2017年人工智能走向哪里

人工智能,未来已来?

人工智能一般分为感知智能、认知智能和创造性智能。对其研究最早出现在 20 世纪 50 年代,在发展过程中经历了起起落落,进入21世纪以后,随着深度学习、大数据、云计算等相关技术的成熟,近年来取得众多突破性的发展。
但纵观社会发展的历程来看,目前人工智能的发展仍处于初级阶段,称之为“弱人工智能”,其中感知智能以深度卷积神经网络为代表的感知智能依赖于大数据,在视觉物体识别、语音识别和自然语言理解等方面取得了媲美人类水平的成功;具有近似人类能力的认知智能的研究,仍在逐步探索中;而创造性智能则是在更高层次上的人工智能,要求人工智能具有类似于人类的顿悟、灵感等超强能力,这方面的研究甚至还没有起步。
从产业链上看,人工智能产业链包括基础技术支撑、人工智能技术及人工智能应用三个层次。其中基础技术支撑由数据中心及运算平台构成;人工智能技术是基于基础层提供的存储资源和大数据,通过机器学习建模,开发面向不同领域的应用技术;人工智能应用主要为人工智能与传统产业相结合实现不同场景的应用,如机器人、无人驾驶汽车、智能家居、智能医疗等领域。
人工智能的重要意义是对每一个行业和领域效率带来指数级提升推动作用,由于技术的复杂性,发展不会一蹴而就,必然经历一个由点到面,由专用领域到通用领域的历程,通用领域的人工智能实现还比较遥远。据数据统计显示,全球目前有大约一千四百多家人工智能公司可划分为深度学习、机器学习、机器学习、自然语言处理、计算机视觉、图像识别、手势控制、虚拟私人助手、无人驾驶、智能机器人、语音翻译等13个细分领域。近五年内,专用领域的定向智能化将是人工智能主要的应用发展方向。或许在更远的将来,如果人脑芯片等硬件架构能有所突破,运算能力有极大提高,则专用智能将有可能逐步进化成为跨场景、跨上下游应用的通用智能。
有机构预测2017年人工智能在技术上将更迅猛发展,智能语音、智能图像、自然语言处理、深度学习等技术越来越成熟,像空气和水一样会逐步渗透到日常生活。行业专家关于2017年人工智能的发展方向有如下几点:
机器学习应用的扩张:机器学习正被应用在更复杂的任务以及更多领域中,而且被更多的人作为挖掘数据的方式。
无监督学习会取得更多的进展。
计算机在理解和生成自然语言:预计最先会在聊天机器人和其他对话系统上落地。
深度学习和其他的机器学习以及人工智能技术的混用,是成熟技术的典型标志。将深度学习应用到医疗领域中包括对医疗图像、临床数据、基因组数据等各种类型数据上的研究和成果将会大大增加。
自动驾驶汽车,计算机视觉也会持续取得进展。
聊天机器人和自动驾驶汽车可能会取得较大进展。
预计更多的人类基准会被打破,特别是那些基于视觉、适合卷积神经网络的挑战。而非视觉特征创建和时间感知方法将变得更频繁、更富有成果。
总的来说,2017年人工智能还将深远影响着全球各个科技领域的创新,持续改变着消费者、企业以及机器的交互方式,同时刺激着科技市场成长和革新。

发表评论

电子邮件地址不会被公开。 必填项已用*标注