行業(yè)資訊
人工智能技術(shù)在2018年發(fā)展趨勢的共性
人工智能技術(shù)在2018年發(fā)展趨勢的共性
步入2018年,技術(shù)表現出兩個(gè)共同特點(diǎn):智能和自動(dòng)化。
2017年形成的許多技術(shù)趨勢在2018年仍將繼續:互聯(lián)設備、數字化轉型、物聯(lián)網(wǎng)、機器學(xué)習、人工智能和自動(dòng)化。這些熱點(diǎn)話(huà)題仍隸屬2018以及之后最流行的科技詞匯,其實(shí)質(zhì)性差異在于技術(shù)的融合。AI和IoT本身就具有變革性,現在可以想象,人工智能互聯(lián)將促進(jìn)互連和自動(dòng)化世界的數字化轉型。
一、智能
如果想實(shí)現智慧工廠(chǎng)、智慧城市、智能汽車(chē)和智能家庭,那么支持系統也要智能化。人工智能在過(guò)去取得重大進(jìn)步得益于有監督深度學(xué)習的支持:訓練深度神經(jīng)網(wǎng)絡(luò )執行特定的單一任務(wù)。所謂學(xué)習被監督,指已經(jīng)提供大量的樣例給算法,且其被告知正確答案。這種深度學(xué)習十分強大,可以構建超出人類(lèi)能力的系統。斯坦福大學(xué)科學(xué)家訓練了一種診斷皮膚癌的神經(jīng)網(wǎng)絡(luò ),準確性達到執證皮膚科醫生的診斷水平。訓練過(guò)程所用的醫學(xué)圖像超過(guò)129,000張。
人的學(xué)習方法不同,我們不需要如此大量的數據。另一方面,機器處理數據的速度比我們快得多。因此,訓練算法往往比訓練人類(lèi)專(zhuān)家更快。其中一個(gè)限制因素是需要為大量高質(zhì)量訓練數據提供正確標簽?,F在,我們看到學(xué)習速度更快、所需數據更少、表現極為出色的無(wú)監督學(xué)習系統。從2018年開(kāi)始,我們將看到基本不需要監督的增強學(xué)習系統—超越游戲規則。
供應鏈優(yōu)化、客戶(hù)交互、預測性維護、數據中心運維和樓宇自動(dòng)化是基于規則的系統應用領(lǐng)域中的幾個(gè)案例?,F在應用這些規則來(lái)迅速訓練系統來(lái)比利用人為生成的邏輯要強。對監督算法訓練的優(yōu)化投入了巨大努力,如今,焦點(diǎn)轉向如何優(yōu)化無(wú)監督方法與現實(shí)模式關(guān)聯(lián),在復雜的環(huán)境中采取最佳行動(dòng)。
二、自動(dòng)化
如果可以自動(dòng)執行任務(wù)或流程,人們一定會(huì )采用這種方法。自動(dòng)化不僅在于使人能夠將精力集中于更高價(jià)值的任務(wù),而且可以提高運營(yíng)效率和重復性。自動(dòng)化已成為不可或缺的技術(shù)。我們生活在大數據時(shí)代,數據量一直在不斷增加并被物聯(lián)網(wǎng)放大。分析是獲得洞察和創(chuàng )造物聯(lián)網(wǎng)價(jià)值的關(guān)鍵所在。分析自動(dòng)化已成為解決大量數據驅動(dòng)問(wèn)題的必要手段。
機器學(xué)習和人工智能是幫助實(shí)現自動(dòng)化的技術(shù)。這讓很多人略感不安:人們不會(huì )對只需少量技能以及基本上不需要培訓的簡(jiǎn)單任務(wù)進(jìn)行自動(dòng)化。街頭公告員這個(gè)職業(yè)早已沒(méi)有了。如今,自動(dòng)化針對的是需要對人進(jìn)行廣泛培訓的崗位—例如法律助理和醫療專(zhuān)業(yè)人員。人們對機器學(xué)習和人工智能的信任還沒(méi)有達到對其它自動(dòng)化技術(shù)的信任程度——人人都信任復印機或傳真機。機器學(xué)習和人工智能系統無(wú)法解釋它們是如何工作以及做出決策是主要的信任障礙。
人們有時(shí)會(huì )把自動(dòng)與自主混為一談。自動(dòng)化任務(wù)不是代替人類(lèi)做決定,人類(lèi)仍然可以保持控制權。事實(shí)上,人們還沒(méi)有準備好改變他們與數學(xué)和邏輯之間的關(guān)系。人們喜歡自己能夠理解并加以整理的邏輯。軟件利用計算機系統以人們已知的方式去處理信息,因為這是他們編寫(xiě)的代碼。當出現錯誤時(shí),人們可以調試并糾正邏輯。
正因為算法的學(xué)習方式與人不同,因此人工智能對事物的看法也不同。它們可以看到人類(lèi)觀(guān)察不到的關(guān)系和模式。正如Tom Gruber在其TED演講中指出,我們應該討論的是機器和算法如何使我們變得更聰明,而不是我們如何使機器變得聰明。也許我們不會(huì )讓算法自主運行供應鏈,而是期待它提出下一步行動(dòng)的建議。這種建議可能會(huì )讓我們大吃一驚。
像所有技術(shù)一樣,AI是輔助技術(shù)。也許在2018年,我們將不再只把AI看成是 “虛擬人工智能”,而將它作為一種“輔助信息”技術(shù)。
步入2018年,技術(shù)表現出兩個(gè)共同特點(diǎn):智能和自動(dòng)化。

一、智能
如果想實(shí)現智慧工廠(chǎng)、智慧城市、智能汽車(chē)和智能家庭,那么支持系統也要智能化。人工智能在過(guò)去取得重大進(jìn)步得益于有監督深度學(xué)習的支持:訓練深度神經(jīng)網(wǎng)絡(luò )執行特定的單一任務(wù)。所謂學(xué)習被監督,指已經(jīng)提供大量的樣例給算法,且其被告知正確答案。這種深度學(xué)習十分強大,可以構建超出人類(lèi)能力的系統。斯坦福大學(xué)科學(xué)家訓練了一種診斷皮膚癌的神經(jīng)網(wǎng)絡(luò ),準確性達到執證皮膚科醫生的診斷水平。訓練過(guò)程所用的醫學(xué)圖像超過(guò)129,000張。


二、自動(dòng)化
如果可以自動(dòng)執行任務(wù)或流程,人們一定會(huì )采用這種方法。自動(dòng)化不僅在于使人能夠將精力集中于更高價(jià)值的任務(wù),而且可以提高運營(yíng)效率和重復性。自動(dòng)化已成為不可或缺的技術(shù)。我們生活在大數據時(shí)代,數據量一直在不斷增加并被物聯(lián)網(wǎng)放大。分析是獲得洞察和創(chuàng )造物聯(lián)網(wǎng)價(jià)值的關(guān)鍵所在。分析自動(dòng)化已成為解決大量數據驅動(dòng)問(wèn)題的必要手段。
機器學(xué)習和人工智能是幫助實(shí)現自動(dòng)化的技術(shù)。這讓很多人略感不安:人們不會(huì )對只需少量技能以及基本上不需要培訓的簡(jiǎn)單任務(wù)進(jìn)行自動(dòng)化。街頭公告員這個(gè)職業(yè)早已沒(méi)有了。如今,自動(dòng)化針對的是需要對人進(jìn)行廣泛培訓的崗位—例如法律助理和醫療專(zhuān)業(yè)人員。人們對機器學(xué)習和人工智能的信任還沒(méi)有達到對其它自動(dòng)化技術(shù)的信任程度——人人都信任復印機或傳真機。機器學(xué)習和人工智能系統無(wú)法解釋它們是如何工作以及做出決策是主要的信任障礙。

正因為算法的學(xué)習方式與人不同,因此人工智能對事物的看法也不同。它們可以看到人類(lèi)觀(guān)察不到的關(guān)系和模式。正如Tom Gruber在其TED演講中指出,我們應該討論的是機器和算法如何使我們變得更聰明,而不是我們如何使機器變得聰明。也許我們不會(huì )讓算法自主運行供應鏈,而是期待它提出下一步行動(dòng)的建議。這種建議可能會(huì )讓我們大吃一驚。

更多相關(guān)信息 還可關(guān)注中鐵城際公眾號矩陣 掃一掃下方二維碼即可關(guān)注
文章推薦
- 焦點(diǎn)關(guān)注 | 八起地方政府隱性債務(wù)問(wèn)責典型案例
- 2025年重點(diǎn)流域水環(huán)境綜合治理中央預算內項目申報指南
- 焦點(diǎn)關(guān)注 | 自然資源部關(guān)于探索推進(jìn)城市地下空間開(kāi)發(fā)利用的指導意見(jiàn)
- 焦點(diǎn)關(guān)注 | 2025年中央預算內民政領(lǐng)域項目?jì)浼吧陥蠹磳㈤_(kāi)始!
- 焦點(diǎn)關(guān)注 | 國務(wù)院關(guān)于2023年度政府債務(wù)管理情況的報告
- 公路初步設計安全性評價(jià)報告編制幾點(diǎn)技巧
- 中鐵城際分享市政基本設計原則和管線(xiàn)排布原則
- 市政綜合管廊設計規范要求及施工質(zhì)量控制要點(diǎn)
- “實(shí)景三維+”賦能危巖地災風(fēng)險管控高質(zhì)量發(fā)展創(chuàng )新應用
- 城市地下空間怎么用?《關(guān)于探索推進(jìn)城市地下空間開(kāi)發(fā)利用的指導意見(jiàn)》來(lái)了→