别模块。每个模块的处理方法都会影响最终的识别效果。

具体来说,目前远场语音识别的技术难点主要集中在以下4个部分:
第一个是多通道同步采集硬件研发;
第二个是前端麦克风阵列信号处理算法研发;
第三个是后端语音识别与前端信号处理的匹配;
第四个是前端和后端联合优化。

首先,多通道麦克风阵列技术已经被证明可以显著提升语音识别质量。当信号采集通道数足够多时,需要额外研发多通道同步技术。并且,目前消费电子上很少有集成多个麦克风的情况,相关研究成果很少,这也增加了该硬件方案的研发难度。

远场语音识别面临的瓶颈与挑战

同步内容
--电子创新网--
粤ICP备12070055号