5
| 本文作者： 訾竣喆 | 2016-04-08 18:45 |
4月7日，艾瑞發(fā)布了2015年中國人工智能應(yīng)用市場研究報告。其中對人工智能的發(fā)展和應(yīng)用現(xiàn)狀進行了分析，并對行業(yè)前景進行了預(yù)測——
5~10年間感知智能將進一步普及，未來的發(fā)展方向是認(rèn)知智能。
從1955年至今，人工智能的發(fā)展經(jīng)歷了三次潮起，兩次潮落：
1955年．達(dá)特茅斯會議標(biāo)志AI誕生；
1957年，羅森布拉特發(fā)明第一款神經(jīng)網(wǎng)絡(luò)，進入第一個高峰；
1970年，受計算能力所限，AI進入第一個低谷；
1982年，霍普菲爾特神經(jīng)網(wǎng)絡(luò)提出；
1986年，BP算法實現(xiàn)了神經(jīng)網(wǎng)絡(luò)訓(xùn)練的突破，進入第二個高峰；
1990年，人工智能計算機DAPRA失敗，進入第二個低谷；
2006年，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)被提出；
2013年．深度學(xué)習(xí)算法在語音和視覺識別率獲得突破性進展，進入第三個高峰。
可見，每一次人工智能的迸發(fā)期都與新的算法有關(guān)，而我們恰好趕上了深度學(xué)習(xí)算法的突破口，進入到了感知智能時代。
“AlphaGo之所以能戰(zhàn)勝李世石，是由于它巧妙地將蒙特卡洛評估法和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)相結(jié)合。正是這些高級算法的出現(xiàn)才能推動人工智能的發(fā)展突破。”——艾瑞分析師 林仁翔
誠然，人工智能的核心突破點在算法上，而計算能力的發(fā)展和數(shù)據(jù)量的積累同樣重要。
計算能力的提高能夠提升算法運算速度，目前人們已經(jīng)開始通過GPU并行計算神經(jīng)網(wǎng)絡(luò)來進行計算，量子計算是未來的發(fā)展趨勢；
數(shù)據(jù)量的擴充則能夠提升算法性能，互聯(lián)網(wǎng)的發(fā)展積累了一定的數(shù)據(jù)，未來物聯(lián)網(wǎng)的發(fā)展將進一步擴充數(shù)據(jù)渠道源。
從計算機的出現(xiàn)、到互聯(lián)網(wǎng)的發(fā)展、再到物聯(lián)網(wǎng)出現(xiàn)，需要人工來完成的工作將越來越少。
艾瑞認(rèn)為，人工智能的發(fā)展一共可以分為三個階段——計算智能、感知智能、認(rèn)知智能。
第一個發(fā)展階段是在計算這個環(huán)節(jié)，它使得機器能夠像人類一樣進行計算，諸如神經(jīng)網(wǎng)絡(luò)和遺傳算法的出現(xiàn)，使得機器能夠更高效、快速處理海量的數(shù)據(jù)。
第二個發(fā)展階段就是感知智能，讓機器能聽懂我們的語言、看懂世界萬物。語音和視覺識別就屬于這一范疇，這些技術(shù)能夠更好的輔助人類高效完成任務(wù)。
第三個發(fā)展階段就是認(rèn)知智能，在這一階段，機器將能夠主動思考并采取行動，比如無人駕駛汽車，實現(xiàn)全面輔助甚至替代人類工作。
對此，分析師林仁翔表示，目前的人工智能還處于感知智能的發(fā)展階段。
“目前，語音識別和視覺識別成功率已經(jīng)分別達(dá)到了95%和99%，這在深度學(xué)習(xí)出現(xiàn)之前是難以想象的。近年來，由于計算處理能力的突破以及互聯(lián)網(wǎng)大數(shù)據(jù)的爆發(fā)，再加上深度學(xué)習(xí)算法在數(shù)據(jù)訓(xùn)練上取得的進展，算法、計算、數(shù)據(jù)三者都已成熟，這推動了人工智能在感知智能上實現(xiàn)巨大突破。”
他認(rèn)為，雖然感知智能已經(jīng)實現(xiàn)了突破，但這項技術(shù)仍然有函待提升的地方。
“比如人臉識別判斷身份這項技術(shù)中就存在缺陷，人們用照片就可以欺騙設(shè)備實現(xiàn)身份認(rèn)證。而活體驗證技術(shù)就是目前需要研究的技術(shù)；再比如味覺和嗅覺的數(shù)據(jù)，這也是物聯(lián)網(wǎng)傳感器目前所無法觸及的領(lǐng)域。”
據(jù)此，艾瑞預(yù)測在5到10年間人工智能產(chǎn)業(yè)還有很多的機會可以發(fā)掘，而何時能夠進入到下一階段（認(rèn)知智能）還不得而知。
“認(rèn)知計算何時能夠突破還尚未可知。因為目前連‘深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)能否真的讓機器學(xué)會如何思考’都還不清楚，而且這與生物以及其他一些相關(guān)學(xué)科的研究突破也息息相關(guān)。至于什么時候相關(guān)學(xué)科能夠獲得突破性進展，我們也無法得知。”
人工智能的概念很寬泛，那么具體的細(xì)分產(chǎn)業(yè)都有哪些呢？在這里，艾瑞提供了幾組數(shù)據(jù)：
我國71%的AI相關(guān)企業(yè)都在做技術(shù)落地應(yīng)用，這是我國目前的AI行業(yè)現(xiàn)狀；
在應(yīng)用企業(yè)中，有83%都是在做軟件服務(wù)，而諸如機器人等硬件產(chǎn)品相對匱乏；
在算法技術(shù)方面，我國55%的AI相關(guān)企業(yè)在做計算機視覺，有13%在做自然語言處理，9%進行機器學(xué)習(xí)。
“我們在獲得Google、Facebook開源的研究技術(shù)之后，能夠很快把技術(shù)應(yīng)用落地，這是我國的優(yōu)勢；而對于基層的技術(shù)研究，我國的企業(yè)實力目前還無法和國外匹敵，這是劣勢。”
——分析師 張鳳
在人工智能最為廣泛的應(yīng)用層面上，則可以分為五大場景：
第一個是智能硬件、機器人的上應(yīng)用。借助視覺識別技術(shù)以及語音識別技術(shù)，通過對數(shù)據(jù)的理解、計算、學(xué)習(xí)實現(xiàn)決策并實行，實現(xiàn)在交互方式的轉(zhuǎn)變，向自主階段發(fā)展；
第二個是虛擬場景服務(wù)。借助視覺技術(shù)以及語音識別技術(shù)，改變視覺呈現(xiàn)方式以及互動方式，模擬真實場景，通過體感或語言互動。
第三個是安防領(lǐng)域。借助人臉識別技術(shù)、指紋識別技術(shù)，實現(xiàn)智能攝像頭和防盜鎖等的快速識別功能。
第四個是虛擬服務(wù)。借助語音識別技術(shù)以及后臺數(shù)據(jù)分析技術(shù)，建立智能虛擬客服。
第五個是商業(yè)智能服務(wù)。借助人工智能的算法和模型，對云數(shù)據(jù)平臺的數(shù)據(jù)進行挖掘和分析，最終實現(xiàn)智能決策。
第五點同時也是未來人工智能應(yīng)用領(lǐng)域的發(fā)展方向，主要體現(xiàn)在推理并提出決策方面，而這也正是IBM所在做的事情（關(guān)于IBM與認(rèn)知智能，此前雷鋒網(wǎng)有過報道，詳見：深藏不露的IBM，這幾年都在忙著做這些事情）。
那么，如果想要進軍AI產(chǎn)業(yè)，可以從哪幾個方面切入呢？目前可以分為三種：
第一種就是自下而上的切入——從人工智能的基礎(chǔ)資源（數(shù)據(jù)以及底層算法技術(shù)）切入，再輔以技術(shù)研發(fā)來構(gòu)建上層應(yīng)用，比如百度、Google，依托自己多年積累的數(shù)據(jù)和深度學(xué)習(xí)技術(shù)，向無人駕駛汽車、機器人等應(yīng)用拓展；
第二種就是從中間技術(shù)層來切入——依照自己的核心技術(shù)去構(gòu)建應(yīng)用，去發(fā)展上層應(yīng)用的產(chǎn)品或者是服務(wù)，比如科大訊飛，從語音識別技術(shù)切入，向教育和機器人等應(yīng)用領(lǐng)域拓展；
第三種是自上而下的切入——直接應(yīng)用領(lǐng)域切入，這也是大部分初創(chuàng)企業(yè)的做法。這種方式相對技術(shù)門檻較低，比如出門問問，重點發(fā)展個人助手服務(wù)，向醫(yī)療教育等領(lǐng)域拓展。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
