人工智能发展有哪些?
  • 2021-06-15 17:20

说几个感觉比较明显的场景:2020年,很多我们想象不到的场景都开始有了AI应用,比如在智慧城市管理领域,就已经可以细化到机动车占道识别、积水识别、路面塌陷、烟花爆竹燃放识别等。


2020年仅是疫情期间,我们就能看到智能外呼系统、基于红外温度点阵温度分析算法的大规模人群测温系统 ,口罩人脸识别,甚至小到基于线性时间算法的LinearFold,只需27秒就可以预测新型冠状病毒的全基因组二级结构,都有应用。


根据艾瑞咨询《2019年中国人工智能产业研究报告》显示,2020年中国人工智能赋能实体经济市场规模达819.8亿元。许多企业都在实体经济中积极寻找人工智能技术的落地应用场景。



要想将人工智能技术落地实际应用场景,AI中真正有用的就是“工程化能力”。因为“AI工程化”意味着解决方案产品化,可迭代,可复用,可在大型应用场景落地部署,而不是停留在实验室里的科研成果。


同样是根据艾瑞的资料库数据显示,2019年AI+安防占人工智能赋能实体经济的50以上,其次是AI+金融和AI+营销,分布占比15.8%和11.6%。2020年,这个趋势会继续保持。


不过,由于制造场景由于基础建设复杂、数据获取难度较大,而且实际智能应用仍较为边缘化,AI应用短期内渗透释放的难度其实还是很大的。


2.多模态学习和多任务学习领域取得进展


2019 年最大的机器学习趋势之一是基于 Transformer 的自然语言模型的持续增长和扩散,Chintala 模型此前被称为近年来人工智能领域最大的突破之一。2018 年,谷歌开源 BERT,这是一个基于 Transformer 的模型。


2019 年,我们还看到了英伟达的 Drive autonomus 驾驶平台和 Isaac 机器人模拟器的崛起,以及从生成对抗网络生成合成数据的模型。


而也有业内的观点认为,2019 年最大的惊喜之一是文本生成模型的迅速发展。之前还看过一个消息,据称在 2020 年,IBM Research 还将探索用于人工智能的量子计算,以及用于人工智能的模拟硬件,超越降低精度的体系结构。这些都是2020年很多国内的大厂也在进行的方向。


而在去年,VentureBeat 采访了人工智能领域最杰出的头脑,来回顾人工智能在 2019 年的进展,展望机器学习在 2020 年的前景。受访者包括 PyTorch 之父 Soumith Chintala、加州大学教授 Celeste Kidd、谷歌 AI 负责人 Jeff Dean、英伟达机器学习研究负责人 Anima Anandkumar,以及 IBM 研究主管 Dario Gil。


这些研究者和专家发现了如下趋势[2]:


(1)神经语言模型的进展是 2019 年的重大事件,Transformer是其背后的巨大助力。2020 年会出现更多BERT变体和基于Transformer的模型;


(2) AI 行业应该寻找准确率以外的模型输出度量指标;


(3) 2020 年,半监督学习、神经符号等方法和多任务学习、多模态学习等子领域可能出现进展;


(4)和生物识别数据(如语音记录)相关的伦理挑战可能继续成为争议焦点;


(5) 编译器和量化等方法可能在PyTorch和TensorFlow等机器学习框架中更加流行,以作为优化模型性能的方式;


一种激进的看法认为,未来十年,将是人工智能算力的“超摩尔时代”,低阶感知智能将向高阶决策智能跃迁,人工智能跨学科将加快突破。而另一种相对保守的观点认为,2020年,人工智能将通过自动化逐渐改变人们的工作方式,但人工智能系统要真正实现可靠、公正、负责,还有漫长的一段路要走的。