安防-资讯

智慧城市网 > 资讯 > 市场分析 > 正文

场景通用人工智能时代

2018-10-17 09:18:20 OFweek网 作者:人工智能大健康 点击量:37552
  【中国安防展览网 市场分析】从互联网时代到智能硬件时代,技术发展和商业模式创新一直都是相互影响的,技术发展会推动商业模式创新,商业模式创新也会影响技术发展。可一旦发生有技术发展不足以支持商业模式创新情况,商业模式创新就会止步不前。直到下一波技术革命来临,商业模式创新才会继续出现。
 
  从“物联网”到“万物互联”,海量数据被催生了出来,单纯的触摸屏交互已经难以满足用户的多样化输入需求了。受技术发展因素的影响,商业模式创新开始止步不前。在这样的情况下,一旦人工智能技术取得突破性进展,商业模式就能实现创新发展,随之而来的将是拥有巨大发展潜力的市场空间。
 
  现如今,Web2.0互联网产品时代的现有技术已经难以满足商业模式的创新需求了。未来,商业模式要创新,就要依赖不断进步的技术,届时人工智能将成为重要支撑。
 
  人工智能未来的硬件架构
 
  近十年,计算机科学的研究重点在信息处理层面,基于此,我们将这个时代称为“大数据时代”或者“数据大爆炸时代”。未来,随大数据时代而生的这种信息处理能力将出现发展瓶颈,届时,计算机科学的研究重点就会转移到“突破计算机现有计算能力极限”方面,也就是颠覆冯·诺依曼的硬件架构方面。
 
  在人工智能技术的支持下,颠覆冯·诺依曼的硬件架构将从底层的硬件架构变革开始。到那时,硬件模式将摆脱对云计算的依赖,将从芯片层面直接对人工神经网络进行模拟,以构建一个完善的硬件大脑。这个想法或许是人工智能在硬件设备领域的解决方案。从现阶段的技术层面来看,尽管这个想法的实现还需要很长时间的努力,但其大致方向已经显现了出来。
 
  (1)人脑芯片
 
  2014年8月,IBM公司宣布由IBM公司和纽约康奈尔大学合作进行底层设计、由三星电子生产的百万神经元类人脑芯片——TrueNorth大获成功。IBM公司的人脑芯片研发项目开始于2008年,美国五角大楼计划研究局为其投资了5300万美元。
 
  经过六年,这款集成了100万个神经元和2.56亿个突触的芯片终于问世。这款芯片相较于拥有1000亿个神经元和不可计量的突触的人脑来说还有一定的差距,但是与蜜蜂的大脑已经非常接近了。
 
  现阶段,这款芯片能够以每秒每瓦460亿次神经突触的速度运作,能够和人脑一样对物体进行探测与识别。简单来说,在这款芯片运作的过程中,能通过探测、识别模式将一些字母串联在一起,以拼凑出完整的单词和语句,对其进行识别。总体来说,这种应用还比较简单,难以用于商业领域,与商业智能化的实现还有很大差距。
 
  除IBM公司的TrueNorth芯片之外,英特尔、高通等公司也拥有自主芯片设计,他们的芯片设计获得了工程师的高度评价,被称为“神经形态”。在未来,以TrueNorth为代表的二元芯片将被能模拟人脑联系功能的芯片产品所替代。当然,这一想法能否实现依赖于正确的神经元结构能否找到,其研究过程也需要经过很长的时间。
 
  (2)量子计算
 
  目前常见的计算机是借助晶体管电路存储数据的,属于二进制,只能完成一些简单的建模与计算,面对复杂的建模和计算往往显得有心无力。
 
  而量子计算机则很好地弥补了普通计算机的这种缺陷,借由粒子的量子状态存储数据,借助量子算法对数据进行操控,借助量子逻辑来完成通用计算,其拥有的强大并行计算能力能够大幅提升计算机的计算速度。
 
  在量子计算机研究方面做出突出贡献的就是谷歌公司。谷歌公司秉持着“使机器人能够像人一样独立思考”的理想,2014年开始与各科学家联手对量子计算机的处理器进行研究。这一研究究竟能否成功,现在还无法预见,只能在未来见分晓。
 
  (3)仿生计算机
 
  目前在通用的CPU、GPU基础上形成的处理神经网络运作效率较低。以谷歌大脑为例,谷歌大脑拥有的CPU数量达1.6万个,要想完成识别动物面部的无监督学习训练,需要运行7天。并且,谷歌大脑的100亿个突触相较于人脑的100万亿个突触还有很大差距。
 
  另外,以CPU、GPU为基础形成的通用处理器,在构建数据中心的时候,占地面积大、散热功能差、消耗电量多。如此大的成本,一般的互联网企业根本无力支付。面对这些问题,专门的神经网络处理器成了各家互联网企业的必须设备。
 
  仿生计算机就是为解决这个问题产生的,通过仿生计算机,大规模人工神经网络的构建问题能得以有效解决。目前,在国内,陈云霁团队就在仿生学原理的基础上研发出了神经网络计算机。该计算机无须访问内存,使得通讯时间大为缩减(至少减少了90%),并能够支持现有的、主流的机器学习算法。相较于那些主流的GPU来说,寒武纪神经网络计算机的性能比提升了21倍,性能功耗比提升了300倍。
 
  从专用智能到通用智能
 
  在专用智能时代,人工智能技术只能在特定领域、特定场景中应用。例如,格灵深瞳的计算机视觉技术只能用于安防监控领域,如果在商场中应用,它的三维摄像头就没有办法对顾客的基本特征进行识别,无法根据顾客逗留时间的长短来分析其消费偏好,更无法以此为依据开展营销。
 
  无论是安防监控领域对违法违规行为的识别与响应,还是商场领域对顾客消费行为的识别与响应,其基础都是计算机视觉技术。但是在专用智能时代,因计算能力和建模能力不足,人工智能技术只能在特定领域使用,无法实现跨场景应用。
 
  未来,随着人工智能技术的发展,当专用智能时代步入通用智能时代后,人工智能技术的普遍适用性将得到大幅提升(图1)。届时,一个普通的监控摄像头+计算机视觉云平台,在任何场合都能根据用户需求对人群进行识别,并做出分析和决策。
 
图1人工智能技术的发展趋势
 
  现如今,通用智能时代距离我们还比较遥远。要想从专用智能时代迈进通用智能时代,在计算资源层面必须超越现有的能力上限;在计算机建模层面必须突破线下深度学习算法的极限,真正实现“机器人像人一样思考”。
 
  在跨场景通用人工智能时代,应用层企业的进入门槛低,平台企业的进入门槛高,技术细分领域企业的进入门槛居中。这也就意味着,届时,应用层企业的竞争会非常惨烈。

声明:凡来源标明“智慧城市网”的文章版权均为本站所有,如需转载请务必注明出处,违者本网将追究相关法律责任;所有未标明来源为“智慧城市网”的转载文章目的在于传递更多信息,均不代表本网立场及观点,“智慧城市网”不对这些第三方内容或链接做任何保证或承担任何责任;如涉及版权等问题,请在内容发表之日起一周内与本网联系,否则视为放弃相关权利。

我要评论

文明上网,理性发言。(您还可以输入200个字符)

所有评论仅代表网友意见,与本站立场无关。


资讯视频会议协会

咨询中心

服务咨询QQ交谈

在线客服QQ交谈

媒体合作QQ交谈

展会合作QQ交谈

返回首页