در همان زمان، دولت در حال مسابقه برای گسترش پژوهش های پیشرفته هوش مصنوعی، هوش مصنوعی به رسیدن به تاثیر اقتصادی بیشتر تلقی، به عنوان ابزاری برای قدرت اقتصادی.
ما در مراحل اولیه از سرعت در حال تغییر بازار کار اعتیاد به مواد مخدره یادگیری ماشین می ممکن است شروع به فروکش - دلیل این است که یادگیری ماشین در واقع تمام مناطق عمده ای از صنعت نرم افزار نفوذ کرده است، از نرم افزار ساده از برنامه به موتور جستجو به فروش نرم افزار مدیریت می تواند سایه یادگیری ماشین را ببیند.
AI در حال حاضر حتی آماده به ضرب و شتم به قهرمان جهان. ربات انسان نما می توانید را Backflip کامل و فرود موفقیت کامل است. با این وجود، الگوریتم های هوش مصنوعی در تعدادی از وظایف اساسی و ساده برای انسان است به دور از کامل، مانند درک تصویر در صحنه، یا شناسایی زمینه گفتگو.
در همان زمان، چشم انداز هوش مصنوعی جهانی - یا هوش مصنوعی بدون نظارت به سرعت یادگیری وظایف جدید - با وجود هنوز هم ناشناخته حاوی نیابتی، سیستم و قوم و خویشی، از جمله تعداد کمی از شرکت در حال افزایش است توسعه هوش مصنوعی، صندوق های سرمایه گذاری مشترک، اما تقریبا هیچ جزئیات یا شواهد واقعی است.
استفاده از هوش مصنوعی امروز تنها در یک محدوده بسیار باریک از وظایف تمرکز است، اما آن است که این توسط هوش مصنوعی رانده می شود، محدود کردن دامنه وظیفه تغییر شکل کسب و کار، بازار و صنعت.
برای کمک به مردم درک وضعیت هزاران نفر از مسیر توسعه جهانی AI و، به تازگی، گزارش CB بینش در سال 2018 منتشر AI، 13 نوع از هوش مصنوعی وجود خواهد داشت تمایل به گسترش پیش بینی، با توجه به ذینفعان در زمینه هوش مصنوعی الهام بخش است.
نخست، ظهور کار یقه آبی جدید - پرستار بچه ربات
در ایالات متحده، روبات های صنعتی و مشاغل تولیدی در حال افزایش است.
همانطور که اغلب برون سپاری مشاغل تولیدی به نیروی کار ارزان در کشورهای در حال توسعه و انتقاد قرار داد. به منظور کاهش هزینه های روبات های صنعتی، گاهی اوقات نیاز به ایجاد پایگاه تولید به نیازهای محل کالا نزدیک تر است.
به تازگی، تولید کننده چینی از تی شرت و لباس شرکت TIANYUAN شرکت آرکانزاس ایالات متحده آمریکا دولت تفاهم نامه (تفاهم نامه) امضا، شرکت TIANYUAN شرکت راه اندازی یک کارخانه تولید پوشاک جدید در آرکانزاس، در قیمت 14 $ ساعتی استخدام حدود 400 نفر از کارگران شده است. اقدام برنامه ریزی شده تا پایان سال 2017.
TIANYUAN شرکت خواهد دوخت ربات نرم افزار گرجستان هوش مصنوعی راه اندازی شرکت اتوماسیون در Little Rock استفاده کنید، گیاه آرکانزاس تازه تاسیس، این ربات نرم افزار اتوماسیون آدیداس تولید و توسعه لباس است. بسیاری از نگاه کار بسیار سنگین خواهد شد ربات تکمیل در حالی که کارگران بشر از جمله کار بالا پایان است به بیش از تعمیر و نگهداری و بهره برداری از ربات و مانند آن است. این بدان معنی است که تعداد و ماهیت مشاغل تولیدی در سال 2008 متفاوت خواهد بود.
دفتر آمار کار، شغل های مختلف در صنعت تولید را تعریف و تجزیه و تحلیل می کند، به عنوان مثال، به دلیل تاثیر اتوماسیون، اداره در مورد چشم انداز بازرسان کنترل کیفیت، سازندگان و سازندگان خوشبین نیست.
در سال 2012، قرارداد بین برنامه ریزی پیشرفته و آژانس تحقیقاتی وزارت دفاع ایالات متحده و اتوماسیون نرم افزاری روشن شد که "هدف نهایی دستیابی به یک تأسیسات کامل تولیدی است که تولید پوشاک به طور مستقیم صفر است."
اما تنظیمات تغییر مصرف کنندگان و عدم توانایی انطباق با تغییرات فرایند دراماتیک هنوز موانع کاملا اتوماتیک است.
این حتی در انبار بسیار آمازون اتوماتیک مشهود است.
انبار مشترک خرس ربات آمازون بیشتر از کار سنگین، کارگران انسانی بر اساس کار دقیق متمرکز شده است، مانند انتخاب از کالاها و سپس به یک دستور جداگانه از قفسه ها قرار داده است.
با این حال، ربات در یک بدون ساختار خزیدن محیط زیست، انتخاب و پردازش جنبه های مقاله هنوز هم به دور از رضایت بخش. آمازون شده است برای بیش از 100،000 روبات ها در انبارهای مختلف استفاده می شود، بلکه به ایجاد تعدادی از انسان ها در مرکز توزیع جدید یک هزار شغل دلار جدید است.
دوم، استفاده از هوش مصنوعی نفوذ تمام جنبه های زندگی
روند مقاومت ناپذیر از توسعه هوش مصنوعی، از ماری جوانا به صنعت چای آبجو، یادگیری ماشین به نظر می رسد به انجام هر کاری.
هوش مصنوعی در همه جا است و به طور خاص، یادگیری ماشین در همه جا است. یادگیری ماشین به الگوریتم های آموزش در مجموعه های داده های بزرگ می پردازد تا ماشین ها بتوانند یاد بگیرند که چگونه الگوهای مورد نیاز خود را شناسایی و تولید کنند. زمانیکه الگوریتم- پارامترهای مناسب توسط سازندگان انسان تهیه می شوند - آنها در انجام وظایفشان بهتر عمل می کنند.
تا زمانی که داده هایی وجود دارد که می توانند نرم افزار را آموزش دهند و خروجی مورد نظر را در ذهن داشته باشند، این روش می تواند اساسا به همه چیز اعمال شود.
بنابراین، خواهید دید:
شرکت IntelligentX بریتانیا قصد دارد نخستین دستگاه هوشمند هوش مصنوعی در دنیا را تولید کند.
DeepFish روسیه از شبکه های عصبی برای شناسایی گونه های ماهی استفاده می کند و تکنولوژی رادار با هوش مصنوعی را برای تشخیص ماهیت و نویز در تصاویر رادار ترکیب می کند.
Hoofstep در سوئد منابع مالی را برای سرمایه گذاری به ارمغان آورد و تجزیه و تحلیل رفتار اسب را بر اساس یادگیری عمیق متوجه شد.
آیا شما گیاه خوار؟ طرفداران فاقد گلوتن یا شما را به سویا آلرژی دارند؟ نیویورک نثر خواهید به استفاده از هوش مصنوعی در محصولات مراقبت از مو سفارشی. این شرکت از پیشرو مشارکت، Lerer Hippeau Ventures و دیگر باد شناخته شده Maveron این شرکت 7.57 میلیون دلار سرمایه گذاری کرده است.
علاوه بر این، تکنولوژی هوش مصنوعی نیز ماری جوانا استفاده می شود. DeepGreen استفاده از یک کامپیوتر یک تبعیض بصری و بهداشت جنسی از کانابینوئیدهای گیاهان است. ماری جوانا Weedguide، در مقایسه با توصیه شخصی هوش مصنوعی 1.7 میلیون $ در بودجه مطرح شده است.
و پس از آن تحقق بخشیدن به ایده از درآمد حاصل از سرگرمی، تمایز بین این که آیا این فقط یک چیز به در بلند مدت نگاه است. در سال 2018، انتظار داریم که بیشتر در خارج از جعبه "AI برای X." این روند و ایده به طور فزاینده شایع اخبار است یک نمونه نادر نیست نشان می دهد که تکنولوژی هوش مصنوعی، بلکه یکی از پایه از نرم افزار مدرن و برنامه های کاربردی است.
سوم، چین و ایالات متحده برای رهبر جهانی در هوش مصنوعی رقابت
گرچه AIEC چین دارای 9 درصد سهم بازار جهانی است، در سال 2017، نزدیک به 50 درصد کل منابع مالی IPO برای چین برای اولین بار فراتر از ایالات متحده است.
چین به طور فعال چشم انداز خوبی از هوش مصنوعی را که در آن چین در حال حاضر ایالات متحده را در برخی از زمینه های هوش مصنوعی شکست داده است، به طور جدی اجرا می کند.
دولت چین همچنین برنامه ای برای آیندۀ آتی را که شامل همه چیز از قبیل کشاورزی هوشمند، تدارکات هوشمند به برنامه های نظامی و هوش مصنوعی تا ایجاد شغل است، ترویج می کند.
برخی از منابع در نوآوری های ابتکاری چینی برای توسعه هوش مصنوعی در صنایع مختلف از خدمات بهداشتی به رسانه ها استفاده خواهند شد.
در واقع، چین برای تنها 9 درصد از هوش مصنوعی راه اندازی گردش مالی شرکت جهان بود. اما در سال 2017، جهان از هوش مصنوعی اندازی شرکت تامین مالی کل سرمایه گذاری جریان به چین برای 48 درصد، برای اولین بار در ایالات متحده در سهم دلار پیشی گرفته است. شما می دانید، در سال 2016 چین فقط 11.3٪ بودجه جهانی.
تعداد سهام از دارایی های AI شروع یو پی اس، ایالات متحده هنوز در اشغال موضع غالب در جهان است، اما سهم خود را از بازارهای جهانی به تدریج کاهش می یابد.
علاوه بر این، برنامه های ثبت اختراعات شرکت های چینی همچنین قابلیت تحقیق و توسعه را منعکس می کنند.
در درخواست حق ثبت اختراع، شرکت های چینی با ابتلا به حرکت در ایالات متحده. بر اساس عنوان و خلاصه ای از کلمات کلیدی جستجو، انتشار ثبت اختراع چینی مربوط به هوش مصنوعی به مراتب بیش از تعداد ثبت اختراعات منتشر شده توسط ثبت اختراع ایالات متحده و دفتر علائم تجاری.
به عنوان مثال، با توجه به یادگیری عمیق، چین 6 بار اختراع بیشتر در این منطقه را از ایالات متحده منتشر می کند. (توجه: قبل از اعلام پروانه ثبت اختراع، پرونده ثبت اختراع به مدت زمان زیادی طول کشید.)
تشخیص چهره و چیپ های هوش مصنوعی نیز دو تکنولوژی است که کمک کرده است تا توسعه هوش مصنوعی را در چین، که قبلا برنامه دولت برای اجرای نظارت در سراسر کشور را به عهده دارد، کمک کند، که چالش مستقیم برای تراشه های ساخته شده در ایالات متحده است.
شرکت چینی تک هسته چهره + +، فناوری Shangtang و ابر شروع از علم و فناوری، سه بازیکن اصلی در این حوزه هستند (این سومین بودجه دولتی گوانگجو را به مبلغ 301 میلیون دلار آمریکا برده است).
2017، چین نزدیک به 50 شهرستانها پیوسته اند "مهندسی تیز." نصب در مناطق عمومی و مناطق خصوصی از دوربین های نظارت استفاده می شود برای نظارت بر کارکنان و تمرکز بر روی یک شرایط گوناگون. رسانه ها گزارش کردند عمل چین کمک خواهد کرد سیستم اعتباری، شهروندان از "اعتبار" در نظر گرفته شود.
Kuang به علم و صنعت موفق به کسب شرکت بیمه چین (آفتاب گروه بیمه)، سازمان های دولتی (روسیه گروه سرمایه گذاری) و غول شرکت های بزرگ (فاکسکان، مورچه ها لباس طلا) پشتیبانی، شرکت به دست آمده است که داده ها 1.3 میلیارد شهروندان چینی روبرو هستند.
علی بابا (توسط مورچه ها لباس طلا عمل) و Foxconn به عنوان دو سرمایه گذاران در سال 2016 رسیده همکاری با Hangzhou، به طور مشترک راه اندازی 'مغز شهر پروژه، تجزیه و تحلیل داده هوش مصنوعی در دوربین های مدار بسته دوربین و استفاده از رسانه های اجتماعی است.
مورچه ها لباس طلا در Alibaba متعلق به فروشگاه های خرده فروشی استفاده از فناوری تشخیص چهره مستقل به پرداخت.
ایالات متحده و چین در حال رقابت برای تسلط از فن آوری تراشه هوش مصنوعی.
در ماه ژوئن 2017، دولت چین اعلام کرد که تا سال 2020 اطلاعات مصنوعی با ایالات متحده روبرو خواهد شد و تا سال 2030 به عنوان رهبر جهانی در زمینه هوش مصنوعی برتری خواهد داشت. پروژه حمایت شده توسط دولت با هدف ایجاد یک جهان که عملیات و بهره وری انرژی بسیار دور است شركت كامبریای چینی قول داده كه در سه سال آینده یك تراشه را با یک میلیارد واحد پردازش توسعه دهد، این شرکت در حال توسعه یک تراشه اختصاصی برای یادگیری عمیق است.
غول های فن آوری چینی مانند Baidu و Jingdong نیز در شرکت های AI در خارج از کشور، از جمله ایالات متحده سرمایه گذاری می کنند.
به تازگی، Baidu و Jingdong در آمریکا سرمایه گذاری تکنولوژی مالی شرکت ZestFinance، Tencent به در شرکت هوش مصنوعی ObEN در نیویورک سرمایه گذاری. کدهای Pony.ai و بیوتکنولوژی شروع یو پی اس مانند ایالات متحده و چین عملیات بین دو کشور بیشتر نزدیک تر انجام داده اند شکاف رقابت
اگرچه شرکت های چینی به شدت به دنبال همکاری یا سرمایه گذاری در ایالات متحده هستند، AI ها در ایالات متحده بیشتر سرمایه گذاری های چینی نسبت به AI در چین دارند، در حالیکه تعداد اندکی از AI ها در چین است.
چهارم، به آینده از دفاع هوش مصنوعی تکیه می کنند
بازار امنیت شبکه هوش مصنوعی داغتر می شود، با برخی از راه اندازی ها حتی داشتن لیستی از مشتریان دولتی که امیدوارند که بر سر هکرها هدایت شوند.
مرکز داده تبدیل به یک میدان جنگ جدید است.
در سال 2014، آمازون خدمات کامپیوتری ابر رایانه ای را برای CIA برای رعایت رعایت رعایت دقیق و الزامات قانونی برای اطلاعات حساس ساخته است.
در سه ماهه چهارم سال 2017 AWS این ابزار را به مشتریان دولتی خارج از سرویس اطلاعاتی باز می کند.
آمازون همچنین دو شرکت امنیتی امنیتی AI، Harvest.ai و Sqrrl را برای اطمینان از اطلاعات حساس به اینترنت خریداری کرد.
صرفنظر از این که آیا آمازون یا هر گونه راه اندازی دیگر به طور عمدی برای مشتریان دولت تطبیق می کند، هوش مصنوعی به عنوان ستون فقرات امنیت سایبری تحت حمایت دولت قرار می گیرد.
در طول جنگ سرد، دولت بحث در مورد با "شکاف موشکی" بین شایستگی رقیب کلاهک یا موقعیت هسته ای است. در حال حاضر، دولت به طور فزاینده در مورد شکاف در قابلیت های شبکه خود نگران است. در نتیجه از امنیت شبکه مستمر و دفاع از سنت فیوژن
از بیرون درز آژانس آمریکا رتبه اعتباری میلیون Equifax از شماره امنیت اجتماعی، و سپس به WannaCry حوادث اخاذی ویروس مانند مداخله روسیه در انتخابات ریاست جمهوری آمریکا: خطر نشت اطلاعات در مورد قابل توجه است.
2017، SecurityScorecard (یک شرکت نیویورک سرمایه گذاری شده توسط اینتل سرمایه و مودی و دیگر شرکت ها) تجزیه و تحلیل این گزارش، سازمان دولت آمریکا که کمترین امتیاز را در امنیت شبکه دریافت کرده است. تجزیه و تحلیل در مجموع شامل "552 آژانس های محلی، ایالتی و فدرال، هر کدام با بیش از 100 آدرس آی پی روبرو هستند. "
امنیت شبکه فراهم می کند یک فرصت الگوریتم های هوش مصنوعی برنامه درست است، زیرا حملات سایبری ادامه خواهد داد به تکامل حفاظت به صورت مداوم با انواع نرم افزار های بدخیم بی سابقه از هوش مصنوعی مواجه می توان به طیف گسترده ای از حوادث در میلیون کاربردی غربالگری سیگنال های غیر طبیعی، خطرناک و بالقوه تهدید را شناسایی می کند.
در حال حاضر، بازار دارای تعداد زیادی در حال ظهور امنیت شبکه شرکت، ما در حال تلاش برای فشار یادگیری ماشین به سطح بعدی.
در طول پنج سال گذشته، 134 راه اندازی شرکت در مجموع 3.65 میلیارد $ در تامین مالی در دسترس است. سال گذشته، حدود 34 شرکت برای اولین بار برای به دست آوردن منابع مالی. در حال حاضر، بازار شرکت های بزرگ مانند، Cybereason، CrowdStrike، Cylance و Tanium اشغال شده توسط هر یک از شرکت است در بازار سرمایه از بیش از 900 میلیون $.
حتی مثل Accenture شرکت های مشاوره سنتی دائما در حال توسعه فن آوری های امنیتی شبکه هوش مصنوعی خدمت بهتر به مشتریان دولت فدرال است. نیروی هوایی ایالات متحده است مشتریان از جمله راه اندازی آخر بازی شرکت خواهد کسب و کار خدمات دولتی خود را به شرکت Accenture، این معامله فروش منجر به نگرانی گسترده
2016، سازمان های اطلاعاتی بازوی سرمایه گذاری در س تلفن سرمایه گذاری Anomali، Interset و Cylance. Darktrace شرکت انگلیسی ادعا می کند که سیستم خود را در سراسر جهان در 3000 مستقر شده است، از جمله سازمان های دولتی واقع در کلرادو Logrhythm نیز با نیروی هوایی ایالات متحده آمریکا ، ناسا و پیمانکار دفاعی Raytheon.
دیگر پیمانکاران دفاعی بالا نیز به طور مداوم سرمایه گذاری می کنند.
لاکهید مارتین از نخستین سرمایه گذاران Cybereason (ارزش فعلی بازار 900 میلیون $) بود 2017.، بوئینگ ترک، تگزاس، یک شرکت امنیتی اینترنت، سرمایه گذاری از طریق بازوی سرمایه گذاری خود را SparkCognition افق X.
الکسا چطوره؟
آمازون اکو خانه و گوگل تسلط بر بازار سخنران خانه های هوشمند، اما خدمات بزرگ برای بازار غیر انگلیسی اما نه متفکر.
الکسا یک انقلاب را در سخنرانی آغاز کرد.
محاسبات فعال با صدای بلند در سال 2018CES شد و دستگاه های IoT که به Amazon Alexa یا Google Home متصل نبودند عملا وجود نداشت.
سامسونگ در حال توسعه دستیار صوتی خود را بیکسبی. این شرکت امیدوار است که تا سال 2020، تمام محصولات این شرکت هستند همه به اتصال به شبکه، هوشمند از طریق بیکسبی. 2017 سال، LG تمام برنامه های کاربردی خود را به دست آورد می تواند از طریق WiFi ارتباط برقرار کنند. در حال حاضر، بیش از 80 محصول LG برای دستیابی به صفحه اصلی گوگل است.
اگرچه آمازون در ابتدا یک رایانه محاسباتی بود، اما یک گام پشت پشتیبانی زبان آن است.
در سه ماه گذشته، آمازون اعلام کرد که به فروش می رسد چک بلندگو در حدود 80 کشور انرژی، اما در حرکت نزولی این است که آن را به کاربران در سراسر جهان بخواهد از طریق زبان انگلیسی، آلمانی یا ژاپنی به تعامل با بلندگو.
صفحه اصلی Google پشتیبانی از زبانهای انگلیسی، آلمانی، فرانسوی و ژاپنی است. اپل HomePod در حال حاضر به زبان انگلیسی، اما به زودی قصد دارد به حمایت آلمان و فرانسه.
در این راستا، گوگل دارای یک مزیت بیشتر از آمازون در تلفن همراه دستیار آندروید گوگل موجود در زبان انگلیسی، فرانسوی، آلمانی، ایتالیایی، کره ای، اسپانیایی، پرتغالی و قابلیت تشخیص صدا آن - برای صدای - متن تبدیل و جستجو صوتی، می تواند از 119 زبان پشتیبانی کند.
در حال حاضر، بازار اسپانیا بود غول های فن آوری خانه های هوشمند توجه به اندازه کافی، حتی اگر آن را یکی از وسیع ترین طیف وسیعی از برنامه های کاربردی در واقع تنها به زبان چینی است.
در چین، علی بابا گفت: چینی بلندگو صدای Tmall جن فروش از ژوئن 2017 بیش از 1 میلیون واحد فروخته شده است.
2018، دستیار صوتی به مبارزه برای تسلط بر بازار و رقابت در غیر انگلیسی زبان بازار صدا ادامه خواهد داد.
شش مشاغل یقه سفید در اتوماسیون ماشین شتاب
کارگران یقه سفید اینجا، از جمله وکلا، مشاوران، تحلیل گران مالی، خبرنگاران، تجارت پرسنل، به عنوان بزرگ به عنوان تاثیر هوش مصنوعی در این افراد و به تاثیر یقه آبی.
بیشتر و بیشتر به برکت هوش و اتوماسیون در سطح کارشناس نرم افزار های مصنوعی به منظور افزایش اثرات مثبت هوش مصنوعی را به تولید کمکی از هوش انسانی و یا مصنوعی برای بهینه سازی تولید یک عصر جدید است. این می تواند تولید ابزار هوش مصنوعی تهدید بخش میز کار یقه سفید بهینه سازی.
شکل زیر اثر اتوماسیون در سطح کارشناسی و نرم افزار تقویت (EAAS) از بازار نشان می دهد. شما می توانید از شکل مشاهده می کنید، راه اندازی AI EAAS رد پا تمام جنبه های زندگی. به طور خاص، هر دو وکلا، خبرنگاران، مدیران سلامت کارکنان تجارت و یا دست اندرکاران صنعت مشاوره، باید نرم افزار AI EAAS مناسب را می توان مورد استفاده قرار گیرد.
به عنوان مثال، در کار قانونی، AI دارای پتانسیل بسیار بالایی برای صرفه جویی در وقت و بهبود بهره وری است، و پردازش زبان طبیعی و تکنیک های تجزیه و تحلیل متن می تواند هزاران صفحه از اسناد قانونی را در عرض چند دقیقه به پایان برساند، این کار در چند روز قبل از آنکه یک فرد برای کار انجام شود، استفاده از هوش مصنوعی به بهبود دقت کار شما کمک کرد.
از آنجائیکه پلت فرم AI در حال تبدیل شدن به کارآمدتر و کارآمدتر است، الگوهای شارژ برای شرکتهای حقوقی ثالثی که هزینههای ساعتی را نیز پرداخت میکنند نیز تحت تأثیر قرار خواهند گرفت.
برنامه نویسان نمی تواند زنده بماند، بسیاری از پروژه های اولیه در آزمایش بر اساس AI-هوش مصنوعی نرم افزار، اشکال زدایی و توسعه جلویی متمرکز کار است. DiffBlue در انگلستان در سال گذشته بودجه عمده فروشی شد، کسب و کار این شرکت است تکنولوژی AI خواهد شد در هر روز برنامه نویسی رفع اشکال استفاده می شود، به نوشتن کد های سمت سرویس گیرنده برای ترجمه کد نوشته شده در یک زبان برنامه نویسی به زبان دیگری و کارهای دیگر.
صنعت بهداشت و آموزش و پرورش صنعتي است که حداقل از AI در نظر گرفته شده است، زيرا هر صنفي تعداد زيادي از وظايف ديناميکي دارد و متخصصان هر دو صنايع اغلب نياز به هوش هيجاني بالاتري دارند، اما هوش مصنوعي هنوز در ميان اين دو برای مثال نفوذ صنعت، آموزش و پرورش، شرکت های راه اندازی، برای تأمین خدمات پشتیبانی هوش مصنوعی مانند نشانه گذاری، آموزش زبان، ترکیب و غیره تلاش می کنند.
هفت، مهاجرت هوش مصنوعی تا پایان
صنایع هوش مصنوعی روند مشخصی برای مهاجرت به پایانه ها در سال 2017 نشان داد. به عنوان مثال، AI در دستگاه ها و سنسورهای کوچکتر جاسازی شده و در لبه شبکه محاسباتی اجرا می شود. به عبارت دیگر، AI تلفن را ترک کنید یا حتی گوشی را ترک کنید، به نوبه خود، در هدست شما وجود دارد.
هوش مصنوعی به طور فزاینده ای پراکنده می شود.
هوش مصنوعی مانند هوش بر روی تلفنهای هوشمند، اتومبیلها و حتی دستگاههای بیسیم، پردازش اطلاعات سریعتر، محلی و مبتنی بر صحنه را فراهم می کند، زیرا بدون نیاز به برقراری ارتباط با ابر یا سرور وجود ندارد.
به عنوان مثال، وسایل نقلیه مستقل نیاز به زمان واقعی پاسخ به شرایط جاده، فرایند تصمیم گیری بسیار حساس به زمان است، تاخیر سیگنال، زندگی یک مثال دیگر را به خطر اندازد، آموزش خصوصی دستیار هوش مصنوعی در دستگاه محلی، مانند دستیاران خواهد قادر به شناسایی منحصر به فرد خود را داشته باشد لهجه و ویژگی های شخصی شخصی شما.
2017، با توجه به غول های فن آوری سرمایه گذاری به شدت، ترمینال هوشمند ساخته شده است یک جهش کیفی.
اپل منتشر A11 تراشه نصب اعصاب موتور، تراشه خواهد شد در آی فون استفاده می 8 و آیفون X اپل می گوید این تراشه میتواند در تا ماشین محاسبات کار یادگیری 600B در سرعت دوم اجرا آن را مانند FaceID درایوهای ویژگی های جدید مانند آی فون. در این دوره از تابع FaceID، تلفن می کند نور مرئی با اسکن چهره کاربر به صورت بدون نیاز به آپلود و ذخیره هر گونه اطلاعات کاربر را به ابر منتشر می کنند نیست.
به عنوان تولید کنندگان پردازنده عمده ترین مرکز داده ها، اینتل حال به سازگاری با روند ترمینال هوشمند از طریق جمع آوری به تازگی، اینتل معرفی پایان دستگاه تراشه محاسبات بصری بی شمار X است، که یک کسب اولین بار در 2016 با نام اینتل Movidius برای تراشه های این شرکت توسعه یافته است.
اینتل گفت: Myriad X قادر به انجام وظایف عمیق یادگیری در حال اجرا بر روی انواع دستگاه های نهایی از گوشی های هوشمند به مانیتور های کودک به هواپیماهای بدون سرنشین است.
گوگل یک مفهوم شبیه به فدراسیون یادگیری خود را ارائه کرده است، به جز اینکه برخی از وظایف یادگیری دستگاه در دستگاه های پایان اجرا می شوند و در حال حاضر در صفحه Gboard گوگل تست شده اند.
اگرچه هوش مصنوعی پایانی مشکل از تاخیر اطلاعات را تضعیف می کند، اطلاعات ترمینال محدودیت های فضای ذخیره سازی و محاسبات را در مقایسه با ابر دارد.
علاوه بر این، بیشتر مدل های یادگیری عمیق هیبرید ظاهر خواهد شد تا همکاری بهتر بین نقطه های مختلف و بین نقطه های نقطه و ابر را امکان پذیر سازد.
هشت، افزایش شبکه کپسول
یادگیری عمیق عامل اصلی بسیاری از برنامه های فعلی AI است و به لطف شبکه کپسول، آموزش عمیق در حال حاضر بازنگری شده است.
شبکه های عصبی مختلف یک ساختار های مختلف از ساختار شبکه ای از معروف ترین مناطق یادگیری عمیق شبکه های امروزی عصبی کانولوشن (سی ان ان) در حال حاضر، یک معماری شبکه جدید - شبکه کپسول - موسیقی پاپ، و در بسیاری از است گرفتن توانایی Super CNN.
اگر چه سی ان ان در سال های اخیر به موفقیت دست یافته است، ما هنوز هم می تواند کاستی از وجود آن را نادیده بگیرد، در بسیاری از موارد، سی ان ان عملکرد ضعیف و نقض امنیت امکان پذیر است. همه همراه، محققان در تلاش برای بهبود الگوریتم هوش مصنوعی به تلاش برای غلبه بر این مشکلات .
در زیر ما یک نمونه رایج استناد در روند شناخت، سی ان ان با مطالعه عناصر مختلف از چهره شخص است (چشم ها، بینی و دهان) آموخته است، اما می تواند محل خاصی از هر یک از عناصر یاد داشته باشید، در نتیجه در بر داشت زیر دو شکل می تواند به عنوان چهره انسان شناخته شده است.
یکی از محققان برجسته در زمینه جفری هینتون مطالعه عمق در یک مقاله پژوهشی 2017 منتشر شده است، معرفی شبکه کپسول است که مفهوم CapsNet.
این مقاله هنوز در مرحله ارزیابی، و عدم آزمایش کافی در صحنه واقعی، اما قدرت خود را در رسانه ها و فن آوری محافل باعث هیچ عواقب کوچک است.
جزئیات فنی ما در این کمی برای گفتن، در کوتاه مدت، از کپسول شبکه بعدی چیزهایی شناسایی ویژگی، داده های مورد نیاز آموزش کمتر بالاتر و میزان خطا کمتر است، مانند مثال بالا، دهان طولانی بالای ابرو چهره خواهد شد به راحتی قابل شناسایی، در حالی که سی ان ان هیچ راهی برای انجام این کار.
سی ان ان مشکل دیگر این است که می توان آن تحولات متعدد در قالب داده های ورودی را مدیریت کند. برای مثال، شما نیاز به استفاده از تعداد زیادی از عکس از همان جسم در زوایای مختلف به عنوان داده های ورودی به یک شبکه پیچیدگی های عصبی برای شناسایی شی. بنابراین، شناسایی انواع گسترده ای از اشیاء نیاز به مقدار زیادی از اطلاعات آموزشی.
در این مرحله، شبکه کپسول بهتر از CNN عمل می کند. شبکه کپسول نیاز به داده های آموزشی کمتر دارد و می تواند حالت های اضافی را از حالت های مختلفی از یک جسم بدون نیاز به وارد هر حالت داده ها
هینتون همچنین در مقاله خود خاطرنشان کرد که شبکه کپسول تحت برخی آزمایشات پیچیده ضد حمله قرار گرفته است (با برخی از الگوریتم های غیر قابل قبول عکس احمقانه) و نتیجه گرفت که عملکرد از شبکه عصبی کانولوشن بالاتر است.
هکرها با دستکاری ساده می توانند شبکه عصبی کانولوشه را احمق کنند و محققان از Google و OpenAI این نمونه را نشان داده اند.
یکی از معروف ترین نمونه ها این واقعیت است که در یک مقاله 2015، محققان نگاهی نامرئی به یک عکس از یک پاندا غول پیکر نشان دادند و آن را به عنوان gibbon با اعتبار 99.3٪ شناخت.
نه حقوق شش رقمی هوش مصنوعی استعداد جنگ
در مقیاس کم، تعداد محققان برتر در این زمینه می توانند به میلیون ها نفر برسند.
چین کارشناسان در زمینه هوش مصنوعی را استخدام می کند.
برخی از محققان یادگیری ماشین های ذکر شده در BMW China با درآمد 56.7 تا 624000 دلار درآمد کسب می کنند و شرکت های دیگر برای متخصصین یادگیری 31.5 تا 410،000 دلار می پردازند. وب سایت استخدام
براساس گزارش اخیر Tencent، حدود 300،000 نفر در حال حاضر در زمینه هوش مصنوعی، از جمله دانش آموزان در زمینه های مرتبط با مطالعه، در حالی که شرکت ها ممکن است نیاز به یک میلیون و یا بیشتر از مردم وجود دارد کارشناسان هوشمند برای رفع نیازهای مهندسی خود.
در ایالات متحده، جستجو برای هوش مصنوعی در Glassdoor، جامعه محل کار، نشان می دهد بیش از 32،000 شغل، که بسیاری از آنها شش رقم را به دست آورده است.
شرکت های بزرگ به منظور حفاری بهترین استعداد هوش مصنوعی، به طور طبیعی به رقابتی ترین حقوق و دستمزد.
2014 توسط گوگل DeepMind در گزارش مالی خود به دست آورد، "هزینه های کارکنان و سایر هزینه های مرتبط" در سال گذشته از 104،800،000 £. تعداد کارکنان در LinkedIn به سرعت برای 415 نفر را جستجو کنید. با فرض این تیم است 2016 مقیاس، خالص سایر هزینه، حقوق و دستمزد متوسط یک تیم از کارکنان 25.2 میلیون پوند (حدود 350،000 $) بود.
علاوه بر این، محققان شرکت های فن آوری بزرگ AI نیز ترک کرده اند، و اقدام به راه اندازی شرکت خود را.
اندرو پوکر پس از خروج بایدو راه اندازی یک صندوق از هوش مصنوعی، و جمع آوری پول به 175 میلیون $. Groq مصنوعی راه اندازی تراشه هوش CTO یک بار، و بعد در بخش گوگل X در تحقیقات مهندسی سخت افزار گوگل و TPU توسعه کار می کند.
یو کای، مامور ارشد فناوری و یکی از بنیانگذاران شرکت Horizon Robot، یک شرکت داخلی راه اندازی شده، برای Baidu به عنوان رئیس موسسه تحقیق درمانی بویو، رهبری تیم شناخت تصویر را نیز مشغول به کار کرد.
بی تردید، نبرد برای استعداد، شدیدتر خواهد شد، زیرا افراد با استعداد به طور مداوم برای شروع فعالیت می کنند.
ده، گمانه زنی در یادگیری ماشین ناپدید خواهد شد
یادگیری ماشین به زودی "از محراب بیرون می آید". بیش از 1100 راه اندازی جدید AI که از سال 2016 پدید آمده اند، نیاز به یک مدل کسب و کار جامع برای زنده ماندن دارند.
ابتدا داده های بزرگ، سپس ابر، یادگیری ماشین است، و رونق تکنولوژی در امواج می آید.
در سال 2017، محبوبیت یادگیری ماشین در اوج آغاز شد.
این سال، جوجه کشی به هنگام تولد به بیش از 300 هوش مصنوعی شروع یو پی اس، سه بار در سال 2016. داد این سال، سرمایه گذاران در زمینه های هوش مصنوعی اندازی شرکت سرمایه گذاری در کل بیش از 1.52 میلیارد $ صندوق در سال 2016 برای جذب سرمایه 141٪.
از آنجا که 2016، بیش از 1100 در حال ظهور شرکت هوش مصنوعی به پایان دور اول تامین مالی وجود دارد. از این نقطه نظر، این سابقه بیش از نیمی مصنوعی حقوق صاحبان سهام هوش راه اندازی تامین مالی داشته اند. از این نقطه نظر وجود دارد، بیش از نیمی از سرمایه گذاری های تاریخی AI تامین مالی را به پایان رسانده است.
با این حال، این موج گمانه زنی به زودی فروکش کرد.
عادی سازی یادگیری ماشین سرمایه گذاران را در مورد شرکت های AI که آنها پول می گیرند انتخاب می کند.
همانطور که فرانک چن، سرمایه گذار خطرناک شناخته شده، گفت: "هیچ سرمایه گذار برای چندین سال یک راه اندازی AI نخواهد بود." شروع کننده ها از الگوریتم های هوش مصنوعی لازم برای تولید محصولات خود به عنوان "فرضیه ای" استفاده می کنند.
در واقع، ما را دیده اند، این وضعیت بسیاری از صنایع.
یادگیری ماشین نمی توان از هم جدا IIoT. ما نیاز به درک بسیاری از دستگاه های اطلاعاتی و داده های حسگر مصنوعی جمع آوری جمع آوری شده، و آنها را در زمان واقعی پردازش می شود. تقریبا تمام شرکت های امنیت شبکه به برخی روش های یادگیری ماشین تا چه حد استفاده می شود. علاوه بر خارج، شرکت های فن آوری بزرگ کار با یک راه حل های یادگیری ماشین فراهم می کند.
سرمایه گذاران بالا به دقت بررسی میزان استفاده از تکنولوژی هوش مصنوعی استارت آپ. به عنوان مثال، بیوپسی مایع درست قبل از شرکت freenome از مقاصد سرمایه گذاری a16z، پنج نمونه خون بدون علامت را دریافت کرد، و گسترش تجزیه و تحلیل با الگوریتم های هوش مصنوعی.
XI، آمازون، گوگل، مایکروسافت تحت سلطه AI شرکت های بزرگ
در عرض پنج سال، سرمایه گذار تجمعی سرمایه گذاری 180 میلیون $ در شرکت با تمرکز بر AI خدمات راه اندازی شرکت ها، و در حال حاضر، آمازون، گوگل، مایکروسافت ممکن است یک شرکت کوچک از رده خارج.
بیشتر و بیشتر شرکت اختصاص داده شده به یادگیری ماشین را به محصولات خود را در همان زمان، شروع یو پی اس شروع به ارائه ML-به عنوان یک سرویس.
در حال حاضر، گوگل، آمازون، مایکروسافت و Salesforce و دیگر شرکت های بزرگ تکنولوژی در حال کار برای بهبود کسب و کار از محصولات هوش مصنوعی که قادر به شرکت های کوچک و صندوق از فضا.
گوگل راه اندازی شد ابر AutoML، کاربران می توانند اطلاعات خود را برای آموزش الگوریتم و سپس نیازهای خاص استفاده کنید.
آمازون AWS را تحت لوای شعار آمازون هوش مصنوعی بازی، شروع به فروش AI به عنوان یک سرویس. هدف آمازون AI است که به ارائه خدمات برای کسانی که نیاز به توسعه بزرگ یا کوچک از تکنولوژی هوش مصنوعی، بدون دخالت از هزینه های بیشتر و یا پیش پرداخت مشکل بسیار. آمازون راه اندازی یک API محصول مشابه، اجازه می دهد تا توسعه دهندگان برای دسترسی آمازون سافلکس (قابلیت NLP آمازون)، آمازون پولی (سنتز گفتار آمازون) و آمازون Rekognition (آمازون قابلیت تجزیه و تحلیل تصویر)
در سه ماهه چهارم سال 2017، آمازون گسترش دامنه کسب و کار خود را، از جمله تشخیص ویدئو، رونویسی صوتی و تجزیه و تحلیل احساسات. AWS جلو البته چپ یک رد پای عمیق، تنها درآمد سه ماهه چهارم 5.0 میلیارد $، افزایش 44٪ .
علاوه بر این، مایکروسافت و آمازون نیز رقابت شدید، به دنبال Salesforces و اوراکل و دیگر شرکت ها هستند.
دوازده تشخیص هوش مصنوعی، تصویب آژانس های نظارتی را دریافت کردند
یادگیری ماشین به زودی یک عملیات معمول در زمینه تصویربرداری و تشخیص پزشکی خواهد شد.
تنظیم کننده های ایالات متحده در حال تصویب هوش مصنوعی برای استفاده بالینی هستند.
ارزش هوش مصنوعی در تشخیص به طور عمده در تشخیص زودهنگام بیماری و بهبود صحت این منطقه به طور عمده منعکس می شود.
الگوریتم های یادگیری ماشین می تواند میلیون ها سایر تصاویر پزشکی از بیماران در مقایسه با به دست آوردن تفاوت های ظریف از چشم انسان ممکن است نادیده گرفته شود. الگوریتم کار همه چیز فقط در چند ثانیه، اما انسان آن را ممکن است چند ساعت .
هوش مصنوعی برای مصرف کنندگان همچنین بسیاری از ابزار نظارت، از قبیل استفاده از تکنولوژی بینایی کامپیوتر برای نظارت بر بیماری های پوستی مشکوک SkinVision. موج جدید کاربردهای پزشکی از هوش مصنوعی نیز به بیمارستان ها و درمانگاه اختصاص داده می شود می باشد.
به تازگی، شرکت biopharmaceutical جهانی آسترازنکا اعلام کرد که علی و سلامت همکاری Alibaba است، دست در دست در حال توسعه تشخیص هوش مصنوعی و غربالگری و برنامه های کاربردی دیگر در چین است.
پیش از این، GE پیوستن به نیروهای سعی کنید به فن آوری یادگیری عمیق NVIDIA را در زمینه های پزشکی، گوگل DeepMind همچنین سعی کنید به استفاده از تکنیک های هوش مصنوعی موجود در بیماری های چشم.
گوگل DeepMind، آی بی ام، جنرال الکتریک و غول دیگر برای ورود به علی بابا شروع یو پی اس به حک کردن تا با سرعت از این کیک بازار به طور فزاینده دشوار است. که آیا سرعت در حال ظهور شرکت ماجراجویی متوقف نمی شود.
بهداشت و درمان یکی از محبوب ترین مناطق از مصنوعی سرمایه گذاری هوش باقی مانده است، بسیاری از تمرکز بر تصویربرداری پزشکی و تشخیص رشد مداوم این شرکت به این نتیجه کمک کرده است.
راه اندازی تصویربرداری پزشکی Arterys گزارش ها پس از یک سری از دقت و صحت آزمون های تشخیصی و سرعت پلت فرم محاسبات ابری این شرکت است که برای تجزیه و تحلیل تصاویر قلبی تایید موفق به کسب اولین FDA در حال حاضر، Arterys برای تایید FDA در AI استفاده کاربرد در انکولوژی
اسرائیل راه اندازی شرکت به نام MedyMatch یکی دیگر از سی تی اسکن نتایج آنالیز به تشخیص استفاده از خونریزی داخل جمجمه تکنولوژی یادگیری عمیق است. به تازگی، FDA می دهد صلاحیت دستگاه دستیابی به موفقیت آن، در نتیجه تسریع محصولات به روند بازار
در میان زمینه های بحث برانگیز برای صنایع با ریسک بالا مانند مراقبت های بهداشتی کسانی هستند که مسئولیت تشخیص اشتباهات سیستم های هوش مصنوعی را که در حال حاضر به مراکز رادیولوژیست و پزشکان کمک می کنند، می پذیرند و قضات نهایی تشخیصی نخواهند بود .
سیزده، هوش مصنوعی برای DIY
اجازه دهید دستیار صدای شما مانند یک درام فیلم و تلویزیون یا دوربین خود AI خود را ایجاد کند.
شما نیازی به داشتن دکتری در رشته علوم کامپیوتر یا ریاضی ندارید و می توانید سیستم AI خود را بسازید.
در حال حاضر، تعداد زیادی از نرم افزارهای منبع باز، API های گسترده و SDK در بازار و کیت های آمازون و گوگل که آسان است برای شروع به شدت کاهش موانع برای افراد ورود به حوزه هوش مصنوعی.
از Aiy (هوش مصنوعی خودتان) برنامه، طراحی شده برای کاربران اجازه می دهد از هر سطح سن از هوش مصنوعی می توانید محصولات خود را DIY گوگل راه اندازی کرده است.
پروژه از Aiy بر اساس تولد اولین محصول به نام از Aiy صدای کیت، ترکیبی از تمشک پی ابزار تشخیص صدا است. برای دادن دستیار صوتی می توانید مانند شکل "دکتر چه کسی" در مجموعه تلویزیونی علمی تخیلی بی بی سی، مانند، 80 سال استفاده می شود ارتباطات به تعامل با دستیار هوشمند است. (درام، زمان خداوند خود را به عنوان "دکتر" با 1950s مبدل خود انگلیسی ماشین زمان جعبه پلیس تا دیسی شریک زندگی خود را در زمان، اکتشافات فضایی، شنا، خوب و بد نجات تمدن، به ضعیف کمک کند.) مشکل پیدا کنید، کاربران بر روی تکنولوژی هوش مصنوعی مبتنی بر ایجاد اختراع جدید است.
علاوه بر این، گوگل همچنین AIY Vision Kit را معرفی کرد که از مدل شبکه عصبی پشتیبانی می کند، شما می توانید از الگوریتم برای شناسایی گربه ها و سگ ها استفاده کنید، بلکه برای مطابقت با عبارات چهره و خلق و خو.
آمازون همچنین معرفی DeepLense، یک دوربین هوشمند 249 دلاری هوشمند که آمازون برای برنده اولین ماراتن هفتم DeepLense برای 7.500 دلار عرضه کرد.