DT活动丨中美人工智能技术发展差异《麻省理工科技评论》英文版AI主编对话中国

发表时间:2022-07-03 04:03:49作者:亚博体彩中心

  DT活动丨中美人工智能技术发展差异,《麻省理工科技评论》英文版AI主编对线

  原标题:DT活动丨中美人工智能技术发展差异,《麻省理工科技评论》英文版AI主编对线年,人工智能发展一度陷入绝境——AI应用领域太窄、无法规模化、真实应用场景有限、研究经费有限...当下看起来蓬勃发展的人工智能好像也进入了选择迷茫期。人工智能能否迎来下一次技术爆发,与它现在面临的路径选择有很大的关系。

  目前主流的做法是通过GPU进行加速,用于平行处理大量琐碎的讯息。而FPGA凭借其可编程专用性、高性能、低功耗的特征,同样在深度学习应用中展现独特的优势。此外,Google在本周的开发者大会上也发布了专门为机器学习定制的TPU(张量处理单元),与CPU、GPU相比,TPU效率提高了15-30倍,能耗降低了30-80倍。随着计算能力的升级,提高运算速度的产品迭代是毫无疑问的。

  当数据集足够大时,深度学习提供了最好的预测能力,也是深度学习造就了如今红爆半边天的AI。然而,在今年EmTech Digital大会上,认知科学家Gary Marcus表达了他对AI领域中过度依赖数据的操作方式的批判,他的核心观点非常简单:识别并不等于理解。

  实际上,除了深度学习,还有诸如基于概率编程的Gamalon、基于认知科学的Geometric Intelligence等技术路线的公司,这些公司不仅为人工智能的研究提供了全新的思路和方法,更是大有挑战主流深度学习之势。换句话说,推动人工智能发展的战略上,在深度学习上一条路走到黑,可能会有很大的风险。

  先进的人工智能可以完全通过观察人类行为来训练自己如何决策。但令人不安的是人类并不完全清楚人工智能是怎么做出决策的。然而,人工智能的可解释性至关重要,因为它决定着人类是否可以继续信任人工智能做出决策,这将是人与机器关系发展的核心。麻省理工学院教授 Tommi Jaakkola 说:“逻辑解释已经是一个重要的问题,未来只会变得更加重要。因为无论是投资决策、医疗决策还是军事决策,用户都不希望只依靠‘黑匣子’,而想知道为什么神经网络会作出这一决策。”

  IBM为实现AI的普及,在商业化上花了重金,目标瞄准传统行业产业升级,用于解决医疗、水资源管理、保险诈骗、时尚、环境等问题。谷歌的CEO最近宣布,人工智能和机器学习会成为他们所有的产品的核心部件。而像亚马逊这类的公司,已经推出真正基于AI和自然语言理解的智能家居产品,比如Echo和Alexa。还有许多创业公司正在开发各种新奇的应用,网络情报与安全、健康医疗、制造业自动化、远程信息处理、物联网等基于AI的产品。

  在人工智能创新生态系统方面,美国也更为完善和活跃。由研究机构、大学及私营企业共同组成的生态系统庞大、创新且多元。目前,美国正在加速全数字化转型,加快培育平台经济和数字经济,持续更新创新发展新模式,培植独特创新生态系统,在科技创新、成果转化、商业创新、融资创新、人才激励等方面,都有可以借鉴的做法。

  相比于美国,中国拥有庞大的人口基数和海量数据,广泛的行业分布也为人工智能应用提供了广阔的市场。根据 iResearch,目前,语音和视觉识别技术分别占中国人工智能市场的 60% 和 12.5%。在中国,所有和人工智能相关的公司中,71% 专注于开发应用。其余的公司专注算法,其中,55% 的公司研究计算机视觉,13% 研究自然语言处理,9% 致力于基础机器学习。

  未来,人工智能前沿的重要参与者可能会继续来自美国和中国,但两者在技术研究和商业化实践上有截然不同的路径。

  分享他对中美人工智能发展的观察。我们还将邀请数位中国人工智能领域技术与商业实践者,就

  中美人工智能技术与产业发展上的差异、人工智能人才在中美创业环境的异同与嘉宾做深度对话。本次活动须报名审核,仅限50席位