数据结构论坛

注册

 

发新话题 回复该主题

如何实现AI未来畅想 [复制链接]

1#

AI还能干什么?

年,第一代神经网络算法问世,证明了《数学原理》前52个中的38项。

此后,AI不断突破迭代,“折叠”生产力时空,将人类从重复劳作中解放出来。

近年来,随着各行各业高度发展,信息量和应用场景也呈指数级增加,算法模型逐渐步入深水区。而AI落地的场景,大多数仍然有限,并未能发挥最大效能。

怎样的AI技术,能够持续赋能行业,乃至跑向机器“拓荒”思考的“最后一公里”?

AI现在需要“解放自己”。

*迅速成长的AI十年

年,“尤金·古斯特曼”成为首个通过图灵测试的聊天机器人,标志着机器开始拥有足以混淆人类辨别能力的智能。

年,谷歌的“阿尔法狗”在围棋这一人类智力最后的“阵地”上,击败了世界冠军李世石,一战成名。

年,百度的“小度机器人”在《最强大脑》中战胜人类,成为“脑王”。

......

过去十年,一个个标志性事件,记录下了AI迅速成长的每一步。

学术界热情高涨,AI相关的论文数量急剧增加,AI相关的研讨会议遍地开花,进一步推动了相关学术研究的进一步交流。国家层面,中国、欧盟和美国都在不甘人后、加大注码、积极布局,而这里面,又数我国的成长最明显。

根据斯坦福大学发布的《人工智能指数年度报告》,年,我国在世界范围内的人工智能期刊论文引用次数首次超过了美国。这是继年在论文发表总数夺得世界第一之后,我国在AI研究上的一个新里程碑。说明我们不仅在论文数量上占优,在论文质量上也获得了全世界的认可。

根据《全球数字经济白皮书》,年全球47个国家数字经济增加值规模达到了32.6万亿美元,占GDP的比重高达43.7%,其中产业数字化对数字经济发展的贡献最大,达到了84.4%。

而AI,正是推动产业数字化的一大核心驱动力。

*算力普惠是”破三关“的首要任务

如果说算力、算法、数据是人工智能的三驾马车,那么算力就是其中的基础核心。

人工智能技术的发展和落地生根这三大难关亟需攻克,算力、算法昂贵,数据孤岛现象依然存在,产业尚未形成增量效应。

计算是人类认知世界的一种模式。从大型机到个人计算机,从智能手机到可穿戴设备,计算能力日益成为人类能力的延深。

年以来,以深度学习为代表的新一代人工智能技术得到快速突破和应用,并逐渐成为最重要的计算算力资源需求之一。

在人工智能算法愈发复杂、模型规模不断提升,图片、语音、视频等非结构化数据爆炸式增长的同时,人工智能与5G、物联网等行业领域结合落地日益深化,使得人工智能的发展对算力的需求呈指数级增长,带来了人工智能算力的成本也同步高涨。

MIT计算机科学家CharlseLeiserson在《Science》发表的一篇文章中指出:深度学习正在逼近现有芯片的算力极限;计算能力提高10倍相当于三年的算法改进;算力提高的硬件、环境和金钱成本将越来越高。

因此,公众的眼睛看到的是人工智能一派繁荣的景象,现实情况却不乐观。数据显示,当前人工智能全行业整体渗透率只有4%,人工智能初创企业的存活率不到10%。

造成这种局面的根本原因就是,稀缺且昂贵的算力,抬高了人工智能研究和应用的门槛,甚至制约了AI的发展速度。

这直接导致了大量高校、科研院所和中小初创企业等组织普遍面临一个难题:他们研究的课题和项目在技术深度和预期目标上并不输于大型龙头企业,但缺乏难以持续获取算力的研发条件,直接影响创新效率和成果。

算力普惠因此成为普遍而迫切的需求。

*从感知智能到认知智能

感知智能是机器具备了视觉、听觉、触觉等感知能力,将多元数据结构化,并用人类熟悉的方式去沟通和互动。认知智能则是从类脑的研究和认知科学中汲取灵感,结合跨领域的知识图谱、因果推理、持续学习等,赋予机器类似人类的思维逻辑和认识能力,特别是理解、归纳和应用知识的能力。

以新能源智能汽车为例,新一代智能汽车除了应用系统感知的智能,实现对周边环境的感知和处理外,还必须通过车网协同、车路协同,甚至综合处理超感知的因素,比如地理、交通、路口、信号、气象等实时信息,从而实现更加安全、便捷、高效的智能服务。感知智能向认知智能的快速迭代,就更需要跨界协同,进一步提升智能装备的质量和效益。其中最为重要的一环,就是要更加重视类脑科学研究,用创新的理论来指导人工智能的发展。事实上,“感知智能”向“认知智能”转化,是新一代人工智能的发展趋势。

责编:宋玉监制:李红梅

——————————————————————————————————

参考资料:

1.《人工智能跑向“最后一公里”》阿尔法工场研究院2.《中国人工智能的发展为什么需要“根技术”?》环球网3.《数字核心技术之人工智能》数字化转型BankData

4.《突破发展瓶颈,未来人工智能“爬坡”要靠什么?》科技日报

分享 转发
TOP
发新话题 回复该主题