手机站 广告联系

十五人行新闻网—梳理天下事

谷歌、DeepMind、英伟达科学家解读未来5年AI应用趋势

来源: 作者: 人气: 发布时间:2017-11-28
摘要:本文将探讨人工智能在商业领域的应用,深入研究谁应该使用这些技术,并深入研究人工智能在各个行业的领军人物的研究贡献。包括来自学者,行业领导者,研究人员,首席执行官,创始人等等的专家意见,以评估人工智能对多个行业的影响。

人工智能(AI)正在变革它能触及的各行各业,从医疗保健到零售和广告,金融,交通,教育,农业等等。 AI的目的是什么?接手所有需要员工手动完成的工作,让他们腾出时间更有创意地完成机器不能做的工作。如今,快速发展的 AI 技术主要由大型企业通过机器学习和预测分析来使用。

人工智能(AI)不是一项未来的技术,现在当下的技术,没有采用的公司将被抛在后面。

本文将探讨人工智能(AI)在商业领域的应用,深入研究谁应该使用这些技术,并深入研究人工智能(AI)在各个行业的领军人物的研究贡献。包括来自学者,行业领导者,研究人员,首席执行官,创始人等等的专家意见,以评估人工智能对多个行业的影响。

受访者单位(具体名单):

 

\

 

 

\

 

 

\

 

 

\

 

包括谷歌的Ian GoodFellow、DeepMind的 Jörg Bornschien、英伟达的Kimberly Powell等知名AI研究员参与了这一份AI报告的访谈并发表观点。

AI 快速增长的背后:技术、资本、企业

人工智能正在颠覆和改变它所触及的每一个行业。从商业运营和效率到创新的客户服务方式、医学研究的突破、更智能的交通系统和更有针对性的广告活动,这是当今世界不可避免的现实。不愿意采用AI的企业将落后,预计AI软件的直接和间接应用产生的收入将从2016年的13.8亿美元增长到2025年的597.5亿美元。(Tractica,2017)

“随着机器变得越来越智能,消费者将会期待24小时内的完美服务,到2025年,AI将会占到所有客户互动的95%,消费者在在线聊天或电话中将无法区分机器人和人类员工。”(Servion,2017)

得益于海量数据和日益智能化的算法,机器可以学习、说话、做出明智的决策,并以一种越来越有效的方式执行复杂的任务。这不仅推动了研究上的突破,而且在业界的实施也证明了AI在现实世界中的应用可能对各行各业的企业产生巨大的潜在影响,包括零售和广告、医疗保健、销售和市场营销、交通运输、旅游等。

 

\

 

图:AI的全球预计收入:2016-2025

是什么令AI的进步如此迅速?

AI需要庞大的数据集,而“真正伟大的科学与技术的惊人进步使我们能够收集到前所未有的数据”,从而使模型能够更快地学习。(Jasper Snoek,谷歌大脑)

目前的发展速度并没有被预见,比如OpenAI的Ankur Handa,并没有预见到在多伦多大学Geoffrey Hinton的研究团队发表第一篇卷积神经网络的论文之后,短短三年的时间里,CNN在ImageNet竞赛中实现了“超越人类的表现”。虽然这些进展迅速而且有影响力,但你的业务是否应该采用AI,这是需要考虑的。诸如成本、可用数据、行业相关性和人员配置,以及可能的ROI等因素是所有规模的企业需要考虑的因素。本报告后面的章节将为这些关键因素提供解决方案,以发现AI在行业中的影响,以及你是否应该在你的业务中使用这些技术。

谁在推动AI的发展?

不仅仅是科技巨头在引领了AI竞赛,还包括大学、风险资本家(VC)和内部研究人员。机构和行业专家的研究为企业将这些模型应用于他们的工作打开了大门,而针对AI的风投正在通过他们的资金来帮助研究取得突破。

下图:著名AI风投、学术机构和公司

 

\

 

 

\

 

AI的生态图景:模型、训练数据、硬件和人员

目前AI的生态图景四个方面:模型、训练数据、硬件和人员。新的模型(如生成对抗网络)正被广泛应用,并取得了巨大的成功;更大的数据集可以用来训练模型;硬件的改进加快了训练的速度;而且,这个领域的每一次成功都会吸引更多的人进入这个行业。(Ed Newton-Rex Jukedeck)

进步是持续的,但是对社会产生直接的影响需要时间和金钱来进行研究。数据的可用性、计算的能力、每个模型的训练周期和智能水平都有局限性。无监督学习的进步正在彻底改变商业应用程序,节省时间和金钱——2010年至2014年间,全球对人工智能技术的投资从17亿美元增长至149亿美元(Merrill Lynch,Bank of America,2016)。

虽然AI不是一个新的概念,但它变得主流的过程也已经花费了数年的时间,近几十年的发展速度是最快的。这意味着,由于我们目前使用arXiv和社交媒体进行传播的文化,新的进步很快就会过时。AI的“过度活跃”可能是破坏性的,这迫使企业重新考虑他们正在设计的产品(Hugo Larochelle,Google Brain)。

AI的发展带来了今天的模型:研究人员发现如何使用GPU来加速神经网络的训练。这些方法使得模型能够扩展到更大的数据集,并在对更小、更学术的数据集进行研究时实现更快的迭代。

DL社区开发了更好的开源库和用于深度学习的工具。例如,Theano在如何实现DL模型方面取得了突破,这启发了现在广泛流行的TensorFlow。

ArXiv和社交媒体已经成为宣传研究的主要真滴。这使得我们可以更快地迭代和构建其他研究人员的工作。(Hugo Larochelle, Google Brain)

如何在商业中应用这些进步?

ML总是受限于可使用的计算量。这些进步能够对现实世界的问题产生非常明显的影响,正如Ian Goodfellow说:

“2017年5月谷歌发布新一代TPU,这是一个大消息。新的谷歌TPU可以帮助缩小在DL实验中可利用的计算量和在生物神经系统中使用的计算量之间的差距。第一代TPU只对谷歌的工程师开放,而新一代TPU将对谷歌云的用户开放,并且研究人员可以申请免费获取。”

 

\

 

领先的AI使用案例,数据分析仍然是最大的场景,博猫http://www.69zw.la/xiaoshuo/0/23/index.html,其次是销售,再到医疗

责任编辑:

十五人行新闻独家出品

新闻由机器选取每5分钟自动更新

手机:122222222222 邮箱:11223344@qq.com
地址:北京市河南岸国商大厦B-6-B