中文版 | ENGLISH

您好!欢迎访问火狐体育地址官方网站!!!!

国内化工原料质量信得过单位注重工作细节,提高服务品质

产品中心

联系我们| CONTACT US

联系电话:
+86-0559-3518000

火狐体育地址

■ 销售部

电话:0559-3518000 

手机:17805599966

邮箱:sale.xy2@0559hy.com 

■ 行政部

电话:0559-3517138

邮箱:office@0559hy.com 

■ 人力资源部

电话:0559-3516520

邮箱:hr@0559hy.com


当前位置:首页 > 产品中心

行业大佬全到齐2021世界人工智能大会召开倒计时将有哪些看点

发布时间:2021-11-30 04:02:11   作者:火狐体育在线投注   来源:火狐电竞官网

  世界人工智能大会从2018 年以来,已连续成功举办三届,由国家发展改革委、科技部、工业和信息化部、国家网信办、中国科学院、中国工程院和上海市人民政府共同主办,已成为人工智能行业的国际顶级盛会。

  2021年7月7日-10日,2021世界人工智能大会将在上海举行,大会以“智联世界、众智成城”为主题,按 1 场开幕式、2场全体会议、11场主题会议和各具特色的论坛活动(14场领军企业论坛、27场前沿论坛和27场生态论坛)组成的1+2+11+X总体架构组成,大会议题将聚焦开源框架、AI 与脑科学、认知智能、隐私计算、AI 与量子计算等,打造近 20 个专业学术论坛。

  14 场领军企业论坛的协办方均为行业龙头,如 GE、贝壳找房、商汤科技、科大讯飞、中国电信、交通银行、腾讯、华为、中国移动、阿里巴巴、宝武钢铁、中科新松以及阿斯利康等。

  华为将展示华为云EI、昇腾计算、智能驾驶等领域的最新解决方案,并综合呈现华为生态应用及实践,商汤科技也将携生态合作伙伴发布多款重磅新品。

  比较热门的量子计算、自动驾驶、智慧城市、大数据和智能计算、企业数字化转型均有前沿论坛的分论坛设臵,今年还出现了隐私计算、AI 财务智能化、可信 AI、AI 赋能保险、图神经网络与情感计算、AI 赋能海洋等比较新颖和前沿的论坛主题。

  根据 Gartner 每年发布的科技成熟度曲线,AI 从触发期开始,会经过期望膨胀期—泡沫幻灭期—复苏成长期—成熟期。

  从目前趋势来看,AI 行业经过三年的预期消化,已不再是追逐热点赛道,而更倾向于考虑打造合理的商业模式,帮助 AI产业化落地。

  2017-2020 年期间,在预期消化的同时,随着资本的助力、政策的驱动、技术的投入,AI 领域中数据、硬件、算法都发生了巨大飞跃,成为了人工智能拐点的催化剂,推动业务的飞跃发展。

  此外,Gartner 曾在 2019 年 8 月预测,到 2021 年,AI将创造 2.9 万亿美元的商业价值,创造全球 62 亿小时的工人生产力,AI 即将进入回报期。AI 赛道加速成长态势明显。

  根据 2021 年斯坦福大学发布的《2021 年人工智能指数报告》,2018 年开始全球 AI 公司的融资持续向龙头初创公司聚集,2018 年开始每年新成立的公司数量持续下降,但是 AI 融资金额依旧保持上升趋势。

  软银集团董事长孙正义说过:“未来是 AI 的时代,AI 将会帮助人类让生活变得更加美好,这就是未来的世界”。创新工场董事长李开复说到:“眼下,AI 已经从发现阶段过渡到了落地阶段”。正如汽车取代马车一样,AI 将逐步渗透到个人生活和企业生产中,并通过多种深度学习算法挖掘新的价值,为社会、企业带来更高效更智能的体验。以机器人为代表的 AI 赋能也变得越来越具有吸引力,根据前瞻产业研究院的数据,目前工业机器人的成本回收期也呈现出逐年下降态势。

  此外,根据 Gartner 的 2019 年年度 CIO 调查,部署了 AI 的企业从 2018年的 4%提升至了 2019 年的 14%,企业逐步意识到了 AI 可以为产业带来实实在在的价值,我们认为,AI 渗透到社会和企业的方方面面已是大势所趋。

  AI 落地所需要的三大要素:算法、数据、算力,目前均处于非常有利于 AI 落地的状态,为 AI 赛道的推进提供了肥沃的土壤。

  AI 算法持续突破创新,视觉和语音方面尤为突出,模型复杂度指数级提升。以AutoML 为例,学术界和产业界产品繁多,从方法上可归为三大阵营:基于强化学习算法、基于进化算法和基于梯度的算法,包括但不限于自动数据增强,自动网络结构搜索,自动超参搜索和自动优化器,算法的不断突破创新也持续提升了算法模型的准确率和效率,各类加速方案层出不穷。虽然目前新增的算法模型数量逐年减少,但是模型的复杂程度依然呈现指数级的上升态势。

  此外,2014-2015 年出现的生成对抗网络(GAN)、2015 年出现的残差网络(ResNet),2017 年出现的 Transformer模型均已开始在各个细分领域落地应用,并不断衍生出新的变种,模型的持续丰富也使得场景的适应能力逐步提升。

  国际最知名的机器学习学者之一吴恩达曾提出过一个 AI 赛道的二八定律80%的数据+20%的模型=更好的 AI,模型训练数据的丰富程度、清洗的干净程度一定程度上决定了 AI 算法的优劣。

  而大数据技术的不断提升也降低了 AI 赖以学习的标记数据获得成本,同时对数据的处理速度出现大幅提升。无论是视觉、语音还是自动驾驶场景,历史数据的持续积累将不断提升 AI 系统的适应能力,基于历史的数据的训练将提升算法的性能(不仅仅是准确率)、对行业 know-how 的理解和系统鲁棒性,降低错误判断和决策的概率,对 AI 技术的逐步成熟落地具有不可或缺的重要性。

  芯片处理能力提升、硬件价格下降、神经网络模型优化,推动算力大幅提升。2017年,在公共云上训练像 ResNet-50 这样的图像分类器的成本约为 1,000 美元,到了2019 年只需大约 10 美元。

  截至 2019 年,全球 AI 算力主要是以 GPU芯片为主,随着技术的不断迭代,包括 ASIC、FPGA 在内的计算单元类别有望成为支撑 AI 技术发展的底层技术,算力的快速提升为 AI 的产业落地提供了非常有利的条件。

  计算机视觉、语音识别、自动驾驶作为 AI 市场规模最大和最有潜力的方向,将持续享受行业红利。

  AI 在最近十年的进展迅速,包括机器学习、自然语言处理、计算机视觉、智适应技术等领域都得到了长足的发展。根据清华大学数据显示,计算机视觉、语音识别、自然语言处理是中国市场规模最大的三个应用方向,分别占比 34.9%、24.8%和 21%。此外,自动驾驶的本质属于人工智能,通过多维数据的搜集和处理,经过处理器分析,指导车辆的驾驶决策,随着智能网联、自动驾驶技术的不断深入,AI 技术在自动驾驶中将发挥越来越重要的作用。

  此外,根据 2021 年 1 月 20 日清华大学人工智能研究院发布的《人工智能发展报告 2020》,中国在 2011-2020 年已经成为全球 AI 专利申请量最大的国家和地区,而 2019 年国际著名 AI 会议期刊 NeurIPS 有 29%的论文来自中国,国内 AI 发展的土壤日益丰富。

  我们认为,未来以视觉和语音作为数据入口的 AI 赛道,将会在技术自身迭代的推动下不断形成新的商业应用落地,持续享受到技术改造社会所形成的行业红利。

  当前AI技术以深度学习算法为核心,基于神经网络的主流算法难以实现通用的智能化,细分场景落地时需要结合行业 Know-how、客户需求痛点以及数据,可以产生实质性价值。

  根据企鹅号 FMI 团团2021年5月6日的信息,知名外媒《Towards Data Science》按照谷歌引用次数这个指标,统计了近五年来发表在各大国际顶级会议(如 NeurIPS、AAAI、ACL,ICML、EMNLP 等)上引用量排名前十的论文。

  我们发现,深度学习、基于NN(Neural Network,神经网络)的框架依然是学界主流。根据通用近似定理(Universal Approximation Theorem),神经网络的计算能力可以近似一个给定的连续函数,但是没有给出如何找到这个网络以及是否是最优解,实际中往往通过经验风险最小化和正则化原则进行参数学习,由于神经网络强大的计算能力,容易产生在训练集上的过度拟合,使得算法难以产生较强的通用性。

  目前我们应用的安防监控、自动驾驶、语音识别、地图导航等场景都是深度学习 AI 技术在图像视觉、语音识别、自然语言理解等领域的应用,在各个细分场景落地时都需要结合所在行业的 Know-how、客户的需求痛点以及客户的真实数据,才能产生落地应用的价值,通用的人工智能从当前来看依然存在较大的现实差距。

  海康威视高级副总裁徐习明曾于 2018 年对这一论调曾发表过评论,今天的人工智能还是一种弱人工智能,基于深度学习的算法精度会无限逼近 100%,但永远无法达到。

  随着准确率提升,最后竞争的更多是场景落地能力。2021年5月29日,腾讯副总裁、腾讯 AI Lab 和 Robotics X 实验室主任张正友在接受新京报记者采访时表示强人工智能之路很漫长,需要找到新算法新技术。当前的 AI 是场景化的 AI。

  AI 所需数据并非外部海量互联网数据所能解决,很多场景甚至没有存量可用的数据,通过深入客户场景、借助算法标注、挖掘,方可获取有价值的结构化数据。

  由于 AI 算法需要和行业、场景相结合,否则就是garbage in,garbage out,因此目前呈现爆发式增长的外部互联网数据并不能很好地作为 AI 模型训练的输入数据,或者说 AI 所需要的大数据往往来源于生产和服务过程中的副产品,但在价值上却往往超过了为了特定目的专门采集的数据。

  在部分工业领域,由于过去智能化程度偏低,并没有太多具有挖掘价值的存量数据可以利用,需要 AI 企业深入客户的场景,通过 AI 算法进行数据特征的标注、潜在信息的挖掘,才能形成具有价值的数据,发现产业背后新的规律。

  同时,AI 系统的成功取决于所输入数据的相关性和准确性,否则无监督的学习训练可能产出良莠不齐的模型。

  正如前文所述,以深度神经网络为核心的机器学习决定了对 AI 数据的饥渴将在一段时间内始终伴随 AI 行业的发展,同时我们从产业化与工程化的逻辑视角来看,今天企业想要打造出用户满意的 AI 产品,可能购买的通用型“面粉”已经不能满足挑剔的用户,企业得学会自己耕种数据的沃土,这就给了卡位细分行业的 AI 公司很好的产业机会。

  AI 在场景的赋能所带来的价值是逐步深入的,需要和客户一起长期打磨,产品逐步从可用到 好用。

  AI=CODE(model/algorithm)+DATA,从这里我们可以看到模型不是一次性构建的,需要持续学习,通过收集行为数据收集反馈数据-模型训练模型应用全流程提升业务效果,避免传统模型的效果随着时间衰减的弊端。

  根据百度公众号科技叨客 2021 年 5 月 13 日的信息,谷歌首席架构师、谷歌人工智能团队谷歌大脑的负责人 Jeff Dean 曾表达过,随着数据规模的不断扩大,未来深度学习算法的精度也将不断提升。

  因此,AI 所能带来的价值与数据量的增加有正向关性,需要客户不断输出知识反哺 AI 模型,反复迭代算法,从而使得产品从可用逐步进化到好用状态。

  例如广联达与海康威视合作打造智慧工地,对人-物-车进行智慧管理,未来有望实现现场施工数据与 BIM 技术的融合,实现以场景化应用、精细化管理、数据化决策为核心理念的 BIM 应用助力数字时代下的企业数字化转型,实现施工过程的数字化全流程管理。

  我们认为,在 AI 细分赛道有卡位优势、有场景和数据积累的公司有望持续领跑,从而进一步提升规模效应。

  正如前文所述,当前的 AI 是场景化的 AI,同一个赛道的两家AI公司的客户都会持续提供know-how反哺,推动模型迭代,但是客户资源更多、卡位优势更好的企业(假设简称 A 企业)拿到的行业 know-how 会更深,迭代出来的功能模块更丰富,并且积累的客户数据量会更大。

  随着时间的推移,A 企业的产品将更具有竞争力(一方面模块更多,一方面和对手同样的模块迭代出来的效果会更好),进一步抢占市场份额,使得其对手逐步失去客户从而失去产品迭代的机会,为 A 企业带来长期的竞争优势,赛道也将呈现头部集中的态势。

  AI 落地不及预期:行业存在 AI 升级趋势,但由于落地效果、持续迭代需求等制约,AI在行业的推进速度可能不及预期。



火狐体育地址 版权所有  公司地址:安徽省黄山市循环经济园紫金路16号     

电话:0086-559-3518000  手机:0086-13956270168 传真:0086-559-3516788

电子邮箱:sale.xy2@0559hy.com