文章出處：盧毅：矽谷密探人工智能大趨勢
這條音頻給你說說2016年人工智能的幾個重大趨勢。
“矽谷密探”是一家立足矽谷的科技媒體，為你報導矽谷的前沿產品，
帶你探訪矽谷的創業公司。 “矽谷密探”主筆盧毅應“得到”知識新聞工作室的邀請，
為我們總結了2016年人工智能幾個重大的趨勢，下面和你分享一下。
第一個是深度學習的進展。
深度學習是機器學習的一個新領域，出發點在於建立、模擬人腦進行分析學習的神經網絡。
深度學習的整個學習過程中，幾乎可以做到直接把海量數據投放到算法中，
讓數據自己說話，系統會自動從數據中學習。從輸入到輸出是一個完全自動的過程。
比如，2016年Alpha Go下圍棋贏了李世石，Alpha Go背後的DeepMind團隊，
用的就是深度增強式學習，這是深層神經網絡用於決策領域的成果。
DeepMind 深度增強學習可以用在遊戲方面，
也可以用於導航，甚至還能用於個性化推薦系統。
第二個是無人車。
無人駕駛仍然是2016年最熱門的話題之一，
不過討論的話題中心，已經從會不會到來，變成了幾年內到來。
特斯拉2016年宣布了十年計劃，打算建一個無人車的共享網絡，
並且特斯拉未來出廠的汽車，都配有自動駕駛所需的所有硬件，軟件更新也會慢慢推出。
福特、奔馳、寶馬、豐田和沃爾沃，都計劃在未來五年推出無人駕駛汽車的共享服務。
智能汽車組件的提供商也紛紛加入戰局。
英特爾今年圍繞無人車領域，收購了好幾家公司，其中有一家就是做視覺處理器芯片的。
英特爾還在2016年和寶馬等公司合作，共同開發無人駕駛汽車，產品將在2020年問世。
谷歌也成立了無人駕駛項目的實體公司，
這個公司將專注於無人車駕駛技術，而不是整車製造。
蘋果的無人車項目也轉向了無人車駕駛技術研發，而不是造一輛無人駕駛電動車。
不過無人車駕駛是一場混戰，除了技術之外，如何賺錢也成為廠商必須思考的問題，
一個成功的典範就是英偉達，他們的無人車芯片已經賣給特斯拉等廠商開始賺錢了。
第三個是聊天機器人和語音智能助理。
這也是今年的一大熱點。 Facebook在2016年的F8大會上，
宣布了Facebook聊天機器人計劃，目前能夠幫助人們在網上訂餐、訂票、訂鮮花等，
谷歌也推出了帶有聊天機器人的聊天軟件Allo。微軟也在今年推出了智能機器人開發框架。
語音助理和聊天機器人有不少使用場景。
比如，物理上決定了眼睛和手被佔據的時候，都非常適合語音智能助理。
最典型的就是在家裡，我們不願意去找手機在哪裡，
只需要聲音就能完成，因為語音是人的物理延伸。另一個典型場景就是開車的時候。
再比如，聊天機器人可能也非常適合交互很多的場景。
以前我們的交互，都是通過圖形界面來完成，
但圖形界面並不是一個完美的方案，這只是一個權宜之計。
舉個例子，人類最早的購物模式中有一大類是交互式的，
我們可能沒有特別明確要買什麼，通過與店員或者導購的交流來決定買什麼。
通過聊天這種自然靈活的方式來做電商，是非常值得電商領域來探索的。
第四個是計算機視覺。
人類認識了解世界的信息中大部分來自視覺，
同樣，計算機視覺也成了機器認知世界的基礎，
終極目的是讓計算機能像人一樣“看懂世界”。
目前計算機視覺主要應用在人臉識別、圖像識別、增強現實等方面，
技術上還有一定的挑戰。
2016年，微軟已經發布了一款增強現實眼鏡，售價3000美元。
這類被譽為黑科技產品的增強現實產品，背後需要大量計算機視覺的技術，
比如對手速的識別，還需要通過傳感器獲取環境的視覺信息。
此外，計算機視覺也是和無人駕駛緊密結合的領域，
比如與英特爾合作做無人車的MobiEye，就是比較出名的計算機輔助駕駛芯片提供商。
今年有大量計算機視覺領域的公司獲得投資，
除了上面幾個方向，還包括計算機視覺用於人臉識別、安防，以及工業機器人等工業應用。
以上就是2016年人工智能領域的幾個重大趨勢，供你參考。
特約撰稿：盧毅
轉載:得到
這條音頻給你說說2016年人工智能的幾個重大趨勢。
“矽谷密探”是一家立足矽谷的科技媒體，為你報導矽谷的前沿產品，
帶你探訪矽谷的創業公司。 “矽谷密探”主筆盧毅應“得到”知識新聞工作室的邀請，
為我們總結了2016年人工智能幾個重大的趨勢，下面和你分享一下。
第一個是深度學習的進展。
深度學習是機器學習的一個新領域，出發點在於建立、模擬人腦進行分析學習的神經網絡。
深度學習的整個學習過程中，幾乎可以做到直接把海量數據投放到算法中，
讓數據自己說話，系統會自動從數據中學習。從輸入到輸出是一個完全自動的過程。
比如，2016年Alpha Go下圍棋贏了李世石，Alpha Go背後的DeepMind團隊，
用的就是深度增強式學習，這是深層神經網絡用於決策領域的成果。
DeepMind 深度增強學習可以用在遊戲方面，
也可以用於導航，甚至還能用於個性化推薦系統。
第二個是無人車。
無人駕駛仍然是2016年最熱門的話題之一，
不過討論的話題中心，已經從會不會到來，變成了幾年內到來。
特斯拉2016年宣布了十年計劃，打算建一個無人車的共享網絡，
並且特斯拉未來出廠的汽車，都配有自動駕駛所需的所有硬件，軟件更新也會慢慢推出。
福特、奔馳、寶馬、豐田和沃爾沃，都計劃在未來五年推出無人駕駛汽車的共享服務。
智能汽車組件的提供商也紛紛加入戰局。
英特爾今年圍繞無人車領域，收購了好幾家公司，其中有一家就是做視覺處理器芯片的。
英特爾還在2016年和寶馬等公司合作，共同開發無人駕駛汽車，產品將在2020年問世。
谷歌也成立了無人駕駛項目的實體公司，
這個公司將專注於無人車駕駛技術，而不是整車製造。
蘋果的無人車項目也轉向了無人車駕駛技術研發，而不是造一輛無人駕駛電動車。
不過無人車駕駛是一場混戰，除了技術之外，如何賺錢也成為廠商必須思考的問題，
一個成功的典範就是英偉達，他們的無人車芯片已經賣給特斯拉等廠商開始賺錢了。
第三個是聊天機器人和語音智能助理。
這也是今年的一大熱點。 Facebook在2016年的F8大會上，
宣布了Facebook聊天機器人計劃，目前能夠幫助人們在網上訂餐、訂票、訂鮮花等，
谷歌也推出了帶有聊天機器人的聊天軟件Allo。微軟也在今年推出了智能機器人開發框架。
語音助理和聊天機器人有不少使用場景。
比如，物理上決定了眼睛和手被佔據的時候，都非常適合語音智能助理。
最典型的就是在家裡，我們不願意去找手機在哪裡，
只需要聲音就能完成，因為語音是人的物理延伸。另一個典型場景就是開車的時候。
再比如，聊天機器人可能也非常適合交互很多的場景。
以前我們的交互，都是通過圖形界面來完成，
但圖形界面並不是一個完美的方案，這只是一個權宜之計。
舉個例子，人類最早的購物模式中有一大類是交互式的，
我們可能沒有特別明確要買什麼，通過與店員或者導購的交流來決定買什麼。
通過聊天這種自然靈活的方式來做電商，是非常值得電商領域來探索的。
第四個是計算機視覺。
人類認識了解世界的信息中大部分來自視覺，
同樣，計算機視覺也成了機器認知世界的基礎，
終極目的是讓計算機能像人一樣“看懂世界”。
目前計算機視覺主要應用在人臉識別、圖像識別、增強現實等方面，
技術上還有一定的挑戰。
2016年，微軟已經發布了一款增強現實眼鏡，售價3000美元。
這類被譽為黑科技產品的增強現實產品，背後需要大量計算機視覺的技術，
比如對手速的識別，還需要通過傳感器獲取環境的視覺信息。
此外，計算機視覺也是和無人駕駛緊密結合的領域，
比如與英特爾合作做無人車的MobiEye，就是比較出名的計算機輔助駕駛芯片提供商。
今年有大量計算機視覺領域的公司獲得投資，
除了上面幾個方向，還包括計算機視覺用於人臉識別、安防，以及工業機器人等工業應用。
以上就是2016年人工智能領域的幾個重大趨勢，供你參考。
特約撰稿：盧毅
轉載:得到
-------------
主旨：
第一個是深度學習的進展。
深度學習是機器學習的一個新領域，出發點在於建立、模擬人腦進行分析學習的神經網絡。
深度學習的整個學習過程中，幾乎可以做到直接把海量數據投放到算法中，
讓數據自己說話，系統會自動從數據中學習。從輸入到輸出是一個完全自動的過程。
比如，2016年Alpha Go下圍棋贏了李世石，Alpha Go背後的DeepMind團隊，
用的就是深度增強式學習，這是深層神經網絡用於決策領域的成果。
第二個是無人車。
特斯拉2016年宣布了十年計劃，打算建一個無人車的共享網絡，
並且特斯拉未來出廠的汽車，都配有自動駕駛所需的所有硬件，軟件更新也會慢慢推出。
福特、奔馳、寶馬、豐田和沃爾沃，都計劃在未來五年推出無人駕駛汽車的共享服務。
智能汽車組件的提供商也紛紛加入戰局。
英特爾今年圍繞無人車領域，收購了好幾家公司，其中有一家就是做視覺處理器芯片的。
英特爾還在2016年和寶馬等公司合作，共同開發無人駕駛汽車，產品將在2020年問世。
谷歌也成立了無人駕駛項目的實體公司，
這個公司將專注於無人車駕駛技術，而不是整車製造。
蘋果的無人車項目也轉向了無人車駕駛技術研發，而不是造一輛無人駕駛電動車。
第三個是聊天機器人和語音智能助理。
Facebook在2016年的F8大會上，
宣布了Facebook聊天機器人計劃，目前能夠幫助人們在網上訂餐、訂票、訂鮮花等，
谷歌也推出了帶有聊天機器人的聊天軟件Allo。微軟也在今年推出了智能機器人開發框架。
聊天機器人可能非常適合交互很多的場景。
以前我們的交互，都是通過圖形界面來完成，
但圖形界面並不是一個完美的方案，這只是一個權宜之計。
舉個例子，人類最早的購物模式中有一大類是交互式的，
我們可能沒有特別明確要買什麼，通過與店員或者導購的交流來決定買什麼。
通過聊天這種自然靈活的方式來做電商，是非常值得電商領域來探索的。
第四個是計算機視覺。
人類認識了解世界的信息中大部分來自視覺，
同樣，計算機視覺也成了機器認知世界的基礎，
終極目的是讓計算機能像人一樣“看懂世界”。
目前計算機視覺主要應用在人臉識別、圖像識別、增強現實等方面，
技術上還有一定的挑戰。
主旨：
第一個是深度學習的進展。
深度學習是機器學習的一個新領域，出發點在於建立、模擬人腦進行分析學習的神經網絡。
深度學習的整個學習過程中，幾乎可以做到直接把海量數據投放到算法中，
讓數據自己說話，系統會自動從數據中學習。從輸入到輸出是一個完全自動的過程。
比如，2016年Alpha Go下圍棋贏了李世石，Alpha Go背後的DeepMind團隊，
用的就是深度增強式學習，這是深層神經網絡用於決策領域的成果。
第二個是無人車。
特斯拉2016年宣布了十年計劃，打算建一個無人車的共享網絡，
並且特斯拉未來出廠的汽車，都配有自動駕駛所需的所有硬件，軟件更新也會慢慢推出。
福特、奔馳、寶馬、豐田和沃爾沃，都計劃在未來五年推出無人駕駛汽車的共享服務。
智能汽車組件的提供商也紛紛加入戰局。
英特爾今年圍繞無人車領域，收購了好幾家公司，其中有一家就是做視覺處理器芯片的。
英特爾還在2016年和寶馬等公司合作，共同開發無人駕駛汽車，產品將在2020年問世。
谷歌也成立了無人駕駛項目的實體公司，
這個公司將專注於無人車駕駛技術，而不是整車製造。
蘋果的無人車項目也轉向了無人車駕駛技術研發，而不是造一輛無人駕駛電動車。
第三個是聊天機器人和語音智能助理。
Facebook在2016年的F8大會上，
宣布了Facebook聊天機器人計劃，目前能夠幫助人們在網上訂餐、訂票、訂鮮花等，
谷歌也推出了帶有聊天機器人的聊天軟件Allo。微軟也在今年推出了智能機器人開發框架。
聊天機器人可能非常適合交互很多的場景。
以前我們的交互，都是通過圖形界面來完成，
但圖形界面並不是一個完美的方案，這只是一個權宜之計。
舉個例子，人類最早的購物模式中有一大類是交互式的，
我們可能沒有特別明確要買什麼，通過與店員或者導購的交流來決定買什麼。
通過聊天這種自然靈活的方式來做電商，是非常值得電商領域來探索的。
第四個是計算機視覺。
人類認識了解世界的信息中大部分來自視覺，
同樣，計算機視覺也成了機器認知世界的基礎，
終極目的是讓計算機能像人一樣“看懂世界”。
目前計算機視覺主要應用在人臉識別、圖像識別、增強現實等方面，
技術上還有一定的挑戰。
沒有留言:
張貼留言