硬核干货一文打尽,从技术流派到应用趋势

2019年03月06日 作者:neye908a8

自2016年AlphaGo击败李世石之后,人工智能(AI)这个再度翻红的科技热词已经在争议声中走过了两年多。这两年里,从一键美颜、刷脸开机,到编辑快讯、演唱会抓逃犯,人工智能正在突破次元壁,落地现实。

人工智能的战略重要性不仅吸引了科技巨头和资本的疯狂投资,养活了一众创企,更是得到了各国顶层支持。我国继去年7月发布了《新一代人工智能发展规划》,11月公布了首批国家人工智能开放创新平台名单之后,工信部本周三又公示了2018年人工智能与实体经济深度融合创新项目名单(覆盖106个项目)。

中国信息通信研究院和中国人工智能产业发展联盟的人工智能发展白皮书(技术架构篇),从产业发展的角度,分析技术现状、问题以及趋势,盘点智能语音、语义理解、计算机视觉等相关应用。

以下为智能内参整理呈现的干货:

AI技术流派

让机器实现人的智能,一直是人工智能学者不断追求的目标,不同学科背景或应用领域的学者,从不同角度,用不同的方法,沿着不同的途径对智能进行了探索。其中,符号主义、连接主义和行为主义是人工智能发展历史上的三大技术流派。

符号主义

符号主义又称为逻辑主义,在人工智能早期一直占据主导地位。

该学派认为人工智能源于数学逻辑,其实质是模拟人的抽象逻辑思维,用符号描述人类的认知过程。早期的研究思路是通过基本的推断步骤寻求完全解,出现了逻辑理论家和几何定理证明器等。

上世纪70年代出现了大量的专家系统,结合了领域知识和逻辑推断,使得人工智能进入了工程应用。PC机的出现以及专家系统高昂的成本,使符号学派在人工智能领域的主导地位逐渐被连接主义取代。

连接主义

连接主义又称为仿生学派,当前占据主导地位。该学派认为人工智能源于仿生学,应以工程技术手段模拟人脑神经系统的结构和功能。

连接主义最早可追溯到1943年麦卡洛克和皮茨创立的脑模型,由于受理论模型、生物原型和技术条件的限制,在20世纪70年代陷入低潮。

直到1982年霍普菲尔特提出的Hopfield神经网络模型和1986年鲁梅尔哈特等人提出的反向传播算法,使得神经网络的理论研究取得了突破。

2006年,连接主义的领军者Hinton提出了深度学习算法,使神经网络的能力大大提高。2012年,使用深度学习技术的AlexNet模型在ImageNet竞赛中获得冠军。

行为主义

行为主义又称为进化主义,近年来随着AlphaGo取得的突破而受到广泛关注。

该学派认为人工智能源于控制论,智能行为的基础是“感知—行动”的反应机制,所以智能无需知识表示,无需推断。智能只是在与环境交互作用中表现出来,需要具有不同的行为模块与环境交互,以此来产生复杂的行为。

在人工智能的发展过程中,符号主义、连接主义和行为主义等流派不仅先后在各自领域取得了成果,各学派也逐渐走向了相互借鉴和融合发展的道路。特别是在行为主义思想中引入连接主义的技术,从而诞生了深度强化学习技术,成为AlphaGo战胜李世石背后最重要的技术手段。

深度学习一招翻红

可以说,本轮人工智能的发展,是在大数据环境和计算能力大幅提升的基础上,由深度学习带动的。

深度学习全称深度神经网络,本质上是多层次的人工神经网络算法,即从结构上模拟人脑的运行机制,从最基本的单元上模拟了人类大脑的运行机制。目前,深度学习已经在计算机视觉、语音识别、自然语言理解等领域取得了突破。

深度学习已在多领域实现突破

深度学习分为训练(training)和推断(inference)两个环节。训练需要海量数据输入,训练出一个复杂的深度神经网络模型。推断指利用训练好的模型,使用待判断的数据去“推断”得出各种结论。

大数据时代的到来,图形处理器(GPU)等各种更加强大的计算设备的发展,使得深度学习可以充分利用海量数据(标注数据、弱标注数据或无标注数据),自动地学习到抽象的知识表达,即把原始数据浓缩成某种知识。

基于深度学习的人工智能技术架构

当前,基于深度学习的人工智能算法主要依托计算机技术体系架构实现,深度学习算法通过封装至软件框架的方式供开发者使用。

软件框架是整个技术体系的核心,实现对人工智能算法的封装,数据的调用以及计算资源的调度使用。为提升算法实现的效率,其编译器及底层硬件技术也进行了功能优化。

深度学习技术体系概述

人工智能算法的设计逻辑可以从“学什么”(表征所需完成任务的函数模型)、“怎么学”(通过不断缩小函数模型结果与真实结果误差来达到学习目的)和“做什么”(回归、分类和聚类三类基本任务)三个维度进行概括。

人工智能主要算法分类

近年来,随着AI算法在多领域的突破,相关算法的理论性研究持续加强,新算法如胶囊网络、生成对抗网络、迁移学习等,也被不断提出。

开源造生态

如前所述,软件框架是整个技术体系的核心,是算法的工程实现。当前,人工智能基础性算法已经较为成熟,各大厂商纷纷发力建设算法模型工具库,并将其封装为软件框架,供开发者使用。

企业的软件框架实现有闭源和开源两种形式:苹果公司等少数企业选择闭源方式开发软件框架,目的是打造技术壁垒;目前业内巨头基本都是基于自身技术体系的训练及推断软件框架,将开源深度学习软件框架作为打造开发及使用生态核心的核心。

1 2 3

相关文章

  • STM32微控制器实现机器学习

    消费者对于健身跟踪器和其他个人移动设备具备“始终开启”运动跟踪功能的需求不断增长,在过去,这意味着设计人员需要在这些功能与电池寿命之间做出取舍。若是尝试降低功耗,势必会牺牲跟踪功能或分辨率,因而会使用户的体验受到影响。 不过,随着内置运动检测功能的低功耗传感器的出现,将有助于开发人员消除这一设
    2019年06月18日
  • 中国完全有实力打造自己的AI SoC

    在过去十年中,设计人员开发了各种硅技术,能够以足够快的速度运行先进的深度学习数学,以探索和实现人工智能(AI)应用,如目标识别、语音和面部识别等。机器视觉应用目前通常比人类更精确,它是推动新的片上系统(SoC)投资以满足日常应用AI开发的关键功能之一。在视觉应用中使用卷积神经网络(CNN)和其它深度
    2019年06月18日
  • 备胎是每个国家都应该未雨绸缪的,LG角逐人工智能芯片

    据businesskorea报道,LG电子公司开发了自己的人工智能(AI)芯片,适用于各种家用电器。该公司正寻求扩大其业务组合,包括自动驾驶汽车的电子元件。 LG电子表示,其人工智能芯片可用于各种产品,如扫地机器人、洗衣机、冰箱和空调。该款人工智能芯片配备了LG神经引擎,这是一款模仿人类大脑神
    2019年05月17日
  • NVIDIA净利润暴跌68%的真相?人工智能:我不背锅

    NVIDIA今天发布了2020财年第一季度财报。截止2019年4月28日,NVIDIA季度收入22.20亿美元(GAAP下同),环比增长1%,同比下跌31%;毛利率58.4%,环比提高3.7个百分点,同比减少6.1个百分点;净利润3.94亿美元,环比下跌31%,同比下跌68%。 在上个季度,N
    2019年05月17日
  • 定义机器人未来的INNFOS SCA智能柔性执行器

    谈到人工智能,那不得不提机器人,无论是服务型机器人还是陪伴型机器人已经在市场屡见不鲜,除了赋予机器人灵魂的算法之外,基础的硬件底层是机器人所能达到最大灵活性重要的依赖源,然后要突破这一看似简单实难度颇高的技术壁垒还是非常困难的,至少大多数企业做不到。 在苏州人工智能博览会上,INNFOS发布了
    2019年05月16日