人工智能作為當今世界上最重要的科技之一，其走過了60年“三起兩落”的發(fā)展歷程，已融入人們生產(chǎn)生活的各個方面?！爸悄?”時代正在加速向我們走來。在人工智能風口到來之際，構建應用場景、找準突破口成為人工智能應用落地的重中之重。

專注于為中小企業(yè)提供成都網(wǎng)站建設、網(wǎng)站制作服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業(yè)甘州免費做網(wǎng)站提供優(yōu)質(zhì)的服務。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動了1000多家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設實現(xiàn)規(guī)模擴充和轉變。

人工智能應用落地的四個關鍵因素

人工智能產(chǎn)業(yè)發(fā)展繁榮離不開數(shù)據(jù)驅動和計算能力的提升。大數(shù)據(jù)、計算能力、人工智能之間正在形成一種共生生態(tài)，大數(shù)據(jù)為人工智能提供源源不斷的動力，人工智能衍生出了諸如深度學習、強化學習、遷移學習、對抗學習等新型算法，硬件計算能力的有力提升有效地縮減了算法迭代改進周期。未來可從四個方面形成合力，加速人工智能應用落地。

明確應用場景邊界。人工智能技術尚未達到強人工智能水平，產(chǎn)業(yè)落地過程中應避免好高騖遠。例如，機器人臉識別在絕大多數(shù)情況下比人識別的效果要好，但是在需要知識、想象力的特殊情況下，與人腦還是存在較大差距。現(xiàn)階段以深度學習為代表的人工智能技術并不善于解決通用性問題，人工智能技術要實現(xiàn)產(chǎn)業(yè)落地并形成商業(yè)價值，需要清晰其所能解決的特定領域問題，并有明確的應用場景邊界。將人工智能的功能需求限定在有限的特定問題邊界之內(nèi)，這樣得出的解決方案才能相對可行可靠，如借助視聽傳感器能夠自主規(guī)劃掃地方案的掃地機器人等。

閉環(huán)數(shù)據(jù)反饋循環(huán)。谷歌、Facebook、英特爾、微軟、蘋果、特斯拉，中國的BAT等人工智能前沿公司，通常都具有一個共同的特征——閉環(huán)的數(shù)據(jù)反饋循環(huán)。例如，Google、百度等互聯(lián)網(wǎng)廣告系統(tǒng)能夠根據(jù)用戶點擊及輸入等操作，自動收集到用戶一手數(shù)據(jù)，抽取關鍵特征并輸入深度學習神經(jīng)網(wǎng)絡，神經(jīng)網(wǎng)絡訓練好后能用于對用戶行為的預測，進而提高用戶體驗。從應用終端收集數(shù)據(jù)，再用數(shù)據(jù)訓練模型，之后用模型提高用戶應用體驗，用戶應用后又產(chǎn)生新的數(shù)據(jù)，這就形成了閉環(huán)的數(shù)據(jù)反饋循環(huán)。其內(nèi)部就可以完成自動數(shù)據(jù)收集、標注、訓練與反饋，這使得人工智能算法實時迭代優(yōu)化的更加便利。

海量高質(zhì)量數(shù)據(jù)。隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的快速發(fā)展，數(shù)據(jù)量正在以指數(shù)級增加，根據(jù)IDC統(tǒng)計，全球數(shù)據(jù)總量預計2020年達到44ZB，中國數(shù)據(jù)量將達到8060EB，占全球數(shù)據(jù)總量的18%。對于自然語言、音頻和視頻等數(shù)據(jù)，其分析越來越聚集于提取其中的語義，包括情感分析、文檔主題模型、依存模型、問答語義分析等。以深度學習為代表的人工智能技術，本質(zhì)上是一個具有多層的神經(jīng)網(wǎng)絡，通過大數(shù)據(jù)計算來自動學習最終的網(wǎng)絡參數(shù)，不同的網(wǎng)絡參數(shù)能夠識別出不同的物體，但需要依賴規(guī)模龐大的高質(zhì)量帶標簽數(shù)據(jù)集，才能夠保證其學習質(zhì)量。

高性能計算硬件。深度學習模型需要很高的內(nèi)在并行度、大量的浮點計算能力以及矩陣運算，按環(huán)節(jié)可分為前期訓練、云端推理、終端推理等三個階段。在前期訓練和云端推理環(huán)節(jié)，需要進行規(guī)模龐大的運算量，CPU+GPU架構成為目前多數(shù)人工智能企業(yè)的主流選擇。然而，構建GPU集群的成本非常高昂，僅購置一塊Nvidia Tesla K80的費用近4萬元。FPGA具備較高的性能功耗比和重構靈活性，百度采用FPGA打造百度大腦專用AI芯片，微軟打造的Brainwave平臺也是基于英特爾Stratix 10 FPGA芯片。在終端推理環(huán)節(jié)，由于智能手機、語音交互、VR/AR等終端設備需求不同，需要定制化、低功耗、低成本的嵌入式解決方案，其市場呈現(xiàn)更加多樣化競爭態(tài)勢，如寒武紀的1A處理器、地平線的BPU芯片等，華為Mate 10的麒麟970芯片搭載了神經(jīng)網(wǎng)絡單元NPU，使得其在處理相關人工智能任務（如圖像識別等）時有50倍能效和25倍性能的提升。

我國人工智能應用落地面臨的問題及建議

基礎研究與實踐聯(lián)系不緊密，要統(tǒng)籌協(xié)調(diào)促進研發(fā)資源聚合。在研發(fā)方面，我國人工智能研發(fā)主力集中于科研院所（國外主要集中于大企業(yè)），并且研究力量比較分散，研發(fā)經(jīng)費也呈現(xiàn)撒胡椒面式的碎片化，這難以聚集力量解決重點問題?？山梃b美國成立國防高級研究計劃局、Google X實驗室、Facebook人工智能研究院的經(jīng)驗，成立我國人工智能國家實驗室和人工智能產(chǎn)學研協(xié)同創(chuàng)新中心，打通政產(chǎn)學研用各環(huán)節(jié)，促進研發(fā)資源聚合。

針對數(shù)據(jù)孤島和數(shù)據(jù)碎片化問題，可建立開放共享的大數(shù)據(jù)公共資源。由于數(shù)據(jù)表示與語義的異構性、數(shù)據(jù)的開放性等問題，導致人工智能在落地過程中出現(xiàn)種種問題。在異構性方面，由于許多行業(yè)的數(shù)據(jù)積累在數(shù)據(jù)標準規(guī)范上缺乏預先定義可廣泛適用的元數(shù)據(jù)描述，其數(shù)據(jù)集遠未達到可充分發(fā)揮人工智能技術潛能的程度。在開放性方面，一些企業(yè)從商業(yè)利益出發(fā)限制了數(shù)據(jù)的共享和流轉，監(jiān)管部門出于安全考慮對人工智能應用提出了更為嚴格的要求。因此，解決高質(zhì)量大數(shù)據(jù)短缺問題是人工智能應用落地的關鍵，未來需要在整合異構數(shù)據(jù)源、建立一些開放共享的大數(shù)據(jù)公共資源庫等方面多做努力。

缺乏完整的產(chǎn)業(yè)生態(tài)體系，應圍繞特定應用場景開發(fā)定制AI芯片。目前，我國仍然缺乏完整的人工智能產(chǎn)業(yè)生態(tài)，特別在基礎硬件（芯片）領域。未來應加快補齊基礎層軟硬件短板，可圍繞一些特定應用場景（如智能手機、無人機、智能駕駛、服務機器人等），從硬件實現(xiàn)角度顛覆性地突破類腦神經(jīng)芯片，如深度卷積神經(jīng)網(wǎng)絡芯片等。

缺乏頂尖級創(chuàng)新型資深人才，可借助互聯(lián)網(wǎng)實現(xiàn)AI技術教育泛化。根據(jù)LinkedIn發(fā)布的《全球AI領域人才報告》，2017年第一季度全球人工智能人才超過190萬人，其中美國擁有85萬以上，中國擁有約5萬。美國人才多集中于人工智能基礎層和技術層，而我國多集中于應用層，并且同時掌握實踐能力和理論能力的研究人員比較稀缺。未來，應增強我國人才自身造血能力，可考慮借助互聯(lián)網(wǎng)讓人工智能教育實現(xiàn)泛化（如借鑒國外大規(guī)模在線教育Coursera等），降低個體獲得人工智能前沿技術的門檻。

新聞標題：我國人工智能應用落地的四大關鍵因素
標題路徑：http://www.rwnh.cn/article8/cpdop.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供商城網(wǎng)站、品牌網(wǎng)站建設、網(wǎng)頁設計公司、微信公眾號、標簽優(yōu)化、網(wǎng)站設計

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)