Ao mesmo tempo, os governos de todos os países também estão correndo para lançar pesquisas avançadas de inteligência artificial, que vê a inteligência artificial como um meio para alcançar um maior impacto econômico e se tornar um poder econômico.
Estamos nos estágios iniciais de uma mudança drástica no mercado de trabalho e as especulações sobre aprendizado de máquinas podem começar a desaparecer - porque a aprendizagem por máquinas infiltrou-se de fato em todas as principais áreas do setor de software, desde calendários simples até motores de busca para vendas O software de gerenciamento pode ver a sombra do aprendizado da máquina.
A inteligência artificial agora é capaz de vencer o campeonato mundial. O humanoide também pode completar um backflip perfeito e uma aterragem com sucesso. No entanto, os algoritmos de inteligência artificial estão longe de ser perfeitos em algumas tarefas básicas que são fáceis para humanos, como a compreensão de imagens Na cena, ou identificar o contexto do diálogo.
Ao mesmo tempo, a promessa de inteligência artificial genérica - ou a inteligência artificial de novas tarefas de aprendizagem rápida sem supervisão - permanece desconhecida. Embora um punhado de empresas, incluindo Vicarious, System e Kindred, ainda estejam investindo em inteligência genérica artificial, Mas quase não há detalhes ou evidências reais.
As aplicações da AI de hoje se concentram apenas em uma gama muito limitada de tarefas, mas são essas tarefas de inteligência artificial, de mentalidade estreita, que remodelam o comércio, os mercados e as indústrias.
Para ajudar as pessoas a compreender o status quo e as trajetórias de desenvolvimento de milhares de empresas de AI em todo o mundo, a CB Insights lançou recentemente seu relatório AI, que prevê 13 tipos de tendências de inteligência artificial que surgirão em 2018, com o objetivo de se tornar um líder no campo da inteligência artificial Traga inspiração.
Primeiro, o surgimento de um novo trabalho de colarinho azul - nanny robô
Nos Estados Unidos, as oportunidades de emprego em robôs industriais e fabricação estão em alta.
Os trabalhos de fabricação foram criticados por seus trabalhos muitas vezes terceirizados para países em desenvolvimento baratos e, em alguns casos, para tornar os locais de fabricação mais próximos das necessidades do produto, a fim de reduzir o custo dos robôs industriais.
Recentemente, a fabricante chinesa de camisetas Tianyuan Garment Company assinou um Memorando de Entendimento (MoU) com o governo dos Estados Unidos da Arkansas para criar uma nova fábrica de roupas no Arkansas para contratar cerca de 400 trabalhadores com um salário por hora de US $ 14. Plano de ação a ser realizado até o final de 2017.
A nova fábrica de Tianyuan em Little Rock, no Arkansas, usará um robô de costura da SoftWare Automation, uma start-up baseada em Geórgia para inteligência artificial, desenvolvida pela SoftWare Automation para a produção de vestuário pela Adidas. Muitos trabalhos aparentemente extenuantes serão feitos pelo robô Enquanto os trabalhadores humanos assumem tarefas de alto nível que incluem manutenção e operações de robôs, o que significa que o número e a natureza dos trabalhos de fabricação serão muito diferentes de 2008.
O Bureau of Labor Statistics define e analisa os diferentes empregos na indústria de transformação, por exemplo, devido ao impacto da automação, a Mesa não está otimista quanto às perspectivas de cargos como inspetores de controle de qualidade, montadores e construtores.
Em 2012, o contrato entre Advanced Planning and Research Agency do Departamento de Defesa dos Estados Unidos e SoftWear Automation deixou claro que "o objetivo final é conseguir uma instalação de produção completa onde a produção de vestuário é diretamente feita pelo homem zero".
Mas as preferências em mudança dos consumidores e a incapacidade de se adaptar às mudanças dramáticas do processo ainda são obstáculos completamente automatizados.
Isso é evidente mesmo no armazém altamente automatizado da Amazon.
Os robôs de armazém colaborativos da Amazon assumem o trabalho mais pesado, enquanto os trabalhadores humanos se concentram em trabalho meticuloso, como escolher produtos das prateleiras e inseri-los em ordens separadas.
No entanto, os robôs ainda estão longe de serem satisfatórios em termos de picking, picking e manipulação de itens em um ambiente não estruturado. A Amazônia usou mais de 100.000 robôs em uma variedade de armazéns, mas ao mesmo tempo criou um número para humanos em novos centros de distribuição Milhares de novos empregos.
Em segundo lugar, a aplicação da inteligência artificial em todos os setores da vida
A tendência do desenvolvimento da inteligência artificial é irresistível. Desde a fabricação de cerveja na indústria de cannabis, a aprendizagem por máquinas parece omnipotente.
A Inteligência Artificial é em todos os lugares, e especificamente falando, o aprendizado da máquina é em toda parte. A aprendizagem da máquina refere-se a algoritmos de treinamento em conjuntos de dados em larga escala para permitir que as máquinas aprendam a reconhecer e gerar os padrões que eles precisam. À medida que o tempo passa, os algoritmos - Os parâmetros certos são fornecidos por criadores humanos - eles funcionam melhor em suas tarefas.
Enquanto houver dados que possam treinar o software e ter o resultado desejado em mente, esta técnica pode ser aplicada basicamente a tudo.
Portanto, você verá:
A empresa britânica IntelligentX quer lançar a primeira cervejaria de inteligência artificial do mundo.
O DeepFish da Rússia usa redes neurais para identificar espécies de peixes e combina tecnologia de radar com inteligência artificial para distinguir peixes e ruídos em imagens de radar.
Hoofstep na Suécia arrecadou fundos para o capital de risco e realizou uma análise do comportamento do cavalo com base no aprendizado profundo.
Você é vegano, sem glúten ou é alérgico à soja? A Prosa, com sede em Nova York, quer usar inteligência artificial em produtos personalizados de cuidados com o cabelo de ventos bem conhecidos, como Forerunner Ventures, Lerer Hippeau Ventures e Maveron A empresa arrecadou US $ 7,57 milhões em financiamento.
Além disso, a inteligência artificial está sendo usada na tecnologia de cannabis, a DeepGreen usa visão computacional para identificar os órgãos genitais e estado de saúde das plantas de cannabis, e a Weedguide levantou US $ 1,7 milhão em recomendações de financiamento para cannabis personalizado com Inteligência Artificial.
A diferença entre passatempos e idéias geradoras de renda é simplesmente se uma coisa é vista a longo prazo, e esperamos ver mais "AI para X" fora da caixa em 2018. Essa tendência A crescente novidade de popularidade e idéias mostra que a inteligência artificial não é uma raridade e, ao invés, é uma das pedras angulares do software e das aplicações modernas.
Em terceiro lugar, a China e os Estados Unidos competem por líderes globais de inteligência artificial
Embora a China AIEC tenha uma participação de 9% no mercado global, em 2017, quase 50% dos fundos globais de IPO foram para a China pela primeira vez além dos Estados Unidos.
A China está implementando ativamente uma visão bem planejada de inteligência artificial em que a China já derrotou os Estados Unidos em algumas áreas da inteligência artificial.
O governo chinês também está promovendo um futuro plano de AI que abrange tudo, desde agricultura inteligente, logística inteligente até aplicações militares e inteligência artificial para a criação de emprego.
Alguns dos recursos serão utilizados em inovações chinesas inovadoras, desenvolvendo inteligência artificial em várias indústrias, que vão desde a saúde até a mídia.
Na verdade, a China representou apenas 9% do volume de negócios de startups de inteligência artificial global, mas em 2017, o fluxo de financiamento global de inteligência artificial para a China representou 48% do total de fundos de investimento, pela primeira vez mais do que o dólar dos Estados Unidos nos Estados Unidos para saber que, em 2016, a China Apenas 11,3% dos fundos globais.
Em termos de participação dos ativos nas empresas de arranque da AI, os Estados Unidos ainda ocupam a posição dominante globalmente, mas sua participação nas transações globais está em declínio.
Além disso, os pedidos de patente das empresas chinesas também refletem as capacidades de pesquisa e desenvolvimento.
No caso de pedidos de patente, as empresas chinesas superaram em grande parte os EUA. A busca de patentes relacionadas à inteligência artificial na China supera em muito o número de patentes publicadas pelo Escritório de Patentes e Marcas dos Estados Unidos, com base em uma pesquisa por palavra-chave de títulos e resumos.
Tomando uma aprendizagem profunda como exemplo, a China publica 6 vezes mais patentes nesta área do que os Estados Unidos. (Nota: antes do pedido de patente ter sido anunciado, o processo de depósito de patentes demorou muito tempo).
O reconhecimento do rosto e os chips de inteligência artificial também são duas tecnologias que impulsionam o desenvolvimento da inteligência artificial na China, o primeiro atendimento ao plano do governo para implementar a vigilância em todo o país, o que representa um desafio direto para as fichas feitas nos Estados Unidos.
A empresa de unicórnio da China Face ++, a tecnologia Shangtang e a nuvem de inicialização da ciência e da tecnologia são os três principais players nesta área (o último ganhou o financiamento do governo municipal de Guangzhou de 301 milhões de dólares dos EUA).
Cerca de 50 cidades na China se juntaram ao "Projeto Brilhante" em 2017. As câmeras de monitoramento instaladas em áreas públicas e em áreas privadas serão gerenciadas centralmente para monitorar pessoal e várias situações, e os relatórios da mídia disseram que a mudança ajudará a China Sistema de crédito social para considerar o "crédito" dos cidadãos.
Kuang como tecnologia ganhou o apoio das companhias de seguros da China (Sunshine Insurance Group), organizações governamentais (Rússia-China Investment Group) e os gigantes corporativos (Foxconn, Ant Financial), a empresa recebeu dados faciais de 1,3 bilhões de cidadãos chineses.
A Alibaba, que opera através de roupas de formigas, e Foxconn, ambos investidores, se juntaram a Hangzhou em 2016 para lançar o projeto 'Cidade do Cérebro', que usa inteligência artificial para analisar dados em câmeras de vigilância e mídias sociais.
Roupas de ouro de formigas nas lojas de varejo de propriedade de Alibaba, usando o pagamento independente da tecnologia de reconhecimento facial.
Os Estados Unidos e a China também estão lutando pelo domínio da tecnologia de chip de inteligência artificial.
Em junho de 2017, o governo chinês disse que, até 2020, a inteligência artificial alcançará os Estados Unidos e superará os Estados Unidos como líder mundial em inteligência artificial até 2030. Um projeto apoiado pelo governo visa criar um mundo onde as operações e a eficiência energética estão muito atrasadas Ultra-Nvidia GPU20 vezes o chip. A empresa chinesa Cambrian prometeu desenvolver o chip com um bilhão de unidades de processamento nos próximos três anos, a empresa está desenvolvendo um chip dedicado ao aprendizado profundo.
Gigantes tecnológicos chineses, como a Baidu e a Jingdong, também estão investindo em empresas internacionais de AI, incluindo os Estados Unidos.
Recentemente, a Baidu e a Jingdong investiram na Zest Finance, uma empresa de tecnologia financeira dos EUA, e a Tencent investiu na Oben, uma empresa de inteligência artificial baseada em Nova York, que inicia um negócio na China e nos Estados Unidos com startups como a Biotech e Pony.ai para reduzir ainda mais a diferença entre os dois países O fosso de competição.
Embora as empresas chinesas busquem agressivamente a cooperação ou o investimento nos Estados Unidos, os AIs nos Estados Unidos têm mais investimentos chineses em comparação com relativamente pouco IAs na China.
Em quarto lugar, confiar no futuro da inteligência artificial de defesa
O mercado de Segurança da Rede de Inteligência Artificial está ficando mais quente, com algumas start-ups mesmo com uma lista de clientes governamentais que esperam assumir a liderança sobre hackers.
O data center está se tornando um novo campo de batalha.
Em 2014, a Amazon criou um serviço de computação em nuvem de clientes para a CIA para atender aos requisitos rigorosos de conformidade e regulamentares para dados confidenciais.
No quarto trimestre de 2017, a AWS abrirá essas ferramentas para clientes do governo fora do serviço de inteligência.
A Amazon também adquiriu duas empresas de segurança de rede AI, Harvest.ai e Sqrrl, para proteger dados confidenciais da nuvem.
Independentemente do fato de a Amazon ou qualquer outro arranque deliberadamente atender aos clientes do governo, a inteligência artificial está emergindo como a espinha dorsal da segurança cibernética apoiada pelo governo.
Durante a Guerra Fria, o governo estava discutindo a "lacuna dos mísseis" entre concorrentes e os méritos das ogivas nucleares. Hoje em dia, o governo está cada vez mais preocupado com suas diferenças nas capacidades da rede, levando à continuação da segurança cibernética e da defesa nacional tradicional Fusion.
Os perigos das violações de dados são impressionantes: desde a divulgação de milhões de códigos de segurança social na Equifax, uma agência de classificação de crédito dos EUA, a eventos como WannaCry ransomware e a intervenção da Rússia nas eleições presidenciais dos EUA.
Uma análise da SecurityScorecard, uma empresa com sede em Nova York investida pela Intel Capital e pela Moody's e outras empresas em 2017, informou que a organização governamental dos EUA recebeu a menor pontuação em segurança cibernética, com um total de 552 Agências locais, estaduais e federais, cada uma com mais de 100 endereços IP voltados para público ".
A segurança de rede fornece uma oportunidade de aplicação real para algoritmos de inteligência artificial, porque os ataques cibernéticos evoluirão continuamente e a proteção está constantemente enfrentando uma variedade de malware inaudito. A inteligência artificial pode ser amplamente utilizada em milhões de eventos O rastreio identifica sinais anormais, perigosos e potencialmente ameaçadores.
Atualmente, o mercado tem um grande número de empresas emergentes de cibersegurança, estão tentando empurrar o aprendizado de máquina para o próximo nível.
Nos últimos cinco anos, 134 empresas iniciantes arrecadaram US $ 3,65 bilhões em financiamento, e pela primeira vez no ano passado, cerca de 34 empresas foram as primeiras a receber financiamento, com mais empresas no mercado hoje, como Cybereason, CrowdStrike, Cylance e Tanium, cada uma das quais A capitalização de mercado de mais de 900 milhões de dólares.
Mesmo as empresas de consultoria tradicionais, como a Accenture, estão constantemente desenvolvendo tecnologias de segurança cibernética de inteligência artificial para atender melhor os clientes do governo federal Endgame, uma empresa que possui clientes como a Força Aérea dos EUA, vendeu o negócio de serviços governamentais à Accenture, Despertou preocupação generalizada.
In-Q-Tel, o braço de investimento da agência de inteligência, investido em Anomali, Interset e Cylance em 2016. A empresa britânica Darktrace afirma que implantou 3.000 sistemas em todo o mundo, incluindo agências governamentais, e Logrohythm no Colorado também está trabalhando com a Força Aérea dos EUA , A NASA eo contratado de defesa Raytheon.
Outros grandes contratados de defesa também estão investindo constantemente.
Lockheed Martin é um investidor da Cybereason (atualmente US $ 900 milhões) e, em 2017, a Boeing investiu na SparkCognition, uma empresa de segurança cibernética baseada no Texas, através do seu braço de investimento Horizon X.
Como você está, Alexa?
O Amazon Echo e o Google Home dominam o mercado de altifalantes de casas inteligentes, mas os gigantes são menos do que entusiasmados com os mercados não ingleses.
Alexa abriu uma revolução de voz.
A computação habilitada para voz tornou-se uma benção no 2018CES, e os dispositivos IoT que não se ligavam ao Amazon Alexa ou ao Google Home eram praticamente inexistentes.
A Samsung está desenvolvendo seu próprio assistente de voz, a Bixby, e espera ter todos os produtos da empresa em rede e inteligentemente alimentados pela Bixby até 2020. A LG possui todas as suas aplicações conectadas via Wi-Fi em 2017. Atualmente, mais de 80 O produto da LG para conseguir o encaixe do Google Home.
Embora a Amazon tenha inicialmente sido líder em computação vocal, está um passo atrás do suporte de idiomas.
No último trimestre, a Amazon anunciou que enviará altofalantes habilitados para Alexa em cerca de 80 países, mas a desvantagem é que ele quer que usuários em todo o mundo interajam com os falantes em inglês, alemão ou japonês.
O Google Home suporta inglês, alemão, francês e japonês O HomePod da Apple atualmente só oferece suporte ao inglês, mas está planejado para apoiar alemão e francês em breve.
A este respeito, o Google tem uma vantagem maior do que a Amazon. O ajudante de telefone do Google em telefones Android oferece suporte a inglês, francês, alemão, italiano, coreano, espanhol e português. Recursos de reconhecimento de fala - para texto de voz Conversão e pesquisa por voz, pode suportar 119 idiomas.
Atualmente, o mercado espanhol de casas inteligentes não recebeu atenção suficiente por gigantes de tecnologia, embora seja uma das línguas mais utilizadas após a língua chinesa.
Na China, a Alibaba disse que o falante de voz chinês, Tmall Genie, vendeu mais de 1 milhão de unidades desde o seu lançamento em junho de 2017.
Em 2018, os assistentes de voz continuarão a competir no mercado de voz não-ingles para dominância do mercado.
Seis trabalhadores de colarinho branco no processo de automação acelerada
Os trabalhadores de colarinho branco aqui incluem advogados, consultores, analistas financeiros, jornalistas, comerciantes e outros. O impacto da inteligência artificial sobre essas pessoas é tão grande quanto o dos trabalhadores de colarinho azul.
Cada vez mais, um software de aprimoramento e aprimoramento extremamente inovador traz as pessoas para uma nova era de fabricação assistida por inteligência artificial ou produção otimizada para AI, e essas ferramentas compatíveis com AI para otimizar a produção estão ameaçando a mesa do trabalho de colarinho branco.
O gráfico abaixo mostra o mercado da EAAS, onde você pode ver que as empresas emergentes EA EAAS estão em todos os setores da vida e, em particular, advogados, jornalistas, gerentes de saúde , Comerciantes ou profissionais da indústria de consultoria, existe um software AI EA EA correspondente pode ser usado.
Por exemplo, no trabalho legal, a AI tem um grande potencial para economizar tempo e melhorar a eficiência, e técnicas de processamento de linguagem natural e análise de texto podem resumir milhares de páginas de documentos legais em minutos, Isso foi feito em questão de dias antes de levar uma pessoa a trabalhar, e o uso da inteligência artificial ajudou a melhorar a precisão do seu trabalho.
À medida que a plataforma de AI está se tornando cada vez mais eficiente e comercializada, os padrões de cobrança para escritórios de advocacia de terceiros que costumam cobrar taxas horárias também serão afetados.
Os programadores não são imunes a muitos projetos iniciais de AI que se concentram em testes de software baseados em AI, Debug e desenvolvimento básico de front-end. A DiffBlue, com sede no Reino Unido, recebeu um grande golpe nas finanças no ano passado e os negócios da empresa são Use a tecnologia AI para correções de erros na codificação do dia-a-dia, codificação do lado do cliente, o código de tradução escrito em uma linguagem de programação para outra.
A indústria da saúde e da educação é considerada a indústria que tem o menor impacto da AI porque as duas indústrias possuem um grande número de tarefas dinâmicas e os profissionais das duas indústrias exigem frequentemente uma maior inteligência emocional. No entanto, a inteligência artificial ainda está no meio desses dois A penetração da indústria, a educação, por exemplo, as empresas de start-up estão trabalhando para fornecer serviços de suporte de inteligência artificial, como marcação, ensino de idiomas, composição e assim por diante.
Sete, migração de inteligência artificial até o fim
A indústria de inteligência artificial mostrou uma tendência clara para migrar para terminais em 2017. Por exemplo, a AI é incorporada em dispositivos e sensores menores e corre à beira da rede de computação. Em outras palavras, AI Deixe a nuvem, ou até mesmo deixe o telefone, por sua vez, existe no fone de ouvido.
A inteligência artificial está cada vez mais dispersa.
A inteligência de dispositivos, como inteligência em smartphones, carros e até dispositivos sem fio, permite um processamento de informações mais rápido, localizado e baseado em cena porque não há necessidade de se comunicar com a nuvem ou o servidor.
Por exemplo, um automóvel de auto-condução precisa reagir em tempo real às condições da estrada, o processo de tomada de decisão é muito sensível ao tempo e os atrasos nos sinais podem ser fatais ou, no caso de um assistente privado de inteligência artificial treinado em um dispositivo local, esses ajudantes serão capazes de reconhecer o seu único Acento e suas características faciais pessoais.
Em 2017, a inteligência terminal fez um salto qualitativo graças ao forte investimento de gigantes tecnológicos.
A Apple lançou o chip A11 com o motor neural, que será usado no iPhone 8 e no iPhone X. A Apple afirma que o chip pode executar tarefas de aprendizado de máquina a velocidades de até 600B por segundo, gerenciando tarefas de aprendizado de máquinas como o FaceID Etc. Durante o uso do recurso FaceID, o celular não precisa carregar e armazenar qualquer informação do usuário na nuvem, emitido luz invisível no rosto do usuário.
A Intel, a principal fabricante de processadores para a maioria dos data centers, teve que acompanhar a tendência da inteligência terminal através de aquisições e a Intel lançou recentemente o chip de computação de visão do lado do dispositivo Myriad X, um chip originalmente adquirido pela Intel em 2016 O chip foi desenvolvido para a empresa da Movidius.
A Intel disse que Myriad X é capaz de tarefas de aprendizado profundo em uma variedade de dispositivos finais que vão desde smartphones a monitores infantis para drones.
O Google propôs um conceito semelhante ao seu Aprendizado Federado, exceto que algumas de suas tarefas de aprendizagem em máquina são executadas em dispositivos finais e atualmente estão sendo testadas no teclado do Google.
Embora a inteligência artificial terminal enfraqueça o problema do atraso na informação, a inteligência terminal tem limitações no espaço de armazenamento e poder computacional em comparação com a nuvem.
Além disso, surgirão mais modelos híbridos de aprendizagem profunda para permitir uma melhor colaboração entre os diferentes pontos finais e entre os pontos finais e a nuvem.
Oito, o aumento da rede de cápsulas
O aprendizado profundo é o fator principal das aplicações mais recentes da IA, e graças à rede de cápsulas, o aprendizado profundo agora é revisto.
Diferentes redes neurais possuem estruturas diferentes. A estrutura de rede mais famosa no aprendizado profundo de hoje é a Rede Neural Convolucional (CNN). Agora, uma nova estrutura de rede, a rede de cápsulas, tornou-se popular e tem muitos aspectos Capacidade super CNN.
Apesar do sucesso da CNN nos últimos anos, ainda não podemos ignorar suas falhas e, em muitos casos, a CNN está em baixa performance e existem possíveis violações de segurança. Os pesquisadores há muito tentaram melhorar os algoritmos de inteligência artificial na tentativa de superar esses problemas .
Vamos tomar um dos exemplos mais comuns. No reconhecimento facial, a CNN aprende sobre todos os elementos do rosto humano (olhos, nariz e boca), mas não pode lembrar a localização específica de cada elemento, resultando nos dois seguintes A figura pode ser considerada um rosto humano.
Geoffrey Hinton, um dos principais pesquisadores em aprendizagem profunda, publicou um artigo de pesquisa em 2017 que introduziu o conceito de uma rede de cápsulas ou CapsNet.
Este ensaio ainda está na fase de avaliação e não possui testes suficientes em configurações reais, mas suas poderosas capacidades causaram bastante agitação nos meios de comunicação e nos círculos de ciência e tecnologia.
Como não entraremos em detalhes aqui, em suma, a rede de cápsulas reconhece coisas de recursos de dimensão superior, requer menos dados de treinamento e é menos propensa a erros, como no exemplo acima, com a boca longa acima das sobrancelhas O rosto será facilmente identificado, mas a CNN não tem como fazer isso.
Outro problema com a CNN é que ele não pode lidar com muitas variações dos dados de entrada: por exemplo, você precisa tirar muitas fotos de diferentes ângulos do mesmo objeto como dados de entrada para treinar uma rede neural de convolução para reconhecer o objeto Identificar uma grande variedade de objetos requer uma quantidade enorme de dados de treinamento.
Neste ponto, a rede de cápsulas é dito para funcionar melhor do que a CNN. A rede de cápsulas requer menos dados de treinamento e pode inferir estados adicionais de vários estados de um objeto sem a necessidade de inserir todos os estados no treinamento Dados.
Hinton também mencionou em seu artigo que a rede de cápsulas sofreu alguns testes complexos de ataque de confronto (com alguns algoritmos inacepíveis para tirar fotos) e concluiu que o desempenho excede as redes neurais convolutivas.
Com um simples manuseio, os hackers podem enganar a rede neural convolutiva, e pesquisadores do Google e OpenAI demonstraram isso com exemplos.
Um dos exemplos mais famosos é o fato de que, em um ensaio de 2015, os pesquisadores trataram um vislumbre invisível de uma foto de um panda gigante e identificaram-na como gibão com uma classificação de confiança de 99,3%.
Nove salários de seis dígitos da guerra de talentos de inteligência artificial
Pouco a pouco, o número de pesquisadores de primeira linha no campo pode atingir milhões.
A China está recrutando especialistas no campo da inteligência artificial.
Alguns dos principais pesquisadores de máquinas que estudam na BMW China estão ganhando cerca de US $ 56,7 a US $ 624,000 e outras empresas estão dando US $ 31,5 a US $ 410,000 para especialistas em máquinas. As ofertas de emprego são baseadas em plataformas de recrutamento na China Site de aluguel.
De acordo com um recente relatório da Tencent, há cerca de 300 mil pessoas atualmente no campo da inteligência artificial, incluindo estudantes em áreas de estudo relacionadas, enquanto as empresas podem precisar de um milhão ou mais de pessoas Especialistas inteligentes para atender às suas necessidades de engenharia.
Nos Estados Unidos, a pesquisa de Inteligência Artificial no Glassdoor, a comunidade do local de trabalho, mostra mais de 32 mil empregos, muitos dos quais ganham seis números.
Grandes empresas, para cavar o melhor talento da inteligência artificial, darão naturalmente o salário mais competitivo.
A DeepMind, que foi adquirida pela Google em 2014, disse em seu relatório financeiro que "custos de pessoal e outros custos relacionados" foram 104,8 milhões de libras no ano passado. Uma pesquisa rápida de funcionários do LinkedIn tinha 415 funcionários. Parece que isso é a equipe de 2016 Escala, depois de deduzir outras despesas, o salário médio de um membro da equipe é de £ 252,000 (cerca de US $ 350,000).
Além disso, pesquisadores de inteligência artificial em grandes empresas de tecnologia também deixaram e começaram a criar suas próprias empresas.
Ng criou um fundo de inteligência artificial e arrecadou US $ 175 milhões depois que deixou Baidu, onde o diretor de tecnologia da Groq, uma startup de chip de inteligência artificial, desenvolveu TPU na Google Hardware Engineering e, mais tarde, no Google X.
Yu Kai, diretor de tecnologia e co-fundador da Horizon Robot, uma empresa doméstica de start-up, também trabalhou para Baidu como chefe do Instituto de Pesquisa Profunda de Baidu, liderando a equipe de reconhecimento de imagens.
Indubitavelmente, a batalha pelo talento se tornará mais intensa à medida que as pessoas talentosas continuamente fluem para as empresas em fase de arranque.
Dez, a especulação na aprendizagem de máquinas diminuirá
O aprendizado automático em breve "sai do altar". Mais de 1.100 novas startups de AI que surgiram desde 2016 precisam de um modelo de negócios sólido para se manter vivo.
Os dados grandes primeiro, depois a nuvem, são o aprendizado automático e o boom tecnológico vem em ondas.
Em 2017, a popularidade do aprendizado de máquinas inaugurou o pico.
Este ano, as incubadoras geraram mais de 300 arranjos de AI, triplicaram o número de 2016. Naquele ano, os investidores investiram mais de US $ 1,52 bilhão em startups de inteligência artificial em vários campos, levantando fundos em 2016 141%.
Uma vez que mais de 1.100 empresas emergentes de AI completaram sua primeira rodada de financiamento desde 2016, esta é mais da metade de todas as start-ups de AI que historicamente tinham financiamento de capital. Desta perspectiva, existem Mais de metade das start-ups históricas de IA completaram o financiamento.
No entanto, essa onda de especulação logo caiu.
A normalização da aprendizagem de máquinas tornará os investidores exigentes sobre as empresas AI que financiam.
Como Frank Chen, um conhecido capitalista de risco, a16z disse: "Não haverá nenhum investidor procurando uma inicialização de AI em alguns anos." As operações de arranque utilizam os algoritmos de inteligência artificial necessários para poderem seus produtos como "hipotéticos".
Na verdade, vimos isso em muitas indústrias.
O aprendizado de máquina é inseparável da IIoT. Precisamos de inteligência artificial para entender as enormes quantidades de dados coletados em máquinas e sensores e processá-los em tempo real. Quase todas as empresas de segurança cibernética estão usando técnicas de aprendizado de máquinas em certa medida. Além disso, as empresas de grande tecnologia fornecem às organizações uma solução de aprendizado de máquina.
Os principais investidores estão avaliando cuidadosamente startups usando tecnologia de inteligência artificial, por exemplo, freenome, uma empresa de diagnósticos de biópsia líquida, recebeu cinco amostras de sangue não marcadas antes de obter as intenções de investimento da a16z e iniciou uma análise usando algoritmos de inteligência artificial.
Eleven, Amazon, Google, a Microsoft domina Enterprise AI
Dentro de cinco anos, os investidores investiram 180 milhões de dólares americanos em startups focados em serviços corporativos de AI. Agora, a Amazon, a Google e a Microsoft podem enfrentar pequenas empresas a serem eliminadas.
À medida que mais e mais empresas se dedicam a integrar a aprendizagem de máquinas em seus produtos, as novas empresas também estão começando a oferecer o serviço ML-as-a-service.
Atualmente, empresas de grande tecnologia como o Google, Amazon, Microsoft e Salesforce estão lutando para melhorar seus produtos corporativos de AI e empresas e fundos de pequenas dimensões.
O Google introduziu o AutoML em nuvem, que permite aos usuários treinar seus algoritmos com seus próprios dados para atender às necessidades específicas.
A Amazon está lançando o AI-as-a-service com um slogan da Amazon AI sob o banner da AWS. O objetivo da Amazon AI é atender a desenvolvedores grandes ou pequenos que precisam de inteligência artificial sem ter que fazer pré-pagamento ou se envolver Muito mais problemas, a Amazon lança uma API semelhante a um produto que permite aos desenvolvedores acessar o Amazon Lex (recursos da PNL da Amazon), Amazon Polly (recursos de síntese de fala da Amazon) e o Amazon Rekognition (capacidades de análise de imagem da Amazon)
No quarto trimestre de 2017, a Amazon ampliou seu alcance para incluir reconhecimento de vídeo, transcrição de áudio e análise de sentimentos, e deixou uma pegada profunda na evolução da AWS, com receitas de apenas US $ 5 bilhões no quarto trimestre, um aumento de 44% .
Além disso, a Microsoft e a Amazônia também são uma concorrência feroz, seguida por Salesforces e Oracle e outras empresas.
Doze, o diagnóstico de inteligência artificial recebeu a aprovação de agências reguladoras
A aprendizagem de máquinas em breve se tornará uma operação de rotina no campo da imagem e diagnóstico médicos.
Os reguladores dos EUA estão considerando aprovar a inteligência artificial para uso clínico.
O valor da inteligência artificial no diagnóstico se reflete principalmente na detecção precoce da doença e melhora a precisão da área.
Os algoritmos de aprendizagem de máquinas podem comparar as imagens médicas de milhões de outros pacientes para nuances insignificantes para o olho humano e o algoritmo pode fazê-lo em segundos, mas os humanos podem demorar horas .
Há também um punhado de ferramentas de monitoramento de AI para consumidores, como o SkinVision, que usa visão computacional para detectar doenças suspeitas da pele e uma nova onda de aplicações médicas de inteligência artificial para hospitais e clínicas.
Recentemente, a empresa biofarmacêutica AstraZeneca anunciou sua cooperação com Ali Health da Alibaba para desenvolver aplicações de diagnóstico e triagem assistidos por inteligência artificial na China.
Antes disso, a General Electric e a NVIDIA tentaram trazer tecnologia de aprendizado profundo para o campo médico, e o Google DeepMind também tentou usar tecnologia de inteligência artificial para detectar doenças oculares.
A entrada de gigantes, como o DeepMind da Google, a IBM, a General Electric Corp. e a Alibaba tornaram mais difícil para as empresas em fase de arranque dividir o bolo do mercado, mas isso não impediu as empresas de ter riscos.
A saúde ainda é uma das áreas mais quentes do capital de risco de inteligência artificial, e o crescimento contínuo de muitas empresas que se concentram em imagens médicas e diagnósticos contribuiu para esse resultado.
A Arterys, fabricante de startups de imagens médicas, recebeu a primeira aprovação da FDA e, segundo se informa, aprovou sua plataforma de computação em nuvem para analisar as imagens do coração após uma série de testes de precisão e velocidade de diagnóstico. A Arterys está atualmente aplicando a aprovação pela FDA de AI Aplicação em oncologia.
Outro empreendimento israelense chamado MedyMatch usa técnicas de aprendizado detalhado para analisar a hemorragia intracraniana para analisar tomografias e, recentemente, a FDA recebeu uma qualificação inovadora para acelerar seu tempo de colocação no mercado.
Entre as áreas mais controversas para indústrias de alto risco, como os cuidados de saúde, estão aqueles que assumem a responsabilidade pelo diagnóstico misto de sistemas de inteligência artificial, que atualmente estão auxiliando radiologistas e médicos, e não serão os principais juízes do diagnóstico. .
Treze, inteligência artificial para DIY
Deixe seu assistente de voz parecer um filme e drama de televisão ou criar sua própria câmera de AI.
Você não precisa ter um doutorado em ciência da computação ou matemática e você pode construir seu próprio sistema AI.
Atualmente, um grande número de software aberto, APIs maciças e SDKs no mercado e kits Amazon ou Google que são fáceis de começar reduzem drasticamente as barreiras às pessoas que entram no campo da inteligência artificial.
O Google introduziu o plano AIY (inteligência artificial você mesmo), projetado para permitir aos usuários de todas as idades DIY seus próprios produtos de inteligência artificial.
O AIY Voice Kit, o primeiro produto nascido no projeto AIY, é um kit de reconhecimento de fala que incorpora o Raspberry Pi. Para ajudar os assistentes de voz, como os personagens do drama de ficção científica da BBC "Doctor Who", usam os anos 80 Comunicação e interação de assistente inteligente. (Na peça, chamem-se de "Dr." Senhor dos senhores disfarçados como a máquina do tempo do pavilhão britânico dos anos 50 Tadis e seu parceiro no tempo e no espaço para explorar de forma tranqüila, punir o mal Economize civilização, melhore a ajuda.) Não é difícil de encontrar, os usuários são baseados em tecnologia de inteligência artificial para criar mais novas invenções.
Além disso, o Google também apresentou o AIY Vision Kit, que suporta modelo de rede neural, você pode usar algoritmos para identificar gatos e cães, mas também para combinar as expressões faciais e os estados de espírito.
A Amazon também apresentou o DeepLense, uma câmera de aprendizado profundo de $ 249 que a Amazon forneceu US $ 7.500 para o vencedor da primeira maratona de hackers DeepLense.