人工智能

人工智能是理想的网络防御措施吗?

随着企业和政府对网络安全的认识逐渐提高,虽然每年都有数十亿美元的资金投入到网络安全领域,但网络攻击事件仍然层出不穷,从2016年开始,黑客攻击开始了井喷。对于人工智能技术,尽管争论从未停止,但并不妨碍人们对它的利用。原因有三方面......

人工智能与伦理问题浅谈

人工智能一词是在1956年的达特茅斯会议上被首次提出来的。作为一门新兴的交叉学科,人工智能在当今脑科学、认知科学飞速发展的基础下,被称为本世纪三大科技成就之一。目前来说,人工智能主要涉及计算机领域,它试图了解人类智能的实质,进而能够生产出一种媲美人类智能的软件系统、机器人、仿生人或者生化人,最后乃至能够全面超越当今人类的“新人类”。

一文读懂:大数据、人工智能、机器学习与深度学习,解决你的学习烦恼!

大数据、人工智能是目前大家谈论比较多的话题,它们的应用也越来越广泛、与我们的生活关系也越来越密切,影响也越来越深远,其中很多已进入寻常百姓家,如无人机、网约车、自动导航、智能家电、电商推荐、人机对话机器人等等。

深度丨详解人工智能图像技术在智能家居中的应用

随着现代科学技术的发展以及人民生活水平的提高,智能设备的普及率已经越来越高,住宅家居智能化将是一个重要的发展趋势。近年来,国内外对智能家居的研究初具规模,而现有的家居监控系统智能化程度比较低,无法更好的适应新的应用需求,因此开发出更安全便利的智能家居系统具有十分重要的意义。

从2018年全球人工智能数据看未来发展趋势

作者:李颋(中国电子学会研究咨询中心主任,凌霞,系中国电子学会博士)

人工智能作为新一轮产业变革的核心驱动力,正在释放历次科技革命和产业变革积蓄的巨大能量,持续探索新一代人工智能应用场景,将重构生产、分配、交换、消费等经济活动各环节,催生新技术、新产品、新产业。

刚刚过去的2018年,人工智能从基础研究、技术到产业,都进入了高速增长期。根据中国电子学会的统计:2018年全年,全球人工智能核心产业市场规模超过555.7亿美元,相较于2017年同比增长50.2%。数据显示,全球人工智能的发展呈现三足鼎立之势,主要集中在美国、欧洲、中国。

美国硅谷是当今人工智能基础层和技术层产业发展的重点区域,聚集了人工智能企业2905家,以谷歌、微软、亚马逊等为代表形成集团式发展,同时在人工智能企业数量、投融资规模、专利数量等方面全球领先。

面部识别和人工智能可用于识别罕见的遗传疾病

据外媒The Verge报道,在不久的将来,面部识别扫描或可以成为标准体检的一部分。研究人员已经展示了算法如何帮助识别与遗传性疾病相关的面部特征,从而加速临床诊断。在本月发表在《自然·医学》杂志杂志上的一项研究中,美国公司FDNA发布了软件DeepGestalt的新测试。

揭秘人工智能(系列):深度学习是否过分夸大?

2012年左右,多伦多大学的研究人员首次使用深度学习来赢下了ImageNet,它是一项非常受欢迎的计算机图像识别竞赛。对于那些参与AI行业的人来说,这是一个大问题,因为计算机视觉是使计算机能够理解图像背景的学科,也是人工智能中最具挑战性的领域之一。

当然,与任何其他产生巨大影响的技术一样,深度学习成为炒作的焦点。不同的公司和组织开始应用它来解决不同的问题(或假装应用它)。许多公司开始使用深度学习和先进的人工智能技术重塑其产品和服务。

与此同时,媒体也经常撰写有关人工智能和深度学习的故事,这些故事充满误导性,并且大多是由那些对技术运作方式没有正确理解的人撰写。他们大多使用关于人工智能的耸人听闻的头条来博眼球,这些也促成了围绕深度学习的炒作。

经过媒体的炒作后,许多专家认为深度学习被夸大了,它最终会消退并可能导致另一个人工智能冬季,从而使人们对人工智能的兴趣和资金投入大幅下降。其中一些著名专家也承认,深度学习已经触底,其中包括一些深入学习的先驱者。

但根据著名数据科学家和深度学习研究员杰里米·霍华德的说法,“深度学习过度夸大”的论点有点夸张。霍华德是fast.ai的创始人,fast.ai是一个非营利性的在线深度学习课程。

2019年人工智能领域预测与展望

2019年人工智能领域会出现怎样的演变呢?相比之前几年会有什么样的变化呢?

人工智能正主导着全球企业的创新——无论是大型企业集团还是年轻的初创企业。据市场研究报告《从技术和垂直行业看人工智能市场——全球机会分析和行业预测》称,2018年至2025年,全球人工智能市场规模预计将从2016年的40.65亿美元增长至1694.11亿美元,复合年增长率达到55.6%。该报告按技术、行业垂直和地区来划分人工智能市场。人工智能技术被细分为机器学习、自然语言处理、图像处理和语音识别。2016年,在营收方面,机器学习领域主导了人工智能市场,得益于人工智能行业解决方案的需求增加,预计未来几年这一趋势将会延续下去。根据Statista的数据,最大的营收部分来自面向企业应用程序市场的人工智能。

以下是对2019年人工智能领域的预测:

IBM、谷歌、微软、亚马逊以及机器学习API提供商将发布更具包容性的数据集,以应对人工智能内嵌的歧视和偏见问题

2019年物联网技术将与人工智能融为一体

物联网(IoT)是IT基础设施的下一个发展阶段,将是能够处理数百万台甚至数十亿物联网设备的承载大部分数据负载的边缘平台。

但是,这种规模和范围的数据生态系统不会一蹴而就。当人们进入2019年,物联网将在边缘计算方面如何发展?在未来一年将有什么样的发展?

虽然物联网如今开始产生大量数据,但目前的数据量在未来十年发展中可能微不足道。事实上,人们所看到和触摸的每件事物,甚至是自己身体的一部分,在不久的将来会生成连续的数据流,以处理和存储边缘上的元素和集中式数据设施。而在那里,它将被解析、分析、组合,或以其他方式操纵,而在理论上将让公众受益于物联网。

物联网的发展

根据Zebra科技公司的调查,在过去一年中,企业对于物联网基础设施的平均投资为460万美元,比2017年增加了4%。大约84%的企业希望在2021年完成物联网的部署,尽管这可能用语不当,因为物联网不可能完全发展成熟,可能永远也不会,就像现在的数据中心基础设施还在不断发展一样。最可能的情况是,物联网将在未来两年内达到足够成熟的发展阶段,开始对商业模式做出重大贡献。

为何GPU可以用于加速人工智能或者机器学习的计算速度?

一、Why GPU

其实GPU计算比CPU并不是“效果好”,而是“速度快”。

计算就是计算,数学上都是一样的,1+1用什么算都是2,CPU算神经网络也是可以的,算出来的神经网络放到实际应用中效果也很好,只不过速度会很慢罢了。

GPU的起源

GPU全称叫做graphics processing unit,图形处理器,顾名思义就是处理图形的。

电脑显示器上显示的图像,在显示在显示器上之前,要经过一些列处理,这个过程有个专有的名词叫“渲染”。以前的计算机上没有GPU,渲染就是CPU负责的。渲染是个什么操作呢,其实就是做了一系列图形的计算,但这些计算往往非常耗时,占用了CPU的一大部分时间。而CPU还要处理计算机器许多其他任务。因此就专门针对图形处理的这些操作设计了一种处理器,也就是GPU。这样CPU就可以从繁重的图形计算中解脱出来。

由于GPU是专门为了渲染设计的,那么他也就只能做渲染的那些事情。