盘点全球IT巨头在人工智能领域的布局

盘点全球IT巨头在人工智能领域的布局

　　驱动人工智能发展的先决条件

　　物联网——物联网提供了计算机感知和控制物理世界的接口和手段，它们负责采集数据、记忆、分析、传送数据、交互、控制等等。摄像头和相机记录了关于世界的大量的图像和视频，麦克风记录语音和声音，各种传感器将它们感受到的世界数字化等等。这些传感器，就如同人类的五官，是智能系统的数据输入，感知世界的方式。而大量智能设备的出现则进一步加速了传感器领域的繁荣，这些延伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的前提之一。

　　大规模并行计算——人脑中有数百至上千亿个神经元，每个神经元都通过成千上万个突触与其他神经元相连，形成了非常复杂和庞大的神经网络，以分布和并发的方式传递信号。这种超大规模的并行计算结构使得人脑远超计算机，成为世界上最强大的信息处理系统。近年来，基于GPU(图形处理器)的大规模并行计算异军突起，拥有远超CPU的并行计算能力。

　　从处理器的计算方式来看，CPU计算使用基于x86指令集的串行架构，适合尽可能快的完成一个计算任务。而GPU从诞生之初是为了处理3D图像中的上百万个像素图像，拥有更多的内核去处理更多的计算任务。因此GPU天然具备了执行大规模并行计算的能力。云计算的出现、GPU的大规模应用使得集中化的数据计算处理能力变得前所未有的强大。

　　大数据——根据统计，2015年全球产生的数据总量达到了十年前的20多倍，海量的数据为人工智能的学习和发展提供了非常好的基础。机器学习是人工智能的基础，而数据和以往的经验，就是人工智能学习的书本，以此优化计算机的处理性能。

　　深度学习算法——最后，这是人工智能进步最重要的条件，也是当前人工智能最先进、应用最广泛的核心技术，深度神经网络(深度学习算法)。2006年，Geoffrey Hinton教授发表的论文《A fast learning algorithm for deep belief nets》。他在此文中提出的深层神经网络逐层训练的高效算法，让当时计算条件下的神经网络模型训练成为了可能，同时通过深度神经网络模型得到的优异的实验结果让人们开始重新关注人工智能。之后，深度神经网络模型成为了人工智能领域的重要前沿阵地，深度学习算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse Coding、Recursive Neural Network， Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络(Convolutional Neural Network，CNN)更是成为图像识别最炙手可热的算法模型。

　　人工智能的四大功能

　　语音识别——李开复博士当年做的工作奠定了很多当今识别系统的基础。这里忍不住说一下，Siri本身的技术并没有特别大的亮点，真正nb的是它的模式(语音识别直接与搜索引擎结合在一起，产品体验做得好。而且关键是这样的模式能采集到更多数据，使得系统的精度越来越高)

　　自然语言理解——目前看到的最强的结果应该是IBM Watson。但其实我们现在用的搜索引擎、中文输入法、机器翻译(虽然其实还不怎么work)都和自然语言理解相关。这块儿不是我的专业，请 @段维斯 同学补充。

　　数据挖掘——随着近年数据量的疯狂增长，数据挖掘也有了长足进步。最具有代表性的是前几年著名的Netflix challenge(Netflix公司公开了自己的用户评分数据，让研究者根据这些数据对用户没看过的电影预测评分，谁先比现有系统好10%，谁就能赢100万美元)最后这一比赛成绩较好的队伍，并非是单一的某个特别nb的算法能给出精确的结果，而是把大量刻画了不同方面的模型混合在一起，进行最终的预测。

　　计算机视觉——目前越来越多的领域跟视觉有关。大家可能一开始想到的都是自动驾驶。虽然大家都在说googleX的无人车， 但实际上现在无论是商业上，还是技术整合上最成功的算法是Mobile Eye的辅助驾驶系统。这个公司也是目前computer vision领域最挣钱的公司。

　　从实现新功能方面说，视觉的发展的趋势主要有两方面，A) 集成更多的模块，从问题的各种不同方面，解决同一个问题(比如Mobile Eye，就同时使用了数十种方法，放到一起最终作出决策) B) 使用新的信息，解决一个原来很难的问题。这方面最好的例子是M$的Kinect，这个产品最让人拍案叫绝的就是那个红外pattern投影仪。

　　人工智能的应用领域

　　自然语言处理(包括语音和语义识别、自动翻译)、计算机视觉(图像识别)、知识表示、自动推理(包括规划和决策)、机器学习和机器人学。按照技术类别来分，可以分成感知输入和学习与训练两种。计算机通过语音识别、图像识别、读取知识库、人机交互、物理传感等方式，获得音视频的感知输入，然后从大数据中进行学习，得到一个有决策和创造能力的大脑。

　　人工智能引全球关注，中国顺应潮流

　　对科技的重视，是中国向来的发展战略。因此，我们可以看到国家不断在战略部署上出台加速人工智能需求的政策。例如，“人工智能”首次出现在“十三五”规划草案中，智能制造和机器人作为重大工程之一出现在“科技创新-2030项目”中，以及倡导“互联网+”落实及其核心技术的推广……可以预见，千亿元级的人工智能市场应用规模正在形成。

　　中国某些人工智能应用已达国际领先水平

　　中国在图像及语音识别的基础之上，即模拟神经网络的输入和输出，并通过大规模的数据进行训练，再对样本进行精准分类和预测，从而实现了“计算”之外的“思考”。这便是中国着力研究人工智能所得到的令人欣喜的结果。当然，研发中会遇到瓶颈，同时也是突破口——训练和建模逻辑的算法，但相信，只要不懈努力，我国定能取得更多更高的科研成就。

　　国内人工智能研发与应用范围着力3方面

　　“人工智能”的概念，是在1956年的美国达特茅斯(Dartmouth)大学召开的学术会议上被提出的。着眼全球，只在短短的60年间，科学技术的积累便使得机器学习、模式识别和人机交互这3个基础支撑能够得到较为广泛的应用。纵观我国，家庭机器人、工业或企业服务、智能助手3方面，是目前国内智能机器人行业的主要研发范围。就目前阶段而言，家庭服务机器人智能化程度还处于初级水平;以仓储和物流机器人应用为主的工业/企业场景应用最为广泛;而在工业机器人市场中，中国所占市场份额约为27%是最大的，市场前景开阔。

　　从上世纪八九十年代的PC时代，进入到互联网时代后，给我们带来的是信息的爆炸和信息载体的去中心化。而网络信息获取渠道从PC转移到移动端后，万物互联成为趋势，但技术的限制导致移动互联网难以催生出更多的新应用和商业模式。而如今，人工智能已经成为这个时代最激动人心、最值得期待的技术，将成为未来10年乃至更长时间内IT产业发展的焦点。

关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志

关注方法：添加好友→搜索“华强微电子”→关注

或微信“扫一扫”二维码