首页 首页 人工智能 查看内容

喜大普奔:人工智能进入指数式发展阶段

木马童年 2019-7-4 10:50 36 0

  人工智能已经进入一个指数式发展的阶段:经历了初期曲线平缓的增长,到后期增长曲线非常陡峭,速度让人出乎意料。 中国论文网 https://www.xzbu.com/3/view-11365224.htm  指数式发展的推动力 人工智能发展的 ...

  人工智能已经进入一个指数式发展的阶段:经历了初期曲线平缓的增长,到后期增长曲线非常陡峭,速度让人出乎意料。 中国论文网 https://www.xzbu.com/3/view-11365224.htm  指数式发展的推动力

人工智能发展的推动力主要包括三个方面:计算个人化、计算网络化和大数据。

首先,计算个人化使得人工智能的研发从精英阶层扩展到大众。早期的研究机构主要是大学和政府,只有它们才有研发人工智能所必备的超级计算机。集成电路的发明和发展促成了计算能力快速上升和成本大幅下降。上世纪80年代浙江大学使用的小型机PDP11的运算能力远远不如我们今天使用的手机。

其次,计算网络的价值增长也呈现指数式,例如,有4个节点的网络有12个有方向的连接,而400个节点的网络有多达159600个连接。今天的网络连接数(即价值)正在直线上升。

再次,随着信息终端的普及和物理世界的数字化,数据正在爆炸增长,更是指数式增长。今天全球的数据量累计超过了10 Zettabytes,其中90%的数据是在过去两年中产生的。

近年来,人工智能领域的创业和研发活动越来越活跃。根据Venture Scanner在2015年8月的统计,近十几年,全球人工智能领域的创业公司达到了855家,它们共获得87.5亿美金的风险投资。根据量化公司Quid的数据,在2013年有322家人工智能公司获得至少20亿美金的投资。据CB Insights的数据,2014年投资人工智能领域的金额比2013年增加了3倍。

人工智能创业分布在13个不同的领域,包括机器学习、计算机视觉、语音识别、智能机器人等。

正是因为计算能力的增强和数据量的极大增长,机器学习成为人工智能领域进步最快的分支,所获得的投资额占总投资额的45%。机器学习是用数据和以往的经验优化计算机模型的性能指标。比如说,制造手机有100多道工序,如果我们通过编程让机器人一步一步地按照程序完成,这不是机器学习。如果智能机器人通过观察工人制造手机的过程,再经过不断试错,最后达到可以自行制造的程度,这才是人工智能。

“大数据”之前,因为没有足够的数据来训练模型,所以模型优化的进程缓慢。今天数据足够多了,运算能力大幅上升,优化模型的速度也随之加快了。最近量子计算机带来了实现更强大的运算能力的希望。

大公司越来越活跃

先说谷歌。其于2010年正式启动汽车自动驾驶项目,2012年获得美国首个自动骂驶车辆许可证。到了2016年年初,谷歌的自动驾驶汽车己经累计行驶了225万公里。

2014年谷歌收购了深度学习公司DeepMind,同年10月它发布了一种全新的模拟神经网络。同样在2014年,谷歌开始开发一套能够整合海量数据的语音系统,使得语音识别的精准度从2012年的84%提升到了2014年的98%。

2012年,“谷歌大脑”可以在1000万张图片中成功识别出一只猫。从2010年到2014年,谷歌的图像分类识别精确度提高了4倍。在2013年,它还收购了8家机器人公司。

再来看Facebook。深度学习的鼻祖级科学家YannLeCun在2013年加入Facebook,使其图像识别和自然语言处理技术飞速提高。2014年,Facebook的脸部识别准确率达到97%。

接着是IBM这支人工智能领域的老牌劲旅:2014年宣布组建Watson Group,同时推出两项Watson顾问服务,一项帮助企业获得足以洞察海量数据的能力,另一项使得数据可视化。同年8月,IBM发布能模拟人类大脑的SyNAPSE(自适应塑料可伸缩电子神经形态系统)芯片,该芯片有100万个“神经元”内核,而功耗仅为70毫瓦。

最后说百度。它在2014年5月引入深度学习专家Andrew Ng,并由其组建百度北美研究中心,随后发明了Deep Speech语音识别方法,可以在嘈杂环境中实现81%的识别准确率。同年4月,百度发布大数据引擎,提供大数据存储、分析和挖掘技术,在医疗、金融和交通领域有具体的应用。

机器聪明了,人怎么办?

英国伦敦大学科学家的研究表明,自1950年以来,人们的平均智商升高了20点,相当于平均每10年人类的智商值提高3%。

人工智能技术能够用来提高人的能力吗?我们将人工智能在教育领域的应用总结为以下7个方面。

自动作业修改:语音识别和语义分析技术使得自动批改作业成为可能。数学等学科的作业自动批改相对容易,作文的自动批改也已经开始了。

个性化学习:大数据可以描述每个学生的学习特性。根据伦敦一个研究机构的分析,人们的学习方法可以分为70种。

智能辅导系统(ITS):比如可汗学院就是一个优秀的智能辅导系统,可以帮助我们学习数学、科学、人文科学和计算机科学。

互动学习环境(ILE):更多建设性学习(或者说学生自己决定学习科题),学生更主动,更多个性化,以及学生收到更多反馈。

通过仿真游戏学习:目前最成功的仿真是飞行模拟器。在模拟机上飞行和真机没有两样,只是训练更加便捷。

对教学体系的反馈和评测:人工智能为学校招生、学习场所建设和课后活动提供创新的解决方案。

相信这方面的创新刚刚开始。科学家和创业者不仅应该关心机器的能力,更要在乎我们自身的能力。

编辑元素:

人工智能的发展路线

1950年,起步――艾伦图灵预言人工智能将超越人类智能

1951年,马文明斯基完成第一台神经网络机SNARC

1956年,达特茅斯会议正式确定这个领域

1950年―1970年,斯坦福大学、麻省理工学院分别开发移动机器人和聊天机器人

1970年―1980年,计算机的运算能力和内存有限,发展陷入瓶颈

1980年―1987年,发展兴旺,日本和美国投入大量的资源

1987年―1993年,再次进入发展冬天,人工智能专用电脑的性能落后于IBM和苹果

2006年,雷库兹韦尔在《奇点临近》中预言机器智能将在2045年超过人类

2011年,美国《时代》杂志封面故事:《2045年人类机器结合获永生》(2045:The Year Man Becomes Immortal)

2014年,三名俄国科学家发明的超级计算机Eugene和一些专家在网上对话5分钟

进入指数式发展阶段

转载注明来源:https://www.xzbu.com/3/view-11365224.htm

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

人工智能 大数据 超级计算机 集成电路 计算能力 运算能力
0