人工智能十大成长性技术发布

在如今人工智能发展形态下,不论是如交通、电力、金融等基础行业,还是势如破竹的众多新兴产业,市场格局已在技术、科技发展下发生很大的变化,主动投入参与全景人工智能场景的构建成为处于该市场中的每一个行业、企业的选择。从市场对人工智能技术的定义来看,目前AI的发展仅处于起步阶段,还有无限的可能性等待解锁。

对抗性神经网络。是指由一个不断产生数据的神经网络模块与一个持续判别所产生数据是否真实的神经网络模块组成
的神经网络架构,创造出近似真实的原创图像、声音和文本数
据的技术。该技术有望大幅提升机器翻译、人脸识别、信息检
索的精度和准确性,随着三维模型数据序列能力的提升,未来
将在自动驾驶、安防监控等领域产生可观的应用价值。胶囊网络。是指在深度神经网络中构建多层神经元模块,用以发现并存储物体详细空间位置和姿态等信息的技
术。该技术能使机器在样本数据较少情形下,快速识别不同
情境下的同一对象,在人脸识别、图像识别、字符识别等领
域具有广阔的应用前景。

为加强对新一代人工智能技术的前瞻预判,把握全球技术创新动态及发展趋势,中国电子学会近期走访人工智能相关企业及高校院所专家,遴选发布了十项最具特色的成长性技术,主要内容如下:

图片 1华北工控看来,从目前的人工智能发展初步现状来看,其主要集中在三个方面:理解力、沟通力、协同力。即通过模拟人类思维模式实现对外界信息理解,如深度学习技术;通过语音、视觉等实现人机交互的技术、如机器视觉、人脸识别、图像采集等;通过行动控制实现人机协同工作、如各行各业不同性能的机器人。数据利用人工智能在各行各业得到鼎力推崇的重要原因之一便是其使得原本零散的数据得到整合,并在整合的基础上得到最大化的利用,用于整个系统的改善与优化。在原有的体系中,其中的设备、人员、产品流程中都产生成千上万的数据,但是因为各个工序间、设备间的独立运行,数据之前无法形成良好的联动,都处于孤立的状态。在物联网的基础上,借助人工智能,使生产作业过程中产生的大量数据得到利用,实现联动,并借助智能分析,使这些大数据产生实时效益,反作用于原流程,使得原来的信息孤岛被打破。主动学习能力设备与环境之间的联系分为主动与被动,单向与双向,在传统的作业背景中,设备作为命令执行方,对外界输入的指令进行严格执行。但在数据信息化时代,对于柔性生产、整体工作环境的高度协调性产生越来越高的要求,原有的单向信息传播方式不再奏效,需要设备具有更多的主动学习能力,对外界环境进行学习并主动调整自身行为。在人工智能技术的加持下,深度学习等都赋予了设备更多的自主调整自身行为,对外环境进行学习的能力。通过机器视觉、智能感应等技术对外界信息进行实时采集,利用自身的自主学习能力来做出判断,自主纠正自我行为,这些能力在无人驾驶、智能机器人、无人机等人工智能设备中已得到初步的利用。提高作业效率人工智能所要解决的终极问题是让机器更好的代替人工,在智能场景下,机器工作的效率、准确度等能够无误差的实现由人工到机器的转移,其中涉及到大量的人力解放和效率提升。在华北工控看来,在目前的人工智能初步的构图中,在个体层面,通过机器视觉、人脸识别、语音识别等技术实现信息输入,运用深度学习等技术理解信息,并通过自主智能控制系统来实现对外界的反馈与交互,并实现在整体层面的数据采集与分析,协调与控制、优化。

图片 2

——对抗性神经网络。由一个不断产生数据的神经网络模块与一个持续判别所产生数据是否真实的神经网络模块组成的神经网络架构,创造出近似真实的原创图像、声音和文本数据,有望大幅提升机器翻译、人脸识别、信息检索的精度和准确性,未来将应用于自动驾驶、安防监控等领域。

图片 3嵌入式计算机硬件商作为基础设备供应商,为AI的多任务执行和应用场景升级提供基础平台,如基层图像、视频、音频处理平台的构建,为计算力与大数据平台的搭建提供基层支撑。华北工控将在更多的交通、电力、金融、物流等领域,参与基础智能嵌入式计算机硬件系统的构建。

云端人工智能。是指将云计算的运作模式与人工智能深度融合,在云端集中使用和共享机器学习工具的技术。该技术将庞大的人工智能运行成本转移到云平台,能够有效降低终端设备使用人工智能技术的门槛,有利于扩大用户群体,未来将广泛应用于医疗、制造、能源、教育等多个行业和领域。

——胶囊网络。在深度神经网络中构建多层神经元模块,用以发现并存储物体详细空间位置和姿态等信息。该技术能使机器在样本数据较少情形下,快速识别不同情境下的同一对象,在人脸识别、图像识别、字符识别等领域具有广阔应用前景。

深度强化学习。是指将深度神经网络和具有决策能力的强化学习相结合,通过端到端学习的方式实现感知、决策或感知决策一体化的技术。该技术具有无需先验知识、网络结构复杂性降低、硬件资源需求少等特点,能够显著提升机器智能适应复杂环境的效率和健壮性,将在智能制造、智能医疗、智能教育、智能驾驶等领域具有广阔发展前景。

——云端人工智能。将云计算的运作模式与人工智能深度融合,在云端集中使用和共享机器学习工具的技术。它能有效降低终端设备使用人工智能技术的门槛,有利于扩大用户群体,未来将广泛应用于医疗、制造、能源、教育等多个行业领域。

图片 4

——深度强化学习。将深度神经网络和具有决策能力的强化学习相结合,通过端到端学习的方式实现感知、决策或感知决策一体化。该技术能显著提升机器智能适应复杂环境的效率,在智能制造、智能医疗、智能教育、智能驾驶等领域发展前景广阔。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章