人工智能

人工智能(Artificial Intelligence,简称AI)是计算机科学的一个分支,致力于开发能够执行需要人类智能的任务的系统。这些任务包括学习、推理、问题解决、感知、语言理解等。人工智能的目标是创建能够模仿人类智能的机器,使其能够执行需要智能的任务。 人工智能在医疗、金融、教育、交通、制造业等各个领域都有广泛的应用,为解决复杂问题和提高效率提供了新的途径。

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。

2018十大人工智能经典语录

“盛年不重来,一日难再晨。及时当勉励,岁月不待人。”光阴似箭,岁月如梭,如果要重新阅读2018年人工智能发展,“经典语录”是一种十分好的形式。“语录”虽简洁,但字字可深读;之所谓“经典”,固然是要能引起共鸣、发人深省,有一定传播力的名人之言。

本文筛选了十位人工智能顶尖大佬在2018年的讲话精选,从学术研究、行业应用、人性等方面全面诠释人工智能现状。

1、谷歌CEO Pichai接受MSNBC采访

AI将给人类带来革命性意义,甚至会比电或者火带来更深远的影响。虽然火是好东西,但火也会杀死人。人们学会了利用火来造福人类,但我们也必须学会避免火带来的灾难。

现在人们提到如何在数字化社会找到工作机会时,经常想到的第一个词就是‘代码’。在过去十几年中数字技术的发展都集中在计算机科学上。写代码固然是非常重要的,也是值得投资的一项重要技能。但在数字技术领域还有更大的潜在机会,在过去很大程度上未被开发出来。有一些技能在五年前并不存在,但今天的工作者则需要掌握这些技能。在二三十年前,人们接受教育之后就可以受用一辈子,但对当下这个时代出生的人来说情况并非如此,他们必须保持终生学习。

Right or wrong?回顾我们对2018年的一些预测

2017年底的时候我们凝视着水晶球对2018年作出了一些预测,非常高兴的是我们对于大多数问题都没有偏离太远,在这篇文章中我们会回顾对于2018年的一些预测,并剖析为什么事情并没有完全像我们想的那样发展,我们还会讨论2019年这些事情将如何继续发展。

AI能解决哥德巴赫猜想?未来会有感情?三位AI专家这样说

人工智能究竟能发展到什么地步?困扰了人类数千年的未解之谜,能否依靠人工智能来解决?人工智能未来是否会具有逻辑思维,并会对人类产生威胁?近日,在中央电视台大型科学挑战类节目《机智过人》录制现场,腾讯科技带着这些问题对话中科院院士张旭、阿里技术委员会主席王坚、语音智能研究专家胡郁等权威专家,就人工智能的话题进行了深入讨论。

人工智能就是要解决人类不能解决的问题

1997年,人工智能“深蓝”在击败了国际象棋世界冠军卡斯特洛夫;2016年和2017年,阿尔法狗又接连以压倒性优势战胜了李世石和柯洁;在央视综合频道播出了两季的《机智过人》节目上,诸多人工智能产品在接受人类检验的过程当中也展现出了惊人的能力。

但人类似乎并不感到满意,因为人工智能击败的选手,尽管出类拔萃,但并不意味着达到了人类的极限。而在数学等自然科学领域,还有哥德巴赫猜想、黎曼猜想等世界难题横亘在人类面前,对于这些难题,人工智能是否有希望解决?

对此,王坚对腾讯科技表示,人工智能就是要解决人类不能解决的问题,就好像摄像头并不是人的眼睛,但它却可以捕捉到更多的信息。比如《机智过人》先锋盛典里面提到的城市大脑,就是要去解决今天人类自身不能解决的城市问题。

2019年人工智能应用的四大趋势

消费者对于 AI “侵袭”他们的生活曾有很多质疑的声音:如果机器人抢了我的工作怎么办?它们会不会一直监听我的对话、窥探我的隐私?它们会不会滥用收集的用户数据?但是现在,消费者们逐渐在生活和工作中接受并拥抱 AI。

随着消费者接受程度逐渐提高,越来越多的企业热衷于引入 AI 科技。根据麦肯锡公司的调查显示,2013年以来,企业平均在引入AI技术的投资翻了三倍。

事实上,AI 是能够彻底改变企业运营方式的。2019年会有更多的企业采用AI技术,尤其是以NLP自然语言处理为基础的语音对话技术,来改变公司的命运。

展望2019年,有哪些 AI 趋势需要企业重点关注呢?

对话式 AI

几乎每个人的手机和智能音箱中,AI 助手都已经成为了标配。与智能设备进行语音对话交互对于大家并不陌生,比如让它播放歌曲、播报天气、搜索信息、开关电器等等,都能通过语音指令完成。

目前市面上大多数互联网产品是基于GUI(图形用户界面)的,也就是用户需要层层点击完成相关操作。而随着人机交互的发展,基于对话的CUI(对话式交互)将成为大势所趋,机器往往需要完成“听懂——理解——回答”的闭环,完成多伦对话、意图推理、个性化及情感互动。

2018年终盘点:这一年,人工智能在争议中前行

2018年,人工智能告别喧闹,投融资市场渐趋冷静,底层技术研发持续推进,从衣食住行到教育医疗,人工智能全方位改变着生活的样貌。

近日,由斯坦福大学主导、来自MIT、OpenAI、哈佛、麦肯锡等机构的多位专家教授联合发布的人工智能指数年度报告出炉,报告显示,在人工智能这一领域,美国依然是当仁不让的王者,但中国的AI技术,无论在学术界还是产业界,都正以极快的速度向前追赶。报告中有几个惊人的数字:与2000年相比,2016年中国人工智能学者发表的论文被引用的次数提高了44%。清华大学去年学习人工智能和机器学习方向的学生数量是2010年的16倍。

更前沿的技术突破、更广泛的应用场景、更充足的人才准备,当热潮渐渐褪去,这个被押注了未来的行业,依然承载着人们对明日世界最广阔的想象。

发力底层技术 让机器更聪明

让机器能够像人一样思考、感受和认识世界,是人工智能科学家们孜孜以求的终极目标。为了实现这个目标,他们提出各种技术方案对机器进行训练,这种底层技术的进步也是人工智能技术进步的基础。

【视频】PowerVR 3NX 神经网络加速器助力人工智能行业变革

电子创新网联合Imagination等多家企业于12月20日举办“人工智能落地应用与趋势”沙龙活动。Imagination首席技术方案工程师李安先生代表公司出席并以“PowerVR 3NX神经网络加速器助力人工智能行业变革”为题发表演讲。

不再傻傻分不清 你想了解的人工智能这里都有

当前,人工智能正在席卷全球科技产业,越来越多的行业和市场都在人工智能领域进行深耕,作为当今辅助人类进行创新和变革的重要生产力工具和技术驱动力,人工智能技术当前已经发展到什么阶段了呢?未来人工智能产业又将会走向何方呢?

对于人工智能技术来说,我们日常经常看到的或许是机器算法的应用、又或是对于自然语言的处理等内容,对于人工智能来说,现在已经收集了海量的最优算法,其中涵盖了计算机视觉、游戏、自然语言处理、网络图、知识库等很多内容。

计算机视觉感知

其中值得一提的是计算机视觉,对于计算机视觉来说,3D技术是最受青睐的一类,2017年的CVPR,MIT、马萨诸塞大学阿默斯特分校和谷歌DeepMind的研究人员展示了一项成果,使用自动编码器(VAE),构建了一个名叫SingleVPNet的框架,能从多个视角的深度图或其相应的轮廓(silhouette)学习生成模型,并使用渲染函数从这些图像生成细节精致的3D形状。

对于计算机识别感知框架来说,通过一系列不同视角的2D深度图当中,研究人员就能够去生成新的3D形状和3D图片,其中的平均误差将会缩小到0.35左右,也就是说计算机视觉所带来的3D图片将会是非常逼真的一张图。