98北京赛车pk10微信群

2019年01月04日 20:08 来源:官方推荐-腾讯新闻

我们研究和开发人工智能的次数越多,这种功能越来越强大的工具就会变得更加清晰

  1959年,24岁的陆汝钤以优等的成绩毕业于德国耶拿大学数学系,随即回国进入中国科学院数学研究所工作。此时用于高速计算的电子计算机已有了多年发展,但在国内学界仍是一个追赶先进技术的话题,这引发了他浓厚的兴趣。

  在今天,当企业已经实现数字化转型后,它将会产生一个重要需求——需要一个强有力的数据驱动中台。过去这一功能也许由甲骨文Oracle这一类型公司扮演,今天我们借助数据智能应用,可以帮助已经实现数字化的企业,利用它们自有数据资产,搭建它们更适用的数据中台,真正让企业数据互动、可视,打通针对每一个用户“一人千面”的个性化、实时交互产品及服务,解决业务与运营的数据闭环,搭建数据生态。

  坚决要进互联网行业

通过前端摄像头获取视频,百度的AI算法能对吸烟者进行动作识别,找出人群中的吸烟者。吸烟者的面部图像经过部分马赛克处理遮挡后,投送到园区内的立体屏幕,以警示吸烟者。

  1959年,24岁的陆汝钤以优等的成绩毕业于德国耶拿大学数学系,随即回国进入中国科学院数学研究所工作。此时用于高速计算的电子计算机已有了多年发展,但在国内学界仍是一个追赶先进技术的话题,这引发了他浓厚的兴趣。

在5月举行的中国医师协会骨科医师分会年会上,唯医联合阿里云共同主办了骨科人工智能研讨会,并共同启动了“骨科AI种子计划”。

AI的产业变革能力

人工智能 - 特别是机器学习和深度学习 - 在2018年到处都是,并且不要指望在接下来的12个月内炒作会消失。当然,炒作将最终消亡,人工智能将成为我们生活中的另一个连贯的线索,就像互联网,电力和燃烧在过去几天所做的那样。

但至少在接下来的一年,甚至可能更长的时间里,预计会有惊人的突破以及评论家的持续兴奋和夸张。这是因为人工智能承诺(或在某些情况下威胁)实现的商业和社会变革的期望超出了以往技术革命期间的梦想。

人工智能指向未来,机器不仅像工业革命那样完成所有的体力劳动,而且还有“思考”工作 - 规划,制定战略和做出决策。

陪审团仍然不清楚这是否会导致一个光荣的乌托邦,人类可以在更有意义的追求下自由地生活,而不是那些经济需要决定他们投入时间,或者普遍失业和社会动荡的人。

1、走向“透明AI”

人工智能在更广泛的社会中的应用 - 特别是涉及处理人类数据时 - 受到“黑匣子问题”的阻碍。大多数情况下,如果没有彻底了解它实际上在做什么,它的工作似乎是神秘而深不可测的。

要实现其全部潜在的AI需要得到信任 - 我们需要知道它对我们的数据做了什么,为什么以及在涉及影响我们生活的问题时如何做出决策。这通:苣汛 - 特别是因为AI特别有用的是它能够绘制连接并做出可能不明显甚至可能与我们相反的推论的能力。

但建立对人工智能系统的信任不仅仅是让公众放心。研究和业务也将受益于开放性,这暴露了数据或算法的偏见。有报道甚至发现公司有时会因为担心如果当前的技术被认为是不公平或不道德而可能在将来面临责任而拒绝部署人工智能。

在2019年,我们可能会越来越重视旨在提高人工智能透明度的措施。 今年,IBM推出了一项技术,旨在提高决策的可追溯性,使其成为AI OpenScale技术。 这个概念不仅可以实时洞察正在做出的决策,还有如何制作决策,在所使用的数据,决策权重和信息偏差的可能性之间建立联系。

今年在整个欧洲实施的“通用数据保护条例”为公民提供了一些保护,使其免受那些仅通过机器对其生活产生“合法或其他重大”影响的决定。 虽然它还不是一个极其热门的政治马铃薯,但它在公共话语中的突出地位可能会在2019年增长,进一步鼓励企业努力提高透明度。

2、人工智能和自动化深入到每个企业

在2018年,公司开始更加牢固地掌握AI能做什么和不能做什么的现实。 在过去的几年里,他们的数据按顺序排列,并确定人工智能可以带来快速回报或快速失败的领域,大企业作为一个整体准备好推进已经过验证的计划,从试点和软启动转向全球部署。

在金融服务中,每秒数千个事务的大量实时日志通常由机器学习算法解析。 零售商精通抓取数据直到收据和忠诚度计划,并将其提供给AI引擎,以找出如何更好地销售我们的东西。 制造商使用预测技术准确了解机器可以承受的压力以及何时可能发生故障或失效。

在2019年,我们将看到越来越多的信心,这种智能的,预测性的技术,通过其在初始部署中获得的知识得到支持,可以在所有业务运营中大量推广。

人工智能将扩展到人力资源或优化供应链等支持职能部门,在这些部门中,物流,招聘和解雇等决策将越来越多地通过自动化来实现。用于管理合规性和法律问题的AI解决方案也可能越来越多地被采用。由于这些工具通常适用于许多组织,因此它们将越来越多地作为服务提供,为小型企业提供AI樱桃。

我们也可能会看到企业利用其数据增加新的收入来源。在其行业内建立大型交易和客户活动数据库基本上可以使任何充分了解数据的业务开始“Googlify”本身。成为数据即服务的来源对于像John Deere这样的企业来说是一种转型,John Deere提供基于农业数据的分析,帮助农民更有效地种植农作物。 2019年,越来越多的公司采用这种策略,因为他们了解自己拥有的信息的价值。

3、人工智能将创造更多的工作岗位而不是失去工作岗位。

正如我在这篇文章的介绍中提到的,从长远来看,它不确定机器的崛起是否会导致人类失业和社会纷争,一个乌托邦式的无用的未来,或者(可能更现实地)介于两者之间。

然而,对于明年,至少在这方面似乎不会立即出现问题。 Gartner预测,到2019年底,人工智能将创造更多的就业机会。

虽然自动化将损失180万个工作岗位 - 特别是制造业可能会受到重创 - 将创造230万个工作岗位。特别是,Gartner的报告发现,这些可能集中在教育,医疗保健和公共部门。

这种差异的一个可能的驱动因素是强调将AI部署在非手动工作中的“扩充”能力。仓库工人和零售收银员经常被自动化技术批发。但是,当谈到医生和律师时,人工智能服务提供商已经齐心协力将他们的技术展示为可以与人类专业人员一起工作的东西,帮助他们完成重复任务,同时给他们留下“最后的发言权”。

这意味着这些行业可以从技术方面的人力工作增长中受益 - 那些需要部署技术并培训员工使用它 - 同时保留执行实际工作的专业人员。

对于金融服务业而言,前景可能略显黯淡。 一些估计,例如前花旗集团首席执行官潘伟迪(Vikram Pandit)在2017年做出的估计,预测该行业的人力资源在五年内可能减少30%。 随着后台功能越来越多地由机器管理,我们可以很好地在明年年底实现这一目标。

4、AI助手将变得非常有用

人工智能现在真正与我们的生活交织在一起,以至于大多数人都没有再考虑这样一个事实:当他们搜索谷歌,在亚马逊购物或观看Netflix时,高度精确的人工智能驱动的预测正在努力体验流程。

当我们与AI助手(例如Siri,Alexa或Google Assistant)进行交互时,我们会更加明显地感受到机器人智能的参与感,以帮助我们理解现代世界中可用的无数数据源。

在2019年,我们中的更多人将使用AI助手来安排我们的日历,计划我们的旅程并订购比萨饼。这些服务将变得越来越有用,因为他们学会更好地预测我们的行为并理解我们的习惯。

从用户收集的数据允许应用程序设计人员准确了解哪些功能提供了价值,哪些功能未被充分利用,可能消耗了宝贵的资源(通过带宽或报告),这些资源可以更好地用于其他地方

因此,我们确实希望使用人工智能的功能 - 例如订购出租车和食品交付,以及选择参观餐馆 - 正变得越来越精简和易于使用。

除此之外,AI助手旨在提高对理解其人类用户的效率,因为用于将语音编码为计算机可读数据的自然语言算法,反之亦然,这些算法涉及我们如何沟通的越来越多的信息。很明显,Alexa或Google智能助理与我们之间的对话今天看起来非常不稳定。 然而,在这个领域的快速加速理解意味着,到2019年底,我们将习惯于与我们分享生活的机器更加自然和流畅的话语。

随着人工智能科技的进步,越来越多的技术都融入了机器学习及深度学习技术。在Google I/O 2018大会上,谷歌为全世界诠释了什么叫做AI产品。其中。谷歌的开源计划--AIY Projects(AIY计划)受到了在场开发者的关注,其目标是让每个Maker(创客)都能DIY自己的 AI 人工智能产品,让更多人能学习、探索并体验人工智能。

  合合信息在STR技术、模式识别、人工智能、图像处理、大数据等领域深耕多年,拥有自主研发的300多项全球发明专利,在全球范围内处于领先地位。背靠多达600亿条的企业信息资源库,结合拥有自主知识产权的全球领先的OCR光学字符识别技术、STR场景文档识别技术、图像处理、人工智能技术,围绕着B端用户的需求,合合信息为金融、保险、物流、安防等领域的企业提供了STR+Data+AI+移动互联网的人工智能解决方案,为多个行业节能增效。

7月,飞利浦正式发布业内首个针对“阻塞性睡眠呼吸暂停”(以下简称OSA)的智能互联睡眠呼吸管理解决方案Dream Family,通过可穿戴设备、数字化互联等技术实现了医患无缝健康关护。

在过去的十年中,人工智能已经从科幻梦想变成了我们日常生活的关键部分。我们使用AI系统通过Siri,Alexa和Google等语音助手与我们的手机和扬声器进行互动;?特斯拉制造的汽车解释和分析周围环境,智能地驾驶自己;?亚马逊监控我们的浏览习惯,然后提供它认为我们想购买的产品;?甚至谷歌根据我们的搜索活动决定给我们的结果。人工智能算法就在这里,它们已经改变了我们的生活 – 无论好坏。但这只是一个开始,有一天我们会回顾2018年的人工智能,并笑到它有多原始。因为将来AI会改变一切。但是,我们想要吗?

近些年随着人工智能技术研究不断突破,资本呈现热捧趋势,各行业针对人工智能的期望甚高,但人工智能技术究竟对每个行业及公司业务来说价值几何却一直困扰着从业者。

随着机器学习、自然语言处理、语音识别等代表性人工智能技术逐渐成熟落地,技术在自动驾驶、医疗健康、金融等行业应用呈现出越来越广泛的趋势,在细分行业形成越来越完善和高效的行业解决方案。

但在不同的行业与不同的公司,应用智能技术技术带来的影响也不尽相同。对于人工智能技术对个行业的实际效果差异,及企业对待智能技术的态度问题,机器之心针对各行业及公司的智能技术应用趋势与人工智能策略适应性进行了深入调研。

基于本次调研,机器之心发布《全球500强上市公司人工智能战略适应性报告》。报告范围囊括2013至2017年“财富”全球500强榜单中出现过来来自23个行业共计640家公司。机器之心查阅超过10万条新闻公告和超过3000份公司年报及数千份趋势报告,从而筛选出来自17个不同行业的145家代表性上市公司作为本次趋势报告的研究对象。这145家上市公司经确认,皆明确在其官方渠道中提及实施人工智能战略。

在撰写报告的过程中,我们发现了以下七大趋势。

一、人工智能研究论文分布趋势

2013-2016年间,中国、美国、加拿大、日本、英国、德国、澳大利亚等国所发表的人工智能研究论文数量快速增长。其中中美两国的人工智能研究论文产出增速最快、并连续4年保持领先。

图3.2显示,全球人工智能研究论文从2013的不足百篇增长到2016的1400余篇。2014年,中国发表了近150篇人工智能研究论文,产量在该年占比最多,并持续占据鳌头。

二、人工智能全球投资趋势

资本支持对行业发展至关重要。过去几年,人工智能已成为全球风险投资的热门领域,并促使着大量人工智能初创企业诞生。智能技术迅猛的发展也使得资本逐渐抛开区域化的限制,转向全球化投资发展。

图3.3显示,人工智能全球投资额从2013的约10亿美元增至2017的约140亿美元。人工智能全球创投事件从2013的250余笔增至2017的1200余笔。

三、人工智能战略国家时间线

近年来,全球多个国家都相继发布了政府层面的官方人工智能白皮书和战略以明确人工智能发展的优先级。这些白皮书和战略多以加强合作,建立研究院,资助相关研究以及鼓励创业为主。

四、人工智能话题热度趋势

古人云“先行其言,而后从之”,战略往往是在公司进行铺垫后所产生。换言之,我们可以通过目标公司针对人工智能年度新闻发布量的统计,推测出行业以及公司对人工智能战略的关注程度。从图4.1可以看出,人工智能相关新闻发布量一直在逐年递增,截止至2017年,我们可以推测出人工智能战略已逐渐成为公司所考量实施策略中的重点。

  • 2013-2017人工智能话题新闻量年均增长率为144.5%。
  • 2015、2016年增长率分别为159.5%和161.5%。
  • 2017人工智能新闻发布量增速有所放缓,年增长率变化为-22.0%。
  • 2017人工智能话题新闻发布量占近五年新闻发布总量近60.0%。

五、人工智能行业关注热度

机器之心观察发现,目标公司大多分布在《财富》全球500强企业中占据主导地位的行业,如金融、科技、汽车等。但就采用率而言,企业服务、酒店餐饮&娱乐、科技行业相对占优。目标公司所在17个行业的平均行业转化率为22.7%。

图4.2显示了目标公司在《财富》500强所在23个行业的采用状况,图4.3显示了《财富》500强人工智能战略在不同行业的采用率;图4.4基于麦肯锡的人工智能应用领域分类使用热点图来显示不同行业的应用实施状况。从图中可以看出:

  • 金融、科技、汽车行业在目标公司中占比分别为37.2%、17.2%、11.0%。
  • 服装、食品饮料&烟草、日用品、媒体、贸易、垃圾管理等行业没有发现采用人工智能的公司。
  • 企业服务、酒店餐饮&娱乐、科技行业人工智能采用率较为领先,分别为100.0%、60.0%、58.1%。
  • 自动化&优化、用户交互是较热门的人工智能策略应用领域,占比分别为25.1%、23.1%。

六、人工智能战略采用趋势

何时采用人工智能战略是所有公司必须思考的问题,机器之心以目标公司的官方公告为基础构建了目标公司采用人工智能策略的时间节点图,由图4.5,我们可以得到如下结论。

  • 2011-2017采用人工智能战略的公司年均增长率为91.9%。
  • 2011-2013采用人工智能战略公司数为8家,仅占目标公司总数5.5%
  • 2014-2017目标公司数量有明显增幅,年均增长率为125.3%。
  • 2015-2017有126家趋势报告目标公司采用人工智能战略,占目标公司总数86.9%。
  • 2016新增采用人工智能战略公司占到2011-2017间采用人工智能总数的37.2%,在新增量上达到峰值。
  • 2017年新增采用人工智能战略公司为49家,新增量相比上年有所回落。

七、人工智能战略行动决策

当一家企业采用人工智能战略时,机器之心希望能解析该企业战略的侧重方向。我们根据麦肯锡针对人工智能策略方向的分类,划分了目标范围内145家公司的策略行动决策,并构建了热点图得到以下结果。

  • 大部分行动决策都集中于产品开发、智能战略投入、用户体验,占比分别为14.6%、14.4%和12.6%。
  • 供应链分销受关注较少,占比为3.6%。
  • 金融、科技行业偏向于采用更全面的行动决策。
  • 企业服务、交通行业偏向于采用更简单的行动决策。

进一步评估与结论

本次调研针对145家目标上市公司在实施人工智能战略后的业务表现进行定量评估和专家分析,并根据采用人工智能战略后公司的商业、运营等多方面成果的表现,将目标公司分为:

  • 人工智能高适应性公司:该分类包含实施人工智能策略后,实现业务增长的公司。
  • 人工智能低适应性公司:该分类包含实施人工智能策略后,出现业务迟滞的公司。
  • 人工智能适应性较复杂公司:该类别包括难以通过单一数据指标进行业务评估的公司。

趋势报告于每个类别分别引入两个精选案例分析以帮助从业者与管理者更好地认识人工智能策略所带来的业务影响。这些精选案例包括英国石油,亚马逊,通用电气,IBM,上汽集团和富国银行共6家来自不同领域的知名公司人工智能战略实例。

趋势报告不仅希望能够向人工智能从业者与管理者呈现世界领先公司如何实施和落地人工智能战略,还结合官方数据与专家分析对各公司实施后的适应性趋势进行总结,希望能够帮助从业者与管理者的AI视野构建。

报告完整版获。裹div>

【军武次位面】:TDK

未来智能机器人会取代很多人的工作,但这一点它不会

2016年3月“阿尔法Go”4:1击败世界围棋冠军李世石,震惊世界。

2016年12月“阿尔法Go”在围棋网站上与数十名人类顶尖高手对战,取得60胜0负的成绩。

2017年5月“阿尔法Go”3:0击败排名世界第一的围棋冠军柯洁。最后一盘时柯洁因为无法接受结果而掩面痛哭。

更多有趣好玩的军事文章、视频、图片、电影、游戏,关注“军武次

2018年,各地政府也在积极打造健康医疗大数据中心。比如,作为国家健康医疗大数据中心与产业园建设试点工程第一批试点城市,试点工程启动两年来,福州在医学科研、精准医疗、智能影像、慢病管理等方面都取得了一系列丰硕成果,汇聚了一批以森亿智能、IBM沃森大数据平台、平安医疗健康管理等为代表的健康医疗领域企业。

  合合信息在STR技术、模式识别、人工智能、图像处理、大数据等领域深耕多年,拥有自主研发的300多项全球发明专利,在全球范围内处于领先地位。背靠多达600亿条的企业信息资源库,结合拥有自主知识产权的全球领先的OCR光学字符识别技术、STR场景文档识别技术、图像处理、人工智能技术,围绕着B端用户的需求,合合信息为金融、保险、物流、安防等领域的企业提供了STR+Data+AI+移动互联网的人工智能解决方案,为多个行业节能增效。

随着中国政府一带一路的政策加持,中国AI科技创新领域的优秀企业2018年已经在其他国家和地区崭露头角。

4月,深圳市鲲云人工智能应用创新研究院揭牌,同期发布鲲云AI开发平台。业内人士表示,该项目填补了国际人工智能领域面向前端设备芯片级的开发平台空白。同月,浪潮发布了AI全新品牌--TensorServer。Tensor是AI算法的基础元素,Server是计算力的基础架构。TensorServer意在成为AI的承载者与赋能者,整合创新AI基础架构系统,以计算开启可进化的智慧世界。

全球精准医学领域引领者、一体化基因研发应用和大数据赋能平台药明明码(WuXi NextCODE)7月宣布成功完成总金额2亿美元的C轮融资。药明明码C轮融资由爱尔兰战略投资基金(ISIF)领投7千万美元,其他参与方还包括药明明码现有股东淡马锡(Temasek)、云锋基金(Yunfeng Capital)和红杉资本(Sequoia Capital)等。这也是药明明码于2017年9月顺利完成2.4亿美元B轮融资之后的新一轮融资。

6月,金蝶医疗与腾讯签署人工智能战略合作协议,成为腾讯AI辅诊开放平台的首批合作伙伴。

11月,中国心血管健康联盟、厦门市卫计委、厦门大学附属心血管病医院、神州数码医疗科技股份有限公司和飞利浦(中国)投资有限公司五方在进博会上联合签署战略合作备忘录,围绕“心血管临床质控大数据中心建设”开展试点合作。该项目试点将以厦门市心血管医院为依托,设计高质量、完整的、结构化的心血管数据采集系统和临床质量评估系统,并与其他参与试点的医疗机构进行合理的数据共享。

各位亲爱的百度同学:

当我们在生活中谈论AI时,我们谈论的是从能够读取手写文档的计算机(如OCR读取器)到自行执行复杂手术的机器人或基于什么来分类您的个性的大型数据库。你写过并在网上看过。因为人工智能的世界非常庞大,让我们来看看我们期望在不久的将来看到的一些最具开创性的发展,以及这对社会来说是向前迈进还是落后。

  工作后,Shana正式跨入人工智能领域,那时的她对技术的理解还比较浅。“我只是单纯地从兴趣出发,我学的是语言学,虽然不想做老师,但我还是希望自己的专业能够有所用。”在她看来,数据标注是给机器人提供语料,这属于机器人教育,它不是教人而是教机器人学习某个东西,这与她的专业相近,能让她发挥所长。传统语言学的研究一直处在一个不温不火的状态,但AI的兴起让我觉得传统语言学有了一个新发展的方向——怎么样把语言学研究的成果应用到机器人的教育当中来。这个方向其实也是Shana最感兴趣的一个点。

李彦宏认为,这是百度的一个里程碑。根据此前百度公布的财报,2018年一季度,百度营收209亿元,二季度260亿元,三季度282亿元,前三季度总计751亿元。2017年,百度总营收为848亿元。2016年度,百度总营收为705亿元。

随着我们开发出更好的人工智能,我们发现它以人类无法想象的方式思考。能够监控和处理大量数据并根据数据模式得出结论的算法有望改变社会的每一条途径。从小事做起 – 随着时间的推移优化交通模式,找出最佳路线,或如何修路和重建高速公路 – 更严重的事情,如监测流行病和疾。⒃诼又白柚顾。

通过前端摄像头获取视频,百度的AI算法能对吸烟者进行动作识别,找出人群中的吸烟者。吸烟者的面部图像经过部分马赛克处理遮挡后,投送到园区内的立体屏幕,以警示吸烟者。

10月,一站式医疗健康生态平台平安好医生宣布,已与包括解放军第三〇三医院在内全国逾100家三甲医院签约合作,将通过全球领先的AI科技提升市民就医体验,与合作医院共同打造全方位的“智慧医院”。

  过去一段时间,“资本寒冬”“市场泡沫”成为了高频词。“资本寒冬”整个互联网行业并不好过,但是以易观的实践来分享,只要真正抓住用户的需求,为用户创造价值,反而能有一些新的方式实现更高的价值,是一个很好的升级机遇。

  1994年,英国《AI WATCH》杂志用整整一页篇幅发表评论说,陆汝钤的研究成果是他们所见到的“以领域知识库支持主流软件开发的第一例”,“很有可能发展为可实用的工业工具”,并就此提出:“是欧洲的人工智能软件工业界与中国的人工智能界建立联系的时候了”。

  在德国柏林举行的国际消费电子展上,华为公司展区的工作人员向参观者介绍一款华为手机。

新华社记者 单宇琦摄

  如今,越来越多的人工智能应用在手机上,不仅拓展了手机的应用场景,提升了人们的消费体验,也为整个行业的发展带来更多想象空间。近日,《2018年中国人工智能手机行业研究报告》发布,分析师认为,人工智能将成为手机市场增长的新驱动。

  人工智能功能已广泛应用

  拍照时手机自动识别拍摄的内容是风景、食物、文本还是人像并切换到相应模式,打开相册,手机可以根据人物、地点、拍摄内容自动分类相册;与外国人沟通时,让语音助手自动翻译;遇到不认识的植物、画作、建筑等,用手机扫描就能获取百科知识……

  家住北京的刘先生目前使用一款人工智能手机,这些都是他日常的手机使用场景,一系列智能应用已经成为刘先生工作生活中的好帮手。“抬手亮屏、人脸解锁等功能确实很方便。”刘先生说,“人脸识别、自动美颜切中了现在年轻人的需求,所以应用也很广泛。”

  有人说,继指纹识别、快充、双摄、全面屏等特征之后,人工智能已经成为手机行业最火的一个关键词。从近期上市的多款手机就能看出,无论是使用了人工智能芯片,还是实现了人工智能摄影、智慧识物、卡路里识别、随身翻译、语音助手等各种各样具备人工智能元素的功能,人工智能绝对是各手机厂商的主打卖点。

  消费者对于这些新功能的接受度也很高。根据《2018年中国人工智能手机行业研究报告》的用户调查,人们最常使用的人工智能功能包括语音助手、人脸解锁、智能光线拍摄(如逆光拍摄)、智能美颜和智能识图等,其中,人脸解锁和语音助手是用户认为最有价值的人工智能功能,同时也是体验最好的两项。

  技术和商业驱动其发展

  几乎所有的相关领域专家在人工智能是手机未来发展的趋势这一点上都会达成一致。应该说,人工智能与手机的结合,有其必然性。

  一方面,手机选择了人工智能。据国际数据公司(IDC)发布的数据,全球智能手机出货量已经连续六个季度同比下滑了。手机要实现新的突破,取得销售增长,仅有外形的美化是不足够的,必须在性能上有大的提升,因此利用人工智能来加快处理速度、提升续航能力、实现应用优化是必然的选择;另一方面,人工智能也选择了手机。虽然近年来人工智能备受关注,并且在智慧家居、工业机器人等领域都有了很多应用,但就世界范围来看,智能手机无疑是目前使用最为广泛的人工智能终端。

  专家认为,人工智能手机的发展有两大驱动因素。首先,从技术上看,诸如计算机视觉、智能语音交互、深度学习等技术在满足日常应用层面上已经成熟,能够在手机上有效可靠地落地。其次,从商业角度看,上游的芯片厂商、人工智能硬件生厂商、技术提供商,中游的手机品牌商和下游的电信运营商都是助推人工智能手机发展的商业驱动点。此外,政策对于人工智能的促进也创造了有利环境。

  对于人工智能手机发展趋势的判断,市场研究公司Counterpoint认为,2020年人工智能手机占比将达到35%,而咨询公司高德纳(Gartner)的预计更为乐观,它认为到2020年这个比例将达到80%。

  人工智能是手机发展契机

  人工智能手机未来的发展被看好,用户也对人工智能手机有着更多期待。许多受访者认为,目前手机里的一些智能功能应用场景并不广泛,必要性不大。人工智能手机不应该只是手机应用里的智能或某些硬件的智能,而要整个手机系统拥有深度学习功能,实现基础层的人工智能,满足更多样化的需求。

  目前来看,现在的智能手机多是通过终端来运行的,即让人工智能算法在芯片或者摄像头等元器件上运行,来实现智能的功能。手机要实现人工智能算法,还可以通过云端运行。云端拥有更加强大的算法、算力,不过,囿于成本高、能耗高等因素,大多数手机品牌还是选择通过在云端训练和建模,在终端执行和加速来实现人工智能的。

  此外,中国信息通信研究院泰尔终端实验室等撰写的《AI移动智能终端蓝皮书》认为,人工智能技术在移动端的普及还存在着测评体系不完善、潜藏问题没解决、行业生态较低级等短板。不过随着更多企业参与、更多技术融合及更多行业场景的探索,这些问题在未来都将得以有效解决。

  目前,人工智能手机还处于早期发展阶段。未来,上下游厂商之间将通过进一步深入合作完善产业链布局,并为整个产业发展提供持续动力。

  正如荣耀总裁赵明曾在一篇《手机如何拥抱人工智能》的文章中写道:一部手机能不能赢得用户、赢得市场、赢得未来,很大程度上在于能否在最短的时间内实现应用技术的转化,尤其是实现“人工智能+手机”。换句话说,对手机行业来说,人工智能是一个跨越发展的契机,抓住了就会引领风骚,抓不住就很容易被淘汰。

人工智能(AI)及相关技术,如机器人、无人机和自动驾驶汽车,有着促进经济增长的巨大潜力,但人们也担忧其对就业的潜在影响。

近日,普华永道发布了《人工智能和相关技术对中国就业的净影响》。该报告预计人工智能及相关技术推动中国经济增长,将创造数百万个新的就业岗位,足以抵消现有就业岗位被取代的影响。但报告认为,考虑到这些技术对就业市场的影响程度,中国仍不容自满。

根据普华永道的分析,人工智能及相关技术在未来20年将取代中国现有约26%的工作岗位,高于对英国20%的预估,但也能通过提升生产率和实际收入水平在中国创造出大量新工作机会。根据我们的中央估计值,人工智能对中国就业的净影响可能将创造约12%的净增岗位,相当于未来20年内增加约9,000万个就业岗位。

虽然我们对于人工智能对中国就业的长期净影响预估较为乐观,但依然存在诸多不确定因素,因此,不管从商业政策还是政府政策角度来看,我们都没有理由自满骄傲。

对政府而言,通过实施《新一代人工智能发展规划》,并继续大量投资世界级人工智能技术,在实现优势最大化的同时,减少因就业影响和收入不平等造成的损失,如为失业工人提供再培训计划、为难以适应新技术的人提供更强大的社会安全保障体系等,是其面临的一大挑战。唯有如此,才能让人工智能和相关技术所带来的巨大利益在全社会尽可能广泛地传播。

报告如下

END

相关链接

xiangguanlianjie

我们身处一个巨变的时代,毋庸置疑,人工智能 (AI) 已经成为科技前沿之一,将给许多行业带来颠覆性的影响,也有可能在未来重塑公司的人才战略、运营模式以及与客户的合作模式。商业领袖都已未雨绸缪,着手研究人工智能将如何影响他们的商业战略,以防被第四次工业革命的浪潮甩在身后。

事实上,深度学习与增强学习在日常生活中的应用很多,例如机器翻译是对文本数据的处理;Siri等是对语音数据的处理;自动驾驶是对视频数据的处理;人脸识别则是对图像数据的处理,许多美颜APP都具备给图片添加可爱贴画的功能,这即是对图像进行识别,自动甄别出用户面部器官,用户即可随意处理图片,达到美化或娱乐的效果。

但是目前实验室又在发生什么呢?可以预见的是,那里的研究人员的发现将会决定人工智能未来一段时间的发展进程。普华永道人工智能加速器 (AI Accelerator) 研究团队发布了2018年人工智能技术十大趋势。

01

深度学习:揭秘神经网络的工作原理

简述:模仿人类大脑的深度神经网络展示了它们可以从图像、音频和文本数据中“学习”的能力。然而, 即使应用已超过十年,关于深度学习我们仍然有很多不明白的地方,包括神经网络如何学习、为什么它 们的表现如此出色等。现在,这种状况有可能会改变,这要归功于将信息瓶颈理论应用于深度学习的新 理论。信息瓶颈理论认为,深度神经网络在学习过程中像把无用信息从瓶颈中挤压出去一般,去除噪音 信息,而只保留这些噪音所表达的真正信息。

意义:精确地理解深度学习的工作原理,将有助于使其得到更大的发展和应用。例如,深度学习可以为网络设计优化和架构选择提供参考。可以肯定的是,通过探索深度学习理论,更多的场景应用能够被激发,并应用到其他类型的深度神经网络和深度神经网络设计中。

02

胶囊网络:模拟大脑的视觉处理优势

简述:胶囊网络是一种新型的深度神经网络架构,它能够用与大脑相同的方式处理视觉信息,这意味着它可以识别特征之间的逻辑和层次结构关系。这一特性与卷积神经网络形成鲜明对比。卷积神经网络是最广泛使用的神经网络之一,但它不能考虑简单和复杂特征之间的重要空间关系,导致错误率较高并经常出现误分类现象。

意义:对于典型的图像识别任务,胶囊网络通过减少误差,保证了50%的较高准确性,同时胶囊网络也不需要那么多的训练样本数据。预期可以看到胶囊网络在多个问题领域和深度神经网络架构中得到广泛的使用。

03

深度增强学习:交互型问题解决之道

简述:深度增强学习是一种通过观察、行动和奖励来与环境互动,从而进行学习的神经网络算法。它已被用于游戏攻略等,如雅达利 (Atari) 和围棋,包括击败人类冠军的著名的“阿尔法狗”(AlphaGo) 等。

意义:获得深度增强学习能力是人工智能应用商业化的重要指标项之一,与其他技术相比,它只需要更少的数据来培训其模型。更强大的是,它可以通过模拟获得训练,完全不需要标签化数据。鉴于这些优势,预计未来一年将诞生更多将深度增强学习和基于智能体 (agent) 模拟相结合的商业应用。

04

生成对抗网络:网络配对促进训练,减轻处理负担

简述:生成对抗网络是一种由两个互相竞争的神经网络组成的无监督的深度学习系统——“生成网络” 产生看上去很像真实数据集的假数据,“判断网络”吸收真实和合成的数据。随着时间的推移,每个网络都会得到改进,从而使两个网络都能够学习到给定数据集的整个分布情况。

意义:生成对抗网络进一步拓展了深度学习,使其能够处理更大范围的无监督任务,这些任务的标签化数据要么不存在,要么过于昂贵而很难获得。生成对抗网络也减少了深度神经网络所需的负载,因为负载由两个网络共同承担。预期可以看到更多的商业应用,例如使用生成对抗网络技术来做网络探测等。

05

精简和增强数据学习:解决数据标签化挑战

简述:机器学习(尤其是深度学习)遇到的最大挑战是需要大量使用标签化数据来训练系统。目前有两种广泛使用的技巧可以帮助解决这个问题:(1)合成新的数据;(2)将一个任务或领域的训练模型迁移到另一个,例如“迁移学习”的技巧(把从一个任务/领域学到的经验迁移到另一个任务/领域),或“一次学习”的技巧(极端化迁移学习,仅仅通过一个例子或没有相关例子的学习),由此使它们成为“精简数据”学习技巧。同样的,通过模拟或内插合成新的数据有助于获取更多的数据,从而扩大现有数据来改善学习。

意义:使用这些技巧,我们可以解决更多的问题,尤其是在历史数据较少的情况下。预期可以看到精简和增强数据的更多变种,以及适用于更广泛商业问题的不同类型的学习技巧。

06

概率编程:便于模型开发的语言

简述:概率编程是一种高级编程语言及建模框架,它能让开发人员便捷地设计概率模型,并且自动求解这些模型。概率编程语言可以让我们重复使用模型库,支持交互式建模以及认证,并提供必要的抽象层来更广泛和有效地推论通用模型组。

意义:概率编程框架适合的场景包括在商业领域内极为常见的不确定和不完整信息的情况。未来,我们会看到这些语言得到更广泛地应用,并期望它们也用于深度学习。

07

混合学习模式:结合算法优势解决不确定性问题

简述:不同类型的深度神经网络,譬如生成对抗网络和深度增强学习,在它们的效果和结合不同类型数据的广泛应用方面显示出巨大的前景。不过,深度学习模型不能为不确定性的数据场景建模,而贝叶斯概率方法却能够做到。混合学习模式结合了这两种方法,且能够充分利用每一种方法的优势。混合模型的一些例子包括贝叶斯深度学习,贝叶斯生成对抗网络和贝叶斯条件生成对抗网络等。

意义:混合学习模式将商业问题的种类扩大到对不确定性进行深度学习。这可以帮助我们获得更佳效果, 提高模型的可解释性,从而鼓励更广泛的应用。我们将看到更多能够媲美贝叶斯法的深度学习方法,以 及概率编程语言能够更好地与深度学习相融合。

08

自动机器学习:无需编程即可创建模型

简述:开发机器学习模型是一项耗时长且必须由专家驱动的工作,包括数据准备、特征选择、模型或技术选择、训练和调试等。自动机器学习旨在使用多种不同的统计学和深度学习算法来自动化这项工作。

意义:自动机器学习被视为人工智能工具“民主化”的一个部分,用户可以借助它在没有高级编程技能的情况下开发机器学习模型。这将加快数据科学家创建模型的速度。我们将看到更多的商业化自动机器学习包,以及自动机器学习与更广泛的机器学习平台的整合。

09

数字孪生体:超越工业应用的虚拟复制品

简述:数字孪生体是一种虚拟模型,用于物理或心理系统的详细分析和监测。数字孪生体的概念起源于工业界,广泛用于分析和监测诸如风电场或工业系统等。现在,通过使用基于智能体的建模(用于模拟自动智能体的行为和交互的计算模型)和系统动态学(计算机辅助的策略分析和设计方法)等,数字孪生体被广泛应用于非物理对象和流程管控中,例如预测客户行为等。

意义:数字孪生体可以帮助促进物联网 (IoT) 的发展和更广泛的应用,为预测性诊断和维护物联网系统提供了一种方法。展望未来,有望在实体系统和消费者选择建模中看到更多数字孪生体的使用。

10

可解释的人工智能:打开黑匣子

简述:目前,有许多机器学习算法正在使用中,它们可以在各种不同的应用场合中感知、思考和行动。然而,其中许多算法被认为是“黑匣子”,人们对于它们是如何计算出结果几乎是一无所知。可解释的人工智能意在进一步开发机器学习技巧,在产生更多可解释的模型的同时保持人工智能预测的准确性。

意义:可解释、可证明且透明的人工智能对建立技术信任至关重要,这会促进更广泛地采用机器学习技巧。我们预测,在开始大规模采用人工智能之前,企业可能会将可解释的人工智能作为一项要求或者最佳实践,与此同时,政府可能会将可解释的人工智能作为未来的一项法规要求。

?

特点二:智慧医疗、健康大数据行业进一步崛起

  Shana是北方人,在北京待了三年攻读研究生,专业学的是语言学专业。在北京读书的时候,她曾在一家互联网巨头公司有过两段实习经历:一段经历是做产品经理,另一段经历是做数据标注。

特点五:引入外脑,人工智能产业合作、国际合作组织不断组建

  1959年,24岁的陆汝钤以优等的成绩毕业于德国耶拿大学数学系,随即回国进入中国科学院数学研究所工作。此时用于高速计算的电子计算机已有了多年发展,但在国内学界仍是一个追赶先进技术的话题,这引发了他浓厚的兴趣。

近些年随着人工智能技术研究不断突破,资本呈现热捧趋势,各行业针对人工智能的期望甚高,但人工智能技术究竟对每个行业及公司业务来说价值几何却一直困扰着从业者。

随着机器学习、自然语言处理、语音识别等代表性人工智能技术逐渐成熟落地,技术在自动驾驶、医疗健康、金融等行业应用呈现出越来越广泛的趋势,在细分行业形成越来越完善和高效的行业解决方案。

但在不同的行业与不同的公司,应用智能技术技术带来的影响也不尽相同。对于人工智能技术对个行业的实际效果差异,及企业对待智能技术的态度问题,机器之心针对各行业及公司的智能技术应用趋势与人工智能策略适应性进行了深入调研。

基于本次调研,机器之心发布《全球500强上市公司人工智能战略适应性报告》。报告范围囊括2013至2017年“财富”全球500强榜单中出现过来来自23个行业共计640家公司。机器之心查阅超过10万条新闻公告和超过3000份公司年报及数千份趋势报告,从而筛选出来自17个不同行业的145家代表性上市公司作为本次趋势报告的研究对象。这145家上市公司经确认,皆明确在其官方渠道中提及实施人工智能战略。

在撰写报告的过程中,我们发现了以下七大趋势。

一、人工智能研究论文分布趋势

2013-2016年间,中国、美国、加拿大、日本、英国、德国、澳大利亚等国所发表的人工智能研究论文数量快速增长。其中中美两国的人工智能研究论文产出增速最快、并连续4年保持领先。

图3.2显示,全球人工智能研究论文从2013的不足百篇增长到2016的1400余篇。2014年,中国发表了近150篇人工智能研究论文,产量在该年占比最多,并持续占据鳌头。

二、人工智能全球投资趋势

资本支持对行业发展至关重要。过去几年,人工智能已成为全球风险投资的热门领域,并促使着大量人工智能初创企业诞生。智能技术迅猛的发展也使得资本逐渐抛开区域化的限制,转向全球化投资发展。

图3.3显示,人工智能全球投资额从2013的约10亿美元增至2017的约140亿美元。人工智能全球创投事件从2013的250余笔增至2017的1200余笔。

三、人工智能战略国家时间线

近年来,全球多个国家都相继发布了政府层面的官方人工智能白皮书和战略以明确人工智能发展的优先级。这些白皮书和战略多以加强合作,建立研究院,资助相关研究以及鼓励创业为主。

四、人工智能话题热度趋势

古人云“先行其言,而后从之”,战略往往是在公司进行铺垫后所产生。换言之,我们可以通过目标公司针对人工智能年度新闻发布量的统计,推测出行业以及公司对人工智能战略的关注程度。从图4.1可以看出,人工智能相关新闻发布量一直在逐年递增,截止至2017年,我们可以推测出人工智能战略已逐渐成为公司所考量实施策略中的重点。

  • 2013-2017人工智能话题新闻量年均增长率为144.5%。
  • 2015、2016年增长率分别为159.5%和161.5%。
  • 2017人工智能新闻发布量增速有所放缓,年增长率变化为-22.0%。
  • 2017人工智能话题新闻发布量占近五年新闻发布总量近60.0%。

五、人工智能行业关注热度

机器之心观察发现,目标公司大多分布在《财富》全球500强企业中占据主导地位的行业,如金融、科技、汽车等。但就采用率而言,企业服务、酒店餐饮&娱乐、科技行业相对占优。目标公司所在17个行业的平均行业转化率为22.7%。

图4.2显示了目标公司在《财富》500强所在23个行业的采用状况,图4.3显示了《财富》500强人工智能战略在不同行业的采用率;图4.4基于麦肯锡的人工智能应用领域分类使用热点图来显示不同行业的应用实施状况。从图中可以看出:

  • 金融、科技、汽车行业在目标公司中占比分别为37.2%、17.2%、11.0%。
  • 服装、食品饮料&烟草、日用品、媒体、贸易、垃圾管理等行业没有发现采用人工智能的公司。
  • 企业服务、酒店餐饮&娱乐、科技行业人工智能采用率较为领先,分别为100.0%、60.0%、58.1%。
  • 自动化&优化、用户交互是较热门的人工智能策略应用领域,占比分别为25.1%、23.1%。

六、人工智能战略采用趋势

何时采用人工智能战略是所有公司必须思考的问题,机器之心以目标公司的官方公告为基础构建了目标公司采用人工智能策略的时间节点图,由图4.5,我们可以得到如下结论。

  • 2011-2017采用人工智能战略的公司年均增长率为91.9%。
  • 2011-2013采用人工智能战略公司数为8家,仅占目标公司总数5.5%
  • 2014-2017目标公司数量有明显增幅,年均增长率为125.3%。
  • 2015-2017有126家趋势报告目标公司采用人工智能战略,占目标公司总数86.9%。
  • 2016新增采用人工智能战略公司占到2011-2017间采用人工智能总数的37.2%,在新增量上达到峰值。
  • 2017年新增采用人工智能战略公司为49家,新增量相比上年有所回落。

七、人工智能战略行动决策

当一家企业采用人工智能战略时,机器之心希望能解析该企业战略的侧重方向。我们根据麦肯锡针对人工智能策略方向的分类,划分了目标范围内145家公司的策略行动决策,并构建了热点图得到以下结果。

  • 大部分行动决策都集中于产品开发、智能战略投入、用户体验,占比分别为14.6%、14.4%和12.6%。
  • 供应链分销受关注较少,占比为3.6%。
  • 金融、科技行业偏向于采用更全面的行动决策。
  • 企业服务、交通行业偏向于采用更简单的行动决策。

进一步评估与结论

本次调研针对145家目标上市公司在实施人工智能战略后的业务表现进行定量评估和专家分析,并根据采用人工智能战略后公司的商业、运营等多方面成果的表现,将目标公司分为:

  • 人工智能高适应性公司:该分类包含实施人工智能策略后,实现业务增长的公司。
  • 人工智能低适应性公司:该分类包含实施人工智能策略后,出现业务迟滞的公司。
  • 人工智能适应性较复杂公司:该类别包括难以通过单一数据指标进行业务评估的公司。

趋势报告于每个类别分别引入两个精选案例分析以帮助从业者与管理者更好地认识人工智能策略所带来的业务影响。这些精选案例包括英国石油,亚马逊,通用电气,IBM,上汽集团和富国银行共6家来自不同领域的知名公司人工智能战略实例。

趋势报告不仅希望能够向人工智能从业者与管理者呈现世界领先公司如何实施和落地人工智能战略,还结合官方数据与专家分析对各公司实施后的适应性趋势进行总结,希望能够帮助从业者与管理者的AI视野构建。

报告完整版获。裹div>

【军武次位面】:TDK

未来智能机器人会取代很多人的工作,但这一点它不会

2016年3月“阿尔法Go”4:1击败世界围棋冠军李世石,震惊世界。

2016年12月“阿尔法Go”在围棋网站上与数十名人类顶尖高手对战,取得60胜0负的成绩。

2017年5月“阿尔法Go”3:0击败排名世界第一的围棋冠军柯洁。最后一盘时柯洁因为无法接受结果而掩面痛哭。

更多有趣好玩的军事文章、视频、图片、电影、游戏,关注“军武次

据悉,这套AI算法的识别率达到76%,处于初级水平。此项项目首先在百度科技园中应用落地。今年8月,这套“百度AI控烟”项目还获得由南方出版传媒股份有限公司与广东新周刊杂志社有限公司联合主办的“2018企业社会责任荣誉盛典“之“最佳公益创新奖””。

  1978年,陆汝钤初次招收硕士生,课题正是人工智能语言LISP的研究。1981年,他发表了自己的首篇人工智能文章,知识工程进入了他的视线。

责编:

相关新闻

热点推荐

热点关注

视频新闻

  1. 北京pk赛车开户2011年12月12日
  2. 小涵科技北京赛车软件2008年01月20日

热点排行

  1. 北京赛车龙虎是什么意思2005年05月01日
  2. 玩北京赛车4个心得2006年11月02日
  3. 想玩北京赛车微信群2011年10月09日