【四旋翼飞行器】76小时吃透四轴算法!史上最强软硬结合实战项目,👉戳此立抢👈

张钹院士:满足这五个条件,你的工作就将被AI取代

章鹰 2018-07-04 10:19 次阅读

上周,2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网(公众号:雷锋网)、香港中文大学(深圳)承办。

在6 月 29 日上午的主会场上,清华大学人工智能研究院院长张钹院士做了题为「走向真正的人工智能」(Towards A Real Artificial Intelligence)的大会报告。以下为张钹院士所做的大会报告全文,感谢张钹院士逐字修改。

我今天要讲的中心思想就是:我们现在离真正的人工智能还有一段很长的路。为了讲清这个思想,我必须回答下面三个问题:第一,什么叫做真正的人工智能?我们的目标是什么?第二,为什么我们需要真正的人工智能?第三,我们如何走向真正的人工智能?我现在回答这三个问题。

首先我们如何评价目前人工智能取得的成果,我们的评价很简单,针对这 5 件事:

第一是深蓝打败人类国际象棋冠军;第二是 IBM 在电视知识竞赛中打败了美国的前两个冠军,这两件事是一个类型,后面的三件事属于另外一个类型,即 2015 年微软在 ImageNet 上做图象识别,它的误识率略低于人类;百度、讯飞也都宣布在单句的中文语音识别上,它的误识率也略低于人类;还有一个是大家非常熟悉的 AlphaGo 打败了李世石。这 5 件事情都是机器在一定的范围内超过了人类,我们如何来评价这 5 件事?

大家一致认为这 5 件事之所以成功,是由于前面三个因素,一是大数据,二是计算能力提高,第三是有非常好的人工智能算法。这三个因素大家都讨论得非常多了,没必要我再来说,我现在要说的最后一个因素是被大家所忽略的,这个因素是说,这所有的成果必须建立在一个合适的应用场景下。这 5 件事虽然领域很不一样,但是它们都满足完全一样的条件,或满足下面的 5 个限制,首先你必须有丰富的数据或者丰富的知识,如果这两件东西没有,或者很少,你不用来谈人工智能,因为你无法实现无米之炊。人工智能仅有的两个资源,一个是数据,一个是知识。还有确定性信息、完全信息、静态的、单任务和有限领域。这 5 个条件里面任何一个条件不满足,现在的人工智能做起来就非常困难了。

大家想想这 5 个限制条件下的应用场景是什么样的应用场景?就是照章办事,不需要任何灵活性,这显然不是智能的核心。

我们现在分析一下上述 5 个场景。下象棋是完全信息博弈,信息完全和确定,没有问题。其次,它遵循着完全确定的游戏规则演化,我们把这种情况也叫做静态。Watson 机器人也是这样,Watson 是什么样的对话问题呢?它为什么选择知识竞赛呢?我们知道知识竞赛提的问题都没有二义性,都是明确的,它的答案总是唯一性的。所以这样的问答对机器人来讲是非常容易的。它涉及的领域虽然比较宽,但也是有限的,包括大家觉得很玄乎的围棋,也完全符合上面 5 个条件,所以对计算机来说也是很容易的。目前计算机打麻将就不行,因为牌类是不完全信息博弈,所以比棋类要难。总之,我们对目前人工智能取得的成果要有一个正确的评价。

目前的人工智能技术在以下领域都可以找到它的应用,它们是交通、服务、教育、娱乐等等,但我要强调是这些领域里面只有满足上述 5 个条件的事情,计算机做起来才会容易,如果不满足这些条件,计算机就做起来就困难了。大家常常关心什么样的工作会被机器所替代,我可以明确告诉大家,满足这 5 个条件的工作,总有一天会被计算机取代,就是那些照章办事,不需要任何灵活性的工作,比如说出纳员、收银员等等。在座的所有工作都不可能被计算机完全代替,但不排斥你的工作中有一部分会被计算机取代,老师、企业家等的工作不可能被计算机完全代替。

为什么有这 5 个限制?原因在于我们现在的人工智能是没有理解的人工智能。

我们先看符号模型,理性行为的模型,举 Watson 的例子,它是个对话系统,我们现在所有做的对话系统都跟这个差不多,但是 Watson 做得更好些,它里面有知识库,有推理机制。沃森除了专家知识之外,还有大量互联网上大众的知识,还运用了多推理机制。请看,这就是 Watson 系统的体系结构。它里面有哪些知识呢?有很多,包括百科全书、有线新闻、文学作品等等。所有的知识用纸质来表示有 2 亿页,用存储量表示达到了 4TB。它能回答什么问题呢?用它的例子来说明。第一个问题,1974 年 9 月 8 日谁被总统赦免?这对美国人来讲很好回答,同样对计算机来讲也很好回答,你用这几个关键字「1974 年 9 月 8 日」、「被总统赦免」,就能在文献里头查出来是谁,他就是尼克松。也就是说根据问题中的关键字,可以在已有的文献里头直接找到答案,这就是一般的网络检索方法。

第二个问题,荧光粉受到电子撞击以后,它的电磁能以什么方式释放出来?我们用「荧光粉」、「电子撞击」、「释放电磁能」等关键词,也可以找到答案:「光或者光子」。这种方法就是平时网络搜索的原理,应该说没有什么智能。

回答下面的问题就需要「智能」了,跟智利陆地边界最长的是哪个国家?跟智利有陆地边界的国家可以检索到,它们是阿根廷和玻利维亚,但是谁的边境长?通常查不到。Watson 具备一定的推理能力,它从边界间发生的事件、边界的地理位置等等,经过分析推理以后就可以找出答案,它就是阿根廷。下一个问题也属于这种性质,跟美国没有外交关系的国家中哪个最靠北,跟美国没有外交关系的国家有 4 个,只要检索就行了,但是哪个国家最靠北,没有直接答案,但可以从其它信息中推导出来,比如各个国家所处的纬度、气候寒冷的程度等等分析出来,答案是北朝鲜。

智能体现在推理能力上。但是很不幸,现在的对话系统推理能力都很差。Watson 系统好一些,但也很有限。换句话说,我们现在的对话系统离真正的智能还很远。

我们通过索菲亚机器人就可以看出来,索菲亚的对话是面向开放领域,你可以随便提问,问题就暴露出来了。大家在电视上看到索菲亚侃侃而谈,问什么问题都能答得很好,这里面有玄机,如果你的问题是预先提出来的,因为里头有答案,因此回答得非常好,在电视上给大家演示的都是这种情况。

如果我们临时提问题,问题就出来了。这是一个中国记者给索菲亚提的 4 个问题,它只答对了一个。「你几岁了」,这个问题很简单,它答不上来,它的回答是「你好,你看起来不错」,答非所问,因为它不理解你所问的问题。只有第二个问题它是有准备的,里面有答案,所以答得很好。「你的老板是谁」,这个肯定它有准备。第三个问题,「你能回答多少问题呢」?它说「请继续」,没听懂!。再问第四个问题,「你希望我问你什么问题呢」?它说「你经常在北京做户外活动吗」?这就告诉我们说,现代的问答系统基本上没有理解,只有少数有少量的理解,像 Watson 这样算是比较好的。

为什么会这样?也就是说我们现在的人工智能基本方法有缺陷,我们必须走向具有理解的 AI,这才是真正的人工智能。我这里提出的概念跟强人工智能有什么区别?首先我们说它在这点上是相同的,我们都试图去准确地描述人类的智能行为,希望人工智能跟人类的智能相近,这也是强人工智能的一个目标,但是强人工智能只是从概念上提出来,并没有从方法上提出怎么解决。大家知道强人工智能提出了一个最主要的概念,就是通用人工智能。怎么个通用法?它没有回答。我们现在提出来的有理解的人工智能是可操作的,不只是概念,这是我们跟强人工智能的区别。

人机对话的时候,机器为什么不能理解人们提的问题?我们看一个例子就知道了,我们在知识库里把「特朗普是美国总统」这个事实,用「特朗普-总统-美国」这三元组存在计算机里面,如果你提的问题是「谁是美国总统」?机器马上回答出来:「特朗普」。但是你如果问其它有关的问题,如「特朗普是一个人吗」?「特朗普是一个美国人吗」?「美国有没有总统」?它都回答不了。它太傻了,任何一个小学生,你只要告诉他特朗普是美国总统,后面这几个问题他们绝对回答得出来。机器为什么回答不了后面的三个问题呢?就是这个系统太笨了,没有常识,也没有常识推理。既然特朗普是美国的总统,美国当然有总统,但是它连这一点常识的推理能力都没有。所以要解决这个问题,必须在系统中加上常识库、常识推理,没有做到这一步,人机对话系统中机器不可能具有理解能力。但是大家知道,建立常识库是一项「AI 的曼哈顿工程」。大家想想常识库多么不好建,怎么告诉计算机,什么叫吃饭,怎么告诉计算机,什么叫睡觉,什么叫做睡不着觉,什么叫做梦,这些对人工智能来说都非常难,美国在 1984 年就搞了这样一个常识库的工程,做到现在还没完全做出来。可见,要走向真正的人工智能,有理解的人工智能,是一条很漫长的路。

张钹院士在CCF-GAIR大会现场

这里介绍一点我们现在做的工作,加入常识以后,对话的性能会不会有所改善。我们的基本做法是建立一个常识图谱,用这个图谱帮助理解提出的「问题」,同时利用常识图谱帮助产生合适的答案。

下面就涉及到具体怎么做了,我不详细说了,我就说结果,结果是有了常识以后,性能有了显著的改善,对话的质量提高了。这篇文章已经发表,有兴趣可以去阅读。

另外是准符号模型,深度学习神经网络主要用来模拟感性行为,感性行为是一般很难采用符号模型,因为感性(感觉)没法精确描述。比如「马」,怎么告诉计算机什么叫做马?你说马有四条腿,什么叫做腿?你说细长的叫做腿,什么叫细?什么叫做长?没法告诉机器,因此不能用符号模型。目前用的办法就是我们现在说的神经网络或者准符号模型,也就是用人类同样的办法,学习、训练。我不告诉机器什么叫做马,只是给不同的马的图片给它看,进行训练。训练完以后,然后再用没见过的马的图片给它看,说对了,就是识别正确了,说不对就是识别不正确,如果 90% 是对的,就说明它的识别率是 90%。后来从浅层的神经网络又发展到多层的神经网络,从浅层发展到多层有两个本质性的变化,一个本质性的变化就是输入,深层网络一般不用人工选择的特征,用原始数据就行。所以深度学习的应用门槛降低了,你不要有专业知识,把原始数据输进去就行了。第二个是它的性能提高很多,所以现在深度学习用得很多,原因就在这个地方。

通过数据驱动建立的系统能不能算是有智能呢?必须打一个很大的问号,就是说你做出来的人脸识别系统甚至识别率会比人还高,但是我们还不能说它有智能,为什么呢?这种通过数据驱动做出来的系统,它的性能跟人类差别非常大,鲁棒性很差,很容易受干扰,会发生重大的错误,需要大量的训练样本。我们刚才已经说过,给定一个图像库我们可以做到机器的识别率比人还要高,也就是说它可以识别各种各样的物体,但是这样的系统,我如果用这个噪声输给它,我可以让它识别成为知更鸟,我用另外的噪声输给它,可以让它识别成为猎豹。换句话讲,这样的系统只是一个机械的分类器,根本不是感知系统。也就是说它尽管把各种各样动物分得很清楚,但是它不认识这个动物,它尽管可以把猎豹跟知更鸟分开,但是它本质上不认识知更鸟和猎豹,它只到达了感觉的水平,并没有达到感知的水平,它只是「感」,没有上升到「知」。我们的结论是,只依靠深度学习很难到达真正的智能。这是很严峻的结论,因为如果有这样的问题,在决策系统里头是不能用这样的系统,因为它会犯大错。我在很多场合讲过,人类的最大的优点是「小错不断、大错不犯」,机器最大的缺点是「小错不犯,一犯就犯大错」。这在决策系统里头是不允许的,这就显示人跟机器的截然不同,人非常聪明,所以他做什么事都很灵活,这就使得他很容易犯各种各样的小错。但是他很理性,很难发生大错。计算机很笨,但是很认真,小错误绝对不会犯,但是它一犯就是天大的错误。刚才把那个把噪声看成知更鸟,这不是大错吗?你把敌人的大炮看成一匹马,不是大错吗?但是人类不会发生这种错误,人类只会把骡看成驴,但是计算机的识别系统会把驴看成一块石头。原因在哪儿?原因还是 AI 的理解能力问题。

我们看这个自动驾驶,过去讲得很多,而且讲得很乐观,我们看看问题在什么地方。我们现在是这样做,我们通过数据驱动的学习方法,学习不同场景下的图象分割,并判别是车辆还是行人、道路等,然后建立三维模型,在三维模型上规划行驶路径。现在用硬件已经可以做到实时,请问大家,这样能不能解决问题?如果路况比较简单,行人、车辆很少,勉强可以用。复杂的路况就用不了。什么原因?非常简单,好多人总结出这个经验,行人或者司机都会有意无意破坏交通规则,包括外国人也一样,中国人更严重一点。这就使得数据驱动方法失效,比如说我们可以用数据驱动方法来了解各种各样行人的行为,我们可以通过大量进行训练,都训练完以后,如果出现新的情况呢?计算机能理解这是人从底下钻过来,很危险吗?所以你不可能把所有情况都训练到。自动驾驶不可能对付突发事件,如果这个突发事件它没见过,它就解决不了。

怎么来解决这个问题呢?实际上就是要解决从「Without」到「With」理解的问题。人工智能现在有两种基本方法,一种是用符号模型来模拟理性行为,符号模型可以表达信息的内容,所以它是在一个语义的符号空间里头,但是非常不幸,这个离散的符号表示,数学工具很难用,很多数学工具用不上去,所以它发展很慢。在模拟感性行为的时候,我们用的是特征空间的向量,向量就是数,可以把所有的数学工具都用上,优化的工具、概率统计的工具全部用上。所以数据驱动方法这几年发展非常快,再难的问题,下围棋非常难吧,计算机也可以「算」出来。但是它有一个非常大的缺陷,它是在特征空间里,缺乏语义。我们用数据去训练一个模型,所谓「黑箱学习法」,加上你的数据质量不高,很难学出有用的东西。什么叫概率统计?重复多了就是真理。如果数据质量差,充满了「谎言」。谎言重复多了,就变成真理了。

我们现在想出的解决办法是这样的,就是把这两个空间投射到一个空间去,这个空间叫做语义的向量空间。也就是说我们把符号变成向量,同时把特征空间的向量变成语义空间的向量。怎么做?一是通过 Embedding(嵌入)把符号变成向量,尽量保持语义不变,可惜现在的方法都会引起语义的丢失,我们只能在投射的过程中让语义丢失得少。第二方面做的工作比较少,就是 Raising(提升),把特征空间提升到语义空间去,这主要靠学科交叉,靠跟神经科学的结合。只有这些问题解决以后,我们才能够建立一个统一的理论,因为过去的感知和认知是不同的处理方法,大家说不到一块,如果我们能够投射到同一空间去,我们就可以建立一个统一的理论框架,这是我们的目标。在语义空间处理就可以解决理解问题,但是这项工作是非常艰巨的。

介绍一项我们现在做的工作。人工神经网络为什么不能得到语义信息呢?人脑的神经网络为什么可以呢?差别就在这里,我们现在用的人工神经网络太简单了,我们正想办法把脑神经网络的许多结构与功能加进去,我们这里只用了「稀疏发电」这一性质,就可以看出一些效果,人脸、大象或者鸟的轮廓,神经网络可以把它提取出来。

还有一个办法就是把数据驱动跟知识驱动结合起来。刚才讲了,人的智能没法通过单纯的大数据学习把它学出来,那怎么办?很简单,加上知识,让它有推理的能力,做决策的能力,这样就能解决突发事件。我们现在做的工作就是把这些结合起来,这是我们的基本思路,知识也好,数据也好,都投射到同一空间,然后都用同样的数学方法进行处理,这方面我们已经做了不少工作。

最后做一个总结,我们从这个坐标看人工智能,横轴代表领域的宽窄,从单领域到多领域、到开放领域。纵轴代表信息的确定性与完全性,从完全到不完全、从确定到不确定。在左下角代表最容易的,就是刚才讲的符合 5 个条件的,现在人工智能在这部分解决得非常好,我们用白色来表示它,AlphaGo 在这里,深蓝在这里,工业机器人在这里。现在我们正在向灰色地区去走,打牌,信息不完全,现在打德州扑克,一人对一人,计算机能战胜人类,多人对弈,计算机还不行,这是灰色地带,我们还可以做,为什么可以做?尽管打牌是不确定的,但是它在概率意义下是确定的,你拿的这副牌的概率,可以算出来,同花的概率是多少,排成顺的概率是多少,既然概率能算出来,最终人类肯定会被计算机打败。Watson 在右边,它的领域比较宽,但是它是确定性的,所以是在灰色的区域。往右上方去就比较难了,自动驾驶、服务机器人、大数据分析,它是一个大框,有的简单,有的困难,就自动驾驶来讲,专用道、行车很少,路况简单等,在白色或者灰色区,如果路况复杂就到了黄色区域,黄色区现在计算机还解决不好。最远的在哪儿呢?右上角,图灵测试。大家对图灵测试有很多误解,其实图灵测试是开领域问答,很难!索菲亚做得怎么样?很糟糕。自然语言理解也在这里,复杂环境下的决策在偏左一点的地方,这也是很难的。所以我们人工智能现在是从左下角往右上角走,我们现在处在出发点附近。有的人想把它用一些名词来区分人工智能的不同发展阶段,有专家问我,你的看法怎么样?我建议不要用新词,用新词往往说不清,很麻烦,有的人说现在是弱人工智能,以后是强人工智能,也有人说现在叫增强智能(Augmented Intelligence)也是 AI……概念太多说不清,还是简单一点,「我们正在通往真正 AI 的路上」,现在走得并不远,在出发点附近,人工智能永远在路上,大家要有思想准备,这就是人工智能的魅力。大家为什么这么重视人工智能?因为我们永远在路上,这就吸引我们去解决这些问题,这些问题一旦解决了,人类的社会进步、人类的生活就会发生本质上的改变。

最后我用一段古文作为总结:

周穆王西巡狩,路遇匠人名偃师。翌日偃师谒见王,偕来一个假人。「趋步俯仰,信人也」。「领其颅,则歌合律;捧其手,则舞应节。千变万化,惟意所适。王以为实人也,与盛姫内御并观之,技将终,倡者瞬其目而招王之左右侍妾。王大怒,要杀这个偃师。偃师大慑,立剖其倡者以示王,皆傅会革、木、胶、漆、白 、黑、丹、青之所为。穆王始悦,诏贰车载之以归。

这是 3000 年前我们古人对机器人的想象,看看现在的人工智能做得怎么样呢?索菲亚是我们现在达到的水平,可是她不会唱歌、不会跳舞,只会说英文,周王也听不懂,肯定没有印象。现在我们假设索菲亚「瞬其目而招王之左右侍妾」,向周王的姨太太们送去秋波,王会如何呢?我认为没反应,因为索菲亚是女的,他用不着吃醋。但是我们假设索菲亚「瞬其目而招王」,向大王送去秋波,王会大悦,立即神魂颠倒,坠入爱河?我认为不会,因为索菲亚根本不像人,它最近才刚刚安上手脚,走路都不利索,怎么行呢?所以我的结论是,「索菲亚通不过穆王的测试,当然它更通不过图灵测试」。

我们的结论是什么?人工智能刚刚起步,离真正的 AI 还很遥远,大家共同努力吧,我们任重道远。

收藏 人收藏
分享:

评论

相关推荐

DNN解决ImageNet时的策略似乎比我们想象的要简单得多

这就避免了对图像的显式分区,并且尽可能接近标准CNN,同时仍然实现概述的策略,我们称之为模型结构Ba....
的头像 新智元 发表于 02-16 11:12 166次 阅读
DNN解决ImageNet时的策略似乎比我们想象的要简单得多

神经网络的基本知识,以及两种更高级的算法:DeepWalk和GraphSage

在节点分类问题设置中,每个节点 v 的特征 x_v 与一个 ground-truth 标签 t_v ....
的头像 新智元 发表于 02-16 11:03 159次 阅读
神经网络的基本知识,以及两种更高级的算法:DeepWalk和GraphSage

从2018年全球人工智能数据看未来发展趋势

2018年,人工智能从基础研究、技术到产业,都进入了高速增长期。
的头像 电子发烧友网工程师 发表于 02-16 10:59 754次 阅读
从2018年全球人工智能数据看未来发展趋势

2018年以来最重要的10篇计算机视觉/图像生成相关的研究

卷积神经网络(CNN)可以很好的处理二维平面图像的问题。然而,对球面图像进行处理需求日益增加。例如,....
的头像 新智元 发表于 02-16 10:50 108次 阅读
2018年以来最重要的10篇计算机视觉/图像生成相关的研究

手机芯片谁是AI之王?高通、联发科均超华为

在刚出炉的2019年2月排行中,高通骁龙855位列榜首,紧随其后是联发科Helio P90处理器。而....
的头像 电子发烧友网工程师 发表于 02-16 10:41 387次 阅读
手机芯片谁是AI之王?高通、联发科均超华为

2019年伊始 四所著名高校开设人工智能学院

2019年,人工智能依然热度不减。
的头像 电子发烧友网工程师 发表于 02-16 10:34 306次 阅读
2019年伊始 四所著名高校开设人工智能学院

在互联网上你的脸正在成为色情片主角

视频请求者将这位女性的脸放在身体上,视频中汇集了她491张脸的照片,其中许多照片来自她的Facebo....
的头像 电子发烧友网工程师 发表于 02-16 10:29 189次 阅读
在互联网上你的脸正在成为色情片主角

特朗普紧急发布《AI倡议》一切为了美国能主宰人工智能

美国时间2月11日,美国国家科技政策办公室发布了由总统唐纳德·J·特朗普亲自签署的《美国人工智能倡议....
的头像 电子发烧友网工程师 发表于 02-16 10:10 188次 阅读
特朗普紧急发布《AI倡议》一切为了美国能主宰人工智能

智能新零售,一眼“看”穿你

更多信息,更精准的广告定位。
的头像 电子发烧友网工程师 发表于 02-16 10:05 320次 阅读
智能新零售,一眼“看”穿你

从融合洞见AI未来 看云计算、大数据与AI之间的关系

人工智能与云计算、大数据之间相辅相成不可分割。
的头像 电子发烧友网工程师 发表于 02-16 10:05 351次 阅读
从融合洞见AI未来 看云计算、大数据与AI之间的关系

中国医用AI准确度超越医生

诊断50余种儿科常见疾病的准确性均超过85%。
的头像 电子发烧友网工程师 发表于 02-16 10:02 244次 阅读
中国医用AI准确度超越医生

特朗普“美国AI计划”遭抨击:不如多发10000个人才签证

这两天美国在人工智能领域的动作有点大,特朗普前天签署“美国AI计划”,国防部昨天出台“AI战略规划”....
的头像 电子发烧友网工程师 发表于 02-16 08:46 321次 阅读
特朗普“美国AI计划”遭抨击:不如多发10000个人才签证

深度学习的基础理论,深度学习为何work又为何不work?

深度学习的泛化能力为什么那么好?大家知道深度学习理论的第一个谜团就是一个大的网络动辄百万参数, 而能....
的头像 人工智能学家 发表于 02-15 16:47 721次 阅读
深度学习的基础理论,深度学习为何work又为何不work?

2019年来临之际,a&s针对安防从业人员的薪资待遇做了问卷调查

从a&s的调查分析中可以看出,仍然是高级有92.31%具有奖金奖励,而市场公关、产品研发、技术支持、....
的头像 安全自动化 发表于 02-15 16:31 588次 阅读
2019年来临之际,a&s针对安防从业人员的薪资待遇做了问卷调查

对中国将人工智能用于监控和政府监管感到担忧

据彭博社报道,加拿大计算机科学家约舒亚•本吉奥(yoshu Bengio)对中国将人工智能用于监控和....
的头像 MCA手机联盟 发表于 02-15 16:26 516次 阅读
对中国将人工智能用于监控和政府监管感到担忧

为什么现在的人工智能助理都像人工智障

大家好,我又出来怼人了。 “ 我不是针对谁,只是现在所有的深度学习都搞不定对话AI。”
的头像 算法与数据结构 发表于 02-15 16:11 299次 阅读
为什么现在的人工智能助理都像人工智障

谷歌语言人类将在2029年开始实现永生

作家、发明家、计算机科学家、谷歌首席未来学家雷·库兹韦尔(Ray Kurzweil)在接受《花花公子....
的头像 机器人大讲堂 发表于 02-15 15:34 327次 阅读
谷歌语言人类将在2029年开始实现永生

2018年全球创新投入力度持续加大,创新成果丰硕

从国别看(见表2),美国仍以5529.8亿美元保持全球第一,并同比增长2.86%,但由于全球研发投入....
的头像 全球技术地图 发表于 02-15 15:18 496次 阅读
2018年全球创新投入力度持续加大,创新成果丰硕

世界信息领域2018年发展态势,世界信息领域2019年趋势展望

全球网络安全威胁升级,各国不断强化网络安全战略。当前,网络攻击形式多变,攻击能力不断提升。勒索病毒A....
的头像 全球技术地图 发表于 02-15 15:16 383次 阅读
世界信息领域2018年发展态势,世界信息领域2019年趋势展望

世界生物领域2018年发展态势,世界生物领域2019年趋势展望

前沿生物技术频现突破,颠覆性成果不断涌现。在脑与神经科学领域,美国科学家首次建立多人脑对脑接口合作系....
的头像 全球技术地图 发表于 02-15 15:13 364次 阅读
世界生物领域2018年发展态势,世界生物领域2019年趋势展望

英国斥资4800万英镑发展AI和数据科学

英国科研与创新署(UKRI)于去年底发布新的AI和数据科学资助计划,拟通过战略重点基金(Strate....
的头像 机器人技术与应用 发表于 02-15 15:08 297次 阅读
英国斥资4800万英镑发展AI和数据科学

世界先进制造领域2018年发展态势,世界先进制造领域2019年趋势展望

工业互联网布局持续推进,助力实现智能化生产。富士康积极打造工业互联网平台BEACON,推动互联网、大....
的头像 全球技术地图 发表于 02-15 15:08 314次 阅读
世界先进制造领域2018年发展态势,世界先进制造领域2019年趋势展望

从10到1为大家介绍2019年医学技术十大创新

现在的大部分手术的侵入性和手术时间都达到了前所未有的最小程度。在手术中引入机器人改变了手术方法。手术....
的头像 Medtec医疗器械设计与制造 发表于 02-15 14:55 515次 阅读
从10到1为大家介绍2019年医学技术十大创新

人工智能教练进军足球界 未来不用花天价请洋帅

人工智能对于我们而言已经不是什么陌生的字眼。随着科技的发展,人工智能以各种创新的方式被应用,体育界也....
的头像 人工智能 发表于 02-15 14:53 329次 阅读
人工智能教练进军足球界 未来不用花天价请洋帅

一种常用的建立在科学实验和科学分析基础上的图像增强方法--Retinex

真实世界是无颜色的,我们所感知的颜色是光与物质的相互作用的结果。我们见到的水是无色的,但是水膜—肥皂....
的头像 C语言专家集中营 发表于 02-15 14:35 118次 阅读
一种常用的建立在科学实验和科学分析基础上的图像增强方法--Retinex

人工智能与视频监控技术互相融合 推动视频监控市场的爆发

被称为“歌神”的张学友,如今得到了一个新的头衔“捕神”。在短短的半年时间里,张学友在国内各地开了十一....
发表于 02-15 13:52 208次 阅读
人工智能与视频监控技术互相融合 推动视频监控市场的爆发

背后的统一逻辑是否就是科创板公司的选择标杆

最近各路财经媒体和科技媒体纷纷将1月初上海市委书记李强走访和座谈的12家沪上顶尖科创企业作为科创版的....
的头像 传感器技术 发表于 02-15 13:51 1618次 阅读
背后的统一逻辑是否就是科创板公司的选择标杆

区块链分布式智能医疗网络HHH介绍

HHH 是分布式智能医疗方向的开拓者。HHH 将区块链、人工智能等前沿技术创新性运用于医疗领域,连结....
发表于 02-15 13:48 127次 阅读
区块链分布式智能医疗网络HHH介绍

一位算法工程师的笔试及面试总结

从2015年8月到2015年10月,花了3个月时间找工作,先后通过内推参加了美团、阿里蚂蚁金服、京东....
的头像 工程师人生 发表于 02-15 11:47 420次 阅读
一位算法工程师的笔试及面试总结

怎样成为一名合格的算法工程师

成为一名合格的开发工程师不是一件简单的事情,需要掌握从开发到调试到优化等一系列能力,这些能力中的每一....
的头像 工程师人生 发表于 02-15 11:39 315次 阅读
怎样成为一名合格的算法工程师

快讯:苹果更换Siri负责人,作为人工智能战略转变的一部分

据CNBC报道,谷歌母公司Alphabet旗下生命科学部门Verily一直在寻求合作伙伴,联合开发嵌....
的头像 高工智能未来 发表于 02-15 11:28 711次 阅读
快讯:苹果更换Siri负责人,作为人工智能战略转变的一部分

成为算法工程师前需要知道什么

本来这篇标题我想的是算法工程师的技能,但是我觉得要是加上机器学习在标题上,估计点的人会多一点,所以标....
的头像 工程师人生 发表于 02-15 11:26 246次 阅读
成为算法工程师前需要知道什么

云计算、大数据和人工智能,哪种技术可以开启下一个时代?

正是得益于大数据和云计算的支持,互联网才正在向物联网扩展,并进一步升级至体验更佳、解放生产力的人工智....
的头像 高工智能未来 发表于 02-15 11:23 319次 阅读
云计算、大数据和人工智能,哪种技术可以开启下一个时代?

快讯:小米集团创始人、董事长兼CEO雷军:百亿押注AIoT

从贵州省工业和信息化厅获悉,按照全口径总产值初步概算,贵州规划发展的十大千亿级工业产业中,2018年....
的头像 高工智能未来 发表于 02-15 11:20 410次 阅读
快讯:小米集团创始人、董事长兼CEO雷军:百亿押注AIoT

快讯:人工智能公司Databricks融资2.5亿美元,微软参投

南加州大学的研究人员利用”相关性解释(Correlation Explanation,CorEx)“....
的头像 高工智能未来 发表于 02-15 11:16 480次 阅读
快讯:人工智能公司Databricks融资2.5亿美元,微软参投

百度成为第一个扛住春晚红包冲击的互联网公司

可以从某种意义上来说,百度在“春晚红包”上的“语音识别尝试”,其实很容易在技术准备不足的情况下,在快....
的头像 高工智能未来 发表于 02-15 11:13 514次 阅读
百度成为第一个扛住春晚红包冲击的互联网公司

快讯:英特尔扩大爱尔兰产能,投资70亿欧元新建两芯片厂

英特尔公司的爱尔兰总经理思诺特(Eamonn Snutt)表示:「英特尔爱尔兰公司向基尔代尔县议会提....
的头像 高工智能未来 发表于 02-15 11:10 289次 阅读
快讯:英特尔扩大爱尔兰产能,投资70亿欧元新建两芯片厂

高通骁龙携新平台来袭——骁龙712为游戏及其他体验带来顶级特性

骁龙712移动平台采用10纳米制程工艺而打造,支持先进的多核Qualcomm人工智能引擎AI Eng....
的头像 Qualcomm中国 发表于 02-15 11:00 415次 阅读
高通骁龙携新平台来袭——骁龙712为游戏及其他体验带来顶级特性

人工智能最新现状分析,智能化时代要来临了吗?

现在人工智能确实非常好,各种人才进入人工智能行业开始研究各种产品,火热程度超越以前。但是真正落地的应....
发表于 02-15 10:15 284次 阅读
人工智能最新现状分析,智能化时代要来临了吗?

十个智慧城市的建设或改造将对城市经济产生直接影

随着AI技术与各领域的深度融合,与之相关的城市自动化也正在逐步普及,城市的各种管理和维护会更加轻松。....
的头像 深圳创新设计研究院 发表于 02-15 09:48 246次 阅读
十个智慧城市的建设或改造将对城市经济产生直接影

快讯:CB Insights发布全球人工智能100强企业名单

索尼为其智能机器狗Aibo配备了一款玩具骰子,据称,Aibo能够握住、滚动、投掷和堆叠骰子。并且根据....
的头像 机器人大讲堂 发表于 02-15 09:12 496次 阅读
快讯:CB Insights发布全球人工智能100强企业名单

盘点将影响企业发展的10个技术

在一年的年末或下一年的年初,预测,正在成为众多机构,特别是科技行业所热衷的主题。
的头像 人工智能学家 发表于 02-14 16:45 724次 阅读
盘点将影响企业发展的10个技术

深圳市发改委组织征集2019年人工智能项目 将围绕多个领域推动人工智能融合创新应用

2018年,广东省正式发布《广东省新一代人工智能发展规划》,将推动多个人工智能产业集约集聚发展,其中....
的头像 半导体动态 发表于 02-14 16:37 511次 阅读
深圳市发改委组织征集2019年人工智能项目 将围绕多个领域推动人工智能融合创新应用

分享机器学习卷积神经网络的工作流程和相关操作

机器学习算法篇--卷积神经网络基础(Convolutional Neural Network)...
发表于 02-14 16:37 34次 阅读
分享机器学习卷积神经网络的工作流程和相关操作

物联网中存在的大量数据需要与云计算和大数据结合

云计算实现了通过网络提供可伸缩、廉价的分布式计算能力。它包括3种典型的服务模式:IaaS(基础设施即....
发表于 02-14 16:29 86次 阅读
物联网中存在的大量数据需要与云计算和大数据结合

AI又将步入舞池,开始AI模型在艺术表演上的全新尝试

虚拟舞者首先表演了由神经网络预先生成的舞蹈动作,然后又表演了由舞蹈公司的编舞 Mikiko 编导的舞....
的头像 英伟达NVIDIA中国 发表于 02-14 16:17 172次 阅读
AI又将步入舞池,开始AI模型在艺术表演上的全新尝试

探析人工智能在安防领域的应用

1月24日,胡润研究院发布《2018胡润大中华区独角兽指数》。根据统计显示。2018全年发现97家新....
的头像 安全自动化 发表于 02-14 15:58 621次 阅读
探析人工智能在安防领域的应用

滴滴被曝2018年持续巨额亏损,全年亏损高达109亿元人民币

据滴滴大数据预测,今年春节期间(1 月 28 日~2 月 10 日)全国平均打车成功率下降 20%,....
的头像 汽车工程师 发表于 02-14 15:57 518次 阅读
滴滴被曝2018年持续巨额亏损,全年亏损高达109亿元人民币

名校出身与创业成功之间是否有一定关联呢?原来独角兽企业的创始人们毕业于这些高校!

值得一提的是,瓜子二手车(车好多)创始人杨浩涌和万达电商创始人龚义涛两人同时拥有海外和国内两个硕士学....
的头像 机器人大讲堂 发表于 02-14 15:34 730次 阅读
名校出身与创业成功之间是否有一定关联呢?原来独角兽企业的创始人们毕业于这些高校!

自然语言处理工具python调用hanlp中文实体识别

Hanlp作为一款重要的中文分词工具,在GitHub的用户量已经非常之高,应该可以看得出来大家对于hanlp这款分词工具还是很认可的。...
发表于 02-13 10:26 298次 阅读
自然语言处理工具python调用hanlp中文实体识别

人工智能技术及算法设计指南

人工智能各种技术与算法
发表于 02-12 14:07 145次 阅读
人工智能技术及算法设计指南

卷积神经网络入门资料

卷积神经网络入门详解
发表于 02-12 13:58 97次 阅读
卷积神经网络入门资料

功能安全与人工智能

作者:Tom-M 这可能是我最短的博客。人工智能有很多名称,包括机器学习。识别手写字的系统不被称为AI,而是光学字符识别...
发表于 01-28 07:44 59次 阅读
功能安全与人工智能

关于labview机器学习的相关例子

1、例程包含了BP神经网络、SVM和其他一些算法的例子 2、有助于学习人工智能与labview的结合应用 3、使用例子需要安装ML...
发表于 01-27 12:11 212次 阅读
关于labview机器学习的相关例子

算法原理与模型训练

算法原理 再讲GBDT之前先给大家讲个故事,有一个年轻的阿姨今年50岁,现在我们不知道她的真实年龄,我们想通过他的皮肤、穿...
发表于 01-25 15:02 595次 阅读
算法原理与模型训练

初学AI人工智能需要哪些技术?这几本书为你解答

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用...
发表于 01-21 14:26 728次 阅读
初学AI人工智能需要哪些技术?这几本书为你解答

2019北京消费电子展:智能语音成消费电子发展新引擎

随着互联网概念的遍及,人工智能的快速发展,中国在智能语音技术的专利数量持续增长,通过庞大的用户群基础以及互联网系统优势明...
发表于 01-11 17:13 215次 阅读
2019北京消费电子展:智能语音成消费电子发展新引擎

在指甲上贴一个可穿戴传感器,你的健康状况“尽收眼底”

一个小型指甲可穿戴传感器可以监测疾病和病症,这在近期的IBM故事中得到了解释。该团队设计了这些小型传感器,可以帮助临床医...
发表于 01-06 20:46 270次 阅读
在指甲上贴一个可穿戴传感器,你的健康状况“尽收眼底”