人工智能應用領域市場規模、人工智能領域的資金投入都迅速增長,反映了社會與市場整體對其認知程度與信心的高漲。驅動認知程度提高的一方面因素是技術本身的提高,包括數據、算法、算力,使得人工智能技術真正為商業應用創造了價值;另一方面,大數據、物聯網、雲計算等技術為人工智能的發展打下了良好基礎。
不過目前人工智能領域發展較為緩慢的原因有三點,其一是人工智能是一個典型的交叉學科,涉及到哲學、數學、計算機、神經學等諸多學科,所以內容比較多,其二是人工智能產品的研發難度較大,其三是人工智能產品落地難。雖然人工智能已有參與到了生產環境中,但是這些人工智能設備依然具備以下一些局限性:
第一:依賴於環境。目前大部分人工智能設備都對應用場景有較為嚴格的限定,離開特定的場景就無法發揮作用,這是目前一個比較普遍的問題。雖然在特定場景下工作會降低智能體的通用性,但是在一些工業生產領域,營造特定的工作環境並不困難,比如汽車製造領域。
第二:依賴於人類決策。目前人工智能設備的決策能力還是非常有限的,所以大部分決策需要人類給出,人工智能設備的作用是輔助人類進行各種決策。比如目前在智能駕駛、智慧醫療等領域的智能體,往往都會進行比較全面的輔助作用。
三:行為合理性需要加強。人工智能設備的研發方向曾經有過較多的爭論,比如像人一樣思考還是合理的思考,像人一樣行動還是合理的行動等問題。目前在人工智能領域更趨向於合理性,因為這樣更容易判斷,但是目前的智能體在合理性方面還需要不斷加強。不少人工智能設備在落地應用的過程中,發現一個比較嚴重的問題就是行為合理性問題。
目前人工智能技術仍在不斷地飛速發展當中,近期有幾個發展趨勢值得注意。
一是人工智能正在變“硬”。在芯片領域,手機上集成了仿生芯片,可以大幅度提高人臉識別的反應時間。在服務器領域,Facebook開源了人工智能硬件用於人工智能計算服務器。
二是機器學習模型和算法出現了新的發展思路。深度學習三巨頭之一Geoffrey Hinton最近提出了Capsule概念,呼籲將神經網絡的基石之一的反向傳播機制推倒重來,重新建立新的理論體系。遷移學習可以將一個領域學習的模型應用到另一個領域,從而節省大量的訓練時間,減少對任務量的要求。最近神經科學的研究進展,也將為神經網絡帶來新的靈感。
三是人工智能日益重視移動端。越來越多的人工智能應用在移動端運行,從而要求在移動端部署深度學習模型。為實現這一目標,一方面要求提高移動端的處理能力,另一方面要求降低深度學習模型的規模和部署時間,並對移動端平台進行優化。
人類大腦是一個通用的智能係統,能舉一反三、融會貫通,可處理視覺、聽覺、判斷、推理、學習、思考、規劃、設計等各類問題,可謂“一腦萬用”。因此,真正意義上完備的人工智能係統應該是一個通用的智能係統,而通用人工智能研究與應用剛剛起步,依然任重道遠。

相 關 產 品

智慧醫療智慧醫療

09 Oct, 2020

BU4美編專用 AI應用
Read More
智慧教室智慧教室

16 Oct, 2020

BU4美編專用 AI應用
Read More
工廠設備預知保養工廠設備預知保養

17 Sep, 2020

BU4美編專用 AI應用
Read More
生產製程優化生產製程優化

17 Sep, 2020

BU4美編專用 AI應用
Read More
Tags:AI