您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
人工智能发展迅速,可以在哪个领域深耕,请具体描述?
人工智能,智能,互联网人工智能发展迅速,可以在哪个领域深耕,请具体描述?
发布时间:2020-12-06加入收藏来源:互联网点击:
在购物场景中,如Amazon的无人超市,能够通过人脸识别知道你是不是来过、以前有没有购物过,给你推荐更好的体验。在家庭生活场景中,每年的CES我们都会看到全球智能家居厂商发布的硬核产品。今年科沃斯发布了第一款基于视觉技术的扫地机器人DG70,它可以识别家里的鞋子、袜子、垃圾桶、充电线,当然除了用到视觉系统之外,还需要机身上各种各样的传感器信息融合处理,才能实现在清扫复杂家居环境时合理避障。而除了这些身边“有形”的能看能听的人工智能,帮助人类做决策、做预测,也是人工智能的强项。 比如在网购场景下,能够根据你以前的购物习惯,“猜测”你可能喜欢购买这个。 比如刷抖音的时候,机器会学习你的喜好,推荐越来越符合你胃口的视频。 在金融领域,预测未来几天的股市、预测某个地区的房价走势,这都是已经实实在在的真实场景。 现代人工智能本质上,是基于数理统计的机器学习系统(也有基于规则的非统计化人工智能系统,这里不详述)。这样的弱人工智能系统,能够在特定的任务上,在已有的数据集上进行学习,同时能够在今后没见过的场景预测上,获得比较好的结果。对于一些重复性的劳动,人工智能可以极大的降低人工成本的同时,提高效率和质量。 【弱人工智能的工业化】 而且随着深度学习算法和数据的发展,人工智能系统也越来越简单和模块化。越来越多的企业,开始构建符合自己业务需求的人工智能系统。 对于工业界的人工智能项目,一般都不重复造轮子:不会去从零开始写一套机器学习的算法,而往往选择采用一些已有的算法库和算法框架。以前,我们可能会选用已有的SVM, MaxEnt, HMM, CRF算法,来解决不同的机器学习问题。现在随着深度学习的流行(Tensorflow, PyTorch 等等),一套神经网络框架就可以解决几乎所有机器学习问题,进一步降低了机器学习任务的学习以及开发难度。但即便如此,机器学习仍然有很高的学习门槛:需要有很好的数学、统计、线性代数的基础,熟悉相应的机器学习算法原理,有很好的算法建模能力、工程开发调试能力、以及模型调参经验。所以对于很多企业来说,不具有这样能力的开发团队。工业界对于这样的痛点,解决方案是标准化机器学习算法模块。同时,工业界人工智能厂商,相比于对机器学习模型在数学上的深入研究,更感兴趣的是如何解决实际问题。 上面提到的科沃斯刚发布的DG70,只给你一个“眼睛”和有限个传感器,但却要求其可以识别日常家居物品:比如前方遇到的障碍物是拖鞋还是很重的家具脚,可不可以推过去?如果遇到了衣服、抹布这种奇形怪状的软布,机器还需要准确识别出来以避免缠绕。 让扫地机器人完成图像识别大致会经过几个步骤: 定义问题:就像刚刚说的,根据扫地机器人的使用场景,就需要识别家居场景里面可能遇到的所有障碍物:家具、桌角、抹布、拖鞋等等。有了这些类别定义,我们才可以训练一个多分类模型,针对扫地机器人眼前看到的物体进行分类,并且采取相应的规避动作。对于很多不了解机器学习的同学来说,能够理解到这一步其实已经是巨大的认知突破了。因为机器智能无法像人类一样去学习,去自我进化,去举一反三。当前阶段的机器智能,永远只能忠实执行人类交给他的任务。 收集数据 \u0026 训练模型:接下来会去接着去收集数据,并且标注数据。现在的深度神经网络动不动就是几百万个参数,具有非常强大的表达能力。因此需要大量的数据,而且是标注数据。所谓的标注数据,就是在收集了有关图片,需要人工标注员,一个个去判断这些图片是否属于上面已定义类别中的某一个。在工业界这个的成本非常昂贵,一个任务一年可能要花费几百万美金,仅仅是去为了做数据标注。有了高质量的标注数据,才有可能驱动深度神经网络去拟合真实世界问题。 本地实现:还有一个很有意思的技术亮点,这个在其他AI产品上不是很常见:这么复杂的人工智能运算,据介绍都是在机器上本地运行的。一方面保护用户隐私,不能将用户数据上传到云端;另一方面,扫地是一个动态过程,很多运算对时效性要求非常高,如果过于依赖网络,稍有延迟可能一不小心就装到墙壁了。 所以,扫地机器人虽小,但其中的涉及的技术领域堪比自动驾驶。 而对于自动驾驶汽车来说,对于信号收集过程,也跟上面差不多。不过为了保证信号精确程度,现代的自动驾驶汽车,除了图像视觉信号之外,车身会配备更多的传感器,精确感知周围环境。 【强人工智能离我们有多远?】 说完了弱人工智能,我们来想象下未来的人工智能。这里必须要提到一部绕不过的美剧《西部世界》。在《西部世界》中,机器人接待员自我意识的逐步觉醒,让接待员们对人类产生了反抗甚至仇恨的情绪。这也是科幻小说家等诸多名人提醒大家警惕人工智能的场景之一。 但从上所述,大家可以看到,连简单的“识别拖鞋”,都需要经过上面这么复杂的过程。那么如果我们要打造一个西部世界里面那样的强人工智能机器人,又需要多少工作量呢?估计最简单的在复杂环境中自动行走都做不到,更别说能够产生类人情感,甚至对人类产生仇恨、报复等心理。 【结语】 人工智能领域有一大帮顶尖的科学家奋战在算法模型研究第一线,也有一大批厂商,在努力推广、标准化机器学习算法,降低人工智能算法的开发成本,让各行各业的企业能够更加专注于上层业务逻辑,使用已有的人工智能算法来搭建造福社会的AI产品。 几十年前,各种计算机厂家构建的生态系统,迎来了蓬勃的信息化革命。现在迎来的人工智能革命,同样出现了越来越多的人工智能基础提供商,他们也会逐渐形成一个更成熟的人工智能生态,造福其他厂商,造福社会。
回答于 2019-09-11 08:43:50
人工智能的业务场景很多,可以说渗透到各行各业,顶层设计肯定是金融,其实才是工业,下来才是服务业。新技术的行业应用,其实和传统行业的分布和排序是一致的。
回答于 2019-09-11 08:43:50
上一篇:高考完了,如何度过这个暑假?
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |