加入收藏 | 设为首页 | 会员中心 | 我要投稿 威海站长网 (https://www.0631zz.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 站长百科 > 正文

人工智能、机器智能技术的区别和发展趋势

发布时间:2021-11-05 10:09:27 所属栏目:站长百科 来源:互联网
导读:对于人工智能,目前有两种态度。一种是担心,Elon Musk等人担心先进的人工智能会对人类造成威胁,Nicholas Carr担心自动化会抢人饭碗、让人变蠢;一种是放心,Google主席Eric Schmidt认为先进的技术智慧让人类变得越来越好,况且现在的人工智能还非常原始。
对于人工智能,目前有两种态度。一种是担心,Elon Musk等人担心先进的人工智能会对人类造成威胁,Nicholas Carr担心自动化会抢人饭碗、让人变蠢;一种是放心,Google主席Eric Schmidt认为先进的技术智慧让人类变得越来越好,况且现在的人工智能还非常原始。那么,现在的机器智能现状到底是怎样的呢?Bloomberg Beta 的 VC Shivon Zilis 历时 3 个月,分析了 2529 家人工智能、机器学习及数据相关的初创企业后为我们做出解读。     什么是机器智能?     所谓机器智能,是机器学习与人工智能的统称。计算机正在学习如何思考以及读写。也正在获得人类的感觉功能,包括视觉、听觉,以及触觉、味觉和嗅觉(对后三者的关注略少)。机器智能技术涉及多种不同的问题类型(分类、聚类、自然语言处理、计算机视觉等)和方法(支持向量机、深度信念网络等)。这些都包含在机器智能版图当中。     机器智能离不开大数据,数据是机器学习和人工智能的基础。尽管如此,出于篇幅和专注于人工智能方法的原因,这份版图并没有把大数据放进去。     公司分类     从事机器智能的公司很多,但是版图幅面有限。所以机器智能方法被当作关键技术的公司才可以列入。然后入选的公司再分为三大类,一类是专注于机器智能核心技术创新的核心技术类公司;一类就是应用型公司,应用型按照应用对象又可以分为面向企业、面向行业以及面向人 / 人机交互(HCI)这三类;第三类则是支撑技术,包括硬件、数据准备、数据采集等。     如果你打算开一家相关的公司,可以利用这张图找出合适的核心技术和支持技术,然后打包成新颖的行业应用。尽管人人都想解决一些吸引人的问题,但是在许多不那么性感的行业还存在着大量的商机值得挖掘(如通过 Watson Developer Cloud、AlchemyAPI 等),所以未必要紧紧盯住热门的领域。     版图思考     Kevin Kelly(K.K)认为,廉价的并行计算、大型的数据集,以及更好的算法推动了机器智能的发展,从而给企业、产业和人类带来了变革。这张版图的应用划分正是受到了这种观点的启发。正如 K.K 所言,“接下来的 10000 个初创企业的商业计划很容易预测,做 X 然后增加 AI。”有时候甚至连 X 都可以不要,因为机器智能本身就有可能创造出全新的行业。     机器智能的前景非常可观。目前这个领域的初创企业被收购率已达到有 10%,Zilis 认为到 2015 年年底可能还会有另 10% 被收购掉。买家共有 15 个,其中 Google 是机器智能领域的头号买家。     大公司具有压倒性优势,尤其是开发有消费者产品的那些。搜索(Google、百度)、社交网络(Facebook、LinkedIn、Pinterest)、内容(Netflix、Yahoo!)、移动(苹果)及电子商务巨头(Amazon)处在非常领先的位置。因为这些公司拥有大量的数据,且可以通过不断与消费者交互,从而形成算法调整的反馈回环,再加上网络效应,所以是最容易从中收获机器智能成效的公司。     一流的个性化和推荐算法促进了这些公司的成功。在移动的新战场上,机器智能也不可或缺:如自然语言接口(苹果 Siri)、可视化搜索(Amazon 的 FireFly)、直接提供答案而非链接的动态问题回答。而 IBM 和微软在这个领域也取得了很大进展,但是主要集中在面向大型行业数据集的知识表征任务(因为缺乏上述公司类似的面向人的需求),比方说 IBM 的 Watson 就用到了辅助医生诊断上面。     人才垄断     过去 20 年里,人工智能领域最好的人才都在学术界。这些人发明了许多新的机器智能方法,但是能带来商业价值的却没几个。但现在像深度信念网(deep belief nets)和阶层式神经网络(hierarchical neural network)这样复杂的机器智能方法开始解决一些现实问题了。而象牙塔上的那些学者也开始走进企业。比方说Facebook招了纽约大学的Yann LeCun教授和 Rob Fergus,Google聘了多伦多大学的 Geoffrey Hinton,而百度则有吴恩达(Andrew Ng),这些都是机器智能领域“教父”级的任务。不过这些人并不是完全跟学术脱离了关系,不少的时间和精力还是要贡献给学校的。     高薪和好设施当然是吸引这些顶尖学术人才的因素之一,但是最重要的却是另一个东西:数据。Facebook、Google、百度等拥有庞大的计算资源,还垄断了海量的数据,必然会吸引越来越多的人才加入,这就是大公司形成压倒性优势的原因。     和平红利     如上所述,大公司拥有固有优势,而赢得机器智能战者未来还会更加强大。幸运的是,对于其他公司来说,大公司开发出来的核心技术会迅速涌入到其他领域—通过大公司离职人员以及公开发表的研究的方式。     此外,跟大数据革命类似,技术巨头也会把一些突破性的技术贡献给社区,然后由其他人来做应用层面的创新。     创业机遇     我的公司从事 X 的深度学习     要想让你的公司明年火,可以用上面这句话做广告词。当然,前提是你的确是。     深度学习是机器智能的热门方法。虽然可能有点炒作过头,但 Google、Facebook、百度这样的巨头,以及 Enlitic 等很初创企业,在视觉和语言处理方面采用这种办法的确取得了不俗的成绩。     深度学习最令人兴奋的是,如果处置得当的话,其自动学习功能可以替代部分领域专家的直觉。在很多情况下,这有望改写许多领域的解决方案。     人才收购作为商业模式     我们在讨论大数据的时候往往提到数据科学家的短缺。但是由于此前机器智能仅限于学术研究,机器智能专家更是短缺中的短缺。这一现状并不会很快改变。     这种短缺对于真正理解机器智能的创始人来说却是一种福利。这一领域的许多初创企业能够获得种子轮融资,往往就因为一个原因—机器智能人才收购的价格是一般技术人才收购价格的 5 倍以上(比方说 Deep Mind 人均收购价格为 500 到 1000 万美元)。作为有悟性的创始人,你甚至可以网罗一批机器智能人才然后就成立公司,说不定就有人会收购你了—好吧,这是个玩笑,但是这的确反映出“人工”智能的价值。  

(编辑:威海站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    热点阅读