동시에 모든 국가의 정부는 인공 지능을보다 큰 경제 효과를 달성하고 경제적 힘이 될 수있는 수단으로 간주하는 첨단 인공 지능 연구를 시작하려고 경쟁하고 있습니다.
우리는 노동 시장의 급격한 변화의 초기 단계에 있으며 기계 학습에 대한 추측은 사라질 것입니다. 기계 학습이 간단한 달력에서부터 검색 엔진, 판매에 이르기까지 소프트웨어 산업의 모든 주요 영역에 사실상 침투했기 때문입니다 관리 소프트웨어는 기계 학습의 그림자를 볼 수 있습니다.
인공 지능은 이제 세계 챔피언을 물리 칠 수 있습니다. 휴머노이드는 완벽한 백 플립 및 토지를 성공적으로 완성합니다. 그러나 인공 지능 알고리즘은 이미지 이해와 같이 사람이 쉽게 할 수있는 몇 가지 기본적인 작업에는 완벽하지 않습니다 장면에서, 또는 대화의 내용을 확인하십시오.
동시에, 일반적인 인공 지능 또는 감독되지 않은 빠른 학습 새로운 작업의 인공 지능에 대한 약속은 아직 알려지지 않았습니다. Vicarious, System 및 Kindred를 포함한 소수의 회사가 여전히 일반적인 인공 지능에 투자하고 있지만, 그러나 세부 사항이나 실제적인 증거는 거의 없습니다.
오늘날의 AI 응용 프로그램은 매우 좁은 범위의 작업에만 초점을 맞추지 만 상업, 시장 및 산업을 재구성하는 것은 인공 지능 중심의 협소 한 작업입니다.
CB Insights는 전 세계적으로 수천 명의 인공 지능 기업의 현상 유지 및 개발 궤적을 파악할 수 있도록 인공 지능 분야의 선두 주자가되기 위해 2018 년에 등장 할 13 가지 인공 지능 추세를 예측하는 AI 보고서를 발표했습니다 영감을 가져라.
첫째, 새로운 블루 칼라 작업의 출현 - 로봇 보모
미국에서는 산업용 로봇 및 제조 분야의 고용 기회가 증가하고 있습니다.
제조 작업은 값싼 개발 도상국에 자주 아웃소싱되는 노동으로 비난 받아 왔고, 경우에 따라 산업용 로봇의 비용을 줄이기 위해 제조 현장을 제품의 요구에 더 가깝게 만드는 비판적 사례가있었습니다.
최근, T 셔츠 및 의류 회사 천원 아칸소 미국 정부의 중국 제조 업체가 양해 각서 (MOU)를 체결, 천원 회사는 시간당 $ 14 가격에, 아칸소에서 새로운 의류 공장을 설정할 수는 약 400 직원을 고용하고있다.을 작업은 2017 년 말까지 계획했다.
천원 회사는 아칸소 공장 신설, 리틀 록에 바느질 로봇 소프트웨어 조지아 인공 지능 스타트 업 회사의 자동화를 사용,이 로봇은 소프트웨어 자동화 아디다스 의류 생산 및 개발이다. 많은 사람들이 매우 무거운 작업 로봇을 완료됩니다 봐 하이 엔드 작업을 포함하여 인간의 작업자가 로봇 등의 유지 보수 및 운영을 인계하는 동안. 이는 제조업 일자리의 수와 자연이 2008 년 다를 수 있다는 것을 의미한다.
노동 통계국 (Bureau of Labor Statistics)은 자동화의 영향으로 제조 업계의 여러 직무를 정의하고 분석하며, 국은 품질 관리 검사원, 조립 자 및 건축업자와 같은 직책의 전망에 대해 낙관하지 않습니다.
2012 년 미국 국방부와 SoftWear Automation의 Advanced Planning and Research Agency와의 계약은 "궁극적 인 목표는 의류 생산이 직접 인위적인 제로가되는 완벽한 생산 시설을 달성하는 것입니다"라고 분명히했습니다.
그러나 소비자의 변화하는 선호도와 극적인 프로세스 변화에 적응할 수없는 능력은 완전히 자동화 된 장애물입니다.
이는 고도로 자동화 된 Amazon웨어 하우스 에서조차 분명합니다.
Amazon의 협업웨어 하우스 로봇은 가장 무거운 작업을 수행하는 반면, 인적 작업자는 선반에서 물건을 집어 따로 따로 따로 주문하는 것과 같은 세심한 작업에 집중합니다.
그러나 로봇은 구조화되지 않은 환경에서 물건을 따기, 집기 및 다룰 때 여전히 만족스럽지 않습니다 .Amazon은 다양한 창고에서 10 만 개 이상의 로봇을 사용했지만 동시에 새로운 물류 센터에서 사람을위한 숫자를 만들었습니다 수천 개의 새로운 일자리.
둘째, 인공 지능을 모든 삶의 방식에 적용
인공 지능의 발전 추세는 불가피합니다. 맥주 양조에서부터 대마초 산업에 이르기까지 기계 학습은 전능 해 보입니다.
인공 지능은 어디에서나 볼 수 있습니다. 특히 기계 학습은 어디에서나 볼 수 있습니다. 기계 학습은 대규모 데이터 세트의 알고리즘을 학습하여 기계가 필요한 패턴을 인식하고 생성하는 방법을 배우도록합니다. 올바른 매개 변수는 인간 제작자가 제공하며 작업 수행 능력이 뛰어납니다.
소프트웨어를 교육하고 원하는 출력을 염두에두고있는 데이터가있는 한이 기술은 기본적으로 모든 것에 적용 할 수 있습니다.
그러므로, 당신은 볼 것이다 :
영국 회사 IntelligentX는 세계 최초의 인공 지능 맥주 양조를 시작하려고합니다.
러시아의 딥 피쉬 (DeepFish)는 신경망을 이용해 어종을 식별하고 레이더 기술을 인공 지능과 결합하여 레이다 영상에서 물고기와 소음을 구별합니다.
스웨덴의 Hoofstep은 벤처 캐피탈을 위해 기금을 모으고 깊은 학습을 기반으로 한 말 행동 분석을 실현했습니다.
당신은 글루텐이없는 지지자가? 채식주의 자인가? 아니면 콩에 알레르기가? 뉴욕 산문 맞춤형 헤어 케어 제품에 인공 지능을 사용하고 싶습니다. 전신 벤처, Lerer 히포 벤처 및 기타 잘 알려진 바람 Maveron에서 회사를 회사는 757 만 달러의 기금을 모금했습니다.
또한, 인공 지능 기술은 마리화나를 사용한다. DeepGreen는 컴퓨터가 칸 나비 노이드 식물의 시각적 차별과 성 건강입니다. 인공 지능 개인화 된 추천과 비교 Weedguide 마리화나, 자금 $ 1,700,000 제기 사용합니다.
그리고,이 있는지 여부의 차이는 장기적으로 보는 한 일이 취미에서 수익의 아이디어를 실현하기. 2018, 우리는 박스 "X 용 AI"이러한 추세에서 더 많은 것을 볼 것으로 예상 참신 점점 널리 퍼진 생각은 드문 예는 인공 지능 기술. 오히려, 그것은 현대적인 소프트웨어 및 응용 프로그램의 초석 중 하나라고 보여 아니다.
셋째, 중국과 미국은 인공 지능 분야의 글로벌 리더 업체 경쟁
중국 AIEC는 세계 시장에서 9 %의 점유율을 차지하고 있지만 2017 년에는 세계 IPO 펀드의 거의 50 %가 미국을 넘어 중국으로 처음으로 중국에갔습니다.
중국은 이미 인공 지능의 일부 분야에서 중국을 미국이 이미 격파 한 인공 지능의 잘 설계된 비전을 적극적으로 실행하고있다.
중국 정부는 똑똑한 농업, 스마트 물류, 군용 애플리케이션, 인공 지능에서부터 일자리 창출에 이르기까지 모든 것을 망라하는 미래 AI 계획을 추진하고있다.
이 자원 중 일부는 건강 관리에서부터 미디어에 이르기까지 다양한 산업 분야에서 인공 지능을 개발하는 혁신적인 중국 신생 기업에 사용될 예정입니다.
사실, 중국은 세계의 인공 지능 스타트 업 회사 매출의 9 %를 차지했다. 그러나 2017 년, 처음으로 중국에 유입이 48 %를 차지하고 총 투자 자본을 조달 인공 지능 신생 기업의 세계는 달러 주에서 미국을 넘어 섰다. 알다시피, 2016 중국에서 글로벌 펀드의 11.3 %만이
AI 창업 기업의 자산 점유율 측면에서 미국은 여전히 전 세계적으로 지배적 지위를 유지하고 있지만 글로벌 거래 비중은 감소하고 있습니다.
또한, 중국 기업의 특허 출원은 연구 개발 능력을 반영합니다.
특허 출원에서, 미국의 추세에 따라 잡고 중국 기업이. 제목과 검색 키워드의 요약을 바탕으로, 인공 지능에 관련된 중국어 특허 공보는 지금까지 미국 특허청에 의해 공개 특허의 수를 초과합니다.
깊은 학습을 예로 들자면, 중국은 미국보다 6 배 많은 특허를 출판하고 있습니다 (참고 : 특허 출원이 발표되기 전에 특허 출원 절차는 오래 걸립니다).
얼굴 인식 및 인공 지능 칩은 중국에서 인공 지능의 발전을 촉진시키는 두 가지 기술이며, 이전에는 미국에서 제작 된 칩에 직접적인 도전이되는 전국적으로 감시를 구현하려는 정부의 계획을 수용했습니다.
중국의 유니콘 회사 인 Face ++, Shangtang Technology 및 과학 기술 분야의 창업 클라우드가이 분야의 세 가지 주요 업체입니다 (후자는 광저우시 정부 자금 301 백만 달러를 지원했습니다).
중국의 거의 50 개 도시가 2017 년에 "Shining Project"에 가입했습니다. 공공 장소 및 사설 구역에 설치된 감시 카메라는 중앙 관리로 다양한 상황뿐만 아니라 인원을 모니터링하기도하며 언론 보도에 따르면 중국 시민들의 "신용"을 고려하는 사회 신용 시스템.
Kuang은 중국 보험 회사 (Sunshine Insurance Group), 정부 기관 (러시아 - 중국 투자 그룹) 및 대기업 (Foxconn, Ant Financial)의 지원을 받아 13 억 명의 중국인의 얼굴 데이터를 받았습니다.
앤트류 복장을 통해 운영되는 알리바바와 두 투자자 인 Foxconn은 2014 년 항저우와 파트너쉽을 맺어 인공 지능을 이용해 감시 카메라 및 소셜 미디어의 데이터를 분석하는 'City of the Brain'프로젝트를 시작했습니다.
얼굴 인식 기술에 독립적 인 지불을 사용 Alibaba 소유의 소매 상점에서 앤티 골드 의류.
미국과 중국도 인공 지능 칩 기술의 우위를 놓고 경쟁하고있다.
2017 년 6 월에 중국 정부는 2020 년까지 인공 지능이 미국을 따라 잡고 2030 년까지 인공 지능 분야의 세계 리더로서 미국을 능가 할 것이라고 말했다. 정부가 지원하는 프로젝트는 운영 및 에너지 효율이 훨씬 뒤처진 세계를 창조하는 것을 목표로한다 Ultra-Nvidia GPU20 칩을 출시했습니다. 중국 회사 인 Cambrian은 향후 3 년 이내에 10 억 개의 프로세싱 유닛을 갖춘 칩을 개발하겠다고 약속했으며, 심층 학습 전용 칩을 개발 중입니다.
바이두 (Baidu)와 징동 (Jingdong)과 같은 중국의 기술 대기업들도 미국을 비롯한 해외의 인공 지능 기업에 투자하고있다.
최근 Baidu와 Jingdong은 미국의 금융 기술 회사 인 Zest Finance에 투자했으며 Tencent는 Biotech 및 Pony.ai와 같은 신생 기업으로 중국과 미국에서 비즈니스를 시작하는 뉴욕 기반 인공 지능 회사 인 Oben에 투자하여 양국 간의 격차를 더욱 좁혔습니다 경쟁 격차.
중국 기업들이 미국에서 적극적으로 협력이나 투자를 찾고 있지만, 미국의 AI는 중국의 AI보다 중국의 투자가 많으며 중국의 AI는 상대적으로 적습니다.
넷째, 인공 지능 방어의 미래에 의지한다.
인공 지능 네트워크 보안 시장은 해커에 대한 주도권을 잡으려는 정부 고객 명단이있는 신생 기업들과 함께 더욱 뜨거워지고 있습니다.
데이터 센터는 새로운 전장이되었습니다.
2014 년 Amazon은 CIA의 고객 클라우드 컴퓨팅 서비스를 구축하여 중요한 데이터에 대한 엄격한 준수 및 규정 요구 사항을 충족 시켰습니다.
2017 년 4 분기에 AWS는 인텔리전스 서비스 외부의 정부 고객에게 이러한 도구를 제공합니다.
아마존은 클라우드에 민감한 데이터를 보호하기 위해 두 개의 AI 네트워크 보안 업체 인 Harvest.ai와 Sqrrl도 인수했습니다.
Amazon이나 기타 신생 기업이 정부 고객을 의도적으로 충족시키는 지에 관계없이 인공 지능은 정부 지원 사이버 보안의 중추로 부상하고 있습니다.
냉전 기간 동안 정부는 경쟁자들과의 '미사일 격차'와 핵탄두의 장점에 대해 논의하고 있었으며 오늘날에는 정부가 네트워크 능력의 차이에 대해 점차 우려하고있어 사이버 보안과 전통적인 국방이 지속되고있다 융합.
데이터 위배의 위험은 미국 신용 평가 기관 인 Equifax의 수백만 가지 사회 보장 규정이 WannaCry ransomware 및 미국 대통령 선거에 개입 한 것과 같은 사건에 이르기까지 매우 두드러졌습니다.
2017 년 인텔 캐피탈과 무디스 및 다른 회사가 투자 한 뉴욕에 본사를 둔 SecurityScorecard를 분석 한 결과, 미국 정부 기관이 사이버 보안에서 가장 낮은 점수를 받았으며 총 552 개 지방, 주 및 연방 기관, 각각 100 명 이상의 공개 IP 주소가 있습니다. "
네트워크 보안은 사이버 공격이 지속적으로 발전하고 보호가 전례가없는 다양한 종류의 멀웨어에 직면하기 때문에 인공 지능 알고리즘에 대한 실제 응용 프로그램 기회를 제공합니다. 인공 지능은 수백만 가지 이벤트 상영은 비정상적이고 위험하며 잠재적으로 위협적인 신호를 확인합니다.
현재, 시장은 새로운 수준의 사이버 보안 회사를 가지고 있으며, 기계 학습을 다음 단계로 밀어 내려고 노력하고 있습니다.
가능한 자금 조달에서 $ 3.65 억 지난 5 년 동안, 134 신생 기업 총. 작년 금융을 얻기 위해 처음으로 약 34 기업. 현재 시장은 각 회사에 의해 점령 등 Cybereason, CrowdStrike, Cylance 및 Tanium, 같은 큰 회사입니다 시가 총액은 9 억 달러 이상입니다.
액센추어 기존의 컨설팅 회사가 지속적으로 더 나은 연방 정부 고객에게 서비스를 제공하기 위해 인공 지능 네트워크 보안 기술을 개발하고 심지어 같은. 미 공군은 액센추어, 거래에 자사의 정부 서비스 사업을 판매 할 예정 스타트 업 회사의 최종회로 고객을 보유하고 광범위한 관심을 불러 일으켰습니다.
2016, 정보 기관 투자 팔에서-Q-전화 Anomali, Interset 및 Cylance. Darktrace을 투자 한 영국 회사는 또한 미국 공군과 함께 콜로라도 LogRhythm을에있는 정부 기관을 포함하여, 그 시스템은 3000 년 전 세계적으로 배포되는 주장 , NASA 및 방위 계약자 Raytheon.
다른 최고 방위 계약자도 끊임없이 투자하고 있습니다.
록히드 마틴은 초기 투자 Cybereason (US $ 9 억 현재의 시장 가치)이었다. 2017, 보잉은 투자 팔 SparkCognition 호라이즌 X를 통해 터키, 텍사스, 인터넷 보안 회사, 투자
잘 있었 니, 알렉사?
아마존 에코 (Amazon Echo)와 구글 홈 (Google Home)은 스마트 홈 스피커 시장을 장악하고 있지만, 거대 기업은 비 영어권 시장에 열광한다.
Alexa는 연설에서 혁명을 열었습니다.
음성 인식 컴퓨팅은 2018CES에 큰 도움이되었으며 Amazon Alexa 또는 Google Home에 연결하지 않은 IoT 장치는 사실상 존재하지 않았습니다.
삼성은 자체 음성 보조 장치 인 빅스 비 (Bixby)를 개발 중이며 2020 년까지 모든 회사의 제품을 Bixby가 네트워크화하고 지능적으로 구동 할 수 있기를 희망하고있다. LG는 2017 년까지 WiFi를 통해 모든 애플리케이션을 연결할 수 있었다. 현재 80 세 이상 Google 홈의 도킹을 달성하기위한 LG 제품
Amazon은 처음에는 음성 컴퓨팅의 선두 주자 였지만 언어 지원의 한 걸음을 차지했습니다.
지난 분기에 아마존은 약 80 개국에서 알렉사 파워 스피커를 선적한다고 발표했으나, 전세계 사용자들이 영어, 독일어 또는 일본어로 연사와 상호 작용하기를 원한다는 단점이있다.
Google Home은 영어, 독일어, 프랑스어 및 일본어를 지원합니다. Apple의 HomePod는 현재 영어 만 지원하지만 곧 독일어와 프랑스어를 지원할 예정입니다.
이 점에서 Google은 Amazon.A보다 큰 이점을 가지고 있습니다. Android 폰의 Google 전화 도우미는 영어, 프랑스어, 독일어, 이탈리아어, 한국어, 스페인어 및 포르투갈어를 지원합니다. 음성 인식 기능 - 음성 텍스트 변환 및 음성 검색은 119 개 언어를 지원할 수 있습니다.
현재 스페인의 스마트 홈 시장은 기술적 인 거인들로부터 충분히 주목을받지 못했지만 중국어 이후 가장 널리 사용되는 언어 중 하나입니다.
중국에서 알리바바는 2017 년 6 월 발사 된 이래 중국의 음성 전문 대장 Tmall Genie가 100 만 대 이상을 판매했다고 밝혔다.
2018 년에는 음성 도우미가 시장 지배력을 위해 비영어권 음성 시장에서 경쟁을 계속할 것입니다.
6 명의 사무직 근로자가 자동화 가속화 과정에있다.
이러한 사람들에 인공 지능의 영향으로 위대하고 블루 칼라의 영향을 가지고 변호사, 컨설턴트, 재무 분석가, 기자, 무역 인력을 포함하여 여기에 화이트 칼라 노동자.
인공 지능을 증가시키는 인공 지능과 보강 소프트웨어가 증가하면서 인공 지능을 이용한 제조 또는 인공 지능 최적화 된 생산의 새로운 시대가 열렸으며 인공 지능을 활용 한 생산 최적화 도구가 사무직의 책상을 위협하고 있습니다.
아래 차트는 AI EAAS 신생 기업이 모든 삶의 터전에 있다는 것을 알 수있는 EAAS 시장을 보여줍니다. 특히 변호사, 언론인, 건강 관리자 , 상인 또는 컨설팅 업계 종사자, 거기에 해당하는 AI EAAS 소프트웨어를 사용할 수 있습니다.
예를 들어, 합법적 인 작업에서 AI는 시간을 절약하고 효율성을 높일 수있는 큰 잠재력을 가지고 있으며, 자연 언어 처리 및 텍스트 분석 기술은 수천 페이지의 법률 문서를 수분 내에 요약 할 수 있습니다. 이것은 한 사람이 일하기 전에 며칠 만에 완료되었으며, 인공 지능을 사용하면 작업의 정확성을 향상시키는 데 도움이되었습니다.
인공 지능 플랫폼이 점점 더 효율적이고 상용화되면서 시간당 요금을 청구하는 제 3 자 법률 회사의 청구 패턴에도 영향을 미칠 것입니다.
프로그래머는 초기 프로젝트의 많은는 인공 지능 AI 기반의 소프트웨어 테스트, 디버그 및 프런트 엔드 개발에 초점을 맞추고있다 기반 작업을 살아남을 수 없다. DiffBlue을 영국에서 지난 해 도매 자금이었다, 회사의 사업은 AI 기술은 다른 언어와 다른 작업에 프로그래밍 언어로 작성된 코드를 번역하는 클라이언트 측 코드를 작성, 일상적인 코딩 버그 수정에 사용됩니다.
보건 및 교육 부문이 두 산업이 역동적 인 작업의 큰 숫자를 포함하기 때문에, 최소한의 인공 지능 산업의 영향에 의해 영향을받을 것으로 간주, 두 업계 종사자들은 일반적으로 더 높은 감성 지능을 필요로하지만, 인공 지능은 여전히 두 가지입니다 교육 업계의 침투는, 예를 들어, 신생 등등, 표시 언어 교육, 구성을 표시하고 부수적 인 서비스를 제공하기 위해 인공 지능에 노력하고 있습니다.
일곱 번째, 인공 지능의 마지막으로의 이동
AI (인공 지능) 산업은 2017 년에 단말기로 이동하는 분명한 경향을 보여주었습니다. 예를 들어, AI는 소형 장치 및 센서에 내장되어 컴퓨팅 네트워크의 가장자리에서 실행됩니다. 즉, AI 클라우드를 벗어나거나 전화를 떠나 헤드셋에 존재하게하십시오.
인공 지능이 점점 분산되고 있습니다.
스마트 폰, 차량 및 무선 장치에 대한 인텔리전스와 같은 장치 인텔리전스는 클라우드 또는 서버와 통신 할 필요가 없기 때문에보다 빠르고 현지화 된 장면 기반 정보 처리를 가능하게합니다.
예를 들어, 자율적 인 차량은 도로 상황에 실시간으로 응답을해야 그 의사 결정 과정은 매우 시간에 민감한이며, 신호 지연은 또 다른 예를의 생명을 위태롭게, 로컬 장치에서 인공 지능 비서 개인 훈련은 이러한 조수 고유 식별 할 수있을 것입니다 악센트 및 개인 얼굴 특징.
2017 인해 막대한 투자 기술 거인 지능형 단말기는 질적 도약했다.
애플은 A11 칩을 아이폰 8과 아이폰 X에서 사용할 신경 엔진으로 발표했다. 애플은이 칩이 초당 600B의 속도로 기계 학습 작업을 수행 할 수 있으며 FaceID와 같은 기계 학습 작업을 수행 할 수 있다고 말했다. FaceID 기능을 사용하는 동안 휴대 전화는 눈에 보이지 않는 빛을 사용자의 얼굴에 방출하여 사용자 데이터를 클라우드에 업로드하고 저장할 필요가 없습니다.
대부분의 데이터 센터의 주류 프로세서 제조업체 인 인텔은 인수를 통해 단말기 인텔리전스의 추세를 따라 잡아야했으며 인텔은 최근 2016 년 인텔이 인수 한 장치 측 비주얼 컴퓨팅 칩 인 Myriad X를 선보였다. 이 칩은 Movidius의 회사를 위해 개발되었습니다.
인텔은 Myriad X가 스마트 폰에서 어린이 모니터, 무인 비행기에 이르기까지 다양한 엔드 디바이스에서 실행되는 심층적 인 학습 작업이 가능하다고 말했다.
Google은 페더레이션 학습과 유사한 개념을 제안했습니다. 단, 일부 기계 학습 작업은 최종 장치에서 실행되며 현재 Google 키보드 Gboard에서 테스트 중입니다.
단말기 인공 지능은 정보 지연 문제를 약화 시키지만 단말기 지능은 클라우드에 비해 저장 공간과 계산력에 한계가 있습니다.
또한 여러 종단점 간, 그리고 종단점과 클라우드 간보다 효율적인 협업이 가능하도록 더 많은 하이브리드 딥 학습 모델이 등장 할 것입니다.
여덟, 캡슐 네트워크의 상승
깊은 학습은 대부분의 현재 인공 지능 애플리케이션의 핵심 요소이며, 캡슐 네트워크 덕분에 이제는 심층적 인 학습이 개선되었습니다.
서로 다른 신경망은 서로 다른 구조를 가지고 있습니다. 오늘날의 심층 학습에서 가장 유명한 네트워크 구조는 CNN (Convolutional Neural Network)입니다. 이제 새로운 네트워크 구조 인 캡슐 네트워크가 대중화되고 많은 측면을 갖게되었습니다 슈퍼 CNN 능력.
최근 CNN의 성공에도 불구하고 우리는 여전히 단점을 무시할 수 없으며 많은 경우 CNN이 실적이 저조하고 잠재적 인 보안 침해가있을 수 있습니다. 연구원은 오랫동안 이러한 문제를 극복하기 위해 인공 지능 알고리즘을 업그레이드하기 위해 노력해 왔습니다 .
얼굴 인식에서 CNN은 인간의 얼굴 (눈, 코, 입)의 모든 요소에 대해 학습하지만 각 요소의 특정 위치를 기억할 수 없으므로 다음 두 가지가 발생합니다. 그림은 인간의 얼굴로 간주 될 수 있습니다.
깊은 학습의 주요 연구원 중 한 명인 Geoffrey Hinton은 2017 년 캡슐 네트워크 또는 CapsNet의 개념을 도입 한 연구 논문을 발표했습니다.
이 에세이는 아직 평가 단계에 있으며 실제 환경에서는 충분한 테스트가 부족하지만 강력한 기능으로 인해 미디어 및 과학 기술 분야에서 상당한 혼란이 발생했습니다.
간단히 말해 여기서 캡슐 네트워크는 더 자세히 다루지 않겠지 만 캡슐 네트워크는 위의 예에서와 같이 입체가 눈썹보다 길어서 고차원적인 기능을 인식하고, 학습 데이터가 적으며 오류율이 낮습니다 얼굴은 쉽게 확인 될 수 있지만 CNN은 그렇게 할 방법이 없습니다.
CNN의 또 다른 문제점은 입력 데이터의 다양한 변형을 처리 할 수 없다는 것입니다. 예를 들어, 입력 데이터와 동일한 객체의 서로 다른 각도에서 많은 사진을 가져와 객체를 인식 할 수있는 회선 신경망을 훈련해야합니다 다양한 개체를 식별하려면 엄청난 양의 교육 데이터가 필요합니다.
이 시점에서 캡슐 네트워크는 CNN보다 성능이 좋다고합니다. 캡슐 네트워크는 필요한 교육 데이터가 적고 모든 상태를 입력 할 필요없이 개체의 여러 상태에서 추가 상태를 추론 할 수 있습니다 데이터.
Hinton은 또한 그의 논문에서 캡슐 네트워크가 몇 가지 복잡한 대결 공격 테스트 (받아 들일 수없는 사진 속임 알고리즘)를 거쳤으며 성능이 길쌈 신경 네트워크를 초과한다고 결론지었습니다.
간단한 핸들링으로 해커는 길쌈 신경 네트워크를 속일 수 있습니다. Google 및 OpenAI의 연구원은이를 사례를 통해 입증했습니다.
수 2015 종이에서 가장 유명한 예는, 연구자들은이 시스템이 긴팔 원숭이로 인식두고, 및 99.3 %의 신뢰 수준, 인간의 눈에 팬더 사진 처리가 보이지 않는 실시했다.
인공 지능 재능 전쟁의 9 개 월급
공급 부족으로 현장에서 일류 연구원이 수백만 명에 달할 수 있습니다.
중국은 인공 지능 분야의 전문가를 모집하고있다.
일부 고급 기계 학습 연구자의 급여 BMW 중국은 약 56.7 $ 62만4천에 상장, 회사는 또한 다양한 기계 학습 전문가 포스트는 $ 4.1 백만 31.5를 제공합니다.이 위치에게 일자리를 사냥 중국의 모집 플랫폼에서 대여 웹 사이트.
최근 Tencent의 보고서에 따르면, 관련 분야의 학생을 포함하여 인공 지능 분야에 현재 약 30 만 명의 사람들이 거주하고있는 반면 회사는 1 백만 명 이상의 인력이 필요하다고합니다 지능형 전문가가 엔지니어링 요구를 충족시킵니다.
미국에서는 작업장 공동체 인 글래드 도어 (Glassdoor)에서 인공 지능을 찾고 있으며 32,000 가지 이상의 일자리를 보여주고 있으며 그 중 많은 사람들이 여섯 가지의 인물을 얻고 있습니다.
대기업은 최고의 인공 지능 인재를 발굴하기 위해 자연스럽게 가장 경쟁력있는 급여를 제공합니다.
2014 년 재무 보고서에서 구글 DeepMind 인수 한이 가정 LinkedIn에있는 직원의 수는 빠르게 4백15명 검색 지난해 "직원 비용 및 기타 관련 비용"£ 104,800,000.의가. 2016 년 팀이다 규모, 다른 비용을 공제 후, 팀원의 평균 급여는 £ 252,000 (약 $ 350,000)입니다.
또한 주요 기술 회사의 인공 지능 연구원들은 자신의 회사를 떠났고 설립하기 시작했습니다.
앤드류 응이 떠난 후 바이두는 $ (175) 만 인공 지능의 자금 및 기금 모금을 설정합니다. Groq 인공 지능 칩 시작 CTO 한 번, 이후 구글 하드웨어 엔지니어링 연구 개발 TPU에서 Google X 부서에서 근무.
국내 창업 회사 인 호라이즌 로봇 (Hawizon Robot)의 CTO 겸 공동 창업자 인 유 카이 (Yu Kai)는 바이두 (Baidu)의 딥 러빙 연구소 (Deep Learning Research Institute) 책임자로 일하면서 이미지 인식 팀을 이끌었다.
의심 할 여지없이 재능있는 사람들이 신생 기업으로 지속적으로 이동함에 따라 재능을위한 전투가 더욱 치열해질 것입니다.
10 가지, 기계 학습에 대한 추측은 가라 앉을 것입니다.
기계 학습은 곧 "제단에서 나올 것"입니다. 2016 년 이후 등장한 1,100 명 이상의 새로운 인공 지능 신생 업체는 살아 남기 위해 견고한 비즈니스 모델이 필요합니다.
빅 데이터가 먼저, 그리고 클라우드가 이제 기계 학습이고, 테크 붐이 파도를 타고옵니다.
2017 년에는 기계 학습의 인기가 절정에 달했습니다.
올해 인큐베이터는 300 명의 AI 창업 기업을 창립했으며 2016 년에는 3 배가 증가했습니다. 그 해 투자자들은 다양한 분야의 인공 지능 신생 기업에 15 억 2 천만 달러를 투자하여 2016 년에 자금을 모았습니다 141 %.
2016 년 이후 1,100 개 이상의 신생 AI 회사가 첫 번째 자금 조달을 완료 했으므로이 관점에서는 역사적으로 주식 자금 조달을받은 모든 AI 창업 기업의 절반 이상이 이러한 관점에서 역사적인 AI 창업 기업의 절반 이상이 자금 조달을 완료했습니다.
그러나이 추측의 물결은 곧 잠잠 해졌다.
기계 학습의 정상화는 투자자들이 자금을 제공하는 AI 회사에 대해 까다롭게 만듭니다.
잘 알려진 벤처 자본가 인 프랭크 첸 (Frank Chen)은 "몇 년 안에 인공 지능 신생 기업을 찾는 투자자는 없을 것"이라고 말했다. 신생 기업은 자사의 제품에 "가상의"힘을 불어 넣기 위해 필요한 인공 지능 알고리즘을 사용한다.
실제로 우리는 많은 산업 분야에서 이것을 보았습니다.
기계 학습은 IIoT와 불가분의 관계에 있으며, 기계 및 센서에서 수집 된 대량의 데이터를 이해하고 실시간으로 처리하기 위해서는 인공 지능이 필요합니다. 거의 모든 사이버 보안 회사에서 기계 학습 기술을 어느 정도 사용하고 있습니다. 또한 대형 기술 회사는 조직에 기계 학습 솔루션을 제공합니다.
최고 투자자들은 인공 지능 기술을 사용하여 신생 기업을 신중히 평가합니다. 예를 들어 액체 생검 진단 회사 인 freenome은 a16z 투자 의도를 얻기 전에 5 개의 혈액 샘플을 채취하고 인공 지능 알고리즘을 사용하여 분석을 시작했습니다.
Eleven, Amazon, Google, Microsoft, Enterprise AI를 지배하다
투자자들은 5 년 안에 엔터프라이즈 AI 서비스에 중점을 둔 신생 기업에 1 억 8 천만 달러를 투자했으며, 이제 Amazon, Google 및 Microsoft는 중소기업을면 할 수 있습니다.
신생 기업들이 제품 학습에 기계 학습을 통합하는 데 점점 더 집중하고 있으므로 신생 기업도 서비스로서의 ML을 제공하기 시작했습니다.
현재, 구글, 아마존, 마이크로 소프트, 세일즈 포스와 다른 대형 기술 기업의 공간이 부족 작은 회사 자금을 수 있도록 인공 지능 제품의 비즈니스를 개선하기 위해 노력하고 있습니다.
구글은 클라우드 AutoML는, 사용자가 알고리즘을 훈련하고 특정 요구에 맞게 자신의 데이터를 사용할 수 있습니다 시작했다.
아마존 AWS 아마존 AI 슬로건의 기치 아래 재생, AI로서의 서비스를 판매하기 시작했다. 아마존 AI의 목표는 더 많거나 선급 비용의 참여없이, 인공 지능 기술의 크고 작은 개발을 필요로하는 사람들을위한 서비스를 제공하는 것입니다 많은 문제. 아마존은 유사한 제품의 API를 출시 아마존 렉스 (아마존의 NLP 기능)에 액세스하는 개발자 수, 아마존 폴리 (아마존 음성 합성) 아마존 Rekognition (아마존 영상 분석 기능)
2017 년 4 분기, 아마존 비디오 인식, 음성 녹음 및 감정 분석을 포함하여 사업 영역을 확대했다. AWS 앞으로 물론 깊은 발자국을 왼쪽 만 4 분기 매출은 $ 5.0 억, 44 % 증가했다 .
또한 Microsoft와 Amazon도 치열한 경쟁을 벌이고 Salesforces와 Oracle 및 기타 회사가 뒤를 따릅니다.
인공 지능 진단 12 건이 규제 당국의 승인을 얻었습니다.
기계 학습은 곧 의료 이미징 및 진단 분야의 일상적인 작업이 될 것입니다.
미국 규제 당국은 임상 사용을 위해 인공 지능을 승인하는 것을 고려하고 있습니다.
진단에서 인공 지능의 가치는 주로 질병의 조기 발견에 반영되고 그 지역의 정확성을 향상시킵니다.
기계 학습 알고리즘은 수백만 명의 다른 환자의 의료 이미지를 사람의 눈에 거의 무시할 수없는 수준으로 비교할 수 있으며 알고리즘을 사용하면 몇 초 안에 처리 할 수 있지만 시간이 많이 걸릴 수 있습니다 .
또한 컴퓨터 비전을 사용하여 의심스러운 피부 질환을 감지하는 SkinVision과 병원 및 클리닉에 인공 지능 의료 응용 프로그램의 새로운 물결을 제공하는 등 수 많은 AI 모니터링 도구가 소비자에게 제공됩니다.
최근 글로벌 생물 약제 회사 인 AstraZeneca는 Alibaba의 Ali Health와 협력하여 중국에서 인공 지능 진단 진단 및 스크리닝 응용 프로그램을 개발한다고 발표했습니다.
이에 앞서 General Electric과 NVIDIA는 의료 분야에 깊은 학습 기술을 도입하려고 노력했으며 Google DeepMind는 인공 지능 기술을 사용하여 안구 질환을 탐지하려고했습니다.
구글의 딥 마인드 (DeepMind), IBM, 제너럴 일렉트릭 (General Electric), 알리바바 (Alibaba)와 같은 대기업의 진입은 신생 기업이 시장의 케이크를 나누는 것을 더욱 어렵게 만들었지 만 신생 기업이 위험을 감수하는 것을 막지는 못했다.
건강 관리는 여전히 인공 지능 벤처 캐피탈의 가장 인기있는 분야 중 하나이며, 의료 이미징 및 진단에 중점을 둔 많은 회사의 지속적인 성장이이 결과에 기여했습니다.
. 현재 Arterys는 AI에 FDA의 승인 의료 이미징 신생 Arterys이 심장 이미지의 분석을 위해 승인 진단 테스트의 정확성과 회사의 클라우드 컴퓨팅 플랫폼의 속도의 일련의 후 소문에 의하면 최초의 FDA를 원 적용됩니다 종양학 분야의 응용 분야.
MedyMatch라는 이스라엘의 스타트 업 회사는 결과가 두개 내 출혈 깊은 학습 기술의 사용을 감지하는 분석 다른 CT 스캔입니다. 최근 FDA함으로써 시장 과정에 제품을 가속화 획기적인 장치 자격을 제공합니다.
의료와 같은 고위험 산업 분야에서 가장 논쟁의 여지가 많은 분야 중 하나는 현재 방사선과 의사 및 의사를 돕고있는 인공 지능 시스템의 오진에 책임이 있으며 진단의 최종 판정자가되지 않을 것입니다 .
DIY에 열세 인 인공 지능
음성 도우미가 영화 및 TV 드라마처럼 들리거나 자신 만의 인공 지능 카메라를 만들 수 있습니다.
컴퓨터 과학이나 수학에서 박사 학위를 취득 할 필요가 없으며 자신의 AI 시스템을 구축 할 수 있습니다.
현재 시장에 출시 된 수많은 오픈 소스 소프트웨어, 방대한 API 및 SDK와 시작하기 쉬운 Amazon 또는 Google 키트는 인공 지능 분야에 진입하는 사람들의 장벽을 크게 줄입니다.
Google은 모든 연령의 사용자가 자신의 인공 지능 제품을 DIY 할 수 있도록 설계된 AIY (인공 지능 자신) 계획을 도입했습니다.
AIY 프로젝트에서 태어난 최초의 제품인 AIY Voice Kit는 BBC 공상 과학 소설 "Doctor Who"의 등장 인물처럼 음성 조력자를 돕기 위해 80 년대 의사 소통과 지능형 조수 상호 작용 (놀이에서 1950 년대 영국 파빌리온 타임 머신 Tadis와 시간과 공간에서 여유롭게 탐험하고 악을 처벌 할 수있는 그의 파트너로 위장한 자신의 "Dr."Lord라고 부름 문명을 저장하고 약점을 해결하십시오.) 찾기 어렵지 않게 사용자는 인공 지능 기술을 기반으로 새로운 발명품을 만듭니다.
또한 Google은 신경 네트워크 모델을 지원하는 AIY Vision Kit를 도입하여 알고리즘을 사용하여 고양이와 개를 식별 할 수있을뿐만 아니라 표정과 분위기를 일치시킬 수 있습니다.
아마존은 또한 DeepLense, 최초의 DeepLense 해커 마라톤의 우승자에게 7,500 달러를 제공 한 249 달러짜리 학습 카메라를 소개했다.