张学勇移民公司
微信扫一扫 分享朋友圈

已有 101 人浏览分享

开启左侧

走出实验室,中美专家呼吁通用性AI与细分行业相结合

[复制链接]
101 0


开发对人类有用的技术

  作者:钱童心  

  谷歌在这两天的I/O开发者大会上发布的一系列与人工智能相关的成果令人唏嘘人工智能对人类未来生活产生的颠覆性影响。但怎样的人工智能产品才能真正走进人们的生活?

  对此,学界和产业界在5月10日苏州召开的一场全球人工智能产品应用博览会上给出了建议性的方向。微软、英特尔、英伟达等全球科技巨头以及西门子、施耐德等全球工业巨头参与了这次大会。

  麻省理工学院(MIT)计算机科学与人工智能实验室副主任Polina Golland教授对第一财经记者表示:“我们不应该盲目地开发技术,而是要开发对人类有用的技术。医疗影像与AI的结合是未来的一个大方向,学界面临的一大挑战是,如何从有限的数据,而不是大数据中做出分析。”

  业界一致认为,医疗是人工智能的应用中最容易产生价值的领域。苹果的顶级设计师John Ive近期也在接受媒体采访时透露,苹果手表从最初面世起,就一直定位在一款医疗健康设备。

  “健康绝对是苹果手表最早期以及最重要的关注点。”Ive表示,“苹果从硬件和软件两方面建立起基于健康的这款设备。”如今,苹果手机已经用于心脏疾病的监测和研究。保险公司也通过苹果手表为用户提供健康方面的专业项目。

  苹果北京研发中心机器学习专家郭迪博士表示:“人工智能的下一个颠覆性的技术一定会在数据方面展开,手机的传感器为数据的收集提供无限的可能性。”针对人工智能应用到实际领域遇到的瓶颈,郭迪说:“智能手机的计算能力仍有待进一步提升,另一方面的挑战是数据如何方便地实现迁移。”

  西门子集团执行副总裁Norbert Gaus博士呼吁:“行业的专家应该多与AI专家一起合作,从产品的设计、生产、制造的各个阶段共享数据,并建立起有效的机制把这些知识点结合起来,嵌入大数据学习。”

  Gaus同时强调,数据不够本身是一个瓶颈,而且企业将长期面临这个问题,如何把学习能力加到人工智能当中是一个现实的挑战。此外,人工智能还需要能够被解释,让更多人了解并且接受。

  寒武纪创始人CEO陈天石对此表示赞同。他对第一财经记者表示:“在产业方面,我认为需要把通用性的AI和具体细分行业连接,这样才能产生革命性的技术。”陈天石表示,寒武纪的芯片仍是相对通用的芯片,非常需要行业提供知识以提升其专用性。

  在谈到人工智能的下一个革命性的突破时,陈天石认为:“从学术角度来看,机器学习经过长期的发展,在感知方面已经取得突破性的进展,比如在解决语音、视觉的辨识和自然语言处理的部分,下一个重要的技术突破将产生于认知方面。”。陈天石透露,寒武纪也在多模态的智能处理技术方面加强投入。

  中美人工智能竞赛瞄准制造业

  专家们同时强调,中美两国正在进行人工智能的一场大比拼。据《华尔街日报》最新报道,白宫即将与本周四召开一场人工智能大会,以支持这项先进技术的发展。

  根据白宫草拟的一份议程,这次会议将吸引美国已经使用人工智能的工业领域企业的关注,以提升技术并惠及美国人民和美国工人。这些行业的参与者将给出联邦政府建议,以便保持美国在人工智能发展和部署方面的领先地位。

  据了解,包括亚马逊、Facebook、谷歌、英特尔、微软、波音、GE、福特等40多家科技和行业公司将会参与这场人工智能大会。

  尽管人工智能的质疑者认为这项技术将造成失业等社会危机,不过,白宫更加关注人工智能的好处。行业领袖们将会聚焦人工智能在专门领域的应用,包括食品、农业、能源、制造业、医疗、金融服务业和交通运输物流等领域。白宫也在努力把人工智能从业界推向更广泛的公众群体。

  谷歌的I/O开发者大会让世人见识到人工智能的强大。对此,小米生态链企业钕娲创造创始人CEO郭柳宗对第一财经记者表示:“谷歌在AI交互软件方面已经能够做到没有对手,但是在机器人制造等硬件方面,中国公司更有竞争力。”他举例称,比如中国的机器人公司优必选的估值已经超过50亿美元,该公司就是受益于中国相对低廉的制造成本。

举报 使用道具

回复
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

9

关注

15

粉丝

42462

主题
精彩推荐
热门资讯
网友晒图
图文推荐

维权声明:本站有大量内容由网友产生,如果有内容涉及您的版权或隐私,请点击右下角举报,我们会立即回应和处理。
版权声明:本站也有大量原创,本站欢迎转发原创,但转发前请与本站取得书面合作协议。

Powered by Discuz! X3.4 Copyright © 2003-2020, WinnipegChinese.COM
GMT-5, 2024-11-15 13:09 , Processed in 0.023964 second(s), 31 queries .