1533781712224015780

一、明确的应用场景边界

人工智能技术尚未达到强人工智能水平,产业落地过程中应避免好高骛远。例如,机器人脸识别在绝大多数情况下比人识别的效果要好,但是在需要知识、想象力的特殊情况下,与人脑还是存在较大差距。从现阶段看,由于深度学习为代表的人工智能技术并不善于解决通用性问题,人工智能技术要实现产业落地并形成商业价值,需要清晰其所能解决的特定领域问题,并有明确的应用场景边界。将人工智能的功能需求限定在有限的特定问题边界之内,这样得出的解决方案才能相对可靠,如借助视听传感器能够自主规划扫地方案的扫地机器人等。以目前能够落地的弱人工智能技术水平,产品开发需要在明确的应用场景边界内,才能够具备实用性。

二、闭环数据反馈循环

谷歌、Facebook、因特尔、微软、苹果、特斯拉,中国的BAT等人工智能前沿公司,通常都具有一个共同的特征——闭环的数据反馈循环。例如,Google、百度等互联网广告系统能够根据用户点击及输入等操作,自动收集到用户一手数据,抽取关键特征并输入深度学习神经网络,神经网络训练好后能用于对用户行为的预测,进而提高用户体验。从应用终端收集数据,再用数据训练模型,之后用模型提高用户应用体验,用户应用后又产生新的数据,这就形成了闭环的业务反馈流程链。闭环流程链的内部就可以完成自动数据收集、标注、训练、反馈的自循环,这使得人工智能算法实时迭代优化的更加便利。

三、海量高质量数据

随着移动互联网和物联网的快速发展,数据量正在以指数级增加,根据IDC统计,全球数据总量预计2020年达到44ZB,中国数据量将达到8060EB,占全球数据总量的18%。许多数据是自然语言、音频和视频等,对这类数据的分析越来越聚集于提取其中的语义,包括情感分析、文档主题模型、相依模型和问答系统中全面的语义分析。目前以深度学习为代表的人工智能技术,本质上是一个具有多层的神经网络,通过大数据计算来自动学习最终的网络参数,不一样的网络参数能够识别不同的物体,需要依赖规模庞大的带标签数据集,才能够保证其学习质量。

四、高性能计算硬件

深度学习模型需要很高的内在并行度、大量的浮点计算能力以及矩阵运算,按环节可分为前期训练、云端推理、终端推理等三个阶段。在前期训练和云端推理环节,需要进行规模庞大的运算量,CPU+GPU架构成为目前多数人工智能企业的主流选择。然而,构建GPU集群的成本非常高昂,仅购置一块Nvidia Tesla K80的费用近4万元。FPGA具备较高的性能功耗比和重构灵活性,百度采用FPGA打造百度大脑专用AI芯片,微软打造的Brainwave平台也是基于英特尔Stratix 10 FPGA芯片。在终端推理环节,由于智能手机、语音交互、VR/AR等终端设备需求不同,需要定制化、低功耗、低成本的嵌入式解决方案,其市场呈现更加多样化竞争态势,如寒武纪的1A处理器、地平线的BPU芯片等,华为Mate 10的麒麟970芯片搭载了神经网络单元NPU,使得其在处理相关人工智能任务(如图像识别等)时有50倍能效和25倍性能的提升。

人工智能的底蕴和价值观

大风号  12小时前

息息人工智能客服来了--息息

大风号  16小时前

人工智能进入万亿终端?少不了人工智能引擎赋能

大风号  17小时前

人工智能对人类的影响有多大?人工智能会取代人吗?

大风号  18小时前

人工智能:对人类来说太危险了?

大风号  19小时前

人工智能培训班要谨慎选择

大风号  20小时前

人工智能推动金融投资变革

大风号  22小时前

如何快速跟上人工智能的步伐,实现人工智能营销

大风号  1天前

能够阻挡人工智能的,到底会是谁?

大风号  1天前

拍什么电影,人工智能说了算?

大风号  1天前

“务实为人”,人工智能的底蕴与价值观

大风号  1天前

取代还是造福,人工智能价值尚在讨论

大风号  1天前

人工智能对人类影响有多大 怎么学人工智能

大风号  1天前

人工智能“花”落何处

大风号  1天前

人工智能最近陷入了失业的烦恼

大风号  1天前

云讯云雀,听得见的人工智能

大风号  1天前

《汉语桥》再探讯飞 人工智能又圈粉

大风号  2天前

人工智能,探索围棋的天花板

大风号  2天前

旅游+人工智能

大风号  2天前

人工智能专场:AI的产业创新——人工智能商业应用的黄金比例

大风号  2天前