MAKER EVEN

雖然時髦，無處不在的商業流行語是加密貨幣和區塊鏈，但被稱為第四次工業革命的真正強大因素是人工智慧。 無論是被譽為提高商業效率的靈丹妙藥還是人們對人類消亡的恐懼，人工智慧都在我們身上，并將以我們只能開始想象的方式影響整個企業和社會。 系好安全帶。 這是競技場中的一些影響者所說的2019年。 首先，Linux基金會研究主任Ibrahim Haddad表示，有兩個關鍵領域需要關注。 “2019年將成為開源AI的一年，”Haddad預測道。 “我們已經看到公司開始開源他們的內部人工智慧項目和堆棧，我希望在未來一年內看到這種加速。” 他表示，此舉的原因在于它可以增加創新，加快產品上市速度并降低成本。 “構建平臺的成本很高，組織正在意識到模型，培訓數據和應用程序的真正價值。我們將看到圍繞一系列關鍵項目的協調，為AI，機器創建一個全面的開源堆棧 學習和深度學習。“ 此外，Haddad表示基金會正在看到有關數據許可和人工智慧的更多標準化。 “我們希望以策劃和創建更多開源數據的目標出現新的努力，”Haddad說，這一發展將開啟有關隱私的關鍵問題的討論。 需要開發工具和策略來保護隱私并“匿名”發現的數據。 “但與此同時，仍然有必要找到跟蹤數據來源和消除偏見的方法，以便尋找這一領域的活動溫床，”Haddad指出。 毫無疑問，中國在人工智慧方面已經取得了巨大進步。 “如果我們坐在自動駕駛汽車中，我們必須確保我們信任駕駛汽車的人工智慧系統。當人工智慧應用即將成熟時，人工智慧的信任變得越來越緊迫。同樣認證管理人們的人工頭像將是他們愿意與他們建立交易之前與其他人工智慧化身表現出信任的關鍵。“ “我們相信，世界上每個人都將很快擁有一個PAI，一個智能的化身，看起來，說話，行為與人類對應，并通過互動自我發展。” “最近幾年，人工智慧模型在新聞翻譯中突破了理解和生成語言的界限，”Tetreault解釋道。 他預計自然語言處理（NLP）/通信里程碑將在2019年迅速加速。 說到人臉檢測，谷歌曾經在2017年發布了一款AI硬件紙盒套件，也是旗下AI開源項目(AIY Projects)的作品。Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，并顯示出情緒，比如微笑、皺眉、憤怒、開心等等。 “我希望我...

如今圍繞人工智慧的大肆宣傳，很難知道事情的實際位置。 幸運的是，AI研究人員今天發布的一份報告，整理了一系列有助于捕捉AI熱潮狀態的數據。 1、人工智慧以令人眼花繚亂的速度商業化 涌入AI創業公司的資金數額非常可觀。 AI啟動的數量（頂部）顯示在左側，與右側的啟動總數相比較。 人工智慧投資（如下）顯示在左側，與右側的總投資進行比較。 這說明了在不同行業中使用機器學習的巨大機會，也說明了被炒作和過熱的市場。 2、AI發展的重點是中國和美國，還有歐洲 中國人工智慧不斷增強以及與美國的競爭越來越激烈。 數據顯示，歐洲也是人工智慧活動的重要中心。 但似乎有三個主要的權力中心正在興起。 3、AI領域的男性人數仍遠遠多于女性 許多研究人員指出，人工智慧研究中女性和種族少數群體的數量不足。 新報告提供了一些數據來支持這一點，顯示人工智慧相關工作申請人中的女性人數短缺（上圖）和人工智慧教學中的人口比例（下圖）。 4、現有AI技術正在快速提高 該報告包括若干技術進步的衡量標準，包括圖像中物體識別的準確性，根據人類平均表現（上圖）測量，以及新聞文章機器翻譯的準確性，使用人類評委指定的分數（下圖）進行測量。 這并不意味著該領域越來越接近開發人類級人工智慧，但它們顯示了近年來關鍵技術的磨練方式。 比如計算機視覺功能的發展用例，谷歌曾經在2017年發布了一款AI硬件紙盒套件（也是旗下AI開源項目(AIY Projects)的作品）。其中，Vision Kit 就是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，并顯示出情緒，比如微笑、皺眉、憤怒、開心等等。 5、人工智成為一個戰略政策問題 美國國會（上圖）和英國議會（下圖）中的人工智慧和機器學習的提及在過去幾年中爆炸式增長。 這反映出人們越來越意識到該技術的經濟和戰略重要性。

人工智慧（AI）無處不在，受到大量投資，大量創業公司，所有成熟技術供應商以及大大小小的企業的影響，他們正在嘗試為自己的底線做些什么。 “有些AI應用程序不會辜負炒作，這沒關系。 人們一直計劃擁有自動駕駛汽車。 有些人仍擔心人工智慧接管可能距離僅僅20年，但事實是我們離真正的自動駕駛汽車還有很長的路要走。 至于人工智慧的收購，這只會在可預見的未來存在于科幻電影中。 我的預測是，我們對人工智慧及其能力現實的期望將在中間的某個地方遇到。 未來5年看起來會像現在一樣，但我們的日常工作將以微妙而重要的方式變得越來越有效。 AI機器人將更好地回答問題和審查客戶服務案例，智能助理將更有能力完成任務，自動駕駛汽車功能將繼續改進，但他們不會接管道路“-首席科學家 Richard Socher “人工智慧產品的采用將在2019年繼續擴展到從制造到教育，零售等不同的垂直領域。例如，在醫療保健領域，人工智慧增強型應用程序能夠減少緊急等候時間，甚至可以免費使用 醫生通過使用AI檢測和診斷腫瘤的時間。 隨著新的進步和應用程序進入各種垂直領域，隨著技術成本的降低以及組織和業務成果的改善，預計會加速采用。 在聯想，我們已經在供應鏈和零件規劃流程中使用人工智慧，這樣我們就可以為渴望通過人工智慧轉變業務的客戶提供更好的一流體驗“-聯想公司總裁兼首席運營官，Gianfranco Lanci “除了目前在移動應用和其他醫療保健IT平臺上可用的預先存在的聊天機器人之外，患者還會發現自己通過各種全渠道用戶界面進行交談。 像Alexa和Google Home這樣的對話體驗的消費者框架可能會增加HIPAA隱私支持，為機器人打開了大門，以便在患者訪問之間的時間間隔內保持對話。 在護理環境中，醫院病床旁的護士呼叫按鈕，收集健康歷史記錄的表格以及笨重的調度應用程序將演變為以客戶為中心的機器人醫療助理“-Deloitte ConvergeHEALTH首席技術官，Dan Housman “2019將看到鐘擺轉向關注邊緣執行分析。 組織將通過處理和分析邊緣數據而不是將其移回核心，存儲和應用傳統分析來節省時間和金錢。 用例包括異常檢測（欺詐），模式識別（預測故障/維護）和持久流。 自動駕駛汽車，石油和天然氣平臺，醫療設備都是這一趨勢的早期例子，我們將在2019年看到擴展。這一趨勢的成本驅動因素是帶...

人工智慧（AI）的爆炸性使用正在開啟半導體設備的新時代，這將帶來許多新的機遇，但也帶來許多挑戰。 IBM研究部高級副總裁John E. Kelly博士談到人工智慧將如何大幅改變世界。 “這是一個計算時代，其規模將使之前的時代相形見絀，其方式將改變我們所有的業務和所有行業，以及我們所有的生活，”他說。 “這是推動我們半導體產業向前發展的時代。機會的數量是巨大的。“ Applied Materials 首席執行官Gary Dickerson在活動上發言時表示，AI“需要在邊緣和云端創新，在邊緣生成數據，存儲數據，處理數據以釋放價值。與此同時，摩爾定律正在放緩。“這創造了”完美的機會“，他說。 SEMI總裁兼首席執行官Ajit Manocha稱其為半導體行業的“重生”。 “人工智慧正在改變一切 - 并將半導體帶回當之無愧的聚光燈下，”他在最近的一篇文章中指出。“AI的數百個zettabytes和數萬億美元的潛在市場依賴于新的半導體架構和計算平臺。 制造這些AI半導體引擎需要大量創新的新材料，設備和設計方法。“ “硬件再次變得重要，”迪克森說。 “在過去的18個月中，芯片初創公司的資金比前18年增加了。”除了來自英特爾和高通等傳統IC公司的AI芯片外，還有超過45家初創公司正致力于開發新的AI芯片。風險投資超過15億美元 - 其中至少有5個投資者籌集了超過1億美元。谷歌，Facebook，微軟，亞馬遜，百度和阿里巴巴等科技巨頭也在開發AI芯片。 迪克森表示，擁有比其他任何人早12個月獲勝的AI芯片可能是一個1000億美元的機會。 “我們在應用材料公司內部推動的是速度和上市時間。什么是一個月的價值？一分鐘值多少錢？“ IBM的Kelly表示，在現有的15億至20億美元的信息技術產業之上，人工智慧有2萬億美元的決策支持機會。 “從字面上看，世界上每個行業都會受到這種影響和改變，”他說。 AI需要分析非結構化數據 去年年底在國際電子器件會議期間應用材料展覽會上，IBM研究院副院長兼Almaden實驗室主任Jeff Welser博士表示，人工智慧的爆炸式增長是由需要處理大量非結構化數據所驅動的。 ，注意到在短短兩天內，我們現在產生的數據與2003年總產生的數據一樣多。“在2020年左右，估計可能產生50個zettabytes的數據。這是21個零...

中興風波過去已經有一段時間了，此次的事件在國內引起軒然大波，絕大多數企業家和國人都前所未有地感受到了“中國缺芯”之痛。這也讓中國在通訊技術上的困境浮出水面。同時也加大了國內研發AI芯片的重視程度，一方面國際市場的芯片之爭又再次激烈起來，尤其是人工智慧技術的快速發展，AI硬件產品也要快速匹配技術的進步。 ​ 根據DigiTimes的研究，人工智慧技術將在今年第四季度內滲透至少30％的智能手機空間。該公司還指出，使用單獨的處理器進行人工智慧功能的基于硬件的解決方案正逐漸變得比許多智能手機中仍然可見的更有限的軟件解決方案更受歡迎。研究指出，為神經網絡制造的專業神經處理單元在不久的將來會越來越受歡迎。據報道，這得益于對基于人工智慧的服務的高需求，如圖像識別，語音處理和面部識別。 特斯拉計劃在2019年發布自己的定制AI芯片 馬斯克宣布，特斯拉的新定制AI芯片距離安裝在新車上還有六個月的時間。該首席執行官表示，該芯片去年12月被確認為正在開發中，將提供其車輛自動駕駛性能“增加500％和2000％之間”。已經支付完全自動駕駛費用的現有特斯拉車主將免費為Autopilot提供此“硬件3”更新。 ​ 據報道，特斯拉的車載軟件v9已經通過統一的攝像頭網絡為其神經網絡帶來了重大改進，該網絡可以更加無縫地集成汽車的所有八個攝像頭。 馬斯克表示，此軟件更新的功能大約增加了400％。 高通發布驍龍855芯片，2019年載入安卓手機 高通公司的人工智慧性能與855芯片相比增加了兩倍，至少在紙面上是如此。高通公司表示，與845上的AI引擎相比，855的四代多核AI引擎的AI性能提高了三倍。更強大的AI引擎應該改進一切，從高級相機功能（如對象和場景檢測或處理肖像模式照片的景深）到使數字助理更具響應性等等。改進的AI引擎還將改善增強和混合現實體驗，進一步模糊真實和數字之間的界限。 高級Qualcomm Snapdragon 移動平臺具有廣泛的異構計算功能，可以在設備上運行經過訓練的神經網絡，而無需連接到云。 用于人工智慧（AI）的Qualcomm 神經處理SDK旨在幫助開發人員在Snapdragon移動平臺上運行一個或多個在Caffe / Caffe2，ONNX或TensorFlow中訓練的神經網絡模型，無論是CPU，GPU還是DSP。 ​ 亞馬...

人工智慧（AI）會將我們變成超人，前提是它最終不會取代我們。 但我們對AI的真正含義是什么？我們可以用它做些什么呢？ 在這篇文章中，我將介紹最先進的技術，以及如何使用便宜的Raspberry Pi計算機和谷歌的一些名為TensorFlow的免費軟件構建自己的“DIY”。 AI現在主要是聚焦模式識別 - 靜止和運動圖像，還有聲音（識別單詞和句子）和文本（本文用英文寫成）。一個很好的例子是上圖中的Raspberry Pi徽標。即使認為它有點模糊，我們看不到整個事物，大多數人會認識到圖片包含某種漿果。熟悉這種小型低成本計算機的人幾乎可以立即發現圖片中包含Raspberry Pi徽標 - 電路板背景可能有助于慢慢記憶。 當我們談論“智能”時，事實是這種模式識別非常愚蠢。智能（如果有的話）由人類提供，添加一些規則，告訴計算機在匹配模式時要注意哪些模式以及要做什么。所以讓我們嘗試一下小實驗 - 我們會將相機和揚聲器連接到我們的Raspberry Pi上，教它識別相機看到的物體，然后告訴我們它在看什么。這是一個非常緩慢而笨重的低技術版本的OrCam，這是一項新的發明，幫助失明和視力不佳的人獨立生活。 谷歌的TensorFlow是一個開源的機器學習系統。機器學習是支撐大多數現代AI系統的技術，它負責我剛才談論的模式識別。 Google采取了大膽的舉措，不僅讓TensorFlow免費提供，還讓每個人都可以通過“開源”來訪問軟件的源代碼。這意味著全世界的開發人員都可以（并且確實）增強它并分享他們的變化。 AIY Voice Kit 語音套件 Voice Kit 允許您構建自己的自然語言處理器。 它使用Google語音助手為Raspberry Pi添加了語音控制功能。 構建時，將頂部（HAT）板上的語音硬件附件與Raspberry Pi板連接。 這些物品由紙板組成，并連接到盒子外面的大按鈕和揚聲器。 揚聲器通過兩根電線連接到HAT板。 這些電線傳輸電信號，由揚聲器轉換為聲音。 這就是設備獲得聲音的方式。 存儲卡插入Raspberry Pi，設備連接到電源。 使用Google AIY Projects應用程序無線設置和配置套件。 iOS設備尚未推出類似的應用程序。 AIY Vision Kit 視覺套件 Google 的AIY ...

ParlAI 作為Facebook研究項目的一部分，ParlAI是一個用于在各種公開可用的對話數據集上訓練和評估AI模型的框架。 ParlAI將為研究人員提供訪問許多流行數據集的權限，同時擁有用于共享和測試對話模型的統一框架。 您可以在這里閱讀更多關于ParlAI的信息。 facets Facets是一種可視化機器學習數據集的工具。可視化實現為Polymer Web組件，由Type代碼支持，可以輕松嵌入到Jupyter筆記本或網頁中。 可視化的關鍵方面是跨多個數據集的異常檢測和分布比較。 有趣的值（例如，大部分缺失數據，或跨多個數據集的特征的非常不同的分布）以紅色突出顯示。 ELF with AlphaGoZero ELF是AlphaGoZero / AlphaZero重新實現的游戲研究平臺。 ELF為游戲研究提供端到端解決方案。 它包括微型實時戰略游戲環境，并發仿真，數千臺機器的分布式培訓，直觀的API，基于Web的可視化以及由PyTorch提供支持的強化學習框架。 Detectron Detectron是Facebook AI Research的軟件系統，它實現了最先進的物體檢測算法，包括Mask R-CNN。 它是用Python編寫的，由Caffe2深度學習框架提供支持。 Fast Style Transfer 快速風格轉移 使用TensorFlow CNN實現，這可能是圖像樣式傳輸的最佳示例之一，顧名思義，它的完成速度非常快。 該實現基于Gatys的藝術風格的神經算法，Johnson對實時樣式轉換和超分辨率的感知損失以及Ulyanov的實例規范化的組合。 人臉識別 此工具提供簡單的面部識別API。 它可以找到面部特征，并可以猜出給定照片中的人物。 使用dlib最先進的面部識別功能構建而成，并通過深度學習構建。 該模型在Wild標記的Labeled Faces中的準確度為99.38％。 這還提供了一個簡單的face_recognition命令行工具，可以讓您從命令行對圖像文件夾進行人臉識別！ 說到人臉識別，谷歌曾經在2017年發布了一款AI硬件紙盒套件，也是旗下AI開源項目(AIY Projects)的作品。Vision Kit 是一套簡單的計算機視覺系統...