܄

深度学习引爆人工智能 现实应用一触即发

【数据猿导读】 AlphaGo这次成功的碾压了人类的智商,尽管李世石又扳回了一局,但是人工智能着实让人类折服。AlphaGo的背后是深度学习,它唤醒了人们对“有知觉、有自我意识”机器人的憧憬,深度学习和人工智能技术将成为揭示科学原理、升级现有产业商业模式的重要工具

深度学习引爆人工智能 现实应用一触即发

3月13日,AlphaGo与李世石的第四场对决结束,在连输3场之后,李世石终于扳回一局。但3:1的比赛结果已说明人工智能的强大,这也是谷歌对深度学习、人工智能的成功营销。百度深度研究院资深专家认为,快速进步的AlphaGo唤醒了人们对“有知觉、有自我意识”机器人的憧憬,深度学习和人工智能技术将成为揭示科学原理、升级现有产业商业模式的重要工具,其应用空间涵盖企业级和消费级市场以及各个细分行业。

唤醒深度学习

“多数人已折服于AlphaGo的精准、聪明和大局意识。但这个比赛结果对于我们来说其实并不是太吃惊。”作为人工智能领域的从业者,凯泽科技首席术官吴军指出,去年10月AlphaGo击败职业二段樊麾,围棋界给AlphaGo的排名仍远落后于李世石,但是他们忽略了AlphaGo突破了传统电脑的“固定”程序逻辑,融入了学习能力。

如何实现深度学习?百度深度研究院资深专家介绍,AlphaGo构建了“两个大脑”,一个是输入了3000万盘人类顶级棋手对弈数据,通过“自我对战”来进行增强学习,改善此前的决策网络,另一个则是通过价值网络来进行整体局面判断,以决策网络与价值网络来协作决定落子位置。

也就是说,AlphaGo的技术架构采用的是模仿人类大脑神经模式,而不再单单依靠机器的蛮力“强记”,通过深度学习把人工神经网络的层级大大增加,提升了计算能力。

“2014年谷歌在收购Deepmind团队之前,这家游戏公司的能力并没有这么强。”上述百度专家介绍,Deepmind被谷歌收购之后,融入谷歌的深度学习技术,其计算能力飞速提升。2014年10月份,在欧洲比赛之后,谷歌内部认为这是一次很好市场推广的机会,为此投入了更大规模的资金,为AlphaGo增加了2000倍的计算能力。

现实应用一触即发

AlphaGo在短短几个月实现性能的大幅提升,用五个月走完了IBM“深蓝”4年的路,体现了当前人工智能系统学习速度之快。但谷歌并不打算制造出一个围棋高手,AlphaGo开发者哈萨比斯表示,选择围棋只是其人工智能水平的测试,最终还是为了获得在现实领域的应用。

近年来,深度学习已经在图像识别、语音识别等领域获得了一些应用。目前深度学习技术应用最多的还是视觉领域,即对图像和视频的分析。在图像分析方面,比如人们熟悉的人脸识别、文字识别和大规模图像分类等,深度学习大幅提升了复杂任务分类的准确率,使得图像识别、语音识别以及语义理解准确率大幅提升。谷歌在深度学习领域已经一马当先,公司在多次公开场合讨论过深度学习技术,比如深度学习是如何帮助Android手机提高语音识别准确率。

从产业链调研的情况来看,服务机器人、车载与电视助手、智能客服以及图像处理等应用已经开始快速渗透,在语音识别等领域获得了一些应用,比如iPhone的语音助理Siri、百度的度秘、科大讯飞[5.86% 资金 研报]的“灵犀”、微软的小冰等。

“目前深度学习更适合于图像。”百度深度研究院的专家指出,人脸一比一进行比对,机器很容易实现,但是要在千万人脸中快速寻找出所拍摄的人脸图像,并要快速了解拍摄对象的个人信息资料,则需要深度学习。

事实上,深度学习可以应用于任何需要理解复杂模式、进行长期计划并制定决策的领域。谷歌大脑团队负责人杰夫-迪恩表示,谷歌机器智能已经带来了巨大的变化和越来越多的机遇,未来人工智能将为更高层次的云计算服务。

兴业证券分析师也指出,未来在个人应用领域可能带来更好的语音识别操作系统、翻译机、自动驾驶、机器人、社交网络兴趣推荐等。在行业应用方面,深度学习更广阔的应用空间包括大数据分析、特征提取、预测预警、规划、研发设计等。

憧憬强人工智能

“AlphaGo也有弱点。”百度深度研究院的专家指出,在AlphaGo与李世石的对决中,李世石可以快速适应对战状态,而AlphaGo学习的过程中还需要工程师进行调试。这也就不难解释,AlphaGo为何没有实现4连胜。

中国人工智能学会常务理事刘成林表示,机器在某个专门的领域超过人类并不奇怪,但是在综合智能方面,机器的能力还是远远不如人类的。虽说目前深度学习有很大进步,但机器深度学习的实现依然是依赖于人工设计的程序,而且深度学习需要有大量的数据作为训练基础,学习过程也不够灵活,这些都需要在人的协助下实现。

AlphaGo代表的也非人工智能的全部,人工智能大体可分为感知智能(如语音识别)、认知智能(如自然语言理解)和决策智能。目前,感知智能已取得巨大的进步,甚至在某些方面已经超越人类,然而在强人工智能(有知觉、有自我意识)领域仍有较大提升空间。

但是这并不影响业界对人工智能的前景。刘成林感叹,“仅在几个月内实现了人类若干年才能够达到的学习效果,这样惊人的学习能力是人类可望而不可及的。”

有人工智能专家预计,2040-2050年有50%的可能实现强人工智能,2075年将有90%的可能性。当下,谷歌人工智能围棋系统战胜人类证明了在弱人工智能时代通过规则与数据能够实现某一领域的智能,说明弱人工智能时代的智能也很智能,能够替代人类很多领域的工作,这必将颠覆当前各个产业的生产方式,重塑各个产业格局。

兴业证券分析师指出,如今已经进入云计算和大数据的时代,如何开发利用好大数据,将人类的科技和视野提升到新的层次,将成为未来一段时间的重要问题。机器学习和人工智能技术将成为揭示科学原理、升级现有产业商业模式的重要工具,其应用空间涵盖企业级和消费级市场以及各个细分行业。

核心技术显差距 A股人工智能扎堆应用

3月9日,AlphaGo初胜李世石之后,A股人工智能概念股出现了躁动,人工智能概念股3月10日领涨两市。不过,AlphaGo与李世石的比赛还在继续,但科大讯飞、川大智胜[10.00% 资金 研报]、远大智能等热门股票却开始下跌,只上演了一日游行情。

国联证券分析师指出,国内A股公司主要集中在人工智能的应用上,深度学习最好的应用集中在视觉识别,多种图像识别应用将陆续出现,行业迎来黄金发展期。

百度深度研究院专家则指出,在弱人工智能的应用方面,国内拥有足够大的数据样本和应用优势,但在在算法的储备方面,国内要弱于国外。

国内公司扎堆应用

人工智能可以分为计算智能、感知智能、认知智能三个进阶。计算智能是最初级的,主要是计算能力的进化,这有赖于算法的优化和硬件(CPU芯片)的技术进步。感知智能有赖于数据获取技术,目前主要有语音识别和机器视觉两种技术。认知智能是最高级的形态,也是未来需要突破的方向。

目前国内外人工智能技术发展主要集中在感知智能阶段,国外科技巨头谷歌、微软、苹果、Facebook、IBM等均在进行感知智能全产业链布局。

人工智能的产业链分为基础、技术、应用三层。基础层指数据资源,是人工智能的底层支持,包括处理中心、数据工厂和硬件支持;技术层是算法、模型及应用开发,计算智能算法、感知算法、认知算法是目前主要研究领域;应用层即人工智能在各行业的应用场景,目前人工智能已在多个领域应用,包括医疗健康、交通物流、国防军工、金融服务和家庭服务。

华创证券分析师指出,目前国内公司中,百度涵盖了基础、技术、应用三个层次,科大讯飞在技术和应用布局,汉王科技[5.26% 资金 研报]、佳都科技等更多公司主要集中应用层,且与国际人工智能公司合作成为潮流。

如思创医惠今年设立浙江省沃森智慧医疗研究院,主要从事医疗大数据的基础研究,引领医疗大数据标准的研究和制定,并利用IBM沃森人工智能技术开展中国医疗专科智能化辅助诊疗研究,推动沃森人工智能在国内医疗行业的应用。又昆仑万维此前收购了美国的机器人公司Woobo Inc.,致力于开发人工智能技术驱动的交互式机器人,主要涉及技术包括人工智能、人机交互、语音问答和机器人。

感知识别率先爆发

感知智能有赖于数据获取技术,目前主要有语音识别和机器视觉两种技术。通过传感器获得“视觉”、“听觉”等感知能力,与周围环境进行交互。国内公司在数据的采集与积累方面颇具优势,也有一定的积累。科大讯飞在“语音入口+人工智能”方面早已有布局,是国内原因识别的龙头。中信证券[1.76% 资金 研报]分析师指出,该公司在语音等感知智能领域有着多年技术与数据积累,并在超脑等认知智能研发项目上不断投入,将自有核心AI技术以平台方式开放输出,加速布局人工智能生态圈,未来随着用户语音习惯的培育和养成,预计将会有越来越多的应用采用讯飞人工智能开放平台与应用。

不过,业内人士也指出,在语音识别领域,国外在意图理解模型等算法方面仍占有优势。而且,社交需求识别与指令性识别技术算法有很大不同,限制了具体的应用。

投入视觉识别领域的国内公司相对较多。安信证券分析师介绍,汉王科技在人脸识别领域布局较早,已经在考勤和门禁系统领域有成熟的方案和产品,未来有望在安防和金融支付领域加速渗透;东方网力此前定增不超过18亿元用于投资视云大数据及智能终端产业化项目、智能服务机器人项目等,参股爱耳目、众景视界、无限城市、智车优行、深圳市为有视讯、JIBO、Knightscope,全方位布局智能硬件和智能机器人;佳都科技有世界领先的异构深度学习核心算法,同时包括3d旋正、人脸跟踪、表情识别、活体检测、性别识别、光线规范等20多个完整技术体系,公司新疆安防反恐人脸识别项目已经落地,推广到全新疆人脸识别公安系统,更进一步全面推广到小区汽车站等,在金融、交通等领域也已经有落地。


来源:中国证券报

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

MIT训练出了一只变态、罪恶、极度阴暗的人工智能——诺曼
MIT训练出了一只变态、罪恶、极度阴暗的人工智能——诺曼
数据智能 无限未来—2020世界人工智能大会云端峰会数据智能主题论坛顺利举办
数据智能 无限未来—2020世界人工智能大会云端峰会数据智能主题...
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数据”智慧丨数据猿新冠战“疫”公益策划
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数...

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部