全球人工智能发展的趋势与挑战

《全球人工智能发展的趋势与挑战》由会员分享，可在线阅读，更多相关《全球人工智能发展的趋势与挑战（22页珍藏版）》请在金锄头文库上搜索。

1、全球人工智能发展的趋势及挑战 科普 学院 计算机科学与技术学院主讲人 严聪专业 教育技术学 人工智能技术发展概述 1956年 在美国达特茅斯大学召开的学术会议上与会专家和学者共同提出人工智能的概念 多年后这场会议被认定为全球人工智能生的标志 2015年7月 人工智能被写入 国务院关于积极推进 互联网 行动的指导意见 2016年3月 人工智能一词被写入 十三五 规划纲要 2016年5月 国家发展改革委员会等四部门联合下发 互联网 人工智能三年行动实施方案 李克强总理的政府工作报告中也提到了人工智能产业发展 2016年3月正值人工智能发展的60年节点 AlphaGo战胜人类顶级围棋高手李世石引起人

2、们强烈关注 并再次对人工智能展开热烈讨论 中国科学技术部 科技创新2030 重大项目 近期或将新增 人工智能2 0 人工智能将进一步上升为国家战略 人工智能的定义 人工智能可以使机器通过模拟人类意识 行为 思维等获取人工智能功能 在生活中 工作中为人类高效率高质量去完成一些复杂化 机械性 高危性等的工作 提高效率 保证安全 从狭义上讲 人工智能技术体系仅包括软件层面的核心算法与通用工具技术 机器学习作为人工智能的核心算法 包含神经网络 深度学习 迁移学习 增强学习 生成式对抗学习等算法 深度学习算法在本轮人工智能产业浪潮中发挥了巨大作用 通用工具技术是人工智能核心算法的具体应用 包含识别 理解

3、 交互方面的具体技术 如 人脸识别 语音识别 机器翻译 文本分析 信息检索 问答系统 VR AR等技术 这些技术的发展加速了人工智能的产业化进程 广义上讲 人工智能技术体系还包括基础软硬件 如芯片 传感器 大数据 云计算 存储系统技术等均构成了人工智能的坚实支点 推动人工智能自主学习潜能迅速释放 人工智能主流的研究方法 1 结构模拟目前的AI热潮则源于结构模拟方法方面的突破 即由于解决了深度神经网络的训练问题 加上大数据的高性能计算平台 云计算 GPU等 变成现实 使得深度神经网络的表达能力得到了充分的发挥 对AI的发展起到了推波助澜的作用 2 功能模拟 3 行为模拟 4 机制模拟 人工智能技

4、术体系 一 以数据驱动的模型学习路径 是以海量数据为基础展开模型学习 该路径通过对海量数据进行训练 根据实际场景学习得出模型参数 并依据具体需求自适应动态调整参数 依据样本数据是否进行标记为准则 基于模型的学习方法分为有监督 半监督 无监督3种 当前的人工智能技术 主要以数据驱动的有监督学习为主 二 以认知仿生驱动的类脑计算路径 是以模拟大脑运行机制为基础开展类脑芯片和类脑算法的研究 如神经态计算等 美国 欧盟 韩国 中国等均在大力布局类脑研究 全球人工智能市场飞速发展 世纪以来 大数据 云计算等信息技术给人工智能发展带来了新机遇 成本低廉的大规模并行计算 大数据 深度学习算法 人脑芯片 大催

5、化剂引领人工智能的发展出现上行趋势 同时人工智能的发展也给新一代信息技术与工业各领域渗透融合提供了新的动力 人工智能的技术突破在多个领域催生了一批新兴的细分行业 主要包括深度学习 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 智能机器人 推荐引擎和协助过滤算法 情境感知计算 语音翻译 视频内容自动识别等 机器学习成为研究和应用的核心领域 人工智能领域迎来创业和融资高潮 各国纷纷加快布局 美国领先优势明显 全球科技企业 谷歌作为科技界巨头 从技术层和应用层全面布局人工智能 战略上不断积累AI底层技术 研发更高级深度学习算法 增强图形识别和语音识别能力 人工智能技术的应用延

6、伸到智能家居 无人驾驶以及医疗药品研究等多个领域 IBM从2014年开始着重关注人工智能领域 在AI领域的布局围绕Watson和类脑芯片展开 试图打造AI生态系统 IBM通过Waston开启了认知时代 可提供医疗 水资源管理 保险欺诈识别 环境保护 金融等行业解决方案 以及将Waston应用于数字顾问 虚拟助理 云计算 科学研究等多个领域 微软一直非常重视AI技术的研发 其语音识别 自然语言和计算机视觉等技术处于业内领先水平未来 微软AI领域将重点关注四大领域 即代理 利用Cortana语音助手等代理改变人机交互方式 应用 将人工智能注入到所有的产品中 比如photoapp Skype Off

7、ice365等 服务 将微软AI技术开放给开发者 基础设施 利用Azure开发全球最强大的AI超级计算机 Facebook的AI布局主要围绕其用户社交关系和社交信息展开 集中在图像识别 语音识别 自然语言处理等技术领域 苹果加紧了人工智能领域的布局 致力于打造苹果生态系统 提升用户体验 中国企业 百度在AI的战略布局方面主要包括三大实验室 硅谷人工智能实验室 深度学习实验室和大数据实验室 主要研究领域为图像识别 语音识别 自然语言处理 机器人和大数据 2016年9月 百度发布了百度大脑 包括PaddlePaddle深度学习平台 AI超级计算机以及大数据三大核心技术 2017年1月 推出了百度人

8、工智能操作系统DuerOS 阿里巴巴则充分借助电商平台的优势 在2015年7月就发布了虚拟人工智能客服 阿里小蜜 据公司2016年10月的报告 其问题解决率已达到80 在金融领域 蚂蚁金服将人工智能技术运用于蚂蚁微贷 保险 征信 风险控制 客户服务等方面 蚂蚁微贷和花呗的虚假交易率降低了10倍 2016年6月 阿里妈妈光学字符识别技术获得文档分析和识别国际会议 ICDAR RobustReading比赛第一名 2016年8月 阿里云ET提出了一套综合的人工智能解决方案套件 包括视频 图像和语音识别技术 腾讯2016年4月也成立了AI实验室 提出了基于业务整合的四个研究领域 计算机视觉 语音识别

9、 自然语言处理和机器学习以及四个研究方向 内容AI 社交AI 游戏AI以及工具类AI 2016年12月26日 腾讯云宣布向全球企业正式提供7项AI云服务 包括人脸检测 五官定位 人脸对比与验证 人脸检索 图片标签 身份证OCR识别 名片OCR识别 美国人工智能报告 理论局限 战略一 长期推动人工智能硬软件系统演进升级 数据分析 感知 通用人工智能 可扩展的人工智能 机器人 硬件 人机协同 战略二 探索开发增强人机协作能力的智能系统 具备人类意识的人工智能 增强人类能力 自然语言处理 界面和可视化 外部环境 战略三 七 构建人工智能两性研究与发展的环境基础 伦理 法律和社会影响 战略三 安全与保

10、障 战略四 标准和基准 战略五 数据集和环境 战略六 有能力的从业人员 战略七 全面搭建人工智能战略实施框架 1 推动软硬件系统演进 在软件方面 提升人工智能系统的数据挖掘能力 感知能力并探索其局限性 同时推动系统革新 包括可扩展 类人的 通用的人工智能系统的研发 在硬件方面 优化针对人工智能算法和软件系统硬件处理能力 并改进硬件体系架构 同时 推动开发更强大和更可靠的智能机器人 2 开发人机协作智能系统包括改进人工智能算法提升其可用性 开发可视化的人机用户界面以及更为高效的自然语言识别与处理系统 另一方面 开发增强人类能力的智能产品 包括使用人工智能算法的计算机 可穿戴设备 植入装置等硬件设

11、备 以及记忆辅助系统 医疗诊断助手等智能系统 3 构建良性研发的环境基础人工智能系统的友好性 推动人工智能系统的公平 透明与符合伦理 确保人工智能系统的安全可靠 提高信任度 可验证和可确认性 并可实现自我安全防御与优化 优化人工智能研发环境 开发用于人工智能训练 测试的公共数据集和环境 制定用于测量 评估人工智能的标准和基准 了解学界 政府和行业中人工智能从业人员的需求 制定教育和培训计划 美国人工智能报告 发展方向 长期 人工智能可以划分为 弱人工智能 强人工智能 以及 超人工智能 弱人工智能 只专注于完成某个特别设定的任务 例如语音识别 图像识别和翻译 也包括近年来出现的IBM的Watso

12、n和谷歌的AlphaGo 它们是优秀的信息处理者 但却无法真正理解信息 强人工智能 系统包括了学习 语言 认知 推理 创造和计划 目标是使人工智能在非监督学习的情况下处理前所未见的细节 并同时与人类开展交互式学习 超人工智能 是指通过模拟人类的智慧 人工智能开始具备自主思维意识 形成新的智能群体 能够像人类一样独自地进行思维 发展方向 目前 1 深度学习现存一个根本的缺陷 就是缺乏完善的理论支撑 对于其结果缺乏解释 包括网络的设计 参数的设置和取得的效果 寻找理论上的深入解释 是深度学习发展必须解决的一个重要问题 2 深度学习在训练网络中需要大量有标记的数据去学习输入和输出的映射关系 这样获得

13、的模型往往无法将其泛化到与训练时不同条件的数据集上 而现实应用中 我们遇到的数据集常常会包含很多新场景 许多数据是模型在训练过程中没出现过的 因此学习得到的模型可能无法很好地预测结果 将学习得到的知识迁移到新的条件和环境的能力通常被称为迁移学习 这是今后一个重要的研究方向 3 目前深度学习一般需要大数据支持 但并不是所有的应用都具备大数据条件的 结合传统知识表达和数据驱动知识学习 可以解决很多迫切的现实问题 这也是今后发展的一个重要方向 发展方向 领域 人工智能战略 提出了美国人工智能发展的三大领域的愿景 分别是 1 促进经济发展 包括制造业 物流 金融 交通 农业 营销 通信 科技 2 改善

14、教育机会与生活质量 包括教育 医学 法律和个人服务 3 增强国家和国土安全 包括安全与执法 安全与预测等领域 规划 中国 美丽前景 规划 中国 总体布局构建开放协同的人工智能科技创新体系 主要是针对我国人工智能原创性理论基础薄弱 重大产品和系统缺失 人才储备不足等重点难点问题提出的 这是我国发展新一代人工智能的重中之重 把握双重属性 主要考虑到人工智能既有技术属性 也有很强的社会属性 需要实现激励发展与合理规制的协调 最大限度防范风险 坚持人工智能研发攻关 产品应用和产业培育 三位一体 推进 这是适应人工智能发展特点和趋势 强化创新链和产业链深度融合 确保理论上走在前面 技术上占领制高点 应用

15、上安全可控的客观要求 强调全面支撑科技 经济 社会发展和国家安全 这是突出人工智能作为战略性技术 在面向国家战略需求 塑造引领型发展 服务全局中的重要作用 规划 中国 科学技术发展人工智能是科技的核心前沿和制高点 具有多学科综合 高度复杂的特征 智能化并不是数字化 网络化阶段的线性延伸和扩展 而是一个崭新的发展阶段 互联网 大数据 超级计算 传感网等一大批新一代信息技术的集中式成熟 以及脑科学 认知科学等新理论新技术的深度融入 共同推动数字化 网络化向智能化加速跃升 并将引发链式突破 系统布局新一代人工智能 不仅有利于实现我国在人工智能领域的超越和引领型发展 也将在新的起点上带动其他领域科技创

16、新能力快速提升 社会建设人工智能在教育 医疗 养老 环保 家居 交通 城市运行 司法服务等领域广泛应用 将极大提高公共服务精准化水平 全面提升人民生活品质 经济发展人工智能技术的快速突破和广泛应用 将重构生产 分配 交换 消费等经济活动各环节 催生新经济 新产业 新业态 新模式 成为推动产业变革的核心驱动力量 对人类生产方式 生活方式乃至思维方式产生前所未有的影响 规划 中国 确立了 三步走 目标到2020年人工智能总体技术和应用与世界先进水平同步 到2025年人工智能基础理论实现重大突破 技术与应用部分达到世界领先水平 到2030年人工智能理论 技术与应用总体达到世界领先水平 成为世界主要人工智能创新中心 挑战 就业人工智能正以多种形式取代人的工作 首先 体力劳动和高危行业将加速 机器换人 据21世纪宏观研究院预计 我国未来10年体力劳动者适龄人口减少数量约为1亿人 人口红利消减 用工成本激增 必将迎来 机器换人 的高潮 此外 煤矿 金属非金属矿山 危险化学品和烟花爆竹等高危行业劳动力短缺 机器换人 是大势所趋 同时 服务业领域也会有越来越多的岗位被人工智能替代 比如送餐机器人替代餐