What is Artificial Intelligence (or Machine Learning)?
 |
|
|
來源：EEWORLD
人工智慧(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是電腦科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的，能以人類智慧相似的方式，做出反應的智慧機器，該領域的研究包括機器人、語言辨識、圖像辨識、自然語言處理和專家系統等。
人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。下面就隨小編一起來瞭解一下相關內容吧。
人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。下面就隨小編一起來瞭解一下相關內容吧。
快速建構AI全產業鏈 機器視覺將呈三大趨勢
快速建構 AI 全產業鏈，機器視覺將呈三大趨勢
現在很多業界人士，都對強人工智慧和弱人工智慧有很清晰的定義，其實強的人工智慧還是存在比較遙遠的探索階段，它是關於自我意識方面，比較深層次的探索，我們關注最多的是弱的人工智慧。
弱的人工智慧有三個定義，它主要具備了3C特性，第一個就是人工智慧透過深度學習，和神經網路算法，能夠對人類的一些知識感知實現機器理解。
第二個就是機器視覺和語音辨識，能夠透過機器，對外界的行為進行一個感知。
第三，協作的關係。這個協作是指運動器官，透過機器外部控制器完成人類對他指令行為習慣的驅使，這是3C的特徵。
第二個就是機器視覺和語音辨識，能夠透過機器，對外界的行為進行一個感知。
第三，協作的關係。這個協作是指運動器官，透過機器外部控制器完成人類對他指令行為習慣的驅使，這是3C的特徵。
人工智慧全景產業鏈，機器視覺將快速重構
基於這樣的概念定義基礎之上，我們會對整個人工智慧產業鏈進行詳細分析。整個產業鏈定位分為三個層次：第一是最下層的基礎設施層，很多的機器視覺，包括語音辨識需要很多的算法、硬體計算平台，和一些軟體的開發平台，還有剛才說的圖像庫資源，包括語音辨識庫資源，都是有基礎設施層的佈局。
第二個是技術研發層面，涵蓋了包括機器學習、語音辨識和機器視覺，還有智慧機器人等三到四個重要的緯度。
第三個是應用層，在人工智慧產業行業應用，最主要幾個應用領域中，機器視覺的應用領域非常深、非常多，從整個產業鏈的全景圖來講，對岸中國的人工智慧產業，處在快速的生態的建構期。
從整個機器視覺的領域來講，它是處在快速的重構期，透過市場分析來看，機器視覺並不是特別新興的領域，這從最早圖像處理衍生到現在，市場上有很多大的廠商，對智慧安防和交通做了很久的深耕，他們最開始不是做機器視覺、人臉辨識起家的，在這幾個行業中很多廠商都處於並駕齊驅、快速發展階段。
透過對產業全景圖的梳理，大致的框架可以看到，整個人工智慧全產業鏈包括基礎設施、技術研發和應用層三個層面。
透過對整個基礎設施層的深入剖析，包括一些重點廠商和重點行業應用，其實可以看到，基礎設施層存在問題。現在很多的傳感器，包括一些機器視覺的辨識，它的多元數據是很難融合，去協同的，它的數據不能對多元化協同開發，還存在著一定的障礙，這是目前在基礎設施層存在的一些問題。
有些人士認為未來的突破，一個是軟體算法的快速更替、快速的更新。在這個層面上全世界很多國家都一樣，都處在非常類似的起跑線上，大家對這個算法的突破能力都是非常強的。在軟體算法層面，是我們未來的重要突破方向。
另一方面就是硬體的計算晶片，這是未來的主攻方向，尤其是現在最熱門的AI晶片，這是未來重點發展方向。
有些人士認為未來的突破，一個是軟體算法的快速更替、快速的更新。在這個層面上全世界很多國家都一樣，都處在非常類似的起跑線上，大家對這個算法的突破能力都是非常強的。在軟體算法層面，是我們未來的重要突破方向。
另一方面就是硬體的計算晶片，這是未來的主攻方向，尤其是現在最熱門的AI晶片，這是未來重點發展方向。
簡單分析一下目前主流的計算晶片包括GPU，這包括伺服器，還有邊緣計算，基本上都用這兩類計算晶片完成人工智慧，包括機器視覺整個運算能力。
從整個趨勢來講，基本上分為兩個特徵，就是雲端會存在高吞吐量，本地化存在小快靈的特徵。這是什麼意思呢？現在很多的機器視覺、很多的數據源匯總到雲端，需要佔用大量網路頻寬，這對我們提出很嚴峻的挑戰，交通、安防數據都需要透過雲端處理，業界同行都認為未來的趨勢，就是需要將這種運算的功能邊緣化，當然提供一些時延必須要低，這是未來主要的方向，本地的行動化AI經片。
當然這是技術研發層的層面，其實核心的問題就是一點，機器學習是推動了整個電腦視覺的精度，包括效率的提升，這是在機器學習領域，對整個電腦視覺重要的突破性影響。
分析應用層場景發現，機器視覺對硬體推動非常明顯，比如說無人機，可能最早不具備機器視覺，例如大疆無人機，它推出智慧避障，現在添加了是為了提升產品的性價比。
透過分析在應用層的產品存在的問題，我們認為機器視覺未來的突破領域，也是剛才說的，還有就是三維的視覺重建，這當然是技術視覺的算法層面。另一方面未來的無人設備，將會是一個非常重要的突破點。
全球人工智慧策略格局
對比全球目前主要國家，在人工智慧包括機器視覺方面的策略佈署，我們可以看到，在美國、日本、歐洲已經很早就提出了相應的重大的策略佈署，而且從他們的策略的實施層面和緯度，以及深度和力度來講，可以看出美日韓在搶跑策略。
從具體幾個目標來看，美國關注的非常早，在去年白宮提出了人工智慧計劃之後，其實已經緊密召開了四次，從學界、企業，包括社會的整個溝通會討論，相當於社會整個倫理，包括科技進步的徵集形式，在聲勢上非常浩大。
從具體幾個目標來看，美國關注的非常早，在去年白宮提出了人工智慧計劃之後，其實已經緊密召開了四次，從學界、企業，包括社會的整個溝通會討論，相當於社會整個倫理，包括科技進步的徵集形式，在聲勢上非常浩大。
日本也是處在非常迅猛推進的階段。最近大家看到波士頓動力，後來被豐田收購了，他們之後做了非常大力度的推動，這家公司最早專注於做工業機器人，但是豐田收購之後，很快轉型做服務機器人，這跟美國另一家做掃地機器人公司非常類似，我們認為日本在人工智慧下一階段上，會搶跑的重要原因。
說到歐盟整個包括兩大旗艦項目，一是人腦計劃，二是石墨烯，這是從策略上推出非常強大的動力，這是全球的策略動向。
從企業方面來講，現在很多企業，尤其是IT龍頭企業，都是以軟體和硬體平台為統一佈署商業化的運作，從圖中可以看出，這裡面列舉了一些重點的產品和軟體的平台，其實都是一體化的推動，當然這是企業的普遍思路。
賽迪顧問預測到2018年對岸中國人工智會市場規模，會超過406億，這個複合成長率會達到25.8%，增速是快於全球的整個成長率的。在市場結構上來講，也是存在著整體的情況。
投資規模來講，在去年一年，從投資的整個額度，包括投資筆數都呈快速增加的態勢，而且很多從事人工智慧和機器視覺的企業數量，也在快速地增加。
投資規模來講，在去年一年，從投資的整個額度，包括投資筆數都呈快速增加的態勢，而且很多從事人工智慧和機器視覺的企業數量，也在快速地增加。
從區域佈局的分析可以看到，各個國家、各個層次都在推廣一些自己的策略。通過人工智慧方面利好的政策，未來在這四個領域會有比較大的機慧，包括安防、交通，金融，消費電子，這是機器視覺領域重點關注的應用行業方向。
產業發展未來三大趨勢
最後為大家分享幾個未來的趨勢：
第一是現在巨頭做機器視覺，包括人工智慧演進，他們都是呈開元化，這在中國來講比如華為，對他們來說開源的思路，到底開源怎麼用，有很多理念上跟國際還是有一定的差距，很多開源做完代碼自己封裝自己用了，其實從整個思路來講，國際開源理念上是更先進的。當然有其背後的原因，很多企業基本上，在提交人工智慧代碼上，走著開源化佈署道路。
整個產業的演進方向，目前處在快速回報期。整個產業和產品技術演進，會存在週期的波動，機器視覺領域以及電腦視覺，仍是處在快速的回報期，也就是說它的技術已經得到成熟，市場關注度也在快速地回升，它是未來能夠得到快速回報的重點產品和領域。
最後就是在目前中國整個市場發展，包括他們政府的規劃中，智慧城市這個話題又重新火熱起來了，很多年前建設了很多，但是發展都不是特別順利，現在隨著人工智慧整個產業發展，這個動力和熱潮，主要原因就是技術實力能夠解決真正的剛需和真正的問題。
在數據方面，預測今年中國智慧城市建設數量超過500個，在整個智慧城市的產業定義上來講，機器視覺領域需求量特別大的，很多的包括智慧城市的定義就是說，什麼叫智慧城市，就是攝影機數量多少個，這是一個很剛性的標準，對智慧，包括具備人臉辨識功能攝影機需求量，未來是非常大的。
人工智慧的發展，確實會減少很多的工作崗位，但是同樣會創造非常多的新興的工作崗位，比如說編程，很多年前都是不存在的，整個產業對社會發展，帶來非常大的推動作用。
沒有留言:
張貼留言