Gleichzeitig starten die Regierungen aller Länder, um eine fortschrittliche Forschung über künstliche Intelligenz zu starten, die künstliche Intelligenz als ein Mittel betrachtet, um größere wirtschaftliche Auswirkungen zu erzielen und eine Wirtschaftsmacht zu werden.
Wir befinden uns in einem frühen Stadium einer drastischen Verschiebung auf dem Arbeitsmarkt und die Spekulationen über maschinelles Lernen beginnen zu verblassen - denn maschinelles Lernen hat tatsächlich alle wichtigen Bereiche der Softwarebranche unterwandert, von einfachen Kalendern über Suchmaschinen bis hin zu Verkäufen Management-Software kann den Schatten des maschinellen Lernens sehen.
Künstliche Intelligenz ist jetzt sogar in der Lage, die Weltmeister zu schlagen.Humanoid vervollständigt auch den perfekten Backflip und landet erfolgreich.Allerdings sind künstliche Intelligenzalgorithmen bei einigen grundlegenden Aufgaben, die für Menschen einfach sind, wie das Verstehen von Bildern, bei weitem nicht perfekt In der Szene, oder identifizieren Sie den Kontext des Dialogs.
Gleichzeitig bleibt das Versprechen generischer künstlicher Intelligenz - oder der künstlichen Intelligenz unbeaufsichtigter schneller Lernaufgaben - unbekannt. Obwohl eine Handvoll Unternehmen, darunter Vicarious, System und Kindred, immer noch in generische künstliche Intelligenz investieren, Aber es gibt fast keine Details oder echte Beweise.
Die heutigen KI-Anwendungen konzentrieren sich nur auf ein sehr enges Aufgabenspektrum, aber es sind diese von Künstlicher Intelligenz getriebenen, engstirnigen Aufgaben, die den Handel, die Märkte und die Industrie neu formen.
Um den Menschen den Status quo und die Entwicklungsverläufe von Tausenden von KI-Unternehmen auf der ganzen Welt näher zu bringen, hat CB Insights kürzlich einen AI-Bericht veröffentlicht, in dem 13 Arten von künstlichen Intelligenztrends prognostiziert werden, die im Jahr 2018 zu Akteuren im Bereich künstlicher Intelligenz werden sollen Bring Inspiration.
Erstens, die Entstehung eines neuen Arbeiter-Roboter-Kindermädchens
In den Vereinigten Staaten steigen die Beschäftigungsmöglichkeiten in Industrierobotern und in der Fertigung.
Arbeitsplätze im Verarbeitenden Gewerbe wurden für ihre oft ausgelagerten Arbeitskräfte in billige Entwicklungsländer kritisiert, und um die Kosten von Industrierobotern zu senken, müssen auch Produktionsstandorte näher an den Ort gebracht werden, an dem sie benötigt werden.
Vor kurzem hat der chinesische Hersteller von T-Shirts und Kleidung Unternehmen Tianyuan Arkansas US-Regierung ein Memorandum of Understanding (MoU) unterzeichnet, Tianyuan Unternehmen Satz 14 zu einem Preis von $ eine neue Kleidungsstück Fabrik in Arkansas, bis stündlich beschäftigt rund 400 Mitarbeiter. Die Aktion bis Ende 2017 geplant.
Tianyuan Company eine Näh-Roboter-Software Georgia künstliche Intelligenz Start-up-Unternehmen Automation in Little Rock, Arkansas Anlage neu gegründeten verwendet, ist dieser Roboter SoftWare Automation Adidas Bekleidung Produktion und Entwicklung. Viele sehen sehr schwere Arbeit Roboter abgeschlossen sein während menschliche Arbeiter einschließlich der Arbeit High-End ist über die Wartung und den Betrieb des Roboters und dergleichen zu nehmen. dies bedeutet, dass die Anzahl und die Art der Arbeitsplätze in der Produktion im Jahr 2008 anders sein werden.
Das Bureau of Labor Statistics definiert und analysiert die verschiedenen Arbeitsplätze in der verarbeitenden Industrie, zum Beispiel wegen der Auswirkungen der Automatisierung, ist das Präsidium nicht optimistisch über die Aussichten der Qualitätskontrolle Inspektoren, Monteure und Bauherren.
Im Jahr 2012 machte der Vertrag zwischen der Advanced Planning and Research Agency des US-Verteidigungsministeriums und SoftWear Automation deutlich, dass "das ultimative Ziel darin besteht, eine vollständige Produktionsstätte zu schaffen, in der die Produktion von Bekleidung direkt von Menschen gemacht wird."
Aber die sich ändernden Präferenzen der Verbraucher und die Unfähigkeit, sich an die dramatischen Prozessänderungen anzupassen, sind immer noch vollständig automatisierte Hindernisse.
Dies zeigt sich auch im hochautomatisierten Amazon-Lager.
Die kollaborativen Lagerroboter von Amazon nehmen die meiste Arbeit auf sich, während menschliche Arbeiter sich auf akribische Arbeit konzentrieren, wie das Kommissionieren von Waren aus Regalen und das Einfügen in separate Bestellungen.
Allerdings ist der Roboter in einem unstrukturierten Umgebung Crawl, Auswahl und Verarbeitung Aspekten des Artikels bei weitem noch nicht zufriedenstellend. Amazon für mehr als 100.000 Roboter in verschiedenen Lagern verwendet wurde, sondern auch eine Reihe von Menschen in dem neuen Distributionszentrum zu schaffen Tausende neue Jobs.
Zweitens, die Anwendung künstlicher Intelligenz in allen Bereichen des Lebens
Der Entwicklungstrend der künstlichen Intelligenz ist unwiderstehlich: Vom Bierbrauen bis zur Cannabisindustrie scheint maschinelles Lernen allmächtig zu sein.
Künstliche Intelligenz ist überall, und genau genommen ist maschinelles Lernen überall. Maschinelles Lernen bezieht sich auf Trainingsalgorithmen für große Datenmengen, damit Maschinen lernen, die Muster zu erkennen und zu erzeugen, die sie benötigen. Mit der Zeit werden Algorithmen- Die richtigen Parameter werden von menschlichen Erschaffern bereitgestellt - sie leisten bessere Leistungen.
Solange Daten vorhanden sind, die die Software trainieren und die gewünschte Ausgabe berücksichtigen können, kann diese Technik grundsätzlich auf alles angewendet werden.
Daher werden Sie sehen:
Das britische Unternehmen IntelligentX will das weltweit erste Bierbrauen mit künstlicher Intelligenz starten.
Der russische DeepFish nutzt neuronale Netze zur Identifizierung von Fischarten und kombiniert Radartechnologie mit künstlicher Intelligenz, um Fische und Lärm in Radarbildern zu unterscheiden.
Hoofstep in Schweden sammelte Mittel für Risikokapital und realisierte eine Analyse des Verhaltens von Pferden auf der Basis von Deep Learning.
Sind Sie Vegetarier? Gluten-frei? Oder sind Sie allergisch auf Sojabohnenöl? Die New Yorker Prose möchte künstliche Intelligenz in den kundenspezifischen Haarpflegeprodukten von den bekannten Winden wie Forerunner Ventures, Lerer Hippeau Ventures und Maveron verwenden Das Unternehmen sammelte 7,57 Millionen US-Dollar.
Darüber hinaus ist künstliche Intelligenz-Technologie auch Marihuana verwendet. Deepgreen verwendet einen Computer ist eine visuelle Diskriminierung und sexuelle Gesundheit von Cannabinoiden Pflanzen. Weedguide Marihuana, verglichen mit dem künstlichen Intelligenz persönlicher Empfehlung $ 1,7 Millionen bei der Finanzierung erhöht.
Und dann die Idee der Einnahmen aus dem Hobby zu realisieren, ist die Unterscheidung zwischen ob dies nur eine Sache auf langer Sicht zu betrachten. Bis zum Jahr 2018 erwarten wir mehr aus der Box „AI für X“ sehen Dieser Trend und immer häufige Idee der Neuheit ist kein seltenes Beispiel zeigt, dass künstliche Intelligenz-Technologie. Vielmehr ist es einer der Eckpfeiler der modernen Software und Anwendungen.
Drittens, China und die USA kämpfen um den Weltmarktführer in der Künstlichen Intelligenz
Obwohl China AIEC einen Anteil von 9% am Weltmarkt hat, gingen im Jahr 2017 fast 50% der weltweiten IPO-Mittel zum ersten Mal nach China über die Vereinigten Staaten hinaus.
China implementiert aktiv eine gut konzipierte Vision künstlicher Intelligenz, in der China die Vereinigten Staaten in einigen Bereichen der künstlichen Intelligenz bereits besiegt hat.
Die chinesische Regierung fördert auch einen zukünftigen KI-Plan, der von intelligenter Landwirtschaft, intelligenter Logistik über militärische Anwendungen und künstliche Intelligenz bis hin zur Schaffung von Arbeitsplätzen reicht.
Einige der Ressourcen werden für innovative chinesische Startups verwendet, die künstliche Intelligenz in verschiedenen Branchen entwickeln, von der Gesundheitsversorgung bis zu den Medien.
Tatsächlich entfielen auf China nur 9% des künstliche Intelligenz weltweit Start-up-Unternehmen Umsatzes. Aber im Jahr 2017, die Welt der künstlichen Intelligenz Start-up Unternehmen das Gesamtinvestitionskapital Finanzierungsströme nach China für 48% entfielen, zum ersten Mal in den Vereinigten Staaten in Dollar Aktie übertroffen. Sie wissen, im Jahr 2016 China nur 11,3% der weltweiten Mittel entfielen.
Die Anzahl der Aktien aus dem Vermögen der AI Start-ups, nimmt die Vereinigten Staaten nach wie vor eine beherrschende Stellung in der Welt, aber ihr Anteil am Welthandel allmählich verringert.
Darüber hinaus spiegelt chinesisches Unternehmen Patentanmeldung die Fähigkeit der Forschung und Entwicklung.
In der Patentanmeldung, die chinesischen Unternehmen mit der US-Trend aufholen. Basierend auf den Titel und Zusammenfassung von Suchbegriffen, Publikation chinesische Patent auf künstliche Intelligenz im Zusammenhang übersteigt bei weitem die Zahl der Patente vom US-Patent- und Markenamt veröffentlicht.
Am Beispiel des tiefen Lernens veröffentlicht China 6 Mal mehr Patente in diesem Bereich als die Vereinigten Staaten (Anm .: Bevor der Patentantrag bekannt gegeben wurde, dauerte der Patentanmeldungsvorgang lange.)
Gesichtserkennung und künstliche Intelligenz-Chips sind auch zwei Technologien, die die Entwicklung künstlicher Intelligenz in China vorantreiben. Die ersteren sind auf den Plan der Regierung ausgerichtet, landesweit Überwachung durchzuführen, was eine direkte Herausforderung für die in den Vereinigten Staaten hergestellten Chips darstellt.
Chinas Einhorn-Unternehmen Face ++, Shangtang Technology und Start-up-Wolke aus der Wissenschaft und Technologie ist die drei wichtigsten Akteure in diesem Bereich (letztere gewann die Guangzhou Stadtregierung Finanzierung von 301 Millionen US-Dollar).
2017 hat China fast 50 Städten, die beigetreten sind „sharp-Engineering.“ Eingesetzt in den öffentlichen Bereichen und privaten Bereichen von Überwachungskameras werden verwendet, um Mitarbeiter zu überwachen und auf einer Vielzahl von Umständen zu konzentrieren. Medienberichten zufolge die Aktion China helfen Soziales Kreditsystem, um den "Kredit" der Bürger zu berücksichtigen.
Kuang Wissenschaft und Technologie, die China Insurance Company (Sonnenschein Insurance Group) gewonnen, Regierungsorganisationen (Russland Investment Group) und Corporate Riesen (Foxconn, Ameisen Goldkleid) Unterstützung hat das Unternehmen die erhaltenen Daten gegenüber 1,3 Milliarden chinesischen Bürger.
Alibaba, das über ant-Klamotten operiert, und Foxconn, beide Investoren, haben sich 2016 mit Hangzhou zusammengetan, um das Projekt "City of the Brain" zu starten, das künstliche Intelligenz verwendet, um Daten über Überwachungskameras und soziale Medien zu analysieren.
Ant Gold Kleidung in Alibaba-eigenen Einzelhandelsgeschäften mit Gesichtserkennung Technologie unabhängige Zahlung.
Die Vereinigten Staaten und China konkurrieren auch um die Dominanz der Chiptechnologie für künstliche Intelligenz.
Juni 2017, sagte die chinesische Regierung, dass bis 2020 überholen wird das Niveau der künstlichen Intelligenz des US bis 2030 die USA als Weltmarktführer in der künstlichen Intelligenz übertrifft. Ein von der Regierung unterstütztes Projekt ist eine weit laufen und die Energieeffizienz zu schaffen Ultra-Nvidia GPU20 mal den Chip. Die chinesische Firma Cambrian versprach, in den nächsten drei Jahren den Chip mit einer Milliarde Recheneinheiten zu entwickeln, das Unternehmen entwickelt einen Chip für das Deep Learning.
Chinesische Technologiegiganten wie Baidu und Jingdong investieren auch in ausländische KI-Unternehmen, einschließlich der Vereinigten Staaten.
Vor kurzem Baidu und Jingdong in US-Finanztechnologieunternehmen ZestFinance investiert, investiert Tencent in der künstlichen Intelligenz Unternehmen oben in New York. Pony.ai Codes und Biotechnologie-Start-ups wie die Vereinigten Staaten und China haben Operationen zwischen den beiden Ländern durchgeführt, weiter näher Die Wettbewerbslücke.
Obwohl die chinesischen Unternehmen der Zusammenarbeit oder Investitionen in den Vereinigten Staaten aktiv suchen, aber im Vergleich, die künstlichen Intelligenz-Start-ups in den Vereinigten Staaten gibt es mehr chinesische Investitionen, chinesische Investitionen in den Vereinigten Staaten von Artificial Intelligence Unternehmen relativ klein sind.
Viertens, die sich auf die Zukunft der künstlichen Intelligenz, Verteidigung
Künstliche Intelligenz Netzwerk-Security-Markt mehr und mehr populär. Einige haben sogar ein Start-up-Unternehmen Liste von Regierungskunden, in der Hoffnung voran zu Schritt als der Hacker.
Das Rechenzentrum wird zu einem neuen Schlachtfeld.
Im Jahr 2014 baute Amazon einen Kunden-Cloud-Computing-Service für CIA auf, um die strengen Compliance- und regulatorischen Anforderungen für sensible Daten zu erfüllen.
Im vierten Quartal 2017 wird AWS diese Tools für Regierungskunden außerhalb des Nachrichtendienstes öffnen.
Außerdem hat Amazon zwei Netzwerksicherheitsunternehmen (Harvest.ai und Sqrrl) erworben, um Cloud-sensitive Daten zu sichern.
Unabhängig davon, ob Amazon oder ein anderes Start-up bewusst auf Regierungskunden abzielt, entwickelt sich künstliche Intelligenz als Rückgrat der staatlich unterstützten Cyber-Sicherheit.
Während des Kalten Krieges diskutierte die Regierung die "Raketenlücke" mit Konkurrenten oder die Vorzüge von Atomsprengköpfen. Heutzutage ist die Regierung zunehmend besorgt über ihre Unterschiede in den Netzwerkfähigkeiten, die zu fortgesetzter Cybersicherheit und traditioneller nationaler Verteidigung geführt haben Fusion.
Die Gefahren von Datenschutzverletzungen sind frappierend: von der Offenlegung von Millionen von Sozialversicherungscodes bei Equifax, einer US-Ratingagentur, bis hin zu Veranstaltungen wie WannaCry Ransomware und Russlands Intervention bei den Präsidentschaftswahlen in den USA.
Eine Analyse von SecurityScorecard, einem Unternehmen mit Sitz in New York, das 2017 von Intel Capital und Moody's und anderen Unternehmen investiert wurde, berichtete, dass die US-amerikanische Regierungsorganisation mit insgesamt 552 die niedrigste Punktzahl im Bereich Cybersicherheit erhalten habe Lokale, staatliche und Bundesbehörden mit jeweils über 100 öffentlichen IP-Adressen. "
Die Netzwerksicherheit bietet eine echte Anwendungsmöglichkeit für künstliche Intelligenzalgorithmen, da sich Cyberangriffe ständig weiterentwickeln und der Schutz ständig einer Vielzahl von unerhörter Malware ausgesetzt ist. Künstliche Intelligenz kann in Millionen von Ereignissen weit verbreitet sein Screening identifiziert abnormale, gefährliche und potentiell bedrohliche Signale.
Derzeit hat der Markt eine große Anzahl von Schwellen Netzwerk-Security-Unternehmen, wir versuchen, das maschinelle Lernen auf die nächsten Ebene zu schieben.
In den vergangenen fünf Jahren 134 Start-up-Unternehmen insgesamt $ 3650000000 bei der Finanzierung zur Verfügung. Im vergangenen Jahr etwa 34 Unternehmen zum ersten Mal einer Finanzierung zu erhalten. Derzeit ist der Markt größere Unternehmen wie Cybereason, CrowdStrike, Cylance und Tanium von jedem Unternehmen besetzt die Marktkapitalisierung von mehr als $ 900 Millionen.
Auch wie Accenture traditionellen Beratungsunternehmen ständig künstliche Intelligenz Netzwerk-Security-Technologien entwickelt werden, um eine bessere Bundesregierung Kunden zu dienen. Die US Air Force hat Kunden wie Start-up-Unternehmen Endgame wird seine Regierung Services-Geschäft zu Accenture verkaufen, das Geschäft Verbreitete Besorgnis.
2016 Geheimdienste Investitionarm In-Q-Tel investiert Anomali, Interset und Cylance. Darktrace britische Firma behauptet, dass sein System in 3000 weltweit im Einsatz, darunter Regierungsbehörden mit Sitz in Colorado LogRhythm auch mit der United States Air Force , NASA und Verteidigungsunternehmen Raytheon.
Andere Top-Rüstungsunternehmen investieren ebenfalls ständig.
Lockheed Martin war ein früher Investor Cybereason (aktuelle Marktwert von US $ 900 Millionen). 2017, Boeing investiert Turk, Texas, ein Internet-Security-Unternehmen, durch seinen Investment-Arm SparkCognition Horizon X.
Wie geht es dir, Alexa?
Amazon Echo und Google Home dominieren den Smart-Home-Speaker-Markt, aber die Giganten sind nicht begeistert von nicht englischsprachigen Märkten.
Alexa eröffnete eine Revolution in der Sprache.
Sprachaktiviertes Computing wurde bei 2018CES zu einem Segen, und IoT-Geräte, die keine Verbindung zu Amazon Alexa oder Google Home herstellten, waren praktisch nicht existent.
Samsung entwickelt seinen eigenen Sprachassistenten, Bixby, und hofft, bis zum Jahr 2020 all seine Produkte mit Bixby vernetzt und intelligent mit Strom versorgt zu haben. Bis 2017 sind alle Anwendungen von LG über WLAN verbunden. Derzeit sind es über 80 LGs Produkt, um das Docking von Google Home zu erreichen.
Obwohl Amazon anfänglich führend im Voice Computing war, ist es ein Schritt hinter seiner Sprachunterstützung.
Im letzten Quartal gab Amazon bekannt, dass es in etwa 80 Ländern Lautsprecher von Alexa liefern wird. Der Nachteil ist jedoch, dass Nutzer auf der ganzen Welt mit den Sprechern auf Englisch, Deutsch oder Japanisch kommunizieren möchten.
Google Home unterstützt Englisch, Deutsch, Französisch und Japanisch Apples HomePod unterstützt derzeit nur Englisch, soll aber bald auch Deutsch und Französisch unterstützen.
In dieser Hinsicht hat Google einen größeren Vorteil als Amazon.A Google Phone Helper auf Android-Handys unterstützt Englisch, Französisch, Deutsch, Italienisch, Koreanisch, Spanisch und Portugiesisch.Es ist Spracherkennung Funktionen - für Sprache - Text Konvertierung und Sprachsuche können 119 Sprachen unterstützen.
Derzeit wird der spanische Smart-Home-Markt von den Technologiegiganten nicht genug beachtet, obwohl es eine der am häufigsten verwendeten Sprachen nach der chinesischen Sprache ist.
In China sagte Alibaba, der chinesische Sprachsprecher Tmall Genie habe seit seiner Einführung im Juni 2017 mehr als 1 Million Einheiten verkauft.
Im Jahr 2018 werden Sprachassistenten weiterhin auf dem Markt für Marktbeherrschung im nicht-englischen Sprachraum konkurrieren.
Sechs Angestellte bei der Beschleunigung der Automatisierung
Zu den Angestellten gehören Rechtsanwälte, Berater, Finanzanalysten, Journalisten, Händler und andere, die so stark mit künstlicher Intelligenz arbeiten wie die Arbeiter.
Immer mehr AI-bizarre Automatisierungs- und Verbesserungs-Software bringt Menschen in eine neue Ära der künstlichen Intelligenz gestützten Fertigung oder AI-optimierten Produktion, und diese AI-fähigen Werkzeuge zur Produktionsoptimierung bedrohen den Schreibtisch der Angestellten.
Die folgende Grafik zeigt den EAAS-Markt, auf dem Sie sehen können, dass AI EAAS-Start-ups in allen Bereichen des Lebens zu finden sind, insbesondere Rechtsanwälte, Journalisten und Gesundheitsmanager , Händler oder beratende Industrie Praktiker, es gibt eine entsprechende AI EAAS Software kann verwendet werden.
Zum Beispiel hat KI in der Rechtsarbeit ein großes Potenzial, Zeit zu sparen und die Effizienz zu verbessern, und die Verarbeitung natürlicher Sprache und Textanalysetechniken können Tausende von Seiten juristischer Dokumente in Minuten zusammenfassen, Dies geschah in wenigen Tagen, bevor eine Person zur Arbeit musste, und der Einsatz von künstlicher Intelligenz half, die Genauigkeit Ihrer Arbeit zu verbessern.
Da die KI-Plattform immer effizienter und kommerzialisierbarer wird, wird auch das Gebührenmodell für Anwaltskanzleien, die früher Stundensätze berechnet haben, betroffen sein.
Programmierer sind nicht immun gegen viele frühe KI-Projekte, die sich auf KI-basiertes Softwaretesten, Debuggen und grundlegende Front-End-Entwicklung konzentrieren. R n r n DiffBlue, das in Großbritannien basiert, erhielt eine große Beule im Finanzjahr letztes Jahr und das Geschäft des Unternehmens ist Verwenden Sie KI-Technologie für Fehlerbehebungen in der täglichen Programmierung, clientseitige Codierung, Übersetzen von Code in einer Programmiersprache in eine andere geschrieben.
Die Gesundheits- und Bildungsindustrie gilt als die Branche mit der geringsten Auswirkung auf die KI, da beide Branchen eine große Anzahl dynamischer Aufgaben haben und die Praktiker in beiden Branchen oft eine höhere emotionale Intelligenz benötigen, während künstliche Intelligenz immer noch in der Mitte steckt Industrie-Penetration, Bildung, zum Beispiel, Start-up-Unternehmen arbeiten, um künstliche Intelligenz Unterstützung Dienstleistungen wie Markierung, Sprachunterricht, Zusammensetzung und so weiter zu bieten.
Sieben, künstliche Intelligenz Migration bis zum Ende
Die Künstliche Intelligenz hat im Jahr 2017 einen deutlichen Trend zur Migration auf Terminals gezeigt. So ist AI beispielsweise in kleinere Geräte und Sensoren eingebettet und läuft am Rande des Computernetzwerks, also AI Lassen Sie die Cloud, oder lassen Sie das Telefon wiederum in Ihrem Headset vorhanden.
Künstliche Intelligenz wird zunehmend verstreut.
Geräteintelligenz, z. B. intelligente Funktionen für Smartphones, Autos und sogar drahtlose Geräte, ermöglicht eine schnellere lokalisierte szenenbasierte Informationsverarbeitung, da keine Kommunikation mit der Cloud oder dem Server erforderlich ist.
Zum Beispiel autonome Fahrzeuge in Echtzeit als Reaktion auf Straßenverhältnisse machen müssen, seine Entscheidungsprozess ist sehr zeitempfindlich, Signalverzögerung gefährden würde das Leben eines anderen Beispiels, künstliche Intelligenz Assistent Private Ausbildung in der lokalen Vorrichtung werden solche Assistenten können Sie Ihre einzigartige identifizieren Akzent und Ihre Gesichtszüge von Einzelpersonen.
2017 aufgrund der technologischen Riesen investiert stark, intelligentes Terminal hat einen qualitativen Sprung gemacht.
Apple hat den A11-Chip mit der neuralen Engine veröffentlicht, die auf dem iPhone 8 und iPhone X verwendet wird. Apple sagte, dass der Chip maschinelle Lernaufgaben mit Geschwindigkeiten von bis zu 600 B pro Sekunde ausführen kann und Machine-Learning-Aufgaben wie FaceID antreibt Usw. Während der Verwendung der FaceID-Funktion muss das Mobiltelefon keine Benutzerdaten in die Cloud hochladen und speichern, indem es unsichtbares Licht auf das Gesicht des Benutzers sendet.
Intel, der Mainstream-Prozessorhersteller für die meisten Rechenzentren, musste den Trend der Terminalintelligenz durch Übernahmen einholen. Intel hat kürzlich den geräteseitigen Vision-Computing-Chip Myriad X vorgestellt, einen Chip, der ursprünglich von Intel im Jahr 2016 erworben wurde Der Chip wurde für die Firma Movidius entwickelt.
Laut Intel ist Myriad X in der Lage, Aufgaben auf einer Vielzahl von Endgeräten zu erlernen, von Smartphones über Kindermonitore bis hin zu Drohnen.
Google hat ein dem Federated Learning ähnliches Konzept vorgeschlagen, nur dass einige seiner maschinellen Lernaufgaben auf Endgeräten ausgeführt werden und derzeit auf der Google-Tastatur Gboard getestet werden.
Obwohl künstliche Terminalintelligenz das Problem der Informationsverzögerung schwächt, weist die Terminalintelligenz im Vergleich zur Cloud Einschränkungen hinsichtlich des Speicherplatzes und der Rechenleistung auf.
Darüber hinaus werden mehr hybride Deep-Learning-Modelle entwickelt, um eine bessere Zusammenarbeit zwischen verschiedenen Endpunkten und zwischen Endpunkten und der Cloud zu ermöglichen.
Acht, der Aufstieg des Kapsel-Netzwerkes
Deep Learning ist der treibende Faktor hinter den meisten aktuellen KI-Anwendungen, und dank des Kapsel-Netzwerkes wird Deep Learning jetzt überarbeitet.
Unterschiedliche neuronale Netze haben unterschiedliche Strukturen: Die bekannteste Netzwerkstruktur des heutigen Deep Learning ist das Convolutional Neural Network (CNN), jetzt ist eine neue Netzwerkstruktur, das Kapsel-Netzwerk, populär geworden und hat viele Aspekte Super CNN Fähigkeit.
Obwohl CNN in den letzten Jahren Erfolg erzielt hat, noch können wir nicht die Mängel seiner Existenz ignorieren, in vielen Fällen, CNN schlechte Leistung und mögliche Sicherheitsverletzungen. Alle zusammen, die Forscher die Algorithmen der künstlichen Intelligenz zu verbessern versuchen, um zu versuchen, diese Probleme zu überwinden .
Nehmen wir eines der häufigsten Beispiele: Bei der Gesichtserkennung lernt CNN alle Elemente des menschlichen Gesichts (Augen, Nase und Mund) kennen, kann sich aber nicht an die spezifische Position jedes Elements erinnern, was zu den folgenden beiden führt Figur kann als menschliches Gesicht betrachtet werden.
Geoffrey Hinton, einer der führenden Forscher im Bereich Deep Learning, veröffentlichte 2017 eine Forschungsarbeit, die das Konzept eines Kapsel-Netzwerkes oder CapsNet einführte.
Dieser Aufsatz befindet sich noch in der Bewertungsphase und es fehlen ausreichende Tests in den tatsächlichen Einstellungen, aber seine mächtigen Fähigkeiten haben in den Kreisen der Medien, Wissenschaft und Technologie für Aufsehen gesorgt.
Unsere technischen Angaben in dieser wenig zu sagen, kurz gesagt, von dem Netz Kapseln höherdimensionalen Merkmalsidentifizierungs Dinge, erforderte weniger Trainingsdaten und die Fehlerrate geringer, wie das obige Beispiel, lange Münder über der Augenbraue Das Gesicht wird leicht identifiziert werden, aber CNN hat keine Möglichkeit, das zu tun.
CNN Ein weiteres Problem ist, dass es nicht möglich, mehrere Transformationen in Form von Eingangsdaten verarbeiten kann. Beispiel: Sie müssen unter verschiedenen Winkeln als Eingangsdaten zu einem Faltung neuronales Netz eine Menge Fotos des gleichen Objekts verwenden, trainierte das Objekt zu identifizieren. Deshalb Die Identifizierung einer großen Vielfalt von Objekten erfordert eine große Menge an Trainingsdaten.
An dieser Stelle soll das Kapselnetz besser abschneiden als CNN, das Kapselnetzwerk benötigt weniger Trainingsdaten und kann aus mehreren Zuständen eines Objekts zusätzliche Zustände ableiten, ohne dass jeder Zustand betreten werden muss Daten.
Hinton erwähnte auch in seiner Arbeit, dass das Kapsel-Netzwerk einige komplexe konfrontative Angriffstests (mit einigen inakzeptablen Foto-Täuschungsalgorithmen) durchlaufen hat und daraus geschlossen wurde, dass die Leistung Faltungsneuronale Netze übersteigt.
Mit einer einfachen Handhabung können Hacker das konvolutionelle neuronale Netzwerk täuschen, und Forscher von Google und OpenAI haben dies anhand von Beispielen demonstriert.
Eines der bekanntesten Beispiele ist die Tatsache, dass Forscher in einem Aufsatz von 2015 einen unsichtbaren Blick auf ein Foto eines Riesenpandas behandelten und ihn als Gibbon mit einem Konfidenzniveau von 99,3% identifizierten.
Neun, sechsstelliges Gehalt von künstlicher Intelligenz Talent Krieg
Kurz gesagt, die Zahl der Spitzenforscher auf diesem Gebiet kann Millionen erreichen.
China rekrutiert Experten auf dem Gebiet der künstlichen Intelligenz.
Einige der in China gelisteten Top-Forscher für maschinelles Lernen verdienen etwa $ 56,7 bis $ 624.000 und andere Unternehmen geben Maschinenlesespezialisten $ 31,5 bis $ 410 000. Die Stellenangebote basieren auf Rekrutierungsplattformen in China Website mieten.
Laut einem aktuellen Tencent-Bericht gibt es derzeit schätzungsweise 300.000 Menschen auf dem Gebiet der künstlichen Intelligenz, einschließlich Studenten in verwandten Studienbereichen, während Unternehmen eine Million oder mehr Menschen benötigen Intelligente Experten, um ihre technischen Anforderungen zu erfüllen.
In den Vereinigten Staaten, auf der Suche nach Künstlicher Intelligenz auf Glassdoor, der Arbeitsplatz Gemeinschaft, zeigt mehr als 32.000 Arbeitsplätze, von denen viele sechsstellig verdienen.
Große Unternehmen, um das beste Talent für künstliche Intelligenz zu graben, wird natürlich das wettbewerbsfähigste Gehalt geben.
DeepMind, die von Google im Jahr 2014 erworben wurde, sagte in seinem Finanzbericht, dass "Personalkosten und andere damit verbundene Kosten" waren 104,8 Millionen Pfund im vergangenen Jahr.Eine schnelle Suche von LinkedIn Mitarbeitern hatte 415 Mitarbeiter. Es wird davon ausgegangen, dass dies der 2016 Team ist Nach Abzug anderer Ausgaben beträgt das Durchschnittsgehalt eines Teammitglieds £ 252.000 (ca. $ 350.000).
Darüber hinaus haben auch Forscher für künstliche Intelligenz in großen Technologieunternehmen ihre eigenen Unternehmen gegründet.
Ng gründete einen Fonds für künstliche Intelligenz und sammelte $ 175 Millionen, nachdem er Baidu verlassen hatte, wo der Chief Technology Officer von Groq, einem Startup-Unternehmen für künstliche Intelligenz, TPU bei Google Hardware Engineering und später bei Google X entwickelte.
Yu Kai, Chief Technology Officer und Mitbegründer von Horizon Robot, einem inländischen Start-up-Unternehmen, arbeitete auch für Baidu als Leiter des Baidu Deep Learning Research Institute und leitete das Bilderkennungsteam.
Zweifellos wird der Kampf um Talente intensiver werden, da die talentierten Menschen kontinuierlich zu Start-ups fließen.
Zehn, Spekulationen im maschinellen Lernen werden nachlassen
Das maschinelle Lernen wird bald "den Altar verlassen". Mehr als 1.100 neue KI-Startups, die seit 2016 entstanden sind, brauchen ein solides Geschäftsmodell, um am Leben zu bleiben.
Big Data zuerst, dann Cloud, ist maschinelles Lernen jetzt, und der Tech-Boom kommt in Wellen.
Im Jahr 2017 läutete die Popularität des maschinellen Lernens den Höhepunkt ein.
In diesem Jahr haben Inkubatoren mehr als 300 Start-ups hervorgebracht und damit die Zahl von 2016 verdreifacht. In diesem Jahr investierten die Investoren mehr als 1,52 Milliarden Dollar in Startups für künstliche Intelligenz in verschiedenen Bereichen und sammelten 2016 Mittel 141%.
Seit mehr als 1.100 aufstrebenden KI-Unternehmen ihre erste Finanzierungsrunde seit 2016 abgeschlossen haben, sind es in dieser Perspektive mehr als die Hälfte aller KI-Start-ups, die in der Vergangenheit Eigenkapitalfinanzierungen hatten Mehr als die Hälfte der historischen KI-Start-ups haben die Finanzierung abgeschlossen.
Diese Spekulationswelle ließ jedoch bald nach.
Die Normalisierung des maschinellen Lernens wird Anleger wählerisch über die von ihnen finanzierten KI-Unternehmen machen.
Wie Frank Chen, ein bekannter Risikokapitalgeber, sagte a16z: "In ein paar Jahren wird kein Investor mehr nach einem KI-Startup suchen." Startups nutzen die notwendigen Algorithmen künstlicher Intelligenz, um ihre Produkte als "hypothetisch" zu nutzen.
Tatsächlich haben wir das in vielen Branchen gesehen.
Maschinelles Lernen ist untrennbar mit dem IIoT verbunden: Wir brauchen künstliche Intelligenz, um die riesigen Datenmengen, die in Maschinen und Sensoren gesammelt und in Echtzeit verarbeitet werden, zu verstehen, und fast alle Cybersicherheitsunternehmen nutzen teilweise maschinelles Lernen. Große Technologieunternehmen bieten Unternehmen darüber hinaus eine maschinelle Lernlösung an.
Top-Investoren bewerten Start-ups sorgfältig mit künstlicher Intelligenz, zum Beispiel erhielt freenome, das liquid biopsy diagnostics company, fünf unmarkierte Blutproben, bevor er die a16z-Investitionsabsicht erhielt und begann eine Analyse mit künstlichen Intelligenzalgorithmen.
Eleven, Amazon, Google, Microsoft beherrscht Enterprise AI
Innerhalb von fünf Jahren haben Investoren 180 Millionen US-Dollar in Start-ups investiert, die sich auf AI-Dienste für Unternehmen konzentrieren, und nun sehen sich Amazon, Google und Microsoft möglicherweise mit kleineren Unternehmen konfrontiert.
Da immer mehr Unternehmen das maschinelle Lernen in ihre Produkte integrieren, beginnen auch Start-ups, ML-as-a-Service anzubieten.
Derzeit kämpfen große Technologieunternehmen wie Google, Amazon, Microsoft und Salesforce darum, ihre KI-Produkte für Unternehmen zu verbessern und kleineren Unternehmen und Fonds Platz zu bieten.
Google führte Cloud AutoML ein, mit dem Benutzer ihre Algorithmen mit ihren eigenen Daten trainieren können, um spezifische Bedürfnisse zu erfüllen.
Amazon startet den AI-as-a-Service mit einem Amazon AI-Slogan unter dem AWS-Banner Das Ziel von Amazon AI ist es, große oder kleine Entwickler zu unterstützen, die künstliche Intelligenz benötigen, ohne vorher bezahlen zu müssen Viel mehr Probleme Amazon gibt eine produktähnliche API heraus, mit der Entwickler auf Amazon Lex (die NLP-Funktionen von Amazon), Amazon Polly (Sprachsynthesefunktionen von Amazon) und Amazon Rekognition (die Bildanalysefunktionen von Amazon) zugreifen können.
Im vierten Quartal 2017 erweiterte Amazon seine Reichweite auf Videoerkennung, Audio-Transkription und Stimmungsanalyse und hinterließ einen starken Einfluss auf die Entwicklung von AWS mit einem Umsatz von nur 5 Milliarden US-Dollar im vierten Quartal um 44%. .
Darüber hinaus sind Microsoft und Amazon auch heftige Konkurrenz, gefolgt von Salesforces und Oracle und anderen Unternehmen.
Zwölf, künstliche Intelligenz Diagnose erhielt die Zustimmung der Regulierungsbehörden
Maschinelles Lernen wird bald eine Routineoperation auf dem Gebiet der medizinischen Bildgebung und Diagnostik werden.
US-Aufsichtsbehörden erwägen, künstliche Intelligenz für den klinischen Gebrauch zuzulassen.
Der Wert der künstlichen Intelligenz in der Diagnose spiegelt sich hauptsächlich in der Früherkennung von Krankheiten wider und verbessert die Genauigkeit der Region.
Maschinelle Lernalgorithmen können die medizinischen Bilder von Millionen anderer Patienten für vernachlässigbare Nuancen mit dem menschlichen Auge vergleichen, und der Algorithmus kann dies in Sekunden tun, aber Menschen können Stunden brauchen .
Es gibt auch eine Handvoll KI-Monitoring-Tools für Verbraucher, wie zum Beispiel SkinVision, die Computer Vision verwendet, um verdächtige Hautkrankheiten zu erkennen, und eine neue Welle von medizinischen Anwendungen für künstliche Intelligenz in Krankenhäusern und Kliniken.
Kürzlich kündigte das globale biopharmazeutische Unternehmen AstraZeneca seine Kooperation mit Alibabas Ali Health an, um künstliche Intelligenz-gestützte Diagnose- und Screening-Anwendungen in China zu entwickeln.
Zuvor haben General Electric und NVIDIA versucht, Deep-Learning-Technologie in den medizinischen Bereich zu bringen, und Google DeepMind hat auch versucht, mithilfe von künstlicher Intelligenz Augenkrankheiten zu erkennen.
Der Einstieg von Giganten wie Googles DeepMind, IBM, General Electric Corp. und Alibaba hat Start-ups das Aufteilen des Marktkuchens erschwert, aber das hat die Start-ups nicht davon abgehalten, Risiken einzugehen.
Das Gesundheitswesen ist nach wie vor einer der heißesten Bereiche für Risikokapital in der künstlichen Intelligenz, und das anhaltende Wachstum vieler Unternehmen, die sich auf medizinische Bildgebung und Diagnostik konzentrieren, hat zu diesem Ergebnis beigetragen.
Arterys, der Hersteller von Start-ups für medizinische Bildgebung, erhielt die erste FDA-Zulassung und hat Berichten zufolge seine Cloud-Computing-Plattform für die Analyse von Herzbildern nach einer Reihe von Tests zur Genauigkeit und Diagnosegeschwindigkeit zugelassen.Atererys beantragt derzeit die FDA-Zulassung für AI Anwendung in der Onkologie.
Ein anderes israelisches Startup namens MedyMatch verwendet eingehende Lerntechniken, um intrakranielle Blutungen zu analysieren, um CT-Scans zu analysieren. Kürzlich erhielt die FDA eine bahnbrechende Qualifikation, um ihre Markteinführungszeit zu verkürzen.
Zu den umstrittensten Bereichen für Hochrisikoindustrien wie die Gesundheitsfürsorge gehören diejenigen, die die Verantwortung für die Fehldiagnose von Systemen künstlicher Intelligenz übernehmen, die Radiologen und Ärzten derzeit helfen und nicht die obersten Entscheidungsträger der Diagnostik sein werden .
Dreizehn, künstliche Intelligenz zu DIY
Lassen Sie Ihren Sprachassistenten wie ein Film- und Fernsehdrama klingen oder erstellen Sie eine eigene AI-Kamera.
Sie brauchen keinen Doktortitel in Informatik oder Mathematik und Sie können Ihr eigenes KI-System aufbauen.
Gegenwärtig reduzieren eine große Anzahl von Open-Source-Software, massive APIs und SDKs auf dem Markt sowie einfach zu startende Amazon- oder Google-Kits drastisch die Barrieren für Menschen, die sich mit künstlicher Intelligenz beschäftigen.
Google hat AIY (künstliche Intelligenz selbst) Programm startet konzipiert, dass Benutzer von jeder Altersstufe der künstlichen Intelligenz zu ermöglichen, ihre eigenen Produkte DIY.
AIY Projekt auf der Grundlage der Geburt des ersten Produkts, AIY Voice-Kit genannt, ist eine Kombination von Raspberry Pi Spracherkennung Toolkit. Sprachassistent zu geben, wie Figur „Doctor Who“ sein kann, in der BBC-Science-Fiction-TV-Serie, wie, 80 Jahre Zu die Kommunikation mit dem intelligenten Assistenten. (Dramas, Zeit Herrn selbst als „Dr.“ mit seinen verschleierten 1950er Jahren der britischen Polizei Box Zeitmaschine Ta Disi seine Partnern in der Zeit, die Weltraumforschung, Schwimmen, gut und Böse zu interagieren speichern Zivilisation, hilft den schwachen.) schwer zu finden, werden die Benutzer basierend auf künstlicher Intelligenz-Technologie, um mehr neue Erfindung zu schaffen.
Darüber hinaus führte Google auch AIY Vision Kit, das neuronale Netzwerkmodell unterstützt, können Sie Algorithmen verwenden, um Katzen und Hunde zu identifizieren, sondern auch die Gesichtsausdrücke und Stimmungen anzupassen.
Amazon stellte außerdem DeepLense vor, eine 249 Dollar teure Lernkamera, die Amazon für 7.500 Dollar für den Gewinner des ersten DeepLense-Hacker-Marathons zur Verfügung stellte.