تنظیم برای راه اندازی مدار مجتمع میکرو میکرو کانال تعداد شبکه های عمومی: 'هر روز IC، فوری انتشار اخبار مهم، هر IC ها، میکرو شبکه مجموعه هر روز، یکپارچه را به میکرو تکرار laoyaoic میکرو کانال شماره های عمومی جستجو اضافه کردن توجه!
1.NVIDIA جن سون هوانگ: این آغاز AI انقلابی و آرایش صندلی که در آن ما می باشد.
در آینده هوش مصنوعی در همه جا، به تشخیص پزشکی از خلبان اتوماتیک، رباتیک، شهرستانها هوشمند. علاوه بر جدول رقابت گوگل، مایکروسافت، اپل و دیگر غول های فن آوری تسلا، لبه پنجره رساند پشت این عصر جدید، این است متولد در تاینان، نه به ایالات متحده از سرمایه گذاران چینی بنیانگذار و مدیر عامل شرکت ──NVIDIA جن سون هوانگ.
اکتبر 26 صبح است. ساعت کمتر از ده، لو Meridien را پر کرده است در طبقه دوم از جمعیت، بی قراری و هیجان را در هوا است که به وضوح طراوت تر از قهوه. این GTC 2017 تایوان محل برگزاری است، همه کسانی که علاقه مند در هوش مصنوعی و عمق یادگیری توسعه دهندگان، محققان و رهبران صنعت در اینجا، در تلاش برای بنیانگذار NVIDIA و کلمات مدیر عامل شرکت جن سون هوانگ است، آینده جهان را به تصرف خود نگاه.
برق آمد، همیشه پوشیدن عشق چرم تیره بیرون می آید در عمومی، جن سون هوانگ، یک لباس درخشان تروتر پا بر روی صحنه، "این آغاز یک دوره جدید است،" او گفت، باز: "این آغاز انقلاب هوش مصنوعی است، و ما در میان آن هستیم، سوار بر امواج. "
در واقع، در سال گذشته، NVIDIA می توان گفت تا در بالاترین سر امواج ایستاده است. بر اساس آخرین گزارش درآمد، درآمد و سود NVIDIA به ازای هر سهم یک رکورد بالا بود، بیش از انتظارات اصلی و زیر بازار خوش بینانه در مورد این سال، سهام انویدیا افزایش یافته است 92٪، ارزش بازار بیش از 100 میلیارد $ بیشتر، و دو برابر نسبت به سال گذشته، تبدیل شدن به ستاره صنعت پربیننده ترین. این همه، NVIDIA مربوط به هوش مصنوعی است که نزدیک به تجدید ساختار عمیق مربوط در سال های اخیر.
GTC در کنفرانس امسال، از خلبان اتوماتیک، تجهیزات شبکه، واقعیت مجازی و سپس به تشخیص پزشکی، جن سون هوانگ صحبت در مورد هر چیزی، حتی اعلام کرد که وزارت علوم و همکاری و به طور مشترک در طول چهار سال آینده به توسعه توسعه 3 یک هزار نفر، جوجه کشی اکوسیستم صنعت. این نیز نشان دهنده آینده در صحنه های مختلف، NVIDIA نخواهد بود وجود ندارد.
NVIDIA می توانید امروز به، مطلقا نه به عنوان قایقرانی صاف توان توصیف کرد. اما به طور خاص، در هر زمان روشن کردن استراتژی، هوانگ می توانید دورتر از دیگران را ببینید، و قبل از ورود به موج بعدی از گرایش ها، مخفیانه آماده باروت مطابقت چالش.
برای اولین بار پشت سر هم بحران Nvidia در به زودی پس از این شرکت تاسیس شد. در سال 1995، NVIDIA دو سال همراه با راه اندازی پس از آن از NV2 و جو در زمان به تحقیق و توسعه، تا در نهایت راه اندازی اولین NV1 تراشه های گرافیکی آن است. با این حال، این تراشه، اما با مایکروسافت ویندوز 95 سازگار با استاندارد توسعه یافته توسط Direct3D به نیست، و در نتیجه مبارزه راه خود را به بازار است. شرط بندی بر روی گنج اشتباه جن سون هوانگ، به اخراج تعیین کرده بود، این شرکت به 30 نفر کاهش تعداد از 100 نفر.
برای بازگشت به میدان جنگ اصلی، هوانگ معرفی خون از فن آوری جدید، کارایی بالا شکار غیر قانونی تخصص محاسبات دیوید کخ (دیوید کرک) دانشمند ارشد دکتر GPU سری پردازنده های گرافیکی و GeForce256 اولین محصول در سال 1999 راه اندازی شد، موقعیت شرکت انویدیا در صنعت گرافیک کامپیوتری. علاوه بر این، تحت چوب پنبه پیشرو، NVIDIA CUDA معرفی تکنولوژی یکپارچه سازی (محاسبه معماری دستگاه یکپارچه و یک معماری محاسبات واحد)، شما می توانید قدرت پردازش GPU برای افزایش عملکرد محاسبات استفاده کنید. این ، آن تاثیر یک نقطه عطف مهم در توسعه NVIDIA بعد است.
توسعه GPU، نه تنها به یک موج انقلاب هوش مصنوعی منجر شد، از سوی دیگر، آنها NVIDIA آداپتور نمایش فروشندگان سخت افزار گذار از پلت فرم هوش مصنوعی برای فرصت های این شرکت افتتاح شد. در سال 2012، در دانشگاه تورنتو دانشجوی کارشناسی ارشد الکس. G چوب آستروفسکی ( الکس Krizhevsky) ظرف دو روز، با دو کارت گرافیک NVIDIA GeForce GTX 580 محاسبات GPU منطق AlexNet آموزش شبکه عصبی برای تشخیص تصویر، و به پیروزی در این مسابقات قهرمانی مقاله ImageNet. اخبار بیرون آمد، بلافاصله جهان پژوهشگران هوش مصنوعی جذب نگاه. از آن زمان، بسیاری از محققان شروع به استفاده از GPU هوش مصنوعی NVIDIA اجرا یادگیری عمیق.
در حال حاضر، آن است که آیا خدمات شبکه، حمل و نقل، پزشکی، مالی و بخش های تولید، محققان صنعت بزرگ باید برای توسعه هوش مصنوعی خود را با NVIDIA، گوگل و حتی ضرب و شتم قهرمان شطرنج جهان و هوش مصنوعی AlphaGo تسلا و اتومبیل های برقی است محاسبات GPU استفاده از تا کنون است، وجود داشته است بیش از دو یک هزار هوش اندازی شرکت های مصنوعی ساخته شده در بالای NVIDIA شده، NVIDIA همچنین برای تبدیل شدن به یک واقعا مصنوعی بنیانگذاران دوران هوش. "من فکر می کنم، در یک رشد مداوم شرکت به عنوان مدیر اجرایی، به طور مداوم باید یادآوری کنیم: هر چند سال، من قصد دارم به اصلاح خودشان، اما انجام نمی شود ترس به اشتباه "از نتایج فعلی دیده می شود، یادآوری شخصی جن سون هوانگ، نه تنها صحبت کنید.
با توجه به روند، تلاش های جسورانه، تکامل مداوم، در زمان خستگی، NVIDIA به مدت طولانی از چشم انداز به عنوان خالق است، چند سال گذشته، تغییرات شخصی Huang Renxun تغییر کرده است؟ من هیچ چیز دیگری نیست، من فکر می کنم خودم را به عنوان یک نوجوان! "چرم سیاه و سفید همان، هوا همان اعتماد به نفس در آینده، خود او مبارزه ادامه خواهد داد. عصر دیجیتال
2. تحقیقات مایکروسافت آسیا: AI داده محور برنامه های کاربردی در رابطه نوآوری خوش آمدید.
در سال های اخیر، مسائل هوش مصنوعی دیگر تبدیل به کانون و دانشگاه کالیفرنیا در استاد دانشگاه برکلی، فرهنگستان از آمریکا بیمارستان مایکل جردن گفت که در حال حاضر در سحر و جادو از دوران انفجار بزرگ از هوش مصنوعی نیست، آن را نیز نیاز به صدها سال به قرار دادن این برج ساخته شده است، از یک الگوریتم ساده است در حال حاضر لازم نیست، اما برای ایجاد یک بازار، و به ترکیب نیازهای کاربران در سراسر شرکت، اجازه دهید این مناطق تعاملی، آسان، و سپس به تدریج یاد بگیرند برای تنظیم، برای تبدیل شدن به هوش مصنوعی از هوش واقعی، قانون توسعه IT اینترنت این سال نشان می دهد که طرف تقاضا از برنامه به نوبه خود ترویج عمیق تر از توسعه فن آوری، از این قاعده مستثنی در زمینه هوش مصنوعی است، با این حال، که تمام نیازهای در حال حاضر در خط اول از همه جنبه های زندگی هستند، چگونه این ترکیبی از نیازها و تکنولوژی های هوش مصنوعی پیشرفته، دقیقا همان چیزی است که در سال گذشته یا دو سال گذشته مایکروسافت در زمینه آسیب پذیری قرار داده است.
مرحله اصلی، توسعه AI داده است، و در بخش های مختلف از خط انباشته شده، رسوب مقدار زیادی از داده ها، اگر می توان آنها را به طور موثر استفاده می شود، آن را در مورد تغییر در صنعت در نظر مایکروسافت به ارمغان بیاورد،، دانشگاهی زمینه تحقیقات هوش مصنوعی همچنین باید از نزدیک با صنایع مختلف، تنها راه برای سقوط از جرقه نوآوری و مرزی یکپارچه، در حالی که در وال استریت، با دستگاه تنظیم برای خرید و فروش آتی سهام، و دیگر سیستم خودکار معاملات طبیعی جدید هستند، AI تبدیل شده است کار مالی افزایش هسته تکنولوژی قاتل رقابتی؛ آیا در گوشه، در اینترنت و یا در خدمات بانکداری جامعه، خدمات وام مصرف کننده، بلکه به دلیل نفوذ AI و راحت تر، مخرج مشترک استفاده از مقادیر زیادی از داده به تجزیه و تحلیل ریسک های مالی و منافع گره است .
ژانگ Yizhao گفت ثروت بزرگ از داده ها و اطلاعات بزرگترین هدیه این دوره است، اما آنها نیز واژگون ساختن رایج ترین مالی مانند: هر گونه اطلاعات از وام گیرندگان فرد به احتمال زیاد به افشای اطلاعات حساس، حتی اگر آن صادر شده است دوست حلقه، جنبش موقعیت دستبند، می تواند تبدیل به منبع یک پیام، به صورت از جریان بی پایان از مالی، بیمه از محصولات جدید، در پایان که برای شما بهتر است، ممکن است یک مشاور مالی حرفه ای، بخش مشاوره بیمه ممکن است قادر بلافاصله به مناسب ترین پاسخ، یک پایان انفجار داده ها و اطلاعات است، و در انتهای دیگر تجزیه و تحلیل پیام موثر است، خلاصه و انتقال مسدود شکاف پیام بین کاربران و ارائه دهنده خدمات، هوش مصنوعی است که نقطه ورود در صنعت مالی بسیار امیدوار کننده است.
ژانگ Yizhao همچنین گفت خاطرات دستگاه خوب تر و سازماندهی داده، آن را به آگاهی بیشتر، یک قابلیت های تحلیلی قوی تر، AI هدف در این مرحله، علاوه بر است که توصیه می شود مناسب برای مشتریان مختلف با بانکداری، بیمه و سایر مالی محصولات و ارائه خدمات مالی در هزاران هزار چهره، در حالی که در قسمت عقب از صنعت مالی، نیروی AI فضای به همان اندازه بزرگ، شبیه به "منافع بین 0.5٪ در 50 سال گذشته افزایش نفوذ در بازار چگونه؟ این سوال برای انسان، شاید تنها یک تحلیلگر ارشد برای روشن تفسیر، اما داده های جدول زمانی کنتراست آن می توان به سرعت مدل معدن قیاس شبیه به بافت تاریخی، و حتی تجزیه و تحلیل و پیش بینی، تفاوت بین این دو این است که تحلیلگر با ارائه چنین مدلی ممکن است چندین دهه تجربه را تجربه کند و با کمک کارشناسان صنعت، AI بتواند به سرعت از مرزهای این منطقه عبور کند.
او همچنین اشاره کرد که چند سال پیش سونامی در اقیانوس هند باعث سیل در بسیاری از شهرهای تایلند شد. ناشناخته است که سونامی نه تنها به خانه های عادی مردم بلکه همچنین حمل و نقل عمومی PC این به این دلیل است که بسیاری از قطعات کامپیوتر در تایلند تولید می شوند. به طور کلی، ارتباط بین سیل سونامی و حمل و نقل کامپیوتر به راحتی قابل مشاهده نیست، اما در واقع وجود دارد. برای روابط داخلی مخفی تحلیلگران صنعت می توانند از هوش مصنوعی و داده های بزرگ برای بینش استفاده کنند و قضاوت های مناسب را انجام دهند.
همچنین، در این سال، تگزاس مواجه می شوند سیل باعث بسیاری از قطع پالایشگاه، که لزوما تاثیر بر قیمت نفت داشته، با توجه به عوامل طیف زنجیره ای زیست محیطی بالادست، midstream و پایین دست در پیچیده، به طور خاص چه خواهد بود، تاثیر، نیاز به بیشتر تجزیه و تحلیل، پالایشگاه در وسط کل زنجیره ای زیست محیطی می رسد، اگر خاموش نمی خواهد تنها به قیمت نفت خام منجر به افزایش پایین دست، بالادست نیز به احتمال زیاد به فروش فقیر، بنابراین قیمت ها سقوط کرد، در حالی که در دنیای واقعی، هستند بسیاری از موارد مشابه وجود دارد، چگونگی اضافه کردن متغیرهای بیشتر، برای ساخت یک مدل معقول تر در یک زمینه گسترده تر، همه مسائلی است که AI مالی تحقیق می کند.
در ماه ژوئن، تحقیقات مایکروسافت آسیا و صندوق چین اعلام کرد که همکاری استراتژیک در تحقیقات هوش مصنوعی، از جمله پژوهش های تشخیص الگو به پیش بینی روند بازار، بر اساس مطالعه عمق از عوامل مهم موثر بر بازار معدن در برنامه های کاربردی خدمات مالی، ماشین بر اساس آموزش روش صنعت چرخ، ساختمان مشخصات مالی بر اساس داده های بزرگ، با استفاده از داده ها بر اساس شبکه های اجتماعی و نرم افزار نرم افزار، و غیره، برای شناسایی و درک عمیق از مشتریان، و غیره آرزوی داخلی از این فرصت امکان تحصیل در AI + مرزهای مالی برای ترویج بخش مالی بازسازی هوشمند است. حجم انبوهی از داده ها و اطلاعات را به یک مقدار اختلاف واقعی، آن است که ماموریت است که در آن هوش مصنوعی مالی، که قبلا به یک تحلیلگر زن خانه دار اغلب تمایلی به طبخ متر کمتر، مواد خام در حال حاضر به شدت غنی، زن باهوش که می توانید استفاده از کارآمد تر را قبل از ابزار هوش مصنوعی که اجازه می دهد داده ها را به وعده غذایی بهتر ساخته شده است، تحلیلگران وظایف خواهد شد بر این اساس به نتایج بر اساس سال تجربه در صنعت به تجزیه و تحلیل هوش مصنوعی ترجمه و تفسیر تنظیم شده، و به نوبه خود به منظور بررسی و بهینه سازی مدل؛ AI + مالی جایگزین آورده انسان نیست، اما یک بخش جدید از نیروی کار، AI + HI از با هم، کل صنعت تا حد زیادی خواهد بهره وری تولید را بالا ببرد.
ژانگ Yizhao اشاره کرد این است که وجود یک دستگاه فروش اتوماتیک جدید در پکن، عمارت مایکروسافت، و آن را از مایکروسافت گان عضو شتاب دهنده به شرکت است، این سطح به نظر نمی رسد بسیار متفاوت تلوان ماشین آلات کنار جاده ای و ماشین های فروش نگاه کنید، اما آن را پوشش شیشه ای رمز و راز پنهان، بررسی دقیق تر نشان می دهد که پاکت شیشه ای است همچنین یک صفحه نمایش، مانند یک چشم دستگاه می تواند شناسایی خریداران 'جنس، سن، حتی زمانی که بیان کالا ها، اگر منتظر در حالی که در مقابل آن، شاید شما پیدا کردن نزدیک خواهد شد، ما این فرصت را به توصیه برخی از ممکن است علاقه مند خرده ریز و غیره به مشتری، هنگامی که کارت مشتری اعتباری، نامه خرد، مجبور Alipay پرداخت، عادات مصرف، سوابق تعامل در پایین ذخیره می شوند و جو در زمان، این خرده فروش کلمات، تازه ترین، با ارزش، اطلاعات دست اول واقعی است. ژانگ Yizhao همچنین اشاره کرد که این دستگاه فروش اتوماتیک را می توان یک خرده فروشی نمونه AI +، بسیاری از فن آوری AI مانند تشخیص چهره، بینایی کامپیوتر، پردازش زبان طبیعی و بنابراین می تواند برای هر خرید سوپرمارکت درخواست کنید، کسب و کارها نیازی به شناسایی ویژگی های یک مشتری خاص ندارند، شما می توانید اطلس کل محصولات مصرف کننده مانند NIKE، ZARA، STARBUC را دریافت کنید KS دیگر مارک های شناخته شده، در سال های اخیر توجه بیشتر و بیشتر به مشتریان خود و مشتریان بالقوه از ویژگی های تکامل، قبل از قیمت به توسط کارکنان کپی، محققان کار را به انجام در آینده و هوش مصنوعی ترکیب کار مرتبط ساده تر خواهد شد، دقیق و کارآمد از اتمام، به منظور موقعیت بهتری تن از نام تجاری علاوه بر این، به عنوان مصرف کنندگان چه نوع از محصولات، مانند چه مقدار موجودی باید برای چنین مشکلاتی آماده، با کمک خرده فروشی AI دیگر نمی خواهد یک مشکل، مانند: ظهور فروشگاه های بدون سرنشین و پیش بینی ماسک ها، فروش های تصفیه هوا و سهام از طریق پیش بینی های آب و هوایی می توانند با کمک هوش مصنوعی بیشتر و دقیق تر تجزیه و تحلیل شوند و پیش بینی شوند.
ژانگ Yizhao گفت که در علاوه بر این به یکی از صنایع مالی و خرده فروشی، صنعت لجستیک است که به سرعت نفوذ در صنعت AI، آن است که آیا یک دوچرخه به اشتراک گذاشته اطراف در همه جا است، و یا در پشت سیستم تدارکات پرسنل تحویل / غذای آماده، و یا خرید در خارج از کشور، تجارت جهانی نقش سیستم تدارکات جهانی، تغییرات تحت تاثیر هوش مصنوعی تولید شده، و حتی برخی از تدارکات کار در پس زمینه، همراه با افزایش چشمگیر در میزان داده آنها در حال گرفتن بینش صنعت فراتر از افراد تصور کنید.
ژانگ Yizhao همچنین گفت که صحنه مربوط به اینده دیگر در صنعت ساخت رخ می دهد، در واقع، صنعت 4.0، ساخته شده در چین 2025 می تواند به عنوان چشم انداز آینده از برنامه های کاربردی هوش مصنوعی در صنعت تولید، بیشتر و آگاهی بیشتر رباتیک دیده ، روبات ها، حسگرها، تحت بسیاری از انسان ها شده است لازم نیست به تعامل بیش از حد با نرم افزار عمق صحنه، مایکروسافت شتاب دهنده جوجه کشی از شرکت های متعددی در این زمینه نیز ساخته شده است که تلاش خوب، مانند استفاده از فناوری پهپاد به اکتشاف تولید برق آسیاب بادی ، تحت نرم افزار از تجهیزات ویژه و مواد مانند کابل ولتاژ بالا، و بر این اساس کار تعمیر و نگهداری و غیره. در مقابل، کاربران نهایی نیاز سناریوهای تعامل بیش از حد در تدارکات، تولید، برنامه های کاربردی هوش مصنوعی در یک نسبتا سریع نیست ، و در اوایل به عنوان ما در مورد پزشکی، سلامت و زمینه های دیگر خوشبین هستند، اما به دلیل موضوع را به مکانیزم های مختلف مدیریت، محدودیت های محدود تعامل انسانی، پیشرفت کند در استفاده از هوش مصنوعی است.
ژانگ Yizhao که، علاوه بر هوش مصنوعی را ببینید تاثیر تغییرات در صنایع مختلف و به ارمغان آورد، به عنوان یکی از پیشگامان پژوهش در هوش مصنوعی، تحقیقات مایکروسافت آسیا به طور طبیعی می خواهم به دوران AI قادر به باز کردن این گره، بیشتر به ترویج تعمیق صنعت AI + است، سرعت بخشیدن به ورود به عصر هوش مصنوعی، بنابراین، با این ایده از استقرار وزارت نوآوری، وزارت امیدوار است نوآوری به عنوان یک همگرایی علم و فن آوری کارشناسان ارشد تحقیقات مایکروسافت آسیا و کارشناسان صنعت نوآورانه پلت فرم عقل، تجربه، تکنولوژی است که امکان تحقیقات مایکروسافت آسیا و شرکت های بزرگ در بازار چین، موسسات سرمایه گذاری، ادارات دولتی برقراری روابط گسترده تر و در عمق همکاری، که ما برای ساخت یک پلت فرم ارتباط متقابل صنعت به بحث در مورد دوران AI نوآوری در فن آوری.
علاوه بر این، ژانگ Yizhao همچنین اشاره کرد که اگر چه تحقیقات تحقیقات مایکروسافت آسیا با تکنولوژی پیشرو AI و قدرت تحقیقات علمی قوی است، اما محققان برای واقعیت صنایع انجام سناریو نرم افزار را درک نمی کنند وجود دارد، هیچ اطلاعات صنعت واقعی، در اصل در مقدار کمی از داده ها بر اساس شما می توانید مدل از دوران ساخت را گذرانده است، به آینده هوش مصنوعی باید بر اساس داده های بزرگ ساخته شده است، به طوری که با صنعت AI ترکیب روند اجتناب ناپذیر، در حال حاضر آن را به بهترین نقطه شروع در زمان است. او بیشتر اشاره کرد که هوش مصنوعی است راه مناسب به زمین سرعت در حال رشد، به منظور سرعت بخشیدن به AI به بهره وری، سرعت فرود واقعی است.
ژانگ Yizhao گفت که در این مدت، برای تحقیقات مایکروسافت آسیا، تحقیقات بنیادی در زمینه کامپیوتر ادامه خواهد داد، و استقرار وزارت نوآوری و موسسه تحقیقات است به محققان اجازه می دهد تا بهتر از نقطه نظر عملی به نظر مسائل مربوط به پژوهش در آینده را از طریق یک کنفرانس فنی پشت درهای بسته می شود، موضوع پل زدن سمینارها تحقیق و اشکال دیگر از حکمت و صنعت منابع برای حل مشکلات خاص مواجه می شوند در دگرگونی های دیجیتال از شرکت، متناسب با لینک ارتباطی اختصاصی فنی و شرکت های بزرگ AI + چشم انداز صنعت. لاغر اخبار
3. آلمان اسراء چشم انداز ماشین بینایی کارخانه 1 درصد، یک رکورد بالا شروع به پریدن کرد؛
آلمان 3D عرضه تکنولوژی ماشین بینایی اسراء چشم انداز AG در سال مالی 15 2016/2017 ارزیابی کلی از درآمد اعلام کرد: رشد درآمد حاصل از 11٪ به 143 میلیون یورو، حاشیه ناخالص از 56 درصد در سال گذشته به 57٪، EBITDA (گل رز قبل از مالیات، EBITDA رشد 14٪ به 42.8 میلیون یورو، نرخ EBITDA 29٪ از 29٪ به 28 میلیون یورو افزایش یافت، در حالی که سود هر سهم 17٪ افزایش به 4.68 یورو رسید.
اسراء خواهد شد در ماه فوریه اعلام کرد 2018 2017/2018 چشم انداز دقیق سالانه. اسراء جمع فعلی سفارشات به ارزش بیش از 90 میلیون یورو، بالاتر از یک سال پیش از 85 میلیون یورو است. این شرکت در ابتدا پیش بینی 2017/2018 نرخ سود سالانه ممکن است حداقل انتظار میرود درآمد 10 تا 14 درصد رشد داشته باشد.
در تاریخ 30 سپتامبر 2017، معادل نقدی و نقدی ارزش بصری اسرائیل 76 درصد افزایش یافت و به 29.7 میلیون یورو رسید و میزان موجودی 3 درصد کاهش یافت و به 32.7 میلیون یورو رسید.
تامسون رویترز صفحه نمایش سیستم نقل قول، اسراء چشم انداز آلمانی سهام ذکر شده 10.66٪ در 15 افزایش یافت، برای بستن در 199.75 یورو، یک رکورد بالا بسته شدن تاریخ؛ سال گذشته افزایش تجمعی از 103.52٪.
QY بازار بینش در ماه سپتامبر اشاره کرد، شرکت بینایی ماشین 3D، از جمله KEYENCE شرکت (6861.JP)، Cognex (Cognex شرکت، CGNX.US) و اسراء چشم انداز.
کاسترول XQ برنده جهانی سیستم نمایش نقل قول، KEYENCE در 24 نوامبر یک رکورد بسته شدن رکورد سال جاری تا کنون (از دسامبر 15 تاریخ بسته شدن) افزایش تجمعی از 57.9٪.
Cognex، رهبر جهانی در چشم انداز ماشین برای اتوماسیون فرایند، 0.13٪ افزایش به 60.97 دلار در 15th، تا 91.67٪ تا کنون امسال است.
سه ماهه سوم Cognex از 2017 (به عنوان در اکتبر 1، 2017) رشد درآمد سالانه 76٪ (سه ماهه 50٪) و به رکورد میلیون $ 2.59739 صد؛ حاشیه ناخالص از 78٪ به 76 یک سال پیش ٪؛ عامل نرخ سود از 37 درصد به 42 درصد یک سال پیش؛ غیر GAAP (غیر GAAP) درآمد هر سهم رقیق از 0.58 $ یک سال پیش 91٪ تا 1.11 $ شروع به پریدن کرد.
بنیانگذار Cognex، رابرت جی شیلمن، اشاره کرد که درآمد Q3، درآمد خالص، درآمد هر سهم و حاشیه سود Cognex در سطح بالا رکورد دارد.
4. هوش مصنوعی غول فن آوری به دست گرفتن بازار، تراشه های هوشمند را به زندگی چگونه تغییر؛
"هوشمند NetEase به اخبار دسامبر 18 اخبار غول صنعت فن آوری به نظر می رسد به طور کامل پذیرفته انقلاب هوش مصنوعی. اپل، کوالکام و Huawei ایجاد کرده است یک تراشه های تلفن همراه، طراحی شده برای هدف از این تراشه است که به ارائه یک ماشین یادگیری بیشتر پلت فرم خوب است، اما شرکت های طراحی تراشه های مختلف راه کمی متفاوت اتخاذ کرده اند. هواوی کیرین 970 در نمایشگاه IFA امسال منتشر شد، آنها آن را اولین چیپ ست با اختصاص داده شده واحد پردازنده های عصبی (NPU) از پس از آن اپل A11 تراشه هوشمند مصنوعی منتشر شد، تراشه iPhone8، 8Plus و X ارائه قدرت موتور. ویژگی های A11 تراشه مصنوعی آن است که آن را اعصاب پردازنده موتور برای یادگیری ماشین و طراحی طراحی شده است.
هفته گذشته، کوالکام اعلام کرد که Snapdragon 845، تراشه می تواند کار AI به هسته پردازنده از روش های طراحی سیستم مناسب ترین از این سه شرکت ارسال گردیده است تفاوت بسیار است - جوش پایین به هر تراشه به توسعه دهندگان این دسترسی به، و مصرف توان هر یک از مجموعه فراهم می کند.
قبل از اینکه ما این موضوع را مورد بحث، اجازه دهید شکل یک تراشه از هوش مصنوعی با CPU های موجود چه نوع متفاوت است. در صنعت، شما اغلب هوش مصنوعی مدت به نام "محاسبات ناهمگن است بشنود. آن را اشاره به سیستم با استفاده از انواع پردازنده ها، و هر پردازنده توابع منظور به دست آوردن عملکرد و انرژی بالاتر صرفه جویی در این مدت نه جدید، بسیاری از موجود و چیپ ست آن استفاده کرده اند تخصصی. - این سه محصول جدید مانند استفاده از این مفهوم در درجات مختلف.
در طول سه سال گذشته، معماری big.LITTLE تلفن های هوشمند پردازنده استفاده ARM را، می توان آن را انرژی هسته ای نسبتا آهسته و سریع تر، کمتر مصرف برق هسته ای با هم. هدف اصلی ما این است که تراشه شاید مصرف برق کمتر برای عمر باتری بهتر باشد. اولین گوشی هایی که این معماری را اتخاذ می کنند شامل Galaxy S4 سامسونگ است که تنها تراشه Exynos5 این شرکت را شامل می شود و Mate8 Huawei و افتخار 6.
"تراشه هوش مصنوعی 'این سال را به این مفهوم یک گام بیشتر و یادگیری ماشین برای انجام کارهای با اضافه کردن یک مولفه جدید اختصاص داده شده، و یا ممکن است با استفاده از یک وظایف یادگیری ماشین دیگر هسته های کم قدرت انجام می شود. به عنوان مثال، شما می توانید از آن استفاده کنید Xiaolong 845 پردازنده سیگنال دیجیتال (DSP) که مسئولیت رسیدگی طولانی مدت انجام کار نیاز به تعداد زیادی از شمارش مجدد، برای مثال، یک کاربر نیاز به پیدا کردن کلمات گرم با تجزیه و تحلیل در یک گفتگوی طولانی در گری Brotman، مدیر عامل از محصولات کوالکام گفت از Engadget، از سوی دیگر، نیازهای مانند تشخیص تصویر می تواند از طریق GPU بهتر مدیریت شود، با برتمن تنها مسئول توسعه هوش مصنوعی و فن آوری های یادگیری ماشین برای اسمارت فون هوشمند پلت فرم است.
در همان زمان، برنامه ایکون A11 bionics یک موتور عصبی به GPU خود اضافه می کند تا سرعت تشخیص چهره، بازخورد کلامی و استفاده از برنامه های شخص ثالث را افزایش دهد، بدین معنا که وقتی این پروسه ها را در iPhoneX شروع می کنید ، A11 موتور عصب را برای انجام محاسبات برای تأیید هویت کاربر روشن می کند، یا عبارت چهره خود را به برنامه "talkative" بریزید.
در کیرین 970 تراشه، NPU خواهد برخی از وظایف، مانند اسکن رسیدگی و استفاده از مایکروسافت مترجم برای ترجمه متن در تصویر. این تا کنون تنها برنامه های شخص ثالث بهینه سازی شده برای تراشه. هواوی گفت ایزومر، HiAI »خود معماری محاسباتی حداکثر عملکرد اکثر اجزای چیپ ست خود را به حداکثر می رساند، بنابراین ممکن است وظایف AI را بیش از NPU ها اختصاص دهد.
با وجود این تفاوت ها می گویند نه، این معماری جدید بدان معنی است که در گذشته تنها می تواند در ماشین محاسبات ابری یادگیری معامله، هم اکنون می توانید اجرای موثر تر بر روی بدن دستگاه است. وظیفه AI به اجرا با استفاده از برخی غیر CPU، تلفن همراه کاربر شما می توانید در یک زمان کارهای بیشتری انجام دهید، بنابراین شما مجبور نیستید به تأخیر افتادن انتظار منتظر برنامه برای ترجمه یا جستجو برای یک عکس از سگ حیوان خانگی، به عنوان مثال.
علاوه بر این، این برنامه ها در تلفن های همراه بدون داده های کاربر اجرا خواهد شد به ابر است، که به حفاظت قوی تر از حریم خصوصی کاربر نیز فرستاده می شود، به دلیل آن می تواند شانس دسترسی هکرها به اطلاعات را کاهش دهد.
یکی دیگر از مزیت بزرگ از این تراشه هوش مصنوعی هستند صرفه جویی در انرژی، به دلیل برخی از کار تکراری است، ما مصرف باتری تلفن نیاز به یک توزیع مناسب تر برای این فرآیندهای تکراری. GPU تمایل به جذب انرژی بیشتر، بنابراین اگر جایگزین آیا یک DSP با کارآیی کارآمد تر است و می تواند اثرات مشابهی را به عنوان GPU ها به دست آورد، بهتر است که آن را انتخاب کنید.
Brotman گفت. برای روشن، هنگام تصمیم گیری برای انجام وظایف خاص، تراشه خود را می کند تصمیم بگیرید که به عنوان هسته اصلی درایو سیستم استفاده کنید. "امروز، توسعه دهندگان و فروشندگان می خواهید برای اجرای تراشه هوش مصنوعی نصب شده، 'برنامه نویسان می توانند با استفاده از یک پایگاه داده پشتیبانی مانند TensorFlow گوگل (یا دقیق تر، جنبش بازگشت به محتوا | نسخه آن) به انتخاب کنید برای اجرای مدل اصلی خود را. کوالکام، Huawei و اپل TensorFlow Lite و فیس بوک و دیگر محبوب Caffe2 اتخاذ کرده اند گزینه های آنها به عنوان برنامه پشتیبانی طراحی. کوالکام همچنین پشتیبانی از سیستم جدید باز ارز شبکه عصبی (ONNX)، در حالی که اپل از طریق هسته ی اصلی آن چارچوب ML برای مدل های یادگیری ماشین اضافه کردن سازگاری بیشتر است.
تا کنون هیچ کدام از این تراشه ها تاثیر واقعی در دنیای واقعی نداشته اند و تراشه ها نتایج و معیارهای آزمون خود را تحریک می کنند، اما نتایج آزمون ها تا زمانیکه برنامه های AI تبدیل به بخش مهمی از زندگی روزانه ما نمی شوند بی معنی است زیرا ما در مراحل اولیه توسعه ماشین آلات برای یادگیری ماشین هستیم و تعداد زیادی از توسعه دهندگان که از سختافزار جدید استفاده می کنند وجود دارد. چیپ های هوشمند به زندگی کمک می کنند که چگونه غول های تکنولوژی به بازار AI دست پیدا می کنند
اما اکنون روشن است که رقابت آغاز شده است و رقبا در حال تمرکز بر روی چگونگی انجام وظایف مرتبط با یادگیری ماشین کار سریعتر و کارآمدتر بر روی دستگاه های کاربر هستند. ما فقط باید برای مدتی صبر کنیم تراشه به تغییرات تراشه هوش مصنوعی کمک ما را برای زندگی به ارمغان می آورد.
عکس: Huawei (پردازنده AI Kirin)، اپل (هسته پردازنده A11). (از: کامپایلر Engadget: NetEase بررسی ربات کامپایلر خارجی: فو زنگ)
5.Google شبکه عصبی کمک به ناسا در شناسایی سیارات جدید برجسته محدودیت های تکنولوژی AI
استفاده از هوش مصنوعی (AI) در حال حاضر به اکتشافات فضایی تمدید شده است، ناسا (NASA) اعلام کرد که در گروه Google AI برای کمک به توسعه شبکه های عصبی برای تشخیص سیارات خارج از منظومه شمسی، دو که یکی به نام است، Depler- 90i، در اطراف 2545 سال نوری از زمین، کپلر 90 'اجرا ستاره ای. فضانورد اندرو Vanderburg توصیف کپلر 90 حول محور نسخه کوچک از منظومه شمسی، از سیارات کوچک و بزرگ که در حال بیرون در ناسا مرتب کشف پس از این سیاره، تعداد سیارات کپلر-90 تا 8، معادل آن از منظومه شمسی بوده است. در واقع، این دو سیاره از اطلاعات به عنوان اوایل چهار سال پیش در حضور ماهواره کپلر ناسا، هر چند ناسا آنها را کشف کرد، اما هیچ عمیق تر درک. ماموریت کپلر در خارج از کهکشان راه شیری، به دنبال سیارات مشابه زمین شناسایی در طول سال به 35 000 سیاره ممکن است سیگنال، چون داده ها بیش از حد بزرگ به صورت دستی به نمایش است. ناسا با بالاترین احتمال سیستم های اتوماسیون انتخاب شده است این سیاره، اما گاهی اوقات من سیگنال های کم نور تر به تازگی Vanderburg و مهندس گوگل کریستوفر Shallue تصمیم به استفاده از یادگیری ماشین گوگل و شبکه های عصبی فیلتر داده های قدیمی از دست ندهید، در ابتدا لی 10000 5000 آموزش سیگنال شبکه کپلر، بعد از سیستم تجزیه و تحلیل که در آن وجود دارد سیاره نزدیک به 1000 قلم سیگنال ضعیف شناخته شده است، و در نهایت حفاری از این دو سیاره برای سال به خاک سپرده شد. Vanderburg گفت شبکه عصبی می باشد هنوز هم کامل نیست، گاهی اوقات یک خطا وجود دارد، اما قادر به پیدا کردن سیارات بیشتر قبلا از دست رفته. یافته های جدید ناسا برجسته کاربردهای بالقوه در خارج از علوم کامپیوتر یادگیری ماشین بوده است، به گفته ناسا که در آینده خواهد AI برای کمک به ماموریت اکتشافی بیشتر استفاده کنید. دیجیتایمز