集微网推出集成电路微信公共号:“天天IC”,重大新闻即时发布,天天IC、天天集微网,积微成著!复制 laoyaoic 微信公共号搜索添加关注。
1.2017年大陆AI核心产业规模人民币700亿元;
2017年可说是大陆AI产业集体爆发期,海思麒麟970、寒武纪、地平线分别在移动终端、自动驾驶、城市安防等领域发布AI功能芯片,这些独角兽企业角头峥嵘,吸引大量海内外厂家与投资者高度瞩目。 赛迪顾问预测,2017年大陆人工智能核心产业规模将超过人民币700亿元(币别下同);但随着大陆政策的推出,各地人工智能相关建设逐步启动,预计到2020年大陆人工智能核心产业规模将达到1,600亿元,成长率约为26.2%。 2017年7月国务院印发《新一代人工智能发展规划》之后,将人工智能产业提升至国家战略层面,未来将促进网际网络、大数据、人工智能的深度融合,而包括北京、上海、安徽也相继推出人工智能产业规划,积极推动人工智能产业成长。 赛迪顾问分析指出,当前大陆已经涌现寒武纪、深鉴科技、地平线等新创AI企业,基于语音辨识、电脑视觉等应用的芯片不断出现,为智能家庭、无人驾驶领域提供足够的计算能力。 2020年人工智能核心产业规模将超过1,600亿元,其中硬件类产品规模仍占较大比重。在大陆地区,北京、上海、广东及沿海地区仍是主要聚集地,2017年总融资将超过40亿美元。而应用领域方面,智能驾驶、智能安防、智能家庭等快速普及为发展关键。 在人工智能产业结构中,硬件产品占比达到55%,其中传感器、辅助驾驶(ADAS)和智能穿戴式装置的占比最高。 赛迪指出,京、沪两地聚集了主要神经网络芯片及FPGA的相关厂家;硬件方面,深圳则在服务机器人、智能无人机领域有明显的优势;安徽则在智能穿戴、智能工业机器人、智能家电领域有一定的产业基础。 赛迪顾问也提及,近年来大厂开始开源化自身核心产品,各家都在积极招募机器学习人才,继百度PaddlePaddle开源之后,腾讯也开源自家Angel计算平台,随着开源架构的生态逐渐完善,未来将只存在1~2种主导架构,最形成AI的操作开放平台。DIGITIMES
2.全球人工智能企业总数达2542家 中国第二占23%;
人民网讯 AI目前在中国是大热门,政府、企业和资本市场都高度重视。截止到2017年6月,全球人工智能企业总数达到2542家,其中美国拥有1078家,占据42%;中国其次,拥有592家,占据23%。中美两国相差486家。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。
从现有统计上看,美国人工智能企业从1991年开始创建,从1991年-1997年历经萌芽时期,1998年-2004年阶段经历发展期,2005年-2013年阶段历经高速成长期,2013年至今进入平稳阶段。
与美国相比,中国的AI产业进步略晚,1996年开始起步,2003年进入发展时期,2008年-2015年期间进入高速成长时期,到2015年期间,人工智能有关的企业达到166家。中国政府2017年将人工智能写进《政府工作报告》,美国白宫2016年就发布了一份名为《时刻准备着:为了人工智能的未来》(Preparing for the Future of Artificial Intelligence)的研究报告,中美两国都清晰地认为,AI是下一个时代的科技制高点。
俄罗斯总统普京也曾对学生说,能够在AI产业居于领先地位的国家将可统治世界。谷歌执行董事长施密特曾表示,未来5年美国在AI领域还能领先中国、但随后可能就处于相同水平。业内认为,影响人工智能发展的核心要素有三个:一是深度学习算法;二是移动互联网产生足够的大数据;三是芯片计算能力大幅提升。比较AI的发展历程和三大核心要素,必须客观承认,中国在人工智能发展上与美国还有明显差距。当然,在国家政策和资本推动下,这种差距正在缩小。
3.国内AI公司如何支撑高估值?;
2017年注定是中国AI领域不平凡的一年,至少在融投资上而言,我们看到了资本一浪高于一浪的涌入与争夺。
今年10月,旷视科技(Face++)完成了C+轮高达4.6亿美元融资,不仅一举超越了此前商汤科技的4.1亿美元B轮融资,也同时刷新了全球AI领域的融资记录。而到了11月,云从科技完成了B轮5亿元人民币融资,加上此前广州市政府对云从科技的20亿元人民币的政府扶持资金,云从科技总计获得25亿元发展资金。
而以上仅仅是计算机视觉领域三家头部独角兽公司的融资情况,如果算上计算机视觉领域的其他玩家,以及自动驾驶领域、AI芯片领域、智能硬件、机器人领域各种创业公司的融资,2017年国内全年AI领域的融资额将超过200亿人民币。
中国AI公司的估值是否过高?
获得了上述融资以后,目前国内AI公司的估值变得令人咋舌。以计算机视觉龙头商汤科技为例,在传闻阿里巴巴战略投资了15亿元人民币之后,商汤科技的估值达到了30亿美元,折合196亿元人民币,而旷视、云从等估值也早已超越了百亿级。在经历了2016到2017年的投资热潮以后,中国的AI公司估值如火箭般上升,甚至与比特币相比也毫不逊色,以至于投资人感叹AI项目太贵的同时,很多业界人士开始质疑中国AI公司的估值是否过高。
当然,如果拿二级市场为数不多的类似标的、也是中国AI界“老大哥”科大讯飞(58.820, -0.82, -1.37%)来比较的话,上述的估值也没什么大不了。科大讯飞自2015年起市盈率就没有低于100倍,目前更加达到了惊人的177倍,2017年前三季度净利润仅有1.72亿元的科大讯飞,目前市值更是超过了850亿元。
对于当前国内AI公司的估值,我们也许只能说,人工智能对于未来实在太重要了,以至于资本和投资者都愿意付出如此多的溢价去获得“船票”。而最值得考虑的是,未来两三年这一批获得了高估值的AI公司应该如何发展才能够长期支撑起估值?为此有必要去建立起一个成熟度模型框架,去观察、跟踪这批正在“通往潜在巨头之路”公司的发展路径。
AI企业成熟度模型
在历史上,人工智能领域的研究先后经历了两次低谷期。而目前这波人工智能浪潮的再次兴起,其本质原因是孜孜不倦积累30多年的深度神经网络技术的集中爆发,尤其是计算机视觉领域取得了巨大的进步。AlphaGo的成功很大程度上让人工智能这项技术又一次回到了大众的视野,进而又促进了资本对于人工智能优秀项目的追逐,也使得原本已经四分五裂到各个自学科的人工智能界,又一次大一统地重新回到了人工智能的旗帜之下。
而在经历了八九十年代第二次人工智能低谷期(专家系统破灭)后,能仍然坚持在人工智能领域中的机器人、机器学习、认知科学等子学科的研究人员本来就不多,其中优秀科学家更加凤毛麟角。这批坚持下来的人工智能科学家在近几年已被国内BAT、国际FLAG等巨头瓜分殆尽,当然后来这批优秀科学家在资本的追逐下重新出来纷纷创办了自己的人工智能公司,如前谷歌明星科学家李志飞创办了出门问问,百度方面除吴恩达以外,三位深度学习实验室核心人物余凯、黄畅及余铁男创办了地平线机器人;百度无人驾驶事业部总经理王劲与首席科学家韩旭创办了景驰科技。
而面对渴望风卷残云般融入人工智能领域的各路资本,优秀科学家及其项目变得极度稀缺,国内人工智能领军人物几乎十个手指头都能数得过来。在回顾近两年人工智能领域的融投资事件,我们能够清晰地观察到,资本的投资逻辑可以说并不复杂——人和团队。而科学家创业也成了人工智能创投领域中最主流的形式,在这段资本的红利期,人工智能科学家成为了获益最大的一个群体。
然而这波资本的红利期,目前已经基本属于过去式。
如对于领头羊商汤科技而言,过去一两年支撑起其接近200亿元估值的,从一定程度上说,是汤晓鸥教授本人,以及商汤科技自身表述的豪言壮语:“精通深度学习的人基本都读过PHD,中国在这方面目前总共也就一、两百号人,而商汤包揽了120人。”而今后商汤要继续支撑其估值,除了人和团队以外,必定是其AI产品的商业化应用。为了更好地观察、跟踪目前人工智能公司未来的演进,本文专门提出一个AI企业成熟度模型。
阶段一:基础技术服务商
在AI应用场景尚未成熟和得到市场验证之际,任何AI企业都倾向于从事基础技术的积累,这点无论对于国内外AI初创企业而言都是一样的,最典型的案例是DeepMind。目前大多数国内AI初创公司均属于或者准备脱离这一阶段,基础技术积累阶段的特征是对于人才的争夺,以及采取类似于实验室形式的AI技术与算法研发,而其核心驱动因素是团队与人才。
在此阶段,AI企业们大多热衷于在各个顶级会议发paper以及参与到各项国际AI竞赛的刷榜之中。由于技术的商业化程度不足,往往只能通过项目制形式为客户提供AI技术服务,即简单粗暴地卖模型、卖算法,如人脸识别技术服务、基础语言识别服务、金融领域的知识图谱工程等。但以人和算法作为企业核心能力是不可持续的,尤其目前深度学习领域的算法红利期变得越来越短,而人才缺口也在逐渐被填补。
阶段二:整体解决方案提供商
对于基础AI技术服务商而言,一个很显而易见的事实是,单点技术本身无法构成一项完整的应用和产品,比如狭义的人脸识别技术,需要与其他业务或者产品结合。比如技术+摄像头,成为智能视频监控设备,或者与传统支付产品结合,在密码/手机验证码上再加一层人脸识别验证,类似还有ATM机上增加人脸识别,才能在特定场景中形成具备商用价值的应用。
基础AI技术服务商需要向整体解决方案提供商进化,从细分产业场景深耕以及数据运营两个角度形成自身整体解决方案的核心能力,这个阶段核心驱动因素从人演进为场景和数据——聚焦于深耕细分场景和数据及其背后的整体解决方案。
AI企业国家队云从科技,借助其中科院背景,主攻金融领域的人脸识别及反欺诈场景,目前已揽下包括建行、农行、交行、招行等50家客户。
阶段三:AI产品化阶段
单靠基础AI技术和整体解决方案本身,都难以成就一家伟大的AI公司,因为哪怕再好的技术和解决方案,都逃脱不了作为别人产品附属的定位,AI企业要走得更远的话,产品化是一条难以绕过的道路,这点我们可以在科大讯飞以及前些年百度所走的弯路上,看得再清晰不过了。对于目前国内AI公司的估值,未来离不开推出市场上具有影响力以及粘性的工业级/消费级AI产品,单纯的技术和整体解决方案很容易就触碰到天花板。
阶段四:协同生态构筑者
产品背后的协同生态构筑,是AI企业成熟度的最终标志。什么是协同生态?我们以亚马逊智能音箱Echo为例,正如亚马逊Echo推出开始时应用(Alexa的Skill)的数量惨不忍睹,随后当Echo出货量爆炸式增长后,亚马逊吸引了大量开发者融入Alexa生态中,目前Alexa已经有了一万多个Skill。而其中的关键驱动力,是亚马逊强大的云计算能力——通过AVS(Amazon Voice System)以及ASK(Amazon Skills Kit)的开放,搭建了一个开发门槛低得不能再低的生态,开发者甚至完全不需要有任何语音识别的技术积累,AVS会解决所有的语音识别和语义处理等事情。这种类似于Echo的协同生态,能够以AI产品为中心驱动大量的参与者加入到生态之中,并成为企业未来利润的源泉。(作者:胡嘉琪)
新华网
4.从消费端到企业市场 2018年AI应用进入爆炸时刻;
2017年或许真是名符其实的AI元年,AI技术不管从技术面、产品面,乃至社会面,皆有具体成果,更引发各界不同的回响。过去,电视世代的人们讨论电视对人们生活的影响,网络与移动世代议论网络世界与移动装置如何改变人们的社交关系,如今AI时代即将来临,这样一个比拟、甚至超越人类智能的技术,在经历2017年一整年发展后,在2018年将有更多令人瞩目的进展。 甚至,AI产业也影响中美两国在国力上的较量,这也是AI与其他科技技术与众不同之处。 AI走过半世纪 从科幻题材终成为人类社会一环 AI严格来说并非是新技术,第二次世界大战战后Alan Turing的若干研究已开启AI技术的先河。1952年当Turing写下第一套西洋棋程式时,囿于当时计算机运算能力不足,所谓AI仍只是计算纸上的猜想。但65年过后,Deepmind的AlphaGo席卷中韩围棋能手,以胜利者之姿凸显AI技术已有本事超越人类智能。 今日的AI已从理想化的科幻概念,转变为付诸实现的实用科技,而AI在2018年的发展,将可能从第三方的助理角色(Third person),转变为主导人们生活情境的第一人(First Person)。AI技术演进超过半个世纪,从原理推导、硬件性能提升,最后来到海量数据搜集与演算法的精进,然而将其部署到市场,乃至提供实际服务或是真实产品,其节奏可能超乎许多人的预期,甚至对于既有的产业结构以及商业模式发动令人意想不到的冲击。 AI发展到了2018年,Venture Beat认为其意义从形而上的虚拟智能,转化为市场上常规性的服务与产品,换言之,对于大众而言,AI将褪去神秘的科技名词,成为平台或是装置中的实质服务与产品;对于企业而言,AI可转换为更高效率的商业工具,可洞悉过往遗漏或错失的商机,甚至创造新的商机,如智能语音助理、新的电竞游戏、自驾车,或是更独特且吸引消费者的服务与产品,另一方面企业本身的IT架构也将随着AI芯片与相关开放架构的推出,出现少见的更新潮。 本文将从消费端的应用与企业端的市场,推测在2018年将有哪些显著变化。 高端手机抢先展开AI应用 机器视觉成为主要战场 随着智能手机市场的饱和,移动市场的发展预期不会有太多变化,特别是在中阶市场上。但随着大陆手机品牌攻入高端市场,特别如苹果(Apple)与华为推出AI设计的移动处理器芯片,为2018年的高端手机市场增添更多话题。 ABI Research认为,智能手机产业随着传统软硬件成长空间缩小,将进入“后手机时代”,未来的手机发展将由AI、声控、手势操作,与实境体验等,建构未来新世代的手机规格与使用体验标准。 ABI Research以此观察2018年后的手机产业,AI或许占有举足轻重的地位,这对于目前在AI技术投入甚深的Google与亚马逊而言,将是一大利多。ABI Research认为这两家公司有机会引导新世代的手机发展,两者不受传统科技产业的硬件包袱限制,又是在网络世代崛起的科技巨头,科技能力源自于软件,对于开发用户体验饶富心得与成就(如YouTube与电商),特别在于AI领域上,Google在开发资源与神经学习架构上具有举足轻重的地位,亚马逊则在智能语音助理与人机界面上富有心得。 相较于Google与亚马逊在后手机时代的“开创者”,ABI Research认为苹果、三星电子(Samsung Electronics)、微软(Microsoft)、华为等现阶段硬件厂商只能成为后手机时代的“跟随者”。AI被视为破坏与创造既有市场与体验的利器,对于传统手机厂商而言,AI固然有着市场话题与技术突破的代表性价值,但为了保护既有企业投资与组织架构,其对于具有破坏性的创新技术通常态度较为保留,投资脚步保守且渐进,是故在后手机时代,这些跟随者的地位更易受到开创者的挑战。 ABI Research相当有趣,苹果对于AI的保守态度一直饱受外界质疑,在重视收集消费者数位足迹的现下,苹果对于用户隐私的重视与保护,用户资讯无法离开终端装置,反倒是Google与Amazon可谓尽情搜集,成就其在神经网络学习架构与消费者行为分析上最重要的数据来源。不过,鉴于苹果、三星、华为在目前移动终端装置拥有绝对市占优势,在制定手机规格与AI硬件上享有话语权,Google与亚马逊或许在创意展现与场景应用能抢得市场话题,但不见得在2018年对于手机产业有天摇地动的影响,遑论亚马逊在发展自有品牌手机上的惨痛经验。 手机上的AI应用,机器视觉无疑是最重要的一环。随着苹果推出Face ID与A11 Bionic芯片,总算将手机上的AI软硬件做了完整结合,但众家厂商对于机器视觉到底如何应用,有着截然不同的分歧,此一分歧显现在AI硬件架构上的不同。根据DIGITIMES Research的观察,AI架构随着各家厂商发展CPU、GPU、DSP(Digital Signal Processor,数字信号处理器)、DLA(Deep Learning Accelerator,深度学习加速器)的脚步不同而有所差异,这与作为初阶、中阶、高端的影像处理难度有莫大关系,但也代表众家手机厂商视移动终端装置乃采集与处理机器视觉的第一步,不管之后的数据资料是存取于装置本身(苹果),或是云端资料所用(Google),或作为芯片解决方案的一环(Qualcomm),2018年移动产业AI技术在机器视觉这块将会是大厂间捉对厮杀的角力战场。DIGITIMES
5.谭铁牛院士谈人工智能发展动态 全方位展示最新进展
来源:中国科学院自动化研究所
[导读]11月25日,模式识别与人工智能学科前沿研讨会在自动化所召开。会上,谭铁牛院士做“人工智能新动态”报告,回顾了近代以来历次科技革命及其广泛影响,并根据科学技术发展的客观规律解释了当前人工智能备受关注的深层原因。报告深入分析了其当前存在的局限性和面临的瓶颈问题,整理并列举了2017年人工智能的十件大事,全方位、多维度展示了人工智能所取得的最新进展。基于对这些事件的深入分析,报告总结了人工智能未来的发展趋势和值得关注的研究方向。
以下内容由杨红明、张煦尧根据谭铁牛院士报告整理。
在科学研究中,从方法论上来讲都应先见森林,再见树木。为了更好地带领大家认识人工智能的发展趋势,报告回顾了近代世界科技发展的历史进程,主要包括从16世纪到现在,世界上发生的两次科学革命与三次技术革命。报告指出,这五次科技革命对人类文明进程带来了根本性的变革,也影响了整个国际格局的调整,伴随着大国兴衰。过去的五次科技革命,我们国家都没有占据主导地位甚至严重缺席,因此我们国家的GDP从曾经占全球的三分之一以上下滑到新中国建立前仅占全球大约百分之几,我们应该从这惨痛的经历中吸取教训。
最近的一次科技革命是一次技术革命,其开始于上世纪四十年代,以1946年计算机的出现为标志,距今已有六十多年。这六七十年中科学技术没有大的突破与进展,没有取得能够与上个世纪上半叶相提并论的科学与技术成果,谭老师将这段时间称为科技革命的空窗期。
报告认为,科学沉寂了大概60多年,新一轮的科技革命正处于孕育过程中并且已经曙光可见。新一轮的科技革命会是一次技术革命,而且人工智能有望引领这一轮新的技术革命。以1776年蒸汽机的发明为标志的第一次科技革命解放了人类的体力,使人类社会发展进入第一次重大飞跃,其为第一次机器革命。现在以人工智能为代表的第二次机器革命,以及以其为主要核心技术驱动的新一轮技术革命和产业变革将极大的拓展人的脑力,成为人类社会发展进程的又一次重大飞跃。相比较而言,脑力的拓展比体力的拓展更为重要。
报告还回顾了人工智能60多年的发展过程,并指出应该从曲折的发展过程中吸取教训,不要给人工智能设置不切实际的过高目标,尤其是在人工智能特别火爆的时候。报告指出,这两年人工智能有些过火,应降降温,回归理性。
图1 人工智能发展历程报告分析了人工智能的发展现状,指出现有进展主要体现在专用人工智能方面,而且现有人工智能仍存在一些局限性,将其总结为以下四点:有智能没智慧,有智商没情商,会计算不会“算计”,有专才无通才。
报告进一步分析并给出了造成这些局限的瓶颈问题,这些瓶颈问题主要包括:
(1)数据瓶颈:深度学习需要大量的数据;
(2)泛化瓶颈:这是模式识别、计算机视觉、人工智能方法面临的一个共同的问题,现有方法在一些实际问题中仍无法取得理想的泛化性能,或者训练好的模型用在变化的环境或领域其泛化性能明显下降;
(3)能耗瓶颈:人的大脑尽管是一个通用的人工智能系统但是能耗很低(只有20瓦),但现有计算机上实现的人工智能系统能耗很高;
(4)语义鸿沟瓶颈:目前语言服务大多为简单查询,不涉及语义推理问题,缺乏真正的语言理解能力,比如一些有歧义的自然语言句子,人很容易根据上下文或常识理解其真正含义,计算机却很难理解;
(5)可解释性瓶颈:现有人工智能系统都是知其然而不知其所以然,其过于依赖训练数据,缺乏深层次数据语义挖掘。报告指出,可解释性非常重要,人工智能不仅要知其然还要知其所以然,知其然只是浅层智能,知其所以然才叫深层智能;
(6)可靠性瓶颈:现有人工智能系统可靠性较差,有些错误识别结果会带来致命后果,比如2016.7特斯拉自动驾驶(Autopilot)功能不能正确识别反光条件下的卡车导致致命车祸。
报告指出,正是因为现在还有这么多瓶颈需要突破,所以人工智能还有很多局限,人工智能还有很多不能,有些事情人工智能可能永远都不能。基于此,报告列举了当前各界关于人工智能的一些炒作和误解,并对其进行了反驳与澄清,这对我们正确认清人工智能现状有重要的指导意义。
尽管人工智能有一些炒作和误解,但不能否认人工智能在今年又取得了巨大的进步。报告列举和解读了2017年人工智能值得关注的事件。这些事件涵盖了国家政策、学术界、产业界、社会科学领域等各个方面,全方面、多维度地为我们展现了人工智能2017年所取得的新进展。这些事件具体包括:
(1)中国政府发布《新一代人工智能发展规划》,这一消息不仅在国内备受关注,在国外也引发了很大关注;
(2)Nature发表DeepMind的围棋人工智能新成果AlphaGoZero (2017年10月,AlphaGoZero不需棋谱数据和先验知识,通过强化学习算法创新以100:0战胜AlphaGo),其探索了特定应用中不依赖领域数据,通过自我学习获得强大推理决策能力的人工智能技术发展新路线;
(3)Science发表概率生成模型RecursiveCortical Network,在验证码识别任务上超越了深度学习方法,其意义在于试图探寻一条非深度学习框架的通用人工智能道路,实际上也是试图从大脑的机制中寻找启发;
(4) Hinton提出的Capsule网络新概念,探索对传统神经网络的变革思路,该方法希望提高数据的使用效率,同时朝着建设可解释的人工智能系统来提供思路,并试图把相互关联的多模态的信息做统一的表达;
(5)谷歌、微软分别发布创作AI算法的AI系统AutoML和DeepCoder(谷歌CEOSundar Pichai在2017年I/O 大会展示了AutoML,试图通过自动创建机器学习系统降低AI人员成本;2017年2月微软研究院与剑桥大学合作成果DeepCoder:一种能根据问题的输入输出自动编写解题程序的算法),谭老师认为如果这方面取得成功将是革命性的变化,但其取代人工智能研究者不太可能;
(6)Google、Microsoft、百度、IBM等科技巨头全面转型人工智能发展战略,比如2017谷歌I/O大会明确提出发展战略从“Mobilefirst”转向“AIfirst”;
(7)百度Apollo计划开放自动驾驶平台,提供一套完整的自动驾驶软硬件和服务的解决方案,将会对全球自动驾驶产业发展产生深远影响;
(8)寒武纪发布人工智能芯片和系列产品,AI芯片在华为Mate10手机得到成功应用,这对于AI芯片大规模进入消费级市场具有标志性意义;
(9)旷视科技等创业公司刷新人工智能融资纪录,表明人工智能技术巨大的产业发展潜力;
(10)《Nature》开始关注人工智能社会伦理问题,808名科研人员签署23条“阿西洛马人工智能原则”,推动人工智能健康发展。
图2 简单胶囊网络CapsNet 通过详尽整理与深入分析人工智能领域中值得关注的热点事件,报告进一步探索和总结了人工智能发展的新动向、新趋势以及一些值得关注的研究方向。报告还分享了以下内容并对其做了细致的解读,主要包括以下方面:
(1)从专用人工智能到通用人工智能是大势所趋,一些科技巨头包括国家机构都在布局通用人工智能的研究,比如GoogleDeepMind创始人DemisHassabis宣布朝着“创造解决世界上一切问题的通用人工智能”这一目标前进,微软成立人工智能实验室以挑战通用人工智能为主要目标;
(2)可解释的人工智能系统备受关注,也将成为突破统计学习瓶颈问题的一个重要方向。DARPA的报告里面把过去几十年人工智能技术的发展和创新分成几个波次,第一个波次是基于规则的,例如以专家系统为代表的系列方法和技术;第二个波次就是当前以大数据驱动为代表的统计学习;同时,他们认为第三个波次很可能是可解释的人工智能,就是人工智能要知其然还要知其所以然,以此可见人工智能可解释性的重要意义;
(3)小样本甚至零样本学习成为提高人工智能系统泛化能力的一个重要方向。最近提出的生成对抗网络、胶囊网络、生成模型等都是为了降低对训练数据的需求,提高人工智能系统泛化能力的有益尝试;
(4)非深度神经网络计算模型成为机器学习创新的一个重要方向。当前深度学习理论基础薄弱、模型结构单一、资源消耗过高、数据依赖性强,以非神经网络、资源节约型机器学习模型有望成为下一个突破口;
(5)脑科学与人工智能深度融合、协同发展、相得益彰,IBM的TrueNorth芯片、美国DARPA的MICRONs研究项目、以及最近Science和Nature杂志上发表的一些受脑启发的智能计算模型都是这方面的典型例子;
(6)人机混合智能是未来的主流智能形态。随着人工智能的发展,机器会从作为我们的工具提升成为我们的伙伴和合作者,这是一个发展趋势;
(7)情感计算使人工智能更有“温度”。谭老师认为情感计算方面一定会受到越来越多的关注,因为只有情感,人工智能才更有温度,更善解人意;
(8)人工智能产业生态系统的构建成为竞争的制高点。众多科技巨头不断相继发布他们的平台,实际上就是想构建生态和占领生态,从而为自己企业未来发展抢占先机,这是一种战略的谋划和布局;
(9)AI的普适应用将重塑人类经济社会的格局,因为AI带来的影响是深远的,不一定要等到通用人工智能实现的那一天,专用人工智能就已经带来了一些革命性的变化。人工智能将是未来十年最具变革性的技术,无处不在的人工智能将成为趋势;
(10)人工智能科技教育将面向社会大众普及,国务院《新一代人工智能发展规划》指出实施全民智能教育项目,在中小学阶段设置人工智能相关课程,逐步推广编程教育,鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广;
(11)人工智能的社会影响将会受到更加广泛的关注,人工智能社会学和伦理的研究提上议事日程。
《Science》2017年发表一篇新型生成式组成模型RCN,使用小样本学习在CAPTCHA验证码识别上获突破性进展,远远超过深度学习模型。报告总结指出:2017年人工智能在国家规划、创新理论、技术应用、产业生态、企业融资、伦理规范等方面都取得重要进展;人工智能未来发展值得关注的方向包括通用智能、类脑智能、可解释的智能、人机混合智能、情感智能等,需要着力突破在数据、能耗、泛化性能、可解释性、可靠性等方面的瓶颈问题;现有人工智能的发展水平虽然还远不足以威胁人类的生存,但其社会影响应得到高度重视。