首頁熱門文章
人工智能領域的未來和挑戰
發布時間：2018-12-29 分類：趨勢研究
人工智能是一門綜合了計算機科學、生理學、哲學的交叉學科。凡是使用機器代替人類實現認知、識別、分析、決策等功能，均可認為使用了人工智能技術。作為一種基礎技術，人工智能在很多行業都有廣泛應用。五道集團于12月17日發布《 AI研究報告—人工智能領域的未來和挑戰》，對未來人工智能領域的行業生態及應用進行了分析預測。
人工智能現狀
我們將人工智能依據實力劃分為三類：
弱人工智能：僅擅長某個單方面應用的人工智能，超出特定領域外則無有效解決能力；
強人工智能：人類級別的人工智能，在各方面都能和人類比肩，且無法簡單進行人類與機器的區分；
超人工智能：在各個領域均可以超越人類，在創新創造、創意創作領域均可超越人類，可解決任何人類無法解決的問題。
我們認為，從目前人工智能的應用場景來看，當前人工智能仍是以特定應用領域為主的弱人工智能，如圖像識別、語音識別等生物識別分析，如智能搜索、智能推薦、智能排序等智能算法等。而涉及到垂直行業，人工智能多以輔助的角色來輔佐人類進行工作，諸如目前的智能投顧、自動駕駛汽車等，而真正意義上的完全擺脫人類且能達到甚至超過人類的人工智能尚不能實現。我們預計，未來隨著運算能力、數據量的大幅增長以及算法的提升，弱人工智能將逐步向強人工智能轉化，機器智能將從感知、記憶和存儲向認知、自主學習、決策與執行進階。
人工智能行業未來格局
1、巨頭掌握基礎層資源，成為生態構建者
人工智能的基礎平臺需要三大要素：超算能力、頂尖的深度學習算法人才、海量的數據資源。每一樣都有極高的門檻，這決定了基礎層只能是少數巨頭能夠把控的領域?？萍季揞^長期投資基礎設施和技術，同時以場景應用作為流量入口，積累應用，成為主導的應用平臺，將成為人工智能生態構建者(如Google、Amazon、Facebook、阿里云等)。在某個行業應用場景數據資源相同的情況下，基礎層的企業因為能夠從最基本的神經網絡模型算法作出相應的適配和改進，往往體現出其他企業難以超越的優勢。
2、AI正成為基礎設施，AI-aaS降低企業智能化實施門檻
國內外科技巨頭(谷歌、微軟、百度、阿里等)及AI初創企業(Face++等)、上市公司(漢王科技等)紛紛推出AIaaS(Applied Artificial Intelligence-as-a-Service，人工智能即服務)，把成熟的AI技術作為基礎設施或工具型產品提供給其他企業，以“按需付費”的形式衍生出了一種新的盈利模式——AIaaS。
3、場景應用優先爆發于數據化高的行業
未來3-5 年人工智能以完成具體任務的服務智能為主要趨勢，數據化程度高的行業將率先啟動。在服務智能情景下，數據可得性高的行業，人工智能將率先用于解決行業痛點，爆發大量場景應用。安防、醫療、金融、教育、零售等行業數據電子化程度較高、數據較集中且數據質量較高，因此在這些行業將會率先涌現大量的人工智能場景應用。
安防是中國人工智能最先產業化的行業。近些年由于國家“平安城市”建設的推進，安防領域的政府投資力度較大，全國過半攝像頭已完成高清攝像頭部署，警務電子化與信息化已逐步完成，為人工智能技術部署提供了基礎條件。且隨著安防數據爆炸式的增長，智能化安防已經是安防領域新的訴求。從AI 技術上講，安防領域主要運用到的技術是以圖像識別為基礎的人臉識別、車輛識別、人群與行為識別等技術以及以語義理解為基礎的警務數據分析與理解技術。
4、芯片行業中國有望彎道超車
深度學習對計算能力要求非常高，以至于有人稱之為“暴力計算”。傳統的CPU在目前人工智能計算中使用較為普遍，但由于內部結構原因，在性能和效率上并不是最優選擇，GPU在浮點運算、并行計算等方面性能優于CPU，FPGA綜合性價比不錯，人工智能ASIC專用芯片效率最高，未來前景廣闊。在PC時代，CPU被國際巨頭壟斷，目前中國人工智能產業生態全球領先。
人工智能行業之機器視覺未來發展趨勢
1、從表層感知到深層認知
數據驅動的深度學習算法通過一個函數來實現諸多場景與物體的準確分類，但泛化能力差，碰到新考題缺乏分析能力，問題的解決有賴于常識的建立與基于先驗假設的邏輯推斷，這將使計算機視覺與語言接軌，由感知智能上升至認知智能。再進一步，分類僅為視覺系統應有的基礎功能之一，終極目的應為打造出可與世界交互的機器人智能視覺系統，由機器人所要解決的更加綜合復雜的現實問題來驅動其選擇要感知的事物與感知的精準度，支撐其圓滿完成任務。
2、算法迭代加速為各領域商業賦能
雖然終極愿景道阻且長，但分類任務的日益精準已解鎖并將不斷解鎖更多場景應用。如同過去5年計算機視覺技術在人臉識別上的不斷突破，誤報率從2015年的千分之一下降至2017年的十億分之一(在通過率為90%的情況下)，商業服務、城市安全、大眾娛樂等諸多場景均體會到不同層次的智能升級，商品、道路環境、醫療影像、遙感影像等更多對象的識別、分類問題也將會逐步突破工業化紅線，從僅做輔助補充的非關鍵性應用拓展到切實提升核心業務效率的關鍵性應用。各行各業的創新型智能應用將紛至沓來，而人臉識別的性能亦將繼續攀升，追求百億、千億規模上的可行性。
3、技術供應商將繼續完善商業服務鏈條
對于更為廣泛的傳統行業或線下使用場景的潛在客戶，計算機視覺的技術落地往往涉及對具體業務場景的硬件設備改造、軟件集成以及本地計算設施的部署，算法、技術的實際功效更需要建立在對客戶真實業務場景的深層理解之上有針對性的開發。不斷增長的市場需求要求更加全面、及時的售前、售中和售后服務，而在對視覺技術能夠達到的有效幫助缺乏足夠認知或部分暫時缺乏科學完善的評測標準或技術相對同化的業務場景，市場銷售的重要性尤為凸顯。既要注重前沿算法研發，又要注意現階段商業落地與市場拓展，這些都為以高新技術人才為主的計算機視覺公司提出了更為綜合的挑戰。
人工智能未來暢想
人工智能的發展的終極目標是類人腦思考。目前的人工智能已經具備學習和儲存記憶的能力，人工智能最難突破的是人腦的創造能力。而創造力的產生需要以神經元和突觸遞質傳遞為基礎的一種化學環境。目前的人工智能是以芯片和算法框架為基礎。若在未來能再模擬出類似于大腦突觸傳遞的化學環境，計算機與化學結合后的人工智能，將很可能帶來另一番難以想象的未來世界。
