书签 分享 收藏 举报 版权申诉 / 55

中国信通院:人工智能发展白皮书产业应用篇(2018年)(55页).pdf

  • 上传人:菜**
  • 文档编号:26658
  • 上传时间:2020-03-22
  • 格式:PDF
  • 页数:55
  • 大小:1.11MB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    国信 人工智能 发展 白皮书 产业 应用 2018 55
    资源描述:

    《中国信通院:人工智能发展白皮书产业应用篇(2018年)(55页).pdf》由会员分享,可在线阅读,更多相关《中国信通院:人工智能发展白皮书产业应用篇(2018年)(55页).pdf(55页珍藏版)》请在三个皮匠报告文库上搜索。

    1、 人工智能发展白皮书人工智能发展白皮书 产业应用产业应用篇篇 (2018 年)年) 中国信息通信研究院中国信息通信研究院 中国人工智能产业发展联盟中国人工智能产业发展联盟 2018年年12月月 版权声明版权声明 本白皮书版权属于中国信息通信研究院和中国人工智本白皮书版权属于中国信息通信研究院和中国人工智 能产业发展联盟,并受法律保护。转载、摘编或利用其它方能产业发展联盟,并受法律保护。转载、摘编或利用其它方 式使用本白皮书文字或者观点的,应注明“来源:中国信息式使用本白皮书文字或者观点的,应注明“来源:中国信息 通信研究院和中国人工智能产业发展联盟”。违反上述声明通信研究院和中国人工智能产业发。

    2、展联盟”。违反上述声明 者,编者将追究其相关者,编者将追究其相关法律法律责任责任。 前前 言言 人工智能是一种引发诸多领域产生颠覆性变革的前沿技术, 当今 的人工智能技术以机器学习, 特别是深度学习为核心, 在视觉、 语音、 自然语言等应用领域迅速发展, 已经开始像水电煤一样赋能于各个行 业。世界各国高度重视人工智能发展,美国白宫接连发布数个人工智 能政府报告,是第一个将人工智能发展上升到国家战略层面的国家, 除此以外,英国、欧盟、日本等纷纷发布人工智能相关战略、行动计 划, 着力构筑人工智能先发优势。 我国高度重视人工智能产业的发展, 习近平总书记在十九大报告中指出,要“推动互联网、大数据、。

    3、人工 智能和实体经济深度融合”,从 2016 年起已有“互联网+人工智能 三年行动实施方案、新一代人工智能发展规划、促进新一代 人工智能产业发展三年行动计划(2018-2020 年)等多个国家层面的 政策出台,也取得了积极的效果,我国逐渐形成了涵盖计算芯片、开 源平台、 基础应用、 行业应用及产品等环节较完善的人工智能产业链。 2018 人工智能发展白皮书是中国信息通信研究院、中国人工智 能产业发展联盟首次联合发布。本篇为产业应用篇,回顾人工智能发 展历史,并重点分析当前人工智能在软硬件支撑平台、基础产品、复 合产品、领域应用等方面现状、问题以及趋势,展望未来前景并提出 策略建议。 目 录 一。

    4、、 人工智能产业与应用发展综述. 1 二、 人工智能产业应用视图. 3 (一) 软硬件支撑层 . 3 (二) 产品层 . 4 (三) 应用层 . 5 三、 人工智能产业与应用发展现状及趋势. 5 (一) 软硬件支撑平台 . 6 1. 多种人工智能芯片快速创新. 6 2. 多方布局人工智能计算框架. 8 (二) 人工智能基础产品 . 10 1. 自然语言处理产品呈现实用化发展趋势. 10 2. 知识图谱从实际问题出发呈现多维度应用. 11 3. 技术产业协同发展推动计算机视觉实现商业价值. 14 4. 人机交互产品已在多个领域实现落地. 16 (三) 人工智能复合产品 . 18 1. 生物识别技。

    5、术持续融合至各领域. 18 2. 以自动驾驶为代表的智能运载产品发展迅速. 21 3. 智能机器人技术与产品创新活跃. 24 4. 智能设备未来市场空间广阔. 27 (四) 人工智能各领域应用 . 30 1. 人工智能赋能医疗各环节能效初显. 30 2. 智能教育加速推进教育教学创新. 33 3. 智能交通提升城市管理水平. 35 4. 人工智能提升公共安全保障能力. 36 5. 人工智能拓展金融服务广度和深度. 39 6. 智能家居助力打造智慧家庭. 41 四、 未来发展建议. 43 (一) 趋势展望 . 43 (二) 策略建议 . 45 中国信息通信研究院&中国人工智能产业发展联盟 人工智。

    6、能发展白皮书-产业应用篇(2018) 1 一、一、 人工智能产业与应用发展综述 人和动物的根本区别之一是:人类有创造意识,可以制造工具和 机械改变生存的空间和环境;而其他动物只能根据环境改造自己。公 元前 3000 多年前,古埃及人利用杠杆、滑轮等基础机械修建了雄伟 的金字塔。18 世纪中叶,近代蒸汽机诞生,人类第一次获得源源不 断的动力,开启了工业革命。19 世纪中叶,电动机诞生。20 世纪中 叶,核能、生物技术、电子计算机、航天技术发明和应用。人类的发 展史是不断制造和使用更高级工具的历史。 计算机技术是人类发明创 造的巅峰之作,从巴贝奇和艾达奥古斯塔基于纯机械工程设计的第 一台计算机,到。

    7、以图灵(Alan Turing)为代表的现代电子计算机的发 展;从认为计算机只能按照人类编好的程序来执行既定任务,到提出 计算机可以模拟出人类思维,可以像人一样“独立思考”,图灵称之 为“学习机器”1,人类一直在人工智能的发展方向上不断探索。 1956 年夏天在美国达特茅斯大学的一场学术会议上,人工智能 的概念被提出并获得肯定,标志着人工智能科学诞生。不同于传统计 算机技术是机器根据既定的程序执行计算或者控制任务, 人工智能可 以理解为用机器不断感知、模拟人类的思维过程,使机器达到甚至超 越人类的智能。通常认为,人工智能应用具有自学习、自组织、自适 应、自行动的特点,有近似生物智能的效果。 自。

    8、人工智能科学诞生至今 60 多年的发展历史过程中,各行业的 专家学者们做了大量的探索与实践。人工智能经历了三次发展高潮, 1A.M. Turing, Computing machinery and intelligence,1950. https:/www.csee.umbc.edu/courses/471/papers/turing.pdf 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 2 分别是 1956-1970 年代,1980-1990 年代和 2000 年代至今。1959 年 Arthur Samuel 提出了机器学习,推动人工智能进入第一。

    9、个发展高潮 期。此后 70 年代末期出现了专家系统,标志着人工智能从理论研究 走向实际应用。80 年代到 90 年代随着美国和日本立项支持人工智能 研究,人工智能进入第二个发展高潮期,期间人工智能相关的数学模 型取得了一系列重大突破,如著名的多层神经网络、BP 反向传播算 法等,算法模型准确度和专家系统进一步提升。期间,研究者专门设 计了 LISP 语言与 LISP 计算机,最终由于成本高、难维护导致失败。 1997 年,IBM 深蓝战胜了国际象棋世界冠军 Garry Kasparov,是一个 里程碑意义的事件。当前人工智能处于第三个发展高潮期,得益于算 法、数据和算力三方面共同的进展。200。

    10、6 年加拿大 Hinton 教授提出 了深度学习的概念,极大地发展了人工神经网络算法,提高了机器自 学习的能力,随后以深度学习、强化学习为代表的算法研究的突破, 算法模型持续优化,极大地提升了人工智能应用的准确性,如语音识 别和图像识别等。随着互联网和移动互联的普及,全球网络数据量急 剧增加,海量数据为人工智能大发展提供了良好的土壤。大数据、云 计算等信息技术的快速发展,GPU、NPU、FPGA 等各种人工智能专 用计算芯片的应用,极大地提升了机器处理海量视频、图像等的计算 能力。在算法、算力和数据能力不断提升的情况下,人工智能技术快 速发展。 智能应用成为互联网下一演进阶段周期的核心要义, 。

    11、人工智能部 分技术已经进入产业化发展阶段,带来新的产业兴起。基于机器学习 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 3 技术快速进步,互联网正凭借快速提升的人工智能,为用户提供个性 化、精准化、智能化服务,大幅提升业务体验,并与生产生活的各个 领域相融合,有效提升各领域的智能化水平,给传统领域带来变革机 遇。 二、二、 人工智能产业应用视图 当前人工智能理论和技术日益成熟,应用范围不断扩大,产业正 在逐步形成、不断丰富,相应的商业模式也在持续演进和多元化。人 工智能产业应用从下到上,分为软硬件支撑层、产品层和应用层,如 错误错误!未找到引用源。未。

    12、找到引用源。所示。 图 1 人工智能产业应用视图 (一)(一) 软硬件支撑层软硬件支撑层 该层包括了硬件和软件平台。其中硬件主要包括 CPU、GPU 等 通用芯片,深度学习、类脑等人工智能芯片以及传感器、存储器等感 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 4 知存储硬件,主导厂商主要为云计算服务提供商、传统芯片厂商以及 新兴人工智能芯片厂商。软件平台可细分为开放平台、应用软件等, 开放平台层主要指面向开发者的机器学习开发及基础功能框架,如 TensorFlow 开源开发框架、百度 PaddlePaddle 开源深度学习平台以 及讯飞、腾讯、阿里。

    13、等公司的技术开放平台;应用软件主要包括计算 机视觉、自然语言处理、人机交互等软件工具以及应用这些工具开发 的相关应用软件。 核心器件多元化创新, 带动AI计算产业发展。 GPU、 DSP、 FPGA、 ASIC 以及类脑等人工智能芯片创新频繁, 支撑云侧、 端侧 AI 计算需 求。AI 计算产业快速发展,尤其是云端深度学习计算平台的需求正 在快速释放。以英伟达、谷歌、英特尔为首的国外企业加快各类 AI 技术创新,我国寒武纪、深鉴科技等企业也在跟进。 关键平台逐步形成, 是产业竞争焦点。 优势企业如谷歌、 亚马逊、 脸书加快部署机器学习、深度学习底层平台,建立产业事实标准。目 前业内已有近 40。

    14、 个各类 AI 学习框架, 生态竞争异常激烈。典型企业 如科大讯飞、商汤科技利用技术优势建设开放技术平台,为开发者提 供 AI 开发环境,建设上层应用生态。 (二)(二) 产品层产品层 产品层包括基础产品和复合产品。 其中基础产品又包括了基础语 言处理产品、知识图谱产品、计算机视觉产品、人机交互产品四类, 是人工智能底层的技术产品, 是人工智能终端产品和行业解决方案的 基础。 复合产品可看作为人工智能终端产品, 是人工智能技术的载体, 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 5 目前主要包括可穿戴产品、 机器人、 无人车、 智能音箱、 智能摄像。

    15、头、 特征识别设备等终端及配套软件。 人工智能产品形式多样,已涵盖了听觉、视觉、触觉、认知等多 种形态。无论是基础产品还是复合产品,能够支持处理文字、语音、 图像、感知等多种输入或输出形式,产品形式多样,如语音识别、机 器翻译、人脸识别、体感交互等。全球互联网企业积极布局各产品领 域,加强各类产品 AI 技术创新,有效支撑各种应用场景。 (三)(三) 应用层应用层 应用层是指人工智能技术对各领域的渗透形成“人工智能+”的 行业应用终端、系统及配套软件,然后切入各种场景,为用户提供个 性化、精准化、智能化服务,深度赋能医疗、交通、金融、零售、教 育、家居、农业、制造、网络安全、人力资源、安防等领。

    16、域。 人工智能应用领域没有专业限制。 通过人工智能产品与生产生活 的各个领域相融合,对于改善传统环节流程、提高效率、提升效能、 降低成本等方面提供了巨大的推动作用,大幅提升业务体验,有效提 升各领域的智能化水平,给传统领域带来变革。 三、三、 人工智能产业与应用发展现状及趋势 人工智能技术快速发展,部分技术进入产业化阶段,带来新产业 的兴起。从产业规模看,2017 年国内人工智能市场规模达到 237.4 亿 元,相较于 2016 年增长 67%2。其中以生物识别、图像识别、视频识 2 数据来源:中国信通院 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟。

    17、 6 别等技术为核心的计算机视觉市场规模最大,占比 34.9%,达到 82.8 亿元3。从产业结构看,人工智能产业可分为基础计算和软件平台、 核心软件和设备、行业领域应用三大部分,其中核心软件和设备、行 业领域应用是增长最快的部分。 从企业来看, 谷歌、 苹果、 Facebook、 微软、百度等互联网、移动互联网企业均将 AI 作为下一阶段战略发 展重点,加快推进基础算法、平台和智能设备研发,与高校和科研院 所一并成为推动产业发展的主要动力; 创业热潮与投融资热情在2017 年回归理性, 但整体来看 AI 创新企业和独角兽企业已具备一定规模, 2016年全球新增初创企业738家, 2017年新。

    18、增初创企业降至324家4。 从产业生态来看,目前人工智能产业生态模式尚未锁定,各种产业模 式均在探索。以谷歌、亚马逊等企业为首的国外领先企业侧重于从芯 片、 操作系统到运行框架打造垂直生态, 并快速将自有架构通过开源、 开放等方式进行产业推广,力争形成行业事实标准。国内产业生态偏 重于框架层和应用层,尤其是应用层软件技术和平台发展快速。 (一)(一) 软硬件支撑平台软硬件支撑平台 1. 多种人工智能芯片快速创新 人工智能发展浪潮成为拉动芯片市场增长的新的驱动力。 根据预 测,全球人工智能芯片市场规模在 2016 年约为 24 亿美元,到 2020 年规模将接近 150 亿美元,复合年均增长率保。

    19、持超过 40%的高速率; 同时, 人工智能芯片在人工智能整体市场规模占比也将呈现逐年递增 3 数据来源:中国信通院 4 数据来源:中国信通院 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 7 态势,预计将从 2016 年的 8%增长至 2020 年的 12%5。 人工智能芯片产业体系初步形成。 人工智能芯片指能够实现各类 深度学习算法加速的计算芯片。深度学习算法的运行对卷积、矩阵乘 法运算任务以及内存存取等操作较为频繁, 对于更擅长串行逻辑运算 的 CPU 而言计算效率较低,难以满足需求。现阶段人工智能芯片类 型主要涵盖包含 GPU、FPGA、ASI。

    20、C、类脑芯片等。其中,GPU 芯 片通用性较强且适合大规模并行计算,但售价贵、能耗高;FPGA 可 通过编程灵活配置芯片架构适应算法迭代且能效优于 GPU 芯片,但 产品开发技术门槛较高,开发生态不完善;ASIC 芯片通过将算法固 化实现极致的性能和能效,且大规模量产后成本优势突显,但前期开 发周期长易面临算法迭代风险。 类脑芯片目前仍处于实验室研发阶段。 领先企业加快人工智能芯片布局。英伟达凭借高性能的 GPU 芯 片占据应用规模优势,AMD、英特尔、谷歌等企业加速追赶。英伟 达快速推出针对人工智能运算优化的 Tesla GPU 系列产品, 其中最强 V100 GPU 芯片提供每秒 120 。

    21、万亿次张量计算能力,同时拓展 CUDA 生态开发深度学习加速库 cuDNN,提升 GPU 面向深度学习算法和主 流开发框架的运行效率, 强劲的硬件性能和完善易用的开发者生态助 力英伟达迅速形成了巨大的市场优势,现有客户覆盖谷歌、脸书、微 软等巨头企业和大量的初创企业、科研院所等。AMD 也加速追赶, 最新发布全球首款 7nm 制程、专为人工智能任务设计的 GPU 芯片产 品,试图抢攻服务器和工作站市场。与此同时,英特尔、谷歌等企业 5 数据来源:CITICS人工智能深度系列研究报告报告。 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 8 开发兼具更高。

    22、能效和低成本优势的 ASIC 芯片构筑竞争实力。谷歌面 向谷歌云业务需求自研人工智能 ASIC 系列芯片 TPU,其中,训练芯 片具备实现业界最高的每秒 180 万亿次峰值浮点计算能力, TPU 芯片 也与旗下 TensorFlow 开发框架、算法和谷歌云平台深度耦合构建垂 直完备的产业生态;英特尔收购芯片初创企业 Nervana 掌握 ASIC 训 练芯片技术,第二代产品将于 2019 年下半年正式推出,性能对标谷 歌 TPU 产品。 2. 多方布局人工智能计算框架 基础开发框架在人工智能产业链中占据承上启下的核心地位。 在 移动互联网时代,Android 系统通过 GMS 与下游云服务松耦。

    23、合,通 过版本控制与上游芯片、整机厂商紧耦合,实现以 Android 操作系统 为核心的移动互联网闭环生态。在人工智能时代,开发框架也具备媲 美 Android 操作系统的核心地位,具有统领产业进步节奏、带动硬件 配置、终端场景与云端服务协同发展的核心作用,占据承上启下的关 键地位。以 Google 深度学习开发框架 TensorFlow 为例,TensorFlow 向上与谷歌云紧密绑定,以云平台模式提供云机器学习服务,向下与 芯片和硬件厂商紧密耦合做定制优化, 谷歌TPU专用于TensorFlow。 领先企业围绕开发框架平台呈现多元化发展模式。 一是一是纵向打通 模式, 从硬件到开源平台再到。

    24、云平台至应用服务, 贯通产业链上下游, 构建全产业生态,谷歌为其典型代表;二是二是向上布局行业应用服务模 式, 以业务为导向, 通过核心平台向上布局重点行业应用, 如亚马逊、 阿里等;三是三是算法下沉于硬件模式,核心算法固化于硬件,以硬件形 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 9 态提供行业通用或专用计算能力,如寒武纪;四是四是以核心平台开放基 础能力,为行业提供基础能力,如讯飞为行业提供基础语音识别基础 技术,商汤为行业提供人脸识别基础技术等。在四种发展模式中,云 平台和应用服务产生的所有数据均回流于训练平台进行数据反哺, 可 有效提升平。

    25、台的综合能力。 国际巨头开源人工智能开发框架意图加快掌握技术产业组织的 主动权。国际巨头纷纷布局开发框架,意图加快掌握技术产业组织的 主动权,占领客户、应用和数据资源,逐步建立新的产业格局和技术 标准。 2013 年, 伯克利大学贾清阳博士宣布开源深度学习框架 Caffe, 成为第一个主流工业级深度学习工具。2015 年 11 月,Google 开源深 度学习框架 TensorFlow,具备深度学习基本算法,可满足图形分类、 音频处理、推荐系统和自然语言处理等基本功能,成为 GitHub 最受 欢迎的机器学习开源项目,目前吸引 ARM、京东等大批合作伙伴。 2016 年,亚马逊宣布 MXNet。

    26、 作为其官方支持框架,具有优异分布式 计算性能,拥有卡耐基梅隆、英特尔、英伟达等众多合作伙伴,国内 图森互联和地平线等公司也有使用。2015 年 11 月,IBM 宣布开源机 器学习平台 SystemML,可根据数据和集群特性使用基于规则和基于 成本的优化技术动态地编译和优化,应用在不同工业领域。2016 年 9 月,百度开源其深度学习平台 PaddlePaddle,可提供机器视觉、自然 语言理解、搜索引擎排序、推荐系统等功能。2017 年 6 月,腾讯和 北京大学、香港科技大学联合开发的高性能分布式计算平台 Angel 正式开源,具有较强的容错设计和稳定性。众多开源学习框架促进人 人工智能发。

    27、展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 10 工智能应用程序发展。据 IDC 预测,到 2020 年,60%的人工智能应 用程序将在开源平台上运行。 (二)(二) 人工智能基础产品人工智能基础产品 1. 自然语言处理产品呈现实用化发展趋势 自然语言处理(NLP)是指机器理解并解释人类写作、说话方式 的能力,是人工智能和语言学的一部分,它致力于使用计算机理解或 产生人类语言中的词语或句子。自然语言处理主要涉及语音识别、语 音合成、语义理解、机器翻译,自然语言类产品呈现实用化的发展趋 势,但是产品成熟度上仍存在较大的提升空间。 语音识别受到国内外商业和学术界。

    28、的广泛关注, 在无噪音无口音 干扰情况下可接近人类水平。目前语音识别的技术成熟度较高,已达 到 95%的准确度, 但背景噪音仍难解决, 实际应用仅限于近距离使用。 我国语音识别技术研究水平良好,基本上与国外同步,科大讯飞语音 识别成功率达到 97%,离线识别率亦达 95%。此外,我国在汉语语 音识别技术上还有自己的特点与优势,已达到国际先进水平。语音识 别产品方面,微软、谷歌、亚马逊,以及国内的百度、讯飞、思必驰 等企业均推出了各自基于语音交互的产品, 其中以输入法、 车载语音、 智能家居、教育测评最为普遍。 机器翻译是当前最热门的应用方向, 由于自然语言语义分析的复 杂性, 翻译水平还远不能。

    29、和人类相比。 近年来机器翻译技术越发成熟, 各大厂商都积极投身于这个备受关注的机器翻译领域, 谷歌使用深度 学习技术,显著提升了翻译的性能与质量。各大互联网公司相继推出 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 11 自己的翻译系统,谷歌、微软、有道、科大讯飞、百度、搜狗等均上 线或更新了翻译产品。 例如阿里机器翻译基于阿里巴巴海量电商数据, 并结合机器学习、自然语言处理技术,实现多语言语种识别与自动翻 译功能,为跨境电商信息本地化与跨语言沟通提供精准、快捷、可靠 的在线翻译服务。2017 年科大讯飞晓译翻译机 1.0plus 可以在没有网 络的。

    30、情况下提供基本翻译功能。机器翻译应用情景简单,具体有词典 翻译软件、计算机辅助翻译软件和机器翻译软件,目前还主要体现在 简单沟通交流层面,如商业交流、旅游交际、新闻编译、游戏组队、 影片字幕、国际比赛等。受到语义理解所限制,也不具备优秀的人工 译者所有的丰富的人生阅历和创造性想象力, 机器很难翻译有背景的 复杂句子,此外,对于书籍翻译、专业性强的高级会议口译等翻译质 量要求高的场景,机器翻译技术还有待提高。 2. 知识图谱从实际问题出发呈现多维度应用 知识图谱概念由谷歌 2012 年正式提出,其初衷是为了提高搜索 引擎的能力,改善用户的搜索质量以及搜索体验。知识图谱是具有向 图结构的一个知识库。

    31、,其中图的节点代表实体或概念,而图的边代表 实体/概念之间的各种语义关系,其起源可以追溯到 20 世纪 50 年代 的语义网络, 本质上是使机器用接近于自然语言语义的方式存储信息, 从而提升智能信息检索能力, 现已被广泛应用于智能搜索、 智能问答、 个性化推荐等领域。 知识图谱经历了由人工和群体协作构建到利用机器学习和信息 抽取技术自动获取的过程。早期知识图谱主要依靠人工处理获得,如 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 12 英文 WordNet 和 Cyc 项目。通过人工处理,知识图谱将上百万条知 识处理为机器能够理解的形式,使机器拥有判。

    32、断和推理能力。随着互 联网上最大群体智能知识库维基百科的建立, 出现了 DBpedia、 YAGO 以及 Freebase 等依托大规模协同合作建立的知识图谱。 随着大数据时 代的到来, 知识图谱的数据来源不再局限于百科类的半结构化数据和 各类型网络数据。知识图谱利用机器学习和信息抽取技术自动获取 Web 上的信息构建知识库, 并更关注知识清洗、 知识融合和知识表示 技术,如华盛顿大学图灵中心的 KnowhAll 和 TextRunner、卡内基梅 隆大学的 “永不停歇的语言学习者” (Never-Ending Language Learner, NELL)都是这种类型的知识图谱。 目前,大多。

    33、数知识图谱都是采用自底向上的方式进行构建,包括 知识获取、知识融合和知识加工三个阶段。由于互联网上存在大量异 构资源,通常无法通过自顶向下预先定义或直接得到本体的数据。因 此,自底向上就成为了当前知识图谱的主要构建模式,即首先获得知 识图谱的实体数据,通过知识获取、知识融合、知识加工以及知识更 新构建图谱本体。半结构和非结构化数据将通过概念层次学习、机器 学习的方法实现知识获取。 异构知识库将通过语义集成等方法实现知 识融合。此外,对于经过融合的新知识需进行进一步加工,旨在实现 质量评估,以确保知识库的质量。 基于知识图谱的服务和应用是当前人工智能的研究热点。当前, 知识图谱的应用可以归纳为语。

    34、义搜索、 知识问答以及基于知识的大数 据分析与决策三个方面: 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 13 在语义搜索方面,由于知识图谱所具有的良好定义的结构形式, 语义搜索利用建立大规模数据库对关键词和文档内容进行语义标注, 从而改善搜索结果。 国外搜索引擎以谷歌搜索和微软 Bing 最为典型。 一方面,基于知识图谱的搜索引擎相继融入了维基百科、CIA 世界概 览等公共资源。另一方面,搜索引擎与 Facebook、Twitter 等大型社 交企业达成了合作协议,在个性化内容的搜集、定制化方面具有显著 优势。 国内主流搜索引擎公司近年来也相继将。

    35、知识图谱的相关研究从 概念转向具体产品应用。搜狗“知立方”是国内搜索引擎中的第一款 知识图谱产品,它通过整合碎片化的语义信息,对用户的搜索进行逻 辑推荐与计算, 并将核心知识反馈给用户。 百度将知识图谱命名为 “知 心”,主要致力于构建一个庞大的通用型知识网络,以图文并茂的形 式展现知识的各方面。 在知识问答方面, 基于知识图谱的问答系统通过对用户使用自然 语言提出的问题进行语义分析和语法分析, 进而将其转化成结构化形 式的查询语句,然后在知识图谱中查询答案。目前,国内外形式多样 的问答平台都引入了知识图谱, 例如苹果的智能语音助手 Siri 能够为 用户提供回答、 介绍以及搜索服务; 亚马逊。

    36、收购的自然语言助手 Evi, 采用 True Knowledge 引擎进行开发,也可提供类似 Siri 的服务。国 内百度公司研发的小度机器人、小米智能音响、阿里巴巴天猫精灵等 都引入知识图谱技术,开始提供交互式问答服务。 在分析与决策方面, 利用知识图谱可以辅助行业和领域的大数据 分析和决策。例如在股票投研情报分析方面,通过知识图谱技术从招 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 14 股书、公司年报/公告、券商研究报告、新闻等半结构化文本数据中 自动抽取公司相关信息, 可在某个宏观经济事件或者企业突发事件中 通过此图谱做更深层次分析和更好的。

    37、投资决策。目前,高盛、JP 摩 根、 花旗银行等国际著名投行均开展了相关探索和应用。 美国 Netflix 也利用其订阅用户的注册信息和观看行为构建知识图谱, 分析用户喜 好从而推出新的在线剧集。 3. 技术产业协同发展推动计算机视觉实现商业价值 计算机视觉指通过电子化的方式来感知和认知影像, 以达到甚至 超越人类视觉智能的效果,是人工智能领域最受关注的方向之一。虽 然计算机视觉在当前阶段仍然存在大量尚待解决的问题, 但得益于深 度学习算法的成熟和应用, 以图像分类识别为代表的侧重感知智能的 计算机视觉产品已经广泛应用于安防、金融、零售等产业,助力相关 产业向智能化方向升级。 神经网络和深度学。

    38、习的快速发展极大地推动计算机视觉的发展, 大型神经网络在计算机视觉的部分细分领域已经取得优秀的成果。 2017 年 ImageNet 最后一届图像分类竞赛上,基于大型神经网络的分 类算法在图像分类(1000 类)任务中,将 TOP5 分类的错误率降至 2.25%6, 已经大幅领先于人眼的分类识别能力。 2018 年在 ActivityNet 视频理解竞赛上,百度团队在 Kinetics 视频动作识别任务中将平均错 误率降至 10.9%7, 所使用的相关技术已经应用于实际线上视频分类系 6 ImageNet, Large Scale Visual Recognition Challenge 20。

    39、17 (ILSVRC2017), http:/image-net.org/challenges/LSVRC/2017/results 7 ActivityNet, Large Scale Activity Recognition Challenge 2018, http:/activity-net.org/challenges/2018/evaluation.html 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 15 统,为视频打标签、视频对比和视频推建等业务场景提供语义化解析 功能。 计算机视觉产品已在安防、金融、互联网、零售、医疗、移动及 娱乐。

    40、等产业逐步输出商业价值。在金融、移动、安防等产业,人脸识 别是当前商业成熟度较高的计算机视觉产品, 广泛应用于账号身份认 证、手机刷脸解锁、人流自动统计和特定人物甄别等诸多场景。在互 联网、零售、移动产业,图像搜索产品可为用户提供更为便捷的视觉 搜索能力。例如:eBay 于 2017 年 10 月在其购物平台上增加了新的 反向图像搜索工具,以帮助用户使用现有照片查找商品项目;Google 公司 2018 年 3 月宣布其 Google Lens 图像搜索服务目前已可应用于 android 和 IOS(通过 GooglePhoto 项目)智能手机,该服务通过手机 摄像头查看周遭环境并为用户提供与。

    41、之相关的情境信息。 在医疗产业, 计算机视觉可提供临床治疗中早期病理筛查能力。 加州大学伯克利分 校放射与生物医学成像系和放射学大数据小组在对早期阿尔茨海默 症诊断研究中,通过计算机视觉技术在小规模测试(对来自 40 名患 者的 40 个成像检查的单独测试)中,对平均发病超过 6 年的阿尔茨 海默症病例发现率达到了 100%8。 全球计算机视觉产业发展迅速,计算机视觉公司快速涌现。根据 MarketsandMarkets 报告显示,2017 年基于人工智能的计算机视觉全 球市场规模为 23.7 亿美元,预计 2023 年会达到 253.2 亿美元9。预测 8 Yiming Ding, Jae 。

    42、Ho Sohn , A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain, 2018-11-6, https:/pubs.rsna.org/doi/10.1148/radiol.2018180958 9 中国信息通信研究院,2018 世界人工智能产业发展蓝皮书 人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 16 期(2018-2023)内复合年增长率 47.54%10。市场上一大批计算机视 觉公司如雨后春笋。

    43、般快速涌现,其中以谷歌、微软、亚马逊为代表的 大型跨国科技企业除计算机视觉领域外, 还积极布局人工智能全产业 各个领域。我国企业虽然在计算机视觉领域起步较晚,但发展速度很 快,已经涌现出一批市场估值高达百亿人民币的独角兽企业。例如: 成立于 2014 年的商汤科技,广泛服务于安防、金融、移动等产业, 客户包括 Qualcomm、英伟达、银联、华为等知名企业及政府机构。 2017 年 7 月,商汤科技宣布完成 4.1 亿美元 B 轮融资,创下当时全 球人工智能领域单轮融资最高纪录。2018 年,商汤科技在 4 月和 5 月连续宣布获得 6 亿美元 C 轮融资和 6.2 亿美元 C+轮融资。成立于。

    44、 2015 年的云从科技,深耕安防、银行、机场等重点产业场景,先后 与公安部、四大银行、民航总局等产业界成立联合实验室。2017 年 11月云从科技正式完成 B轮融资, 总计获得25亿元人民币发展资金。 成立于 2014 年的码隆科技,为京东、唯品会、可口可乐、蒙牛等零 售企业提供商品属性识别、商品图像检索服务。2017 年 11 月码隆科 技完成由软银中国领投的 2.2 亿元人民币的 B 轮融资, 成为软银中国 在华投资的第一家人工智能公司。 4. 人机交互产品已在多个领域实现落地 人机交互主要是研究人和计算机之间的信息交换, 按照交互方式 分为语音交互、情感交互、体感交互、脑机交互。目前,。

    45、人机交互已 取得一定研究成果,依赖不同的人机交互技术,不少产品已经问世, 10 中国信息通信研究院,2018 世界人工智能产业发展蓝皮书 中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 17 并覆盖多个领域。但从整体上来看,受语音、视觉、语义理解等技术 条件的限制,人机交互产业还处于萌芽期。人脸表情交互在移动应用 产品设计中已得到初步应用,例如由 Takuto Onishi 开发的 iOS 应用 程序“twikao”,可以帮用户把人物面部真实表情转化成文字符号 表情。体感交互目前处于发展初期,主要应用在智能家居、体感游戏 等方面,用户可以利用自己的身体移动来控制智能家居设备,Kinect 一直在体感游戏方面发力,国内也有相关产品出。

    展开阅读全文
      三个皮匠报告文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:中国信通院:人工智能发展白皮书产业应用篇(2018年)(55页).pdf
    链接地址:https://www.sgpjbg.com/baogao/26658.html

    copyright@ 2008-2013        长沙景略智创信息技术有限公司版权所有
    经营许可证编号:湘ICP备17000430-2   增值电信业务经营许可证编号:湘B2-20190120


    备案图标.png湘公网安备 43010402000778号


    三个皮匠报告文库
    收起
    展开