人工智能热背后的产业链布局分析,机器学习加剧AI出版潮

图片 5

人工智能热背后的产业链布局分析,机器学习加剧AI出版潮

| 0 comments

50多年来,人工智能经历了爆发到寒冬再到野蛮生长的历程,伴随着人机交互、机器学习、模式识别等人工智能技术的提升,机器人与人工智能成了这一技术时代的新趋势。

如果说信息技术是第三次工业革命的核心,那么人工智能所代表的智能则是下一次工业革命的核心力量。

2016年,AlphaGo与李世乭的围棋大战激发了人们对人工智能是非的诸多争论,AlphaGo的大获全胜一定程度展示了深度学习在应用领域的成功,而语音识别、机器视觉等正是深度学习取得显著成功的应用领域之一。这一事件引发了人工智能相关选题的出版热潮。电子工业出版社策划推出的《解析深度学习:语音识别实践》即是首部介绍语音识别中深度学习技术细节的专著。中国青年出版社《机器视觉》则从逆问题的角度出发,提出了一整套关于机器视觉的研究方法。

2016年,谷歌阿尔法围棋以4:1战胜围棋世界冠军、职业九段棋手李世石,不仅让深度学习为人们所知,而且掀起了人工智能的”大众热”。此后,人工智能越来越热,从机器人开发、语音识别、图像识别、自然语言处理到专家系统等不断推陈出新。

随着《新一代人工智能发展规划》的发布,国务院开始从整体上部署我国的人工智能发展规划。

深度学习是目前人工智能、机器学习领域异常火热的研究方向,受到了学术界和工业界的高度关注。深度学习已经在语音识别、图像识别、自然语言处理等诸多领域取得了突破性的进展,在学术界和工业界产生了深远的影响。机械工业出版社的《深度学习:方法及应用》就是在这样的背景下诞生,该书对最前沿的深度学习方法及应用进行了全面的概述,不仅包括自动语音识别(ASR),还包括计算机视觉、语言建模、文本处理、多模态学习以及信息检索。此外,清华大学出版社的《机器学习》讨论一些经典而常用的机器学习方法,如决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习;人民邮电出版社的《机器学习实战》《机器学习系统设计》则是实用的Python机器学习教程。

图片 1

2017年7月8日,随着《新一代人工智能发展规划》的发布,国务院开始从整体上部署我国的人工智能发展规划,并对2030年前的我国新人工智能发展的总体思路、战略目标和主要任务、保障措施进行系统的规划和部署。主要体现在:加快智能产品的研发、智能制造使能工具与系统、智能制造云服务平台,建立智能制造标准体系,推进制造全生命周期活动智能化。

值得一提的是,人工智能的定义可以分为两部分,即人工和智能。人工比较好理解,关于智能,则需要细化分析。这涉及它诸如意识、自我、思维等概念。因此,围绕机器的心智、心灵等层面的选题备受关注。浙江人民出版社的《情感机器》、中信出版社的《机器之心》都探讨了相关话题。除却探讨机器人的智能,关于机器人应用方面的选题,北京理工大学出版社的《智能作战机器人》体现了近年来我国在机械设计制造、现代电子通信、现代自动控制、材料科学等领域所取得的长足进展,对我国高端作战装备多学科交叉应用领域的研发提供了一个新的范例,具有重要的科学价值。

同时,人工智能技术越来越多地融入到我们的生活中,出现了智能音箱、智能助理、智能机器人等。

从国家战略来看,未来一段时间内,人工智能和制造业的结合将成为推进智能制造的主要手段。从产业发展情况来看,人工智能产业架构已经初具雏形,主要包括基础支撑层、技术驱动层和场景应用层,笔者将主要从这三个层面对人工智能产业链进行梳理和解析。

在机器人制作领域,还有许多科普、手工相关的策划出现。如人民邮电出版社引进的《小型智能机器人制作全攻略》,在从基础介绍小型智能化机器人的基础知识,再配合以实际操作的项目进行演练。使得新入门的读者可以从起步学起,逐渐能够跟随项目介绍制作出完整的作品。清华大学出版社的《乐高EV3机器人自造实战》介绍了乐高最新的第三代机器人的组装、编程控制、测试以及如何操控,是一本结构清晰而且叙述简单明了的乐高机器人宝典级教材。

根据应用领域的不同,人工智能研究的技术也不尽相同,目前以机器学习、计算机视觉等成为热门的AI技术方向。但是,平常接触中,很多人分不清人工智能、机器学习、深度学习和强化学习的关系。

图片 2

与主要发达国家相比,我国机器人产业发展速度慢、核心技术薄弱、市场份额和附加值较低,当下我国机器人产业呈现出抱团发展、结盟而行的大趋势。由中国人工智能学会发起、CODESYS软件系统有限公司赞助的全国智能机器人创新联盟在2015年成立。人民邮电出版社迅速与该联盟签署了出版合作框架协议,关于机器人技术的系列丛书都在推进之中。华中科技大学出版社在2016年启动智能制造理论及技术丛书项目,包含学术著作和教材出版,该社还将借转型升级的机会以多种形式打造智能制造的知识服务体系,为学校、企业和社会提供多维服务。此外,湛庐文化联合中国人工智能学会共同启动机器人与人工智能书系的出版,还专门为机器人与人工智能书系成立专家委员会,包括中国工程院院士李德毅、英特尔中国研究院院长吴甘沙、地平线机器人科技创始人余凯等,为图书质量把关。

简单说,人工智能范围最大,涵盖机器学习、深度学习和强化学习。如果把人工智能比喻成孩子大脑,那么机器学习是让孩子去掌握认知能力的过程,而深度学习是这种过程中很有效率的一种教学体系。

图 人工智能产业链三层结构

关键词:AI出版

图片 3

基础支撑层:国际IT巨头长期盘踞,中国初创企业很难进入

有人表示,人工智能是目的,是结果;深度学习、机器学习是方法,是工具。

在人工智能领域,传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求,这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心,其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件,这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力,目前多以国际IT巨头为主。

百度百科如此阐释人工智能(Artificial
Intelligence),英文缩写为AI。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。

目前在GPU领域,英伟达主打工业级超大规模深度网络加速,并于日前推出了基于Volta、首款速度超越100TFlops的处理器Tesla;英特尔主要围绕FPGA构建产业,推出了模仿人脑的人工智能芯片。谷歌也推出了第二代TPU芯片,为自己的开源TensorFlow框架提供芯片支撑。除了这些谈到的行业巨头,在这一领域还有众多的初创公司,如中星微、寒武纪以及西井科技等,但在产业布局能力和研发实力方面还不可与这些巨头匹敌。

而机器学习是人工智能的一种途径或子集,它强调学习而不是计算机程序。一台机器使用复杂的算法来分析大量的数据,识别数据中的模式,并做出一个预测——不需要人在机器的软件中编写特定的指令。

技术驱动层:算法和计算力成主要驱动力,开源化是趋势

机器学习之父Tom Mitchel如此定义机器学习:

技术层是人工智能发展的核心,对应用层的产品智能化程度起到决定性作用,在这一发展过程中,算法和计算力对AI的发展起到主要推动作用。技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模,以及开发面向不同领域的应用技术,包含感知智能和认知智能两个阶段。其中,感知智能阶段通过传感器、搜索引擎和人机交互等实现人与信息的连接,获得建模所需的数据,如语音识别、图像识别、自然语音处理和生物识别等;认知智能阶段对获取的数据进行建模运算,利用深度学习等类人脑的思考功能得出结果,如机器学习、预测类
API
和人工智能平台等。在此基础上,人工智能才能够掌握“看”与“听”的基础性信息输入与处理能力,才能向用户层面演变出更多的应用型产品。

每个机器学习都可以被精准地定义为:1.任务;2.训练过程;3.模型表现P。而学习过程则可以被拆解为”为了实现任务T”,我们通过训练E,逐步提高表现P的一个过程。

当前,国内的人工智能技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域,国内技术层公司发展势头也随之迅猛,其中的代表性的企业包括科大讯飞、格灵深瞳、捷通华声(灵云)、地平线、SenseTime、永洪科技、旷视科技、云知声等。

举个例子,让一个模型认识一张图片是猫还是狗。为了提高模型的准确度,我们不断给模型提供图片让其学习猫与狗的区别。在这个学习过程中,我们所得到的最终模型就是机器学习的产物,而训练过程就是学习过程。

场景应用层:AI与场景深度融合,领域应用更加广泛

图片 4

应用层主要是基于基础层与技术层实现与传统产业的融合,实现不同场景的应用。随着人工智能在语音、语意、计算机视觉等领域实现的技术性突破,将加速应用到各个产业场景。

而深度学习则是一种实现机器学习的技术,它适合处理大数据。深度学习使得机器学习能够实现众多应用,并拓展了人工智能的领域范畴。

应用层按照对象不同,可分为消费级终端应用以及行业场景应用两部分。

从安防监控、自动驾驶、语音识别到生命科学等等,深度学习以”摧枯拉朽之势”席卷行业。

消费级终端包括智能机器人、智能无人机以及智能硬件三个方向,场景应用主要是对接各类外部行业的AI应用场景。近年来,国内企业陆续推出应用层面的产品和服务,比如小i机器人、智齿客服等智能客服,“出门问问”、“度秘”等虚拟助手,工业机器人和服务型机器人也层出不穷,应用层产品和服务正逐步落地。

以语音识别为例,通过机器学习,语音识别能随着时间向用户学习,最后能达到95%的准确性。但是训练过程是密集的。

其中,IBM
最早布局人工智能,“万能Watson”推动多行业变革;百度推出“百度大脑”计划,重点布局无人驾驶汽车;而谷歌的人工智能业务则较为繁杂,多领域遍地开花,包括
AlphaGo、无人驾驶汽车、智能手术机器人等;微软在语言语义识别、计算机视觉等领域保持领先。除此此外,家电行业也掀起了人工智能的热潮,不少家电企业都瞄准了人工智能,潜心研发AI技术,将其应用于家电产品。今年以来,长虹、美的、格力、格兰仕等都在向智能制造转型,试图立足“Smart
Home”,将人工智能和智慧家庭更紧密地结合在一起。

而神经网络处理数十亿个口语音频,将语音识别提高到接近100%的准确度,同时还能缩短训练时间。此外,语音识别还通过关键词和主题对原始音频进行分类,并识别发言者,这对音频监控具有广泛而深远的影响。

结语:弱人工智能已加速渗透,强人工智能并不遥远

图片 5

笔者认为,人工智能领域虽已迎来新的产业爆发期,但总体来看,人工智能仍是以特定应用领域的弱人工智能为主。目前绝大多数的系统,包括深度学习神经网络,机器智能,仍没有达到能够思考的程度。若要继续攀升进入强人工智能,计算机的认知能力是必须的,这也是目前人工智能在试图突破的点。AI源于技术,终于场景,人工智能最终需要通过与产业场景的深度融合才能实现真正的落地。

除了深度学习,机器学习中还有非常重要的强化学习。

【编辑推荐】

过去十年,强化学习的大部分应用都在电子游戏方面。未来,在直升机特技飞行、经典游戏、投资管理、发电站控制、让机器人模仿人类行走等领域有着广泛的应用。

相关文章

发表评论

Required fields are marked *.


网站地图xml地图