2018-2019最具成长性AI技术Top10:GAN、胶囊网络、云端AI排前三
目录:
• 对抗神经网络
• 胶囊网络
• 云端人工智能
• 深度强化学习
• 智能脑机交互
• 对话式人工智能平台
• 情感智能
• 神经形态计算
• 元学习
• 量子神经网络
介绍
中国电子学会 17 日在北京举行的 2018 世界机器人大会上发布《新一代人工智能领域十大最具成长性技术展望 (2018-2019 年)》,对抗性神经网络、胶囊网络、情感智能、神经形态计算、量子神经网络等入选。
在2018世界机器人大会17日的主论坛上,中国电子学会发布《新一代人工智能领域十大最具成长性技术展望(2018-2019年)》。
当前,全球正在经历科技和产业高度耦合、深度迭加的新一轮变革,大数据的形成、理论算法的革新、计算能力的提升及网络设施的演进驱动人工智能进入新一轮创新发展高峰期,新技术持续获得突破性进展,呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等以应用为导向的新特征。加强新一代人工智能技术的前瞻预判,准确把握全球技术创新动态及发展趋势,将为行业健康发展、资金有序进入、政策规划出台、新兴市场开拓等提供具备决策参考价值和实践指导意义的智力支撑。
围绕于此,中国电子学会依据国家出台的《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划(2018-2020年)》等一系列政策规划,调研走访了一批在新一代人工智能技术及产业方面具备领先水平和特色的龙头企业,组织拜访了来自于知名高校、研究机构的人工智能相关领域专家学者,系统梳理了权威智库和知名战略咨询公司的最新报告,遴选了十项最具特色的成长性技术,得出以下结论:
对抗性神经网络
一、对抗性神经网络。是指由一个不断产生数据的神经网络模块与一个持续判别所产生数据是否真实的神经网络模块组成的神经网络架构,创造出近似真实的原创图像、声音和文本数据的技术。该技术有望大幅提升机器翻译、人脸识别、信息检索的精度和准确性,随着三维模型数据序列能力的提升,未来将在自动驾驶、安防监控等领域产生可观的应用价值。
图1:对抗性神经网络中产生数据与判别数据持续进行
资料来源:《麻省理工科技评论》
胶囊网络
二、胶囊网络。是指在深度神经网络中构建多层神经元模块,用以发现并存储物体详细空间位置和姿态等信息的技术。该技术能使机器在样本数据较少情形下,快速识别不同情境下的同一对象,在人脸识别、图像识别、字符识别等领域具有广阔的应用前景。
图2:胶囊网络算法可以从不同角度识别同一物体
资料来源:International Conference on Learning Representations,
《Matrixcapsules with EM routing》
云端人工智能
三、云端人工智能。是指将云计算的运作模式与人工智能深度融合,在云端集中使用和共享机器学习工具的技术。该技术将庞大的人工智能运行成本转移到云平台,能够有效降低终端设备使用人工智能技术的门槛,有利于扩大用户群体,未来将广泛应用于医疗、制造、能源、教育等多个行业和领域。
图3:推出人工智能服务的主要云计算公司
资料来源:中国电子学会整理
深度强化学习
四、深度强化学习。是指将深度神经网络和具有决策能力的强化学习相结合,通过端到端学习的方式实现感知、决策或感知决策一体化的技术。该技术具有无需先验知识、网络结构复杂性降低、硬件资源需求少等特点,能够显著提升机器智能适应复杂环境的效率和健壮性,将在智能制造、智能医疗、智能教育、智能驾驶等领域具有广阔发展前景。
图4:深度强化学习具有良好的结构特点
智能脑机交互
五、智能脑机交互。是指通过在人脑神经与具有高生物相容性的外部设备间建立直接连接通路,实现神经系统和外部设备间信息交互与功能整合的技术。该技术采用人工智能控制的脑机接口对人类大脑的工作状态进行准确分析,达到促进脑机智能融合的效果,使人类沟通交流的方式更为多元和高效,未来将广泛应用于临床康复、自动驾驶、航空航天等多个领域。
图5:智能脑机交互使人类沟通交流高效化
对话式人工智能平台
六、对话式人工智能平台。是指融合语音识别、语义理解、自然语言处理、语音合成等多种解决方案,为开发者提供具备识别、理解及反馈能力的开放式平台的技术。该技术能够实现机器与人在对话服务场景中的自然交互,未来有望在智能可穿戴设备、智能家居、智能车载等多个领域得到大规模应用。
图6: 对话式人工智能平台结构
资料来源:IDC,中国电子学会整理
情感智能
七、情感智能。是指利用人工智能手段模拟表情、语气、情感等类人化情绪响应,以打造具有情绪属性的虚拟形象的技术。该技术可赋予机器设备更好的对人类情感的识别、理解和引导能力,为用户带来更具效率和人性化的交互体验,未来将在智能机器人、智能虚拟助手等领域得到更为频繁和深入的应用。
图7:情感智能技术将模拟人的情绪
资料来源:《人类神经科学前沿》
神经形态计算
八、神经形态计算。是指仿真生物大脑神经系统,在芯片上模拟生物神经元、突触的功能及其网络组织方式,赋予机器感知和学习能力的技术。该技术的目标在于使机器具备类似生物大脑的低功耗、高效率、高容错等特性,将在智能驾驶、智能安防、智能搜索等领域具有广阔应用前景。
图8:神经形态计算的结构
资料来源:中国电子学会整理
元学习
九、元学习。是指将神经网络与人类注意机制相结合,构建通用算法模型使机器智能具备快速自主学习能力的技术。该技术能够使机器智能真正实现自主编程,显著提升现有算法模型的效率与准确性,未来的进一步应用将成为促使人工智能从专用阶段迈向通用阶段的关键。
十、量子神经网络。是指采用量子器件搭建神经网络,优化神经网络结构和性能的技术。该技术充分利用了量子计算超高速、超并行、指数级容量的特点,有效缩短了神经网络的训练时间,未来将在人脸识别、图像识别、字符识别等领域具有重要应用价值和广阔前景。
图10:量子神经网络结构示意图
原文发布时间为:2018-08-19
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
短视频APP平台怎么开发?不得不了解的短视频源码功能机制后篇
上周,小白为大家分享了一篇关于短视频APP源码开发功能机制的文章,文章中为大家介绍了搭建短视频平台需要用到的一些基本功能的实现机制。我们先来简单回顾下之前文章中提到的那些重要的功能机制。1.推荐机制,我们可以采取“推荐值=(曝光值+热度值)*转化率”这样的方式来实现短视频内容的首页推荐排名,使平台的短视频内容时刻展示新的短视频内容。当然曝光值会随着时间的推移呈现出递减趋势。热度值计算公式,点赞数点赞权重+评论数评论权重+分享数*分享权重 转化率计算公式,完整观看短视频次数/总观看次数2.附近机制,相对来说比较简单成熟的一项机制,在各种APP平台上都有应用,按照距离由远及近进行短视频内容的排序即可。3.热门机制,区别于短视频推荐机制复杂的计算公式,严密的程序逻辑,热门机制会在用户每次打开热门短视频列表时或是刷新列表时,在保证数据不重复的基础上随机展现若干条短视频内容。4.拉黑机制,拉黑后将不会收到对方的私信消息,被拉黑时,发送信息提示“对方暂时无法收到您的消息”。5.关注机制,这个机制也是被各大社交及直播平台广泛应用的功能,主要是提升粉丝黏性,短视频APP平台关注用户发布的短视频内容后,...
- 下一篇
19个AI热门应用领域,你确定不了解一下?
1. 自然语言生成(Natural Language Generation) 自然语言生成是人工智能的分支,研究如何将数据转化为文本,用于客户服务、报告生成以及市场概述。 2.语音识别(Speech Recognition) Siri就是一个典型的例子。 目前,通过语音应答交互系统和移动应用程序对人类语言进行转录的系统已多达数十万。 3.虚拟助理(Virtual Agents) 虚拟助理是一种能与人类进行交互的计算机代理或程序,其中以聊天机器人最为著名。虚拟助理多用于客户服务和支持,并可以作为智能家居的管理者。 4.机器学习平台(Machine Learning Platforms) 机器学习是计算机科学和人工智能技术的分支,它能提升计算机的学习能力。 通过提供算法、API(应用程序接口)、开发和训练工具包、数据、以及计算能力来设计、培训和部
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- CentOS6,CentOS7官方镜像安装Oracle11G
- CentOS关闭SELinux安全模块
- CentOS7设置SWAP分区,小内存服务器的救世主
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- Windows10,CentOS7,CentOS8安装Nodejs环境