cookieOptions = {...}; ‧ 人工智慧時代 雲和大數據到底有多重要? - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2016年7月4日 星期一

來源:中關村在線

1頁:數位經濟和工業4.0少不了雲助力
60年前的某個夏天,麥卡錫、明斯基等年輕的科學家們舉辦了一次聚會,共同研究用機器模擬智慧的問題,也是在那時,「人工智(AI)」的理念正式被提出。如今,人工智已經應用於語音辨識別、圖像處理器、電腦視覺、機器人等多個領域,甚至擊敗了圍棋九段李世石,這種進步是難以置信的。而這一系列成績的背後,是海量數據的積累與學習,在沒有雲的時代,是無法想象的。


人工智能时代 云和大数据到底有多重要?


人工智慧涉及的領域非常廣泛,工業、航天、商業都有應用,並且已經深入人們的生活,打開手機中的Cortana或者Siri,這就是AI的產物。

要知道,在幾十年前,這種超前的技術是不受認可的,教授相關課程的學校也是寥寥無幾。究其原因,主要就是數據的累積和應用。高容量儲存設備豐富了數據量的留存,隨著數據的不斷增加,人們開始在其中發現某種規律,引發了分析的需求。

分析讓大量的數據有了價值,機器開始懂得用戶想要什麼,可以預測未來的天氣和球賽的比分,這種人工智與場景的結合,要實現的就是改變生活方式和解放生產力。

具體來說,很多過去只有人能做的事情,現在更多的情況下能夠通過機器實現,典型的例子包括語音助手、無人駕駛汽車。更重要的是,當硬體性能逐漸提升、計算資源越來越強大時,成本卻越來越低廉。
  
微軟全球執行副總裁陸奇曾指出,如果大數據被充分利用,全球企業將額外獲得1.6萬億美元的數位紅利。當然,前提是要對海量資料進行分析,無論是深度學習,還是神經網絡,最終都要轉換為產品或服務惠及用戶。數位經濟、分享經濟、工業4.0...背後都少不了大數據和雲端運算的支持。
  
不過,要想在人工智時代分一杯羹,絕非易事。AI的基礎是大數據,這些資源通常掌握在巨頭手中,這也是為什麼你會看到,這個領域的頭條總是被微軟、谷歌、IBM、蘋果、亞馬遜、Facebook這些公司搶去?!
 
2頁:在人工智慧領域 騰訊做了哪些事?

海量數據時代,搜索的重要性可想而知。基於在搜索領域多年的技術積累,騰訊雲搜TCS通過對騰訊微信、QQ等各大垂直業務搜索需求進行高度抽象,把搜索引擎組件化、平台化、服務化,為行動應用開發者和網站站長提供了一站式搜索服務。雲搜TCS支持分詞和建立索引功能,搜索封裝和技術門檻較低,具有可視化的數據預處理和離線排序訂製能力,允許用戶自主配置,檢索耗時毫秒計算。

人工智能时代 云和大数据到底有多重要?
  騰訊雲搜TCS

此外,騰訊雲搜還建立了自然語言處理技術團隊,整合「文智」NLP開放平台,提供中文分詞、智慧糾錯、同義詞辨識、意圖辨識等能力。針對準確性,該服務還支持高級糾錯、按域檢索、分詞訂製、智慧聯想詞等功能。開發方面,開發者可以對搜索結果的排序自主靈活控制,雲搜還具有文檔求交、相關性排序、排序表達式等策略。

搜索到的數據怎麼使用,能否安全可靠,所提供的數據服務是否有針對性,是用戶關心的問題。為此,騰訊大數據處理套件TBDS提供一鍵式部署能力,降低了大數據系統部署運維門檻,統一的控制台可以對集群進行配置、啓停,通過Dash Board集中監控各組件實時運行指標,還支持多種數據接入以及輸出方式,提供統一的數據源,以及元數據的管理。


值得一提的是,騰訊還借助QQ、微信等產品建立了10億級別覆蓋度的基礎庫,對範圍內的人群進行統計和分析,能夠實現動態跟蹤區域內人群流動、評估人流擁擠等級、捕捉開放社交網絡的情況、分析目標客戶群軌跡,讓客戶更精準的定位目標人群。這麼多的隱私訊息,洩露了怎麼辦?我們瞭解到,所有通信及數據存放都建立在騰訊雲合規獨立的機房,以保障用戶數據資產安全。

人工智能时代 云和大数据到底有多重要?
  區域人流檢測
  
機器學習是人工智慧的核心要素,主要就是研究電腦如何模擬或實現人類的學習行為,以獲取新的知識或技能。應用過程中,並行計算可以利用多個處理器解決一個大問題,提升了計算效率,這也是騰訊機智機器學習TML正在做的,其是簡化用戶對算法的接口調用、可視化、參數調優等自動化任務管理的開放平台
人工智能时代 云和大数据到底有多重要?
  卷積神經網路實例,卷積層→子抽樣層→卷積層→子抽樣層之後→全連接後輸出
  
該平台搭載了萬兆網卡的大量CPU實體機,整合分類、聚類、搜索/排序、推薦等機器學習和深度學習領域的算法,針對在性能、效果等方面的特殊需求,可以一對一深度訂製。功能方面,機智機器學習TML支持LDA(非監督機器學習)技術,可以用來辨識大規模文檔集或語料庫中潛藏的主題訊息。


通過訓練,能夠把對文本內容的處理,簡化為K維向量空間中的向量運算,而向量空間上的相似度,可以用來表示文本語義上的相似度。此外,CNN(卷積神經網路)能用來解決圖像高層特徵提取、分類、辨識等電腦視覺難題,LR(邏輯回歸)則具有易訓練、易並行、泛化能力強等特性,適用於高維度海量數據的二分類任務。

人工智能时代 云和大数据到底有多重要?
  子抽樣層(左圖為全連接,右圖為局部連接)
  
每一項技術的最終目標都是惠及大眾,人工智能也是如此。要說AI領域最接地氣的應用,應該就是圖像和語音辨識了。先說語音,廠商已經可以保證穩定性和準確率,以騰訊為例,通用領域的辨識率能達到93.8%,可以做到情緒辨識、區分說話人、雲端儲存彈性擴容等功能。


不過,要想進入更深層次的語音辨識,還要有對情境的理解,這方面有很大的努力空間。至於圖像,人臉辨識算是最常用的技術之一,騰訊提供了「人臉檢測與分析」、「人臉比對」、「人臉驗證」、「人臉辨識」等一整套技術方案。其中,人臉檢測技術準確率和召回率分別超過99%95%,人臉驗證技術準確率為99.65%

人工智能时代 云和大数据到底有多重要?
  用戶洞察分析產品結構
  
3頁:雲和大數據指引人工智慧改變未來
無論是搜索、智慧辨識,還是機器學習,BAT在人工智慧領域的覆蓋面已經很廣,背後的技術實力也與谷歌、微軟等逐漸縮小。
  
得益於大數據和雲端運算的支持,網路正在向物聯網擴展,人工智慧則是升級體驗、解放生產力的重要手段。邁克爾·戴爾稱,今天的處理能力、頻寬、儲存正以每年10倍的速度成倍增長,未來15年的技術將比現在強大1000倍。
  

如今,大數據影響著各個行業,創造了巨大的商業價值。通過結合大數據和雲端運算,人工智慧將更好地服務於人們的生活,推動時代進步。這一發展過程中,巨頭企業已經開始利用數據規模和技術優勢深耕佈局,騰訊就是其中之一。


                                                                                                                                                                                                                            

0 comments: