网站建设的公司排名,网络营销推广的工具,可以做宣传的网站有哪些,开源saas多用户建站系统来源#xff1a;机器学习研究组订阅号过去十年间#xff0c;人工智能技术突飞猛进#xff0c;最疯狂的科幻小说场景现在已经成为我们生活中不可或缺的一部分。十年前#xff0c;人们在谈论 AI 的理论化和实验#xff0c;但这些年来#xff0c;AI 变得更加切实了#xff… 来源机器学习研究组订阅号过去十年间人工智能技术突飞猛进最疯狂的科幻小说场景现在已经成为我们生活中不可或缺的一部分。十年前人们在谈论 AI 的理论化和实验但这些年来AI 变得更加切实了也变成了主流。无论是国际标准课程、平台、库、框架、硬件一切都顺理成章。就算说这十年里取得的成绩奠定了未来的基础也不为过。这篇文章将盘点 AI 十年来取得的重要突破。卷积2012 年是深度学习历史上重要的一年。那一年卷积神经网络CNN在著名的 ImageNet 挑战赛中大放异彩。由 Alex Krizhevsky 等人设计的卷积神经网络「Alexnet」以远超第二名的成绩夺冠在 ImageNet 数据集上的视觉识别错误率为 15.3%降低了一半。该神经网络对猫的检测准确度达到了 74.8%在 YouTube 视频中检测人脸的准确率为 81.7%。现在手机和商场中的人脸识别应用都应该归功于 2012 年的这项工作识别准确率的提升使研究者能够进行医学成像模型的部署这些模型具备高置信度。与 AI 对话Vaswani 等人 2017 年发表的《Attention Is All You Need》带来了级联效应使得机器能够以前所未有的方式去理解语言。得益于 Transformer 架构AI 现在能够撰写假的新闻、推文甚至可能引起政治动荡。继 Transformer 之后谷歌又推出了 BERT 模型将其用于关键字预测和 SEO 排名等。BERT 如今已经变成了自然语言处理领域的实际标准诸如 Microsoft 和 NVIDIA 之类的公司开始堆积更多参数来追赶该模型。NVIDIA 的 Megatron 具有 80 亿个参数而 Microsoft 的 Turing NLG 模型具有 170 亿个参数。OpenAI 的 GPT 模型后来居上1750 亿参数的 GPT-3 目前是历史记录的保持者。GPT-3 也是 Transformer 的扩展是目前最大的模型它可以编码、写散文、生成商业创意只有人类想不到没有它做不到。将人类一军AI 早已在国际象棋中击败了人类。而更加复杂的人类游戏如 Jeopardy! 游戏、围棋、德州扑克等也没有挡住算法的脚步。人工智能近几年来最广为人知的事件就是 AlphaGo 在最复杂棋类游戏——「围棋」上击败了人类顶级选手。与此同时在这个十年中IBM 的 Watson 也在 Jeopardy! 决赛中击败了两位人类最终 Watson 获得了 77147 美元奖金而两位人类分别获得了 24000 和 21600 美元。Facebook 和卡耐基梅隆大学共同开发的德扑 AI Pluribus 战胜了五名专家级人类玩家实现了前辈 Libratus冷扑大师未能完成的任务该研究还登上了 2019 年的《科学》杂志。2020 年 12 月DeepMind 提出的 MuZero 让一种人工智能模型掌握多种游戏包括将棋、国际象棋和围棋。解码生命每一个生物体的行为都可以在其蛋白质中寻踪溯源。蛋白质承载着秘密破解蛋白质或许有助于击败新冠大流行。但蛋白质结构非常复杂需要不断地运行模拟。DeepMind 尝试解决这一难题其开发的深度学习算法「Alphafold」破解了出现五十年之久的蛋白质分子折叠问题。计算机视觉被证明可以帮助诊断而解决蛋白质折叠问题甚至能够帮助研发人员开发新药。AI是艺术家也是骗子 去年在一则视频中比利时首相谈论着解决经济和气候危机的紧急需求后来人们发现这其实是 Deepfake 视频。在机器学习和 AI 对比利时首相声音和表达方式的操纵下这则假视频让首相发表了一场关于全球变暖影响的演讲。这些伪造内容的背后是精心设计的算法——生成对抗网络GAN。该算法在 2014 年提出并得到广泛应用甚至已经侵入了人类工作的最后一道壁垒创作。这种网络可以生成从未存在的人脸、互换人脸让一国总统胡言乱语。GAN 生成的一幅画甚至在佳士得拍卖会上以破纪录的价格——40 万美元成交了。GAN 的另一面是被用于恶意目的以致于像 Adobe 这种公司不得不研究新技术来鉴别伪造内容。GAN 在下一个十年里仍将是被广泛讨论的对象。秘密武器——硅神经网络的概念诞生了半个世纪今天流行的反向传播方法也出现三十年了。但是我们仍然缺少能够运行这些计算的硬件。过去十年我们见证了十多家公司研究专门的机器学习芯片。这些年来芯片技术得到了极大发展我们可以在手掌大小的设备上执行百万次运算。这些芯片被用到数据中心用户可以观看自己喜欢的 Netflix 电影、使用智能手机等。接下来专为边缘设备定制的 AI 芯片蕴含着价值数十亿美元的商机。苹果等公司已经开发了定制化机器学习芯片如 A14 Bionic来提供智能服务。即使是依赖英伟达和英特尔的 AWS也正在慢慢进入芯片行业。随着芯片变得越来越小这一趋势只会更加明显例如使用英伟达 Jetson AGX Xavier 开发者套件你可以轻松创建和部署端到端 AI 机器人应用用于制造、零售、智能城市等等。谷歌的 Coral 工具包可将机器学习带到边缘设备上。安全、实时输出是目前的主题。开源文化逐渐成熟图源MIT Tech Review2015 年TensorFlow 开源。一年后Facebook AI 又开源了基于 Python 的深度学习框架 PyTorch。今天TensorFlow 和 PyTorch 已经成为使用最广泛的框架。通过不断的版本更新谷歌和 Facebook 为机器学习社区带来了极大便利。自定义库、软件包、框架和工具的爆发式增长使得更多人进入了 AI 领域也为 AI 研究带来了更多人才。开源是近几年的一个主要特性。开源工具和越来越多的可用资源如 arxiv 或 Coursera促进了 AI 变革。另一个催化剂是流行的竞赛平台——Kaggle。Kaggle 和 GitHub 滋养了一批高质量 AI 开发者。更多学习更少规则Schmidhuber 教授上世纪 90 年代初提出的元学习概念最近才逐渐得到关注。元学习指在有限训练示例的基础上使机器学习模型学习新技能并适应不断变化的环境。通过操纵超参数对特定任务优化机器学习模型需要大量用户输入的话过程会较为繁琐而使用元学习后这一负担将得到极大缓解因为元学习将优化部分自动化了。自动优化带来了一个新的行业 MLaaS机器学习即服务。未来方向关于一些专家预测以下领域或许将发挥主要作用可复现性差分隐私几何深度学习神经形态计算强化学习尽管 AI 已经进入许多我们未曾想象的领域但它仍需应用到更流行的应用中如自动驾驶汽车。然而挑战更多地在于数学层面目前已有能够做出准确决策的算法也有能够处理这些算法的处理器但何时能够部署到应用上仍未可知。不管是医疗还是自动驾驶汽车AI 仍需要继续进展而这只有在透明性和可复现性得到建立时才会发生。原文链接https://analyticsindiamag.com/ai-top-decade-2010-2020-breakthroughs/未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
