互联网加网

当前位置: 首页 > 创业

2018,人工智能可以在哪些领域最快得到应用和普及?

本文作者:互联网加网 更新时间:2019-05-07 14:05:40

尽管第四季度还没有结束,但在沙漠结束,随着技术的4 10。C轮$ 600百万的资金已经由科学技术商代刷新保持4。融资创纪录的1亿$,已成为世界上迄今为止最大的人工智能公司单笔融资收购。不难看出,在整个2017年火遍人工智能,到今年年底仍势头不减,甚至融资很可能会再次打破了以往的记录。

现在回想起来,从1956年到今天达特茅斯会议上,AI已经走过60多年的历史了。在这60年中,经历了人工智能的高峰期,已经降至谷底,但从来没有一个像今天这样,街道变得没有人谈论的话题。虽然得益于快速传播信息的移动互联网时代的影响力,提升其在一定程度上使得热点话题是几千倍扩大效率。但是还有另外一个更重要的原因是,这一次人工智能与以往最大的不同的复兴是,它让人们真正看到未来的人工智能技术的可能性改变人类的生活方式。

随着李开复的话说:“今天的人工智能是‘有益的'AI人工智能 。这一次,复兴的最重要的特征,表明AI可以通过普通人的性能和效率在许多相关领域的认可,并且是业界公认的,因此成熟的商业模式开始发挥真正的价值。我们说的“人工智能的”事实是,人工智能或深入学习才能真正解决实际问题。“

李开复可以和这些词的相互反射,在上周,阿里云举办2017年大会云栖·北京峰会上,阿里巴巴明确表示,不仅是人工智能“AI概念”,它是”业内AI”,同时宣布在金融,零售,航空,交通运输等许多行业人工智能的阿里云的实践的结果。

越来越多的迹象表明,今天的人工智能,以及过去确实是一个很大的区别。

在过去的一年之后,无论是互联网企业还是传统企业,无论是在外部会议或发布在公司内部的宣传战略的报告,是真实的他的AI,怕他们已经被时代的潮流抛弃。然而,与前几波的技术相比,人工情报人员要求和资源显然要高得多,不是每个人都能玩得转。

因此,对于大多数企业来说,这是难以跨越的门槛进入人工智能已领域?企业如何利用人工智能技术帮助现有的业务更上一层楼?此外,在未来几年,人工智能可以应用最快的和流行的行业中,?

近日,IBM全球杰出工程师,IBM研究院的认知系统的全球研究主管,女士。林永华被采访“移动技术创新的AI时代,”大会(大会将在北京国际会议中心,2018年1月5日女士举行的组织者。林永华是被邀请的演讲者之一。),聊起她的问题意见。下面的顺序是根据访谈中提出。

IBM林永华

QA:如何做人工智能的电流热潮?有多少是由理性驱动的,只是多少重复?

AI目前,无论是对企业还是投资界都在追逐热。说实话,当IBM沃森在2011年建造,并第一次在测验击败人类最好的球员,为行业的未来发展的重要性预见的人工智能,但没有想象中那么所有的人谈论人工智能火爆局面。

在整个信息技术在过去10多年的发展,无论是在10年前,在移动通信的发展热潮,或者5年前,风起云涌的云计算,今天的人工智能是不是广度和热性。是什么原因?在今天之前可能会比实验人工智能信息技术高得多。

这种“可以测试”是指开发者,大学生,甚至高中生都试过人工智能编程可能是实验。它来自于整个开源社区的贡献,作为一个整体的代码和数据,这要归功于开源文化,促进信息技术的整个领域,还从聘请了文章数据的开放性和几个代码中受益大人工智能会议要求。

在过去的几年中,围绕代码深入学习,神经网络算法和公共数据集层出不穷。开发人员,您只需要了解Python,可以在一天之内建立一个开发环境,以及开源代码运行起来。使用开源的数据集,可以重现他人成果。

一种新的人工智能研究出现,伴随着一些良好的公共数据集。例如,当黎非霏LED图像为今天的图像识别奠定了大数据集的基础上,在今年12月MIT IBM沃森实验室,以促进视频动作识别,联合推出一个大型的视频运动数据集。所有这些贡献,这是减少实验的难度,推动行业更快地解决人工智能问题。在这种氛围下每个人都可以尝试,我们都在这一领域推高了利率,这将不可避免地也带来了流行的鹦鹉。

但是,这并不代表着学术界今天解决相关的技术问题已经很大程度上它应用于工业?我认为,我们需要看到产业界和学术界之间的差距。之前我也看到了在人工智能领域的一些专家已经很多分析,我在这里讨论两件事情:

●是一阶差分数据。

AI数据是训练机的基本输入。今天,获取公开提供的数据集,绝大多数都是非商业用途的数据,大多是从数据在互联网上积累。用于工业现场的高价值的数据是真的很难把公共数据集,也很难让研究者算法数万。

在医疗保健,汽车驾驶,制造等行业的重要领域与IBM研究相关的业务人工智能研究合作。在这些行业和企业,我们遇到了大量的分布式数据集未公开数据。在工业生产部署的严格要求面前,我们的一些现有研究的不适用,许多最知名的顶级会议的结果是不适用。所以在这里我们需要实际的,深入的行业研究和人工智能的产业发展。

●二是人工智能系统本身的成本。

在工业领域中使用的人工智能,我们需要仔细看其附加到现有产品的间接费用。随着视频监控,例如,在视频监控中使用人工智能是一个热门话题。如今,使用面部识别,人或车辆的自动捕捉视频初步分析已广泛应用于城市,公共安全等领域。

事实上,基于AI-计算机视觉可以做得更多,它可以检测并识别各种对象(而不仅仅是一个人或车辆)检测到的人,不同的,这样的操作。但学习基础上,目标检测算法的深度往往需要大量的GPU计算资源。根据今年最新的GPU硬件功能,高性能的GPU将只支持3至4视频复杂对象检测(单一模式)。平摊到每部影片,就需要有关的硬件成本为1000?2000美元。相比于4K摄像机的当前成本,是成本相差近10倍。

如果我们进一步考虑运动检测,光流计算或3D深度或更复杂的学习算法,该重叠是更难以接受的成本。所以,当人工智能向前行驶时,我们需要更多的研究和创新,解决了整个系统的优化问题,但绝不能只停留在单一的功能性或准确性的水平。

QA:对于AI技术基础薄弱的企业,如何享受分红带来的AI?

为什么今天的企业都争先恐后地想进入人工智能领域?他们希望能像IBM,谷歌这样的公司AI或NIPS每年发送到AAAI它的文章?答案当然是不。公司想进入人工智能领域,还是希望自己的业务获得新的增长点,希望能借到AI的力量能够建立新的产品,以赢得更多的市场份额,必须通过AI的产品,希望能提高水平,以便更快地击败市场上的竞争。所以,有两两件事是重要的,这些公司希望利用人工智能技术。首先,找准定位人工智能技术在他们的业务领域,对未来的产品即战略思考。这是在任何情况下,不能被其他公司取代你去思考,因为只有自己最了解公司的业务,发展机遇和企业现状。其次,时间对市场,时间是非常宝贵的。扁在当前信息时代,市场机遇比赛是与时间赛跑。

因此,对于企业的各个部门,如果你想享受人工智能的红利带来了自己需要花更多的时间去思考在第二点上面提到的,第一点问题(产品策略)和计划(时间 - 开以市场),我们需要了解外界的帮助。今天,在与时间赛跑的过程中,最大的挑战公司面对的是人才和数据问题。如何“借助外力”,常常犹豫不决公司。如果你喜欢传统的购买业务服务模型来解决人才问题,会不会对某些行业工作。对于很多行业,他们的数据是高度机密,这些数据不移交给第三方数据分析和培训。此外,用于生产环境中的数据类型将随时间改变,诸如零售货架产品类别,生产线的产品批次变化等。。因此,即使是由第三方公司开发的机器学习模型,究竟是否在生产环境的变化,必须依靠第三方公司进行调整?因此,引入人工智能技术的过程中,企业往往以“时间太长人才培养”和“控制产品”之间犹豫不决。因为看到这样的情况,IBM推出的“人工智能AI的”的理念在企业市场创造AI平台。我们不只是为企业搭建AI开发平台,一套工具或方法,而是真正做到了“AI大脑”潜入AI开发平台。我们率先在“AI大脑”在介绍的各种技术,如转让学习,自动学习机(自动学习机),数据增强(增强数据)等的深入研究。。对我们一方面嵌入IBM研究中心多年的研究,机器学习系统,更像是人工智能专家系统开发平台; 在另一方面,我们通过对AI人工智能技术,能做出这样一个平台,为自己的企业数据自动化和学习的优化。通过这些嵌入式技术,我们希望企业开发团队的技术背景,了解有没有深度,可以很容易地获得良好的机器学习精度。通过“AI人工智能为”发展平台,我们希望能帮助有自己的AI的大脑,应用程序开发团队很快就能上手,使用公司自己的数据,机器学习和人工智能产品开发。

人才的问题后,另一个问题是困扰企业数据。在过去的几年里,学习的深度的成功是基于开源的海量互联网数据。问题(如医学成像特定疾病,图像的质量等。),但这些数据是相互关联的数据,以及企业希望解决没有直接关系。所以,当你需要使用人工智能技术可以定时业务,公司需要准备自己的企业数据集的场景还需要通过谁在数据采集方面的专业知识,以纪念人民。因此,该数据准备过程本身是非常费时和劳动。此外,企业往往面临着数据不足的问题,尤其是需要高度的数据类型。例如,在医疗成像,症状往往有各种各样的数据比健康人的数据更重要; 在生产中,该数据具有多种缺陷的问题需要比产品数据的正常质量更加; 在汽车行驶中,在各种恶劣的天气比正常天气和道路状况的数据,把光线反射,当我们需要更多的关注。然而,这些数据的情况下,数据的往往是小概率。因此,如何机的这些重要数据稀少的数量,但学起来?不解决这个问题,就很难实际使用AI工业现场。意识到这个问题的重要性,IBM研究所建立了一系列的研究对小型数据(小数据集),并深入有关移民的研究,数据增强等专题的研究。这些技术也适用于IBM的沃森AI和企业发展平台(PowerAI)的顶部,直接帮助企业解决数据问题。

QA:未来几年,其人工智能应用准备面向大众市场?什么还需要更多的时间来研究和验证?

由于启动行业,AI似乎是在快速发展轨道。我们定义短期是1 - 2年,中期和长期是3至5年。一个新的AI技术已经为大众市场,这个市场应该看到高度的容错技术或低,例如,该技术可以80%的准确率可以接受,还是需要95%甚至99%的准确率才可以?

我记得在2015年,一个玩具制造商推出CogniToys(与你的孩子小绿恐龙对话),今年还被评为“2015年的玩具”。事实上,今年CogniToys对话能力国内比今天更好推出了智能音箱差一些。但由于CogniToys只是一个玩具产品,它不需要高精确度。有关系的孩子对话是没有太大的错误。因此,在2015年,即使人机对话技术还不成熟,我们不能停止CogniToys卖亚马逊。但是,同样的技术对话,如果我们使用的医疗业,银行业和金融业的严格要求,我们需要有一个较长的成熟技术。

再举一个例子,有一些技术可能只能达到90%,今天的准确率,如果我们要广泛使用,在未来1?2年,就需要从应用场景妥协。折衷的办法可以是多样的,例如添加人工判定。根据TOP1我们足够准确率的情况下,可提供的结果来识别用户的TOP5,允许用户从人为TOP5判断。通过这种方法,我们可以做一些利用人工智能技术在某些领域加速。当然,你可以使用这种技术的折衷方案,工业控制领域切不可。对于需要实时控制系统,包括无人值守,自动控制等领域,必须具有较高的准确率需要充分。而这个方案具有高精确度的完全刚性需求,必然需要更多的时间来研究和验证。

即便是同样的技术,同样的行业,不同领域的使用,会有一个时间问题了。例如,利用人工智能技术,无人驾驶的,也有一些厂商选择的工程车辆,如特定的现场总线园区的,因为交通是比较简单的,简单的。我们最近访问印度的展览,看到印度的汽车工业,以及驾驶辅助的甚至发展,也才刚刚开始。重要的原因就是该地区交通的复杂性是比美国和中国高得多。所以,如果你想无人降落在印度,它可能需要3到5年。

2018年1月5日“移动技术创新的AI时代,”大会将在北京国际会议中心举行,感兴趣的朋友可以点击链接以获取大会门票。


AI如何延续了平安城市的渗透?为什么安全公司已经“变成”商业?除了智能交通的“大脑”,也是什么?如何抓家庭社区安全分散的市场?

可2019 23/24,十亿欧元将于GIIS2019中国智慧城市高峰会,峰会将继续前两个主题将邀请国内外知名专家,学者,行业领袖,标杆初创企业,以及其他知名投资者,重点领域的智能城市(绿色城市,商业智能,智能交通,家庭和社区安全)领域的状态的应用及未来发展。

活动链接:

文章来源十亿欧元,由授权十亿欧元的发行,版权归原作者所有。点击复制或转载解释合作的内容,违法保留。法律保留。

本文链接:2018,人工智能可以在哪些领域最快得到应用和普及?

上一篇:2018餐饮营销策划书范文

下一篇:2019GIAC全球互联网架构大会

友情链接:

普众礼佛网 大悲咒 心经讲解