Allo stesso tempo, i governi fanno a gara per ampliare la ricerca avanzata intelligenza artificiale, l'intelligenza artificiale ritenuto di conseguire una maggiore impatto economico, come mezzo di potere economico.
Siamo nelle prime fasi di un drastico cambiamento nel mercato del lavoro e le speculazioni sull'apprendimento automatico potrebbero iniziare a sbiadire, perché l'apprendimento automatico ha infatti infiltrato tutte le principali aree dell'industria del software, dai semplici calendari ai motori di ricerca alle vendite Il software di gestione può vedere l'ombra dell'apprendimento automatico.
L'intelligenza artificiale è ora persino in grado di battere i campioni del mondo. Humanoid completa anche il backflip perfetto e atterra con successo. Tuttavia, gli algoritmi di intelligenza artificiale sono ben lungi dall'essere perfetti su alcuni compiti di base che sono facili per gli umani, come la comprensione delle immagini Nella scena, o identificare il contesto del dialogo.
Allo stesso tempo, la promessa dell'intelligenza artificiale generica - o dell'intelligenza artificiale di nuovi compiti di apprendimento rapido senza supervisione - rimane sconosciuta. Sebbene una manciata di aziende, tra cui Vicario, Sistema e Fratello, stiano ancora investendo in intelligenza artificiale generica, Ma non ci sono quasi dettagli o prove reali.
Le odierne applicazioni dell'IA si concentrano solo su una gamma molto ristretta di compiti, ma sono questi compiti basati sull'intelligenza artificiale e dalla mentalità ristretta a rimodellare il commercio, i mercati e le industrie.
Per aiutare le persone cogliere lo stato di migliaia di traiettoria di sviluppo globale di AI e, di recente, CB Insights rapporto pubblicato AI, 13 tipi di intelligenza artificiale entro il 2018 ci sarà una tendenza ad espandersi prevedere, al fine di parti interessate nel campo dell'intelligenza artificiale ispirare.
In primo luogo, l'emergere del nuovo lavoro colletti blu - robot tata
Negli Stati Uniti, robot industriali e lavori di produzione sono in aumento.
Come spesso esternalizzare lavori di produzione a basso costo del lavoro nei paesi in via di sviluppo e criticato. Al fine di ridurre il costo di robot industriali, a volte bisogno di fare base produttiva più vicina alle esigenze del luogo del prodotto.
Recentemente, il produttore cinese di T-shirt e abbigliamento società Tianyuan Arkansas Stati Uniti governo ha firmato un Memorandum of Understanding (MoU), società Tianyuan istituito un nuovo fabbrica di abbigliamento in Arkansas, ad un prezzo di $ 14 ogni ora impiega circa 400 lavoratori. Il azione prevista entro la fine del 2017.
Tianyuan Società utilizzerà una cucitura robot SoftWare Georgia intelligenza artificiale start-up Automation a Little Rock, Arkansas impianto di nuova costituzione, questo robot è il software di automazione Adidas abbigliamento di produzione e di sviluppo. Molti guardano lavoro molto pesante sarà completato robot mentre i lavoratori umani inclusi i lavori di fascia alta è di assumere la manutenzione e il funzionamento del robot e simili. ciò significa che il numero e la natura dei lavori di produzione saranno diverse nel 2008.
Il Bureau of Labor Statistics definisce e analizza i diversi posti di lavoro nel settore manifatturiero, ad esempio, a causa dell'impatto dell'automazione, l'Ufficio non è ottimista riguardo alle prospettive di posizioni quali ispettori, assemblatori e costruttori di controlli di qualità.
Nel 2012, il contratto tra Advanced Planning e Research Agency del Dipartimento della Difesa degli Stati Uniti e SoftWear Automation ha chiarito che "l'obiettivo finale è quello di realizzare un impianto di produzione completo in cui la produzione di abbigliamento sia direttamente zero sull'uomo".
Ma le mutevoli preferenze dei consumatori e l'incapacità di adattarsi ai drammatici cambiamenti di processo sono ancora ostacoli completamente automatizzati.
Questo è evidente anche nel magazzino Amazon altamente automatizzato.
collaborativo magazzino robot orso di Amazon maggior parte del lavoro pesante, i lavoratori umani si concentra sul lavoro dettagliate, come la selezione delle merci e quindi inserito in un ordine separato dagli scaffali.
Tuttavia, il robot in un ambiente non strutturati aspetti di scansione, selezione e lavorazione del manufatto è ancora poco soddisfacenti. Amazon è stata usata per più di 100.000 robot in vari magazzini, ma anche per creare una serie di uomini nel nuovo centro di distribuzione Migliaia di nuovi posti di lavoro.
Secondo, l'applicazione dell'intelligenza artificiale in tutti i settori della vita
La tendenza allo sviluppo dell'intelligenza artificiale è irresistibile: dalla produzione della birra all'industria della cannabis, l'apprendimento automatico sembra onnipotente.
L'intelligenza artificiale è ovunque e, nello specifico, l'apprendimento automatico è ovunque. L'apprendimento della macchina fa riferimento ad algoritmi di allenamento su set di dati su larga scala per consentire alle macchine di imparare a riconoscere e generare i modelli di cui hanno bisogno. I parametri giusti sono forniti da creatori umani - hanno prestazioni migliori nei loro compiti.
Finché ci sono dati in grado di addestrare il software e avere l'output desiderato in mente, questa tecnica può essere praticamente applicata a tutto.
Pertanto, vedrai:
La società britannica IntelligentX vuole lanciare la prima birra al mondo di intelligenza artificiale.
Russo rete neurale DeepFish utilizzando una varietà di pesce, la combinazione di tecnologia radar e l'intelligenza artificiale per distinguere le immagini radar di pesce e il rumore.
Svezia Hoofstep poi sollevato il capitale di rischio per ottenere l'analisi basata sul comportamento di apprendimento cavalli profondità.
Sei vegetariano? Sostenitori senza glutine? O siete allergici alla soia? New York Prose vogliono usare l'intelligenza artificiale in prodotti per la cura dei capelli personalizzati. L'azienda di Forerunner Ventures, Lerer Hippeau Ventures e altri ben noti vento Maveron ufficio CIC ha sollevato milioni di $ 7.57 a finanziamento.
Inoltre, l'intelligenza artificiale viene utilizzata nella tecnologia della cannabis, DeepGreen utilizza la visione artificiale per identificare i genitali e lo stato di salute delle piante di cannabis e Weedguide ha raccolto 1,7 milioni di dollari in raccomandazioni di finanziamento per la cannabis personalizzata per l'intelligenza artificiale.
La differenza tra gli hobby e le idee che generano reddito è solo se una cosa è vista a lungo termine, e ci aspettiamo di vedere più "AI for X" fuori dalla scatola nel 2018. La crescente novità di popolarità e idee dimostra che l'intelligenza artificiale non è una rarità e invece è una delle pietre angolari del software e delle applicazioni moderni.
In terzo luogo, Cina e Stati Uniti competono per i leader globali dell'intelligence artificiale
Sebbene la Cina AIEC abbia una quota del 9% sul mercato globale, nel 2017 quasi il 50% dei fondi IPO globali sono andati in Cina per la prima volta oltre gli Stati Uniti.
La Cina sta implementando attivamente una visione ben progettata dell'intelligenza artificiale in cui la Cina ha già sconfitto gli Stati Uniti in alcune aree dell'intelligenza artificiale.
Il governo cinese sta anche promuovendo un futuro piano di intelligenza artificiale che copre tutto, dall'agricoltura intelligente, alla logistica intelligente, alle applicazioni militari e all'intelligenza artificiale fino alla creazione di posti di lavoro.
Alcune delle risorse saranno utilizzate nelle startup cinesi innovative che sviluppano l'intelligenza artificiale in vari settori, dall'assistenza sanitaria ai media.
In realtà, la Cina rappresentava solo il 9% del fatturato start-up di intelligenza artificiale al mondo. Ma nel 2017, il mondo delle start-up di intelligenza artificiale finanziamento del capitale di investimento totale dei flussi verso la Cina hanno rappresentato il 48%, per la prima volta ha superato gli Stati Uniti in quota del dollaro. Sai, nel 2016 la Cina Solo l'11,3% dei fondi globali.
In termini di quota di attività in start-up di IA, gli Stati Uniti detengono ancora la posizione dominante a livello globale, ma la sua quota di transazioni globali è in calo.
Inoltre, le domande di brevetto delle imprese cinesi riflettono anche le capacità di ricerca e sviluppo.
Nella domanda di brevetto, le imprese cinesi mettersi al passo con la tendenza degli Stati Uniti. Sulla base del titolo e la sintesi delle parole chiave di ricerca, cinese pubblicazione di brevetto relativi all'intelligenza artificiale supera di gran lunga il numero dei brevetti pubblicati dal US Patent and Trademark Office.
Prendendo come esempio un apprendimento approfondito, la Cina pubblica 6 volte più brevetti in questo settore rispetto agli Stati Uniti (Nota: prima che la domanda di brevetto venisse annunciata, il processo di deposito dei brevetti ha richiesto molto tempo).
I chip di riconoscimento facciale e di intelligenza artificiale sono anche due tecnologie che hanno contribuito a spingere lo sviluppo dell'intelligenza artificiale in Cina, il primo a provvedere al piano del governo per implementare la sorveglianza a livello nazionale, che pone una sfida diretta ai chip realizzati negli Stati Uniti.
La società unicorno cinese Face ++, la tecnologia Shangtang e il cloud di start-up della scienza e della tecnologia sono i tre principali attori in quest'area (quest'ultima ha vinto il finanziamento del governo municipale di Guangzhou di 301 milioni di dollari USA).
Quasi 50 città in Cina hanno aderito al "Progetto Shining" nel 2017. Le telecamere di monitoraggio installate nelle aree pubbliche e nelle aree private saranno gestite centralmente per il monitoraggio del personale e varie situazioni, e le relazioni dei media hanno detto che la mossa aiuterà la Cina Sistema di credito sociale per considerare il "credito" dei cittadini.
Come tecnologia ha conquistato il supporto delle compagnie assicurative cinesi (Sunshine Insurance Group), delle organizzazioni governative (Russia-China Investment Group) e dei giganti aziendali (Foxconn, Ant Financial), la società ha ricevuto dati facciali di 1,3 miliardi di cittadini cinesi.
Alibaba, che opera attraverso abiti formali, e Foxconn, entrambi investitori, hanno stretto una partnership con Hangzhou nel 2016 per lanciare il progetto "City of the Brain", che utilizza l'intelligenza artificiale per analizzare i dati sulle telecamere di sorveglianza e sui social media.
Vestiti di formica d'oro in negozi al dettaglio di proprietà di Alibaba che utilizzano il pagamento indipendente per la tecnologia di riconoscimento facciale.
Gli Stati Uniti e la Cina stanno anche lottando per il dominio della tecnologia dei chip di intelligenza artificiale.
Nel giugno 2017, il governo cinese ha detto che entro il 2020 l'intelligence artificiale raggiungerà gli Stati Uniti e supererà gli Stati Uniti come leader mondiale dell'intelligenza artificiale entro il 2030. Un progetto sostenuto dal governo mira a creare un mondo in cui le operazioni e l'efficienza energetica sono molto indietro Ultra-Nvidia GPU20 batte il chip.L'azienda cinese Cambrian ha promesso di sviluppare il chip con un miliardo di unità di elaborazione nei prossimi tre anni, l'azienda sta sviluppando un chip dedicato all'apprendimento approfondito.
I giganti della tecnologia cinese come Baidu e Jingdong stanno investendo anche in società internazionali dell'intelligenza artificiale, compresi gli Stati Uniti.
Recentemente, Baidu e Jingdong investiti in tecnologia statunitense finanziaria dell'azienda ZestFinance, Tencent ha investito nell'azienda intelligenza artificiale Oben a New York. Codici Pony.ai e biotecnologie start-up come gli Stati Uniti e la Cina hanno effettuato operazioni tra i due paesi più vicini ulteriori Il divario competitivo.
Sebbene le aziende cinesi siano aggressivamente alla ricerca di cooperazione o investimenti negli Stati Uniti, le IA negli Stati Uniti hanno più investimenti cinesi rispetto a un numero relativamente basso di IA in Cina.
In quarto luogo, si basano sul futuro della difesa dell'intelligenza artificiale
Il mercato della sicurezza delle reti di Intelligenza Artificiale si sta facendo più caldo, con alcune start-up che hanno persino un elenco di clienti governativi che sperano di prendere il comando degli hacker.
Il data center sta diventando un nuovo campo di battaglia.
Nel 2014, Amazon ha creato un servizio di cloud computing cliente per CIA per soddisfare i severi requisiti di conformità e normativi relativi ai dati sensibili.
Nel quarto trimestre del 2017, AWS aprirà questi strumenti a clienti governativi al di fuori del servizio di intelligence.
Amazon ha anche acquisito due società di sicurezza della rete IA, Harvest.ai e Sqrrl, per proteggere i dati sensibili del cloud.
Indipendentemente dal fatto che Amazon o qualsiasi altra start-up si rivolga deliberatamente ai clienti del governo, l'intelligenza artificiale sta emergendo come la spina dorsale della sicurezza informatica sostenuta dal governo.
Durante la Guerra Fredda, il governo stava discutendo il "divario missilistico" con i concorrenti oi meriti delle testate nucleari.Oggi il governo è sempre più preoccupato delle loro differenze nelle capacità di rete, che hanno portato alla continua sicurezza informatica e alla difesa nazionale tradizionale integrazione.
I pericoli delle violazioni dei dati sono impressionanti: dalla divulgazione di milioni di codici di sicurezza sociale a Equifax, un'agenzia di rating del credito degli Stati Uniti, a eventi come WannaCry ransomware e l'intervento della Russia nelle elezioni presidenziali degli Stati Uniti.
Un'analisi di SecurityScorecard, una società con sede a New York, investita da Intel Capital e Moody's e altre società nel 2017, ha riferito che l'organizzazione governativa degli Stati Uniti ha ricevuto il punteggio più basso sulla sicurezza informatica con un totale di 552 Agenzie locali, statali e federali, ciascuna con oltre 100 indirizzi IP pubblici. "
La sicurezza di rete offre una reale opportunità di applicazione per gli algoritmi di intelligenza artificiale, poiché gli attacchi informatici si evolvono continuamente e la protezione è costantemente rivolta a una varietà di malware inauditi. L'intelligenza artificiale può essere ampiamente utilizzata in milioni di eventi Lo screening identifica segnali anormali, pericolosi e potenzialmente minacciosi.
Attualmente, il mercato ha un gran numero di società di sicurezza rete emergente, stiamo cercando di spingere l'apprendimento automatico al livello successivo.
Negli ultimi cinque anni, 134 aziende start-up di un totale di $ 3.65 miliardi di finanziamento disponibili. L'anno scorso, circa 34 aziende per la prima volta di ottenere il finanziamento. Al momento, il mercato è società più grandi come, Cybereason, CrowdStrike, Cylance e Tanium occupate da ciascuna azienda la capitalizzazione di mercato di più di $ 900 milioni.
Anche come ad esempio società di consulenza Accenture tradizionali sono in costante sviluppo di tecnologie di sicurezza di rete di intelligenza artificiale per servire meglio i clienti del governo federale. La US Air Force ha clienti come start-up aziendale Endgame venderà la propria attività i servizi pubblici ad Accenture, l'affare Suscitato preoccupazione diffusa.
2016, le agenzie di intelligence braccio di investimento investiti In-Q-Tel Anomali, Interset e Cylance. Darktrace società britannica afferma che il suo sistema è distribuito in tutto il mondo nel 3000, tra cui agenzie governative situate in Colorado LogRhythm anche con l'United States Air Force , La NASA e l'appaltatore della difesa Raytheon.
Anche altri importanti appaltatori della difesa stanno investendo costantemente.
Lockheed Martin è stato uno dei primi investitori Cybereason (valore corrente di mercato di 900 milioni di US $). 2017, Boeing ha investito Turk, Texas, una società di sicurezza Internet, attraverso il suo braccio di investimento SparkCognition Horizon X.
Come stai, Alexa?
Amazon Eco Casa e Google dominano il mercato smart oratore a casa, ma i servizi giganti per il mercato non in lingua inglese, ma non riflessivo.
Alexa ha aperto una rivoluzione nel discorso.
Il computing abilitato alla voce è diventato un vantaggio al 2018CES e i dispositivi IoT che non si collegavano ad Amazon Alexa o Google Home erano praticamente inesistenti.
Samsung sta sviluppando il proprio assistente vocale, Bixby, e spera di avere tutti i prodotti dell'azienda collegati in rete e intelligentemente alimentati da Bixby entro il 2020. LG ha tutte le sue applicazioni connesse tramite WiFi nel 2017. Attualmente più di 80 Prodotto di LG per raggiungere l'attracco di Google Home.
Sebbene Amazon fosse inizialmente un leader nel voice computing, è un passo indietro rispetto al supporto linguistico.
Lo scorso trimestre, Amazon ha annunciato che distribuirà altoparlanti Alexa in circa 80 paesi, ma il lato negativo è che vuole che gli utenti di tutto il mondo interagiscano con gli oratori in inglese, tedesco o giapponese.
Home page di Google supporta inglese, tedesco, francese e giapponese L'HomePod di Apple attualmente supporta solo l'inglese, ma è previsto che presto supporti tedesco e francese.
A questo proposito, Google ha un vantaggio maggiore rispetto ad Amazon.Un assistente telefonico di Google sui telefoni Android supporta inglese, francese, tedesco, italiano, coreano, spagnolo e portoghese. Funzionalità di riconoscimento vocale - per voce - testo Conversione e ricerca vocale, in grado di supportare 119 lingue.
Attualmente, il mercato spagnolo della casa intelligente non ha ricevuto abbastanza attenzione dai giganti della tecnologia, sebbene sia una delle lingue più utilizzate dopo la lingua cinese.
In Cina, Alibaba ha detto che l'oratore cinese Tmall Genie ha venduto più di 1 milione di unità dal suo lancio nel giugno 2017.
Nel 2018, gli assistenti vocali continueranno a competere nel mercato vocale non inglese per la posizione dominante sul mercato.
Sei, colletti bianchi nel processo di accelerazione dell'automazione
I colletti bianchi qui includono avvocati, consulenti, analisti finanziari, giornalisti, commercianti e altri: l'impatto dell'intelligenza artificiale su queste persone è grande come quello degli operai.
Sempre più dalla benedizione di intelligenza e automazione a livello di esperti software artificiale per aumentare gli effetti positivi di intelligenza artificiale nella produzione ausiliaria dell'intelligenza umana o artificiale per ottimizzare la produzione di una nuova era. Questi possono ottimizzare la produzione di strumenti di intelligenza artificiale minacciano parte scrivania del lavoro dei colletti bianchi.
La figura seguente mostra l'effetto di automazione a livello di esperti e software di ottimizzazione (EAAS) del mercato. Si può vedere dalla figura, start-up AI EAAs orme tutti i ceti sociali. In particolare, entrambi avvocati, giornalisti, dirigenti sanitari personale commerciale o di consulenza operatori del settore, hanno il software AI EAAS appropriata può essere utilizzato.
Ad esempio, nel lavoro legale, l'IA ha un grande potenziale per risparmiare tempo e migliorare l'efficienza, e l'elaborazione del linguaggio naturale e le tecniche di analisi del testo possono riassumere migliaia di pagine di documenti legali in pochi minuti, Ciò è stato fatto nel giro di pochi giorni prima che una persona lavorasse, e l'uso dell'intelligenza artificiale ha contribuito a migliorare l'accuratezza del tuo lavoro.
Poiché la piattaforma AI sta diventando sempre più efficiente e commercializzata, anche i modelli di addebito per gli studi legali di terze parti che erano soliti addebitare tariffe orarie.
I programmatori non sono immuni a molti dei primi progetti di intelligenza artificiale focalizzati su test del software basati su intelligenza artificiale, debug e sviluppo di base del front-end: DiffBlue, che ha sede nel Regno Unito, ha ricevuto un grande botto finanziario l'anno scorso e gli affari dell'azienda sono Usa la tecnologia AI per correggere bug negli sforzi quotidiani di codifica, scrivere codice lato client, tradurre codice scritto in un linguaggio di programmazione in un altro.
L'industria della salute e dell'istruzione è considerata l'industria che ha il minimo impatto dall'intelligenza artificiale perché entrambe le industrie hanno un gran numero di compiti dinamici e i professionisti di entrambi i settori richiedono spesso un'intelligenza emotiva più elevata, tuttavia l'intelligenza artificiale è ancora nel mezzo di questi due La penetrazione nel settore, l'istruzione, ad esempio, le start-up stanno lavorando per fornire servizi di supporto all'intelligenza artificiale, come la marcatura, l'insegnamento delle lingue, la composizione e così via.
Sette, migrazione di intelligenza artificiale fino alla fine
L'industria dell'intelligenza artificiale ha mostrato una chiara tendenza a migrare verso i terminali nel 2017. Ad esempio, l'intelligenza artificiale è integrata in dispositivi e sensori più piccoli e gira ai margini della rete informatica. Lasciare il cloud, o addirittura lasciare il telefono, a sua volta, esiste nell'auricolare.
L'intelligenza artificiale è sempre più dispersa.
L'intelligenza dei dispositivi, come l'intelligenza su smartphone, auto e persino dispositivi wireless, consente l'elaborazione delle informazioni più veloce, localizzata e basata sulle scene perché non è necessario comunicare con il cloud o il server.
Ad esempio, veicoli autonomi devono fare risposta in tempo reale alle condizioni della strada, il suo processo decisionale è molto time-sensitive, ritardo del segnale sarebbe in pericolo la vita di un altro esempio, assistente intelligenza artificiale formazione privata nel dispositivo locale, tali assistenti sarà in grado di identificare il vostro unico accento e il caratteristiche facciali degli individui.
2017, a causa di giganti tecnologici investito molto, terminale intelligente ha fatto un salto di qualità.
Apple ha rilasciato il chip A11 con il motore neurale, che verrà utilizzato su iPhone 8 e iPhone X. Apple ha detto che il chip può eseguire attività di machine learning a velocità fino a 600B al secondo e guida le attività di machine learning come FaceID Ecc. Durante l'uso della funzione FaceID, il telefono cellulare non ha bisogno di caricare e archiviare i dati dell'utente nel cloud emettendo luce invisibile sul volto dell'utente.
Intel, il principale produttore di processori per la maggior parte dei data center, ha dovuto recuperare la tendenza dell'intelligenza del terminale attraverso acquisizioni e Intel ha recentemente introdotto il chip di visione del dispositivo Myriad X, un chip originariamente acquisito da Intel nel 2016 Il chip sviluppato per l'azienda di Movidius.
Intel ha detto che Myriad X è in grado di eseguire attività di deep learning su una varietà di dispositivi finali che vanno dagli smartphone ai monitor per bambini ai droni.
Google ha proposto un concetto simile al suo apprendimento federato, tranne per il fatto che alcune delle sue attività di apprendimento automatico vengono eseguite sui dispositivi finali e sono attualmente testate sulla tastiera Google Gboard.
Sebbene l'intelligenza artificiale terminale indebolisca il problema del ritardo delle informazioni, l'intelligenza terminale presenta limitazioni nello spazio di archiviazione e nella potenza computazionale rispetto al cloud.
Inoltre, emergeranno più modelli ibridi di deep learning per consentire una migliore collaborazione tra diversi endpoint e tra endpoint e cloud.
Otto, l'ascesa della rete delle capsule
L'apprendimento approfondito è il fattore trainante alla base della maggior parte delle attuali applicazioni AI e, grazie alla rete di capsule, l'apprendimento approfondito è ora rivisto.
Diverse reti neurali avere una struttura diversa della struttura di rete delle più famose aree di apprendimento profonde convoluzionale rete neurale di oggi (CNN) Ora, una nuova architettura di rete - rete Capsule - pop-up, e per molti versi ha un fermo Abilità Super CNN.
Anche se la CNN negli ultimi anni ha raggiunto il successo, ancora non possiamo ignorare le carenze della sua esistenza, in molti casi, la CNN scarso rendimento e le possibili violazioni della sicurezza. Tutti insieme, i ricercatori stanno cercando di migliorare gli algoritmi di intelligenza artificiale per cercare di superare questi problemi .
Prendiamo uno degli esempi più comuni: in riconoscimento facciale, la CNN impara tutti gli elementi del volto umano (occhi, naso e bocca), ma non riesce a ricordare la posizione specifica di ciascun elemento, risultando nei due seguenti La figura può essere considerata un volto umano.
Geoffrey Hinton, uno dei principali ricercatori nel deep learning, ha pubblicato un documento di ricerca nel 2017 che ha introdotto il concetto di una rete di capsule, o CapsNet.
Questo saggio è ancora in fase di valutazione e manca di test sufficienti nella scena attuale, ma le sue potenti capacità hanno suscitato molto scalpore nei media e nei circoli scientifici e tecnologici.
Dato che non entreremo nei dettagli qui, in breve, la rete delle capsule riconosce cose dalle caratteristiche più dimensionali, richiede meno dati di allenamento ed è meno soggetta a errori, come nell'esempio sopra, con la bocca lunga sopra le sopracciglia La faccia sarà facilmente identificata, ma la CNN non ha modo di farlo.
Un altro problema con la CNN è che non può gestire molte variazioni dei dati di input: ad esempio, è necessario scattare molte foto da diversi angoli dello stesso oggetto come dati di input per addestrare una rete neurale di convoluzione per riconoscere l'oggetto Identificare un'ampia varietà di oggetti richiede un'enorme quantità di dati di allenamento.
A questo punto, si dice che la rete delle capsule funzioni meglio della CNN: la rete delle capsule richiede meno dati di allenamento e può dedurre stati aggiuntivi da diversi stati di un oggetto senza la necessità di entrare in ogni stato dati.
Hinton ha anche menzionato nel suo articolo che la rete delle capsule ha subito alcuni complessi test di attacco conflittuale (con alcuni algoritmi inaccettabili di fotoritocco) e ha concluso che le prestazioni superano le reti neurali convoluzionali.
Con un po 'di semplice gestione, gli hacker possono ingannare la rete neurale convoluzionale ei ricercatori di Google e OpenAI lo hanno dimostrato con esempi.
Uno degli esempi più famosi è il fatto che in un saggio del 2015, i ricercatori hanno trattato uno sguardo invisibile di una foto di un panda gigante e l'hanno identificato come gibbone con un indice di confidenza del 99,3%.
Nove stipendi a sei cifre della guerra dei talenti dell'intelligenza artificiale
In breve, il numero di ricercatori di alto livello nel settore può raggiungere milioni di persone.
La Cina sta reclutando esperti nel campo dell'intelligenza artificiale.
Alcuni dei migliori ricercatori sull'apprendimento automatico elencati in BMW Cina guadagnano tra $ 56,7 e $ 624,000 e altre aziende offrono $ 31,5 a $ 410,000 agli specialisti dell'apprendimento automatico. Le offerte di lavoro si basano su piattaforme di reclutamento in Cina Noleggio sito web
Secondo un recente rapporto Tencent, ci sono circa 300.000 persone attualmente nel campo dell'intelligenza artificiale, compresi gli studenti in campi di studio correlati, mentre le aziende potrebbero aver bisogno di un milione o più di persone Esperti intelligenti per soddisfare le loro esigenze ingegneristiche.
Negli Stati Uniti, alla ricerca di Intelligenza Artificiale su Glassdoor, la comunità sul posto di lavoro, vengono mostrati oltre 32.000 posti di lavoro, molti dei quali guadagnano sei cifre.
Le grandi aziende per scavare i migliori talenti di intelligenza artificiale, daranno naturalmente lo stipendio più competitivo.
2014 è stata acquisita da Google DeepMind nella sua relazione finanziaria, "spese per il personale e le altre spese correlate" dello scorso anno di 104,8 milioni di £. Il numero dei dipendenti su LinkedIn rapidamente per individuare 415 persone. Supponendo che questa è la squadra 2016 Scala, dopo aver detratto altre spese, lo stipendio medio di un membro della squadra è di £ 252.000 (circa $ 350.000).
Inoltre, i ricercatori di intelligenza artificiale delle principali società tecnologiche hanno anche lasciato e iniziato a creare le proprie aziende.
Andrew Ng dopo aver lasciato Baidu ha istituito un fondo di intelligenza artificiale, e la raccolta di fondi a $ 175 milioni. Groq artificiale avvio chip di intelligenza CTO una volta, e più tardi a lavorare nel reparto di Google X a ricerca di ingegneria hardware Google e TPU sviluppo.
Yu Kai, chief technology officer e co-fondatore di Horizon Robot, una start-up domestica, ha anche lavorato per Baidu come capo del Deep Learning Research Institute di Baidu, guidando il team di riconoscimento delle immagini.
Indubbiamente, la battaglia per il talento diventerà più intensa mentre le persone di talento continuano a fluire verso le start-up.
Dieci, le speculazioni sull'apprendimento automatico diminuiranno
L'apprendimento automatico presto "uscirà dall'altare". Più di 1.100 nuove imprese di intelligenza artificiale emergenti dal 2016 necessitano di un solido modello di business per rimanere in vita.
Prima i dati grandi, poi il cloud, è l'apprendimento automatico e il boom tecnologico arriva a ondate.
Nel 2017, la popolarità dell'apprendimento automatico ha inaugurato il picco.
Quest'anno, gli incubatori hanno generato più di 300 start-up della IA, triplicando il numero del 2016. In quell'anno, gli investitori hanno investito oltre 1,52 miliardi di dollari in startup di intelligenza artificiale in vari campi, raccogliendo fondi nel 2016 141%.
Dal momento che oltre 1.100 aziende emergenti di IA hanno completato il loro primo round di finanziamento dal 2016, in questa prospettiva, è più della metà di tutte le start-up di IA che storicamente avevano finanziamenti azionari. Più della metà delle start-up storiche di IA hanno completato il finanziamento.
Tuttavia, questa ondata di speculazioni si è presto placata.
La normalizzazione dell'apprendimento automatico renderà gli investitori pignoli sulle società di AI che finanzia.
Come Frank Chen, un noto venture capitalist, a16z ha dichiarato: "Non ci saranno investitori alla ricerca di una startup AI in pochi anni". Le startup utilizzano gli algoritmi di intelligenza artificiale necessari per alimentare i loro prodotti come "ipotetici".
In effetti, lo abbiamo visto in molti settori.
L'apprendimento automatico è inseparabile da IIoT: abbiamo bisogno dell'intelligenza artificiale per comprendere l'enorme quantità di dati raccolti in macchine e sensori e elaborarli in tempo reale, quasi tutte le aziende di cybersecurity utilizzano in qualche misura tecniche di apprendimento automatico. Inoltre, le grandi aziende tecnologiche forniscono alle organizzazioni una soluzione di apprendimento automatico.
Top investitori stanno valutare attentamente l'uso di tecnologia di intelligenza artificiale start-up. Per esempio, la biopsia liquida poco prima che la società freenome ottenere intenzioni di investimento A16Z, ha ricevuto cinque campioni di sangue non marcate, ed espandere l'analisi con algoritmi di intelligenza artificiale.
Undici, Amazon, Google, Microsoft domina l'IA aziendale
Entro cinque anni, l'investitore cumulativo investito $ 180 milioni in azienda focalizzata sulla IA servizi start-up, e ora, Amazon, Google, Microsoft potrebbe fare una piccola azienda gradualmente eliminato.
Mentre sempre più aziende si dedicano all'integrazione dell'apprendimento automatico nei loro prodotti, le start-up stanno anche iniziando a offrire ML-as-a-service.
Attualmente, grandi aziende tecnologiche come Google, Amazon, Microsoft e Salesforce stanno lottando per migliorare i loro prodotti IA aziendali e per lo spazio di aziende e fondi più piccoli.
Google ha introdotto Cloud AutoML, che consente agli utenti di addestrare i propri algoritmi con i propri dati per soddisfare esigenze specifiche.
Amazon lancia il servizio AI-as-a-service con uno slogan dell'Amazon AI sotto il banner AWS L'obiettivo di Amazon AI è quello di offrire agli sviluppatori grandi o piccoli che hanno bisogno di intelligenza artificiale senza dover pagare in anticipo o essere coinvolti Ancora più problemi Amazon lancia un'API simile al prodotto che consente agli sviluppatori di accedere ad Amazon Lex (funzionalità NLP di Amazon), Amazon Polly (funzionalità di sintesi vocale di Amazon) e Amazon Rekognition (funzionalità di analisi delle immagini di Amazon)
Nel quarto trimestre del 2017, Amazon ha esteso la propria copertura per includere il riconoscimento video, la trascrizione dell'audio e l'analisi dei sentimenti, lasciando un'impronta profonda sull'evoluzione di AWS, con ricavi di soli $ 5 miliardi nel quarto trimestre, in crescita del 44% .
Inoltre, Microsoft e Amazon sono anche una concorrenza agguerrita, seguita da Salesforces e Oracle e altre società.
Dodici, la diagnosi di intelligenza artificiale ha ricevuto l'approvazione delle agenzie di regolamentazione
L'apprendimento automatico diventerà presto un'operazione di routine nel campo dell'imaging medico e della diagnostica.
I regolatori degli Stati Uniti stanno considerando di approvare l'intelligenza artificiale per uso clinico.
Il valore dell'intelligenza artificiale nella diagnosi si riflette principalmente nella diagnosi precoce della malattia e migliora l'accuratezza dell'area.
Gli algoritmi di apprendimento automatico possono confrontare le immagini mediche di milioni di altri pazienti con sfumature trascurabili per l'occhio umano e l'algoritmo può farlo in pochi secondi, ma gli umani possono impiegare ore .
Ci sono anche una manciata di strumenti di monitoraggio dell'intelligenza artificiale per i consumatori, come SkinVision, che utilizza la visione artificiale per rilevare le sospette malattie della pelle e una nuova ondata di applicazioni mediche di intelligenza artificiale negli ospedali e nelle cliniche.
Recentemente, la società biofarmaceutica globale AstraZeneca ha annunciato la sua collaborazione con Ali Health di Alibaba per lo sviluppo di applicazioni diagnostiche e di screening basate sull'intelligenza artificiale in Cina.
Prima di questo, General Electric e NVIDIA hanno cercato di portare la tecnologia di deep learning in ambito medico e Google DeepMind ha anche provato a utilizzare la tecnologia di intelligenza artificiale per rilevare le malattie degli occhi.
L'ingresso di colossi come DeepMind, IBM, General Electric Corp. e Alibaba di Google hanno reso più difficile per le start-up la divisione del mercato, ma ciò non ha impedito alle start-up di correre dei rischi.
L'assistenza sanitaria è ancora una delle aree più calde del capitale di rischio per le intelligenze artificiali e la continua crescita di molte aziende che si occupano di imaging e diagnostica medica ha contribuito a questo risultato.
Arterys, il produttore di startup di imaging medicale, ha ricevuto la prima approvazione della FDA e ha approvato la sua piattaforma di cloud computing per analizzare le immagini del cuore dopo una serie di test sull'accuratezza e la velocità diagnostica. Applicazione in oncologia.
Un'altra startup israeliana chiamata MedyMatch utilizza tecniche di apprendimento approfondite per analizzare l'emorragia intracranica a seguito di scansioni TC, a cui è stata recentemente concessa una qualificazione del dispositivo rivoluzionaria per accelerare il loro time to market.
Tra le aree più controverse per le industrie ad alto rischio, come quella sanitaria, ci sono quelle che si assumono la responsabilità di una diagnosi errata dei sistemi di intelligenza artificiale, che ora stanno aiutando radiologi e medici e non saranno i migliori giudici della diagnostica .
Tredici, l'intelligenza artificiale al fai-da-te
Lascia che il tuo assistente vocale suoni come un film o un dramma televisivo o crea la tua fotocamera AI.
Non è necessario avere un dottorato in informatica o matematica e puoi costruire il tuo sistema di intelligenza artificiale.
Al momento, un gran numero di software open source, massicce API e SDK sul mercato e kit Amazon o Google che sono facili da avviare riducono drasticamente le barriere che impediscono alle persone di entrare nel campo dell'intelligenza artificiale.
Google ha introdotto il piano AIY (intelligenza artificiale autonomamente), progettato per consentire agli utenti di tutte le età di realizzare i propri prodotti di intelligenza artificiale.
L'AIY Voice Kit, il primo prodotto nato nel progetto AIY, è un kit di riconoscimento vocale che incorpora il Raspberry Pi. Per aiutare gli assistenti vocali, come i personaggi del dramma fantascientifico della BBC "Doctor Who", usa gli anni '80 Comunicazione e interazione di assistente intelligente. (Nel gioco, si definiscono "Dr." Signore dei signori con il suo travestito da macchina del tempo del padiglione britannico degli anni '50 Tadis e il suo partner nel tempo e nello spazio per esplorare tranquillamente, punire il male Salvare la civiltà, aiutare la debolezza.) Non è difficile da trovare, gli utenti si basano sulla tecnologia dell'intelligenza artificiale per creare più nuove invenzioni.
Inoltre, Google ha anche introdotto AIY Vision Kit, che supporta il modello di rete neurale, è possibile utilizzare algoritmi per identificare gatti e cani, ma anche per abbinare espressioni facciali e stati d'animo.
Amazon ha anche introdotto DeepLense, una fotocamera per l'apprendimento profondo di $ 249 che Amazon ha fornito per $ 7.500 per il vincitore della prima maratona hacker DeepLense.