专题发布:2021-01-25
人工智能的产业架构,可分为三层:基础层、技术层和应用层。基础层提供数据及算力支撑,包括计算硬件、数据以及计算系统技术。技术层是人工智能产业的核心,以模拟人的智能相关特征为出发点,构建技术路径,主要包括应用软件(机器视觉、智能语音、自然语言理解、知识图谱、跨媒体分析、群体智能、脑机接口……)、算法理论(机器学习)、开发平台(基础开源框架、技术开放平台)。应用层集成了一类或者多类人工智能基础应用技术,面向特定应用场景需求而形成软硬件产品或解决方案。本专题将聚焦技术层,探讨各类人工智能技术。
结合大数据与机器学习技术在计算推理、远程运维、操控优化、规律挖掘、故障诊断、在线监控等场景的应用案例,指出引入大数据与机器学习技术,能有效解决制造中复杂隐性的关联关系及不确定性问题;并从大数据与机器学习技术的实施架构、制造中需要采集什么数据、怎样采集数据、数据如何使用的角度,具体介绍了制造中的数据采集与数据挖掘技术及其应用。他还总结道,智能制造是实现个性化定制生产与规模化生产效益的手段,而大数据与机器学习技术是制造智能化的有效技术之一。
机器视觉是与工业应用结合最为紧密的人工智能技术,通过对图像的 智能分析,使工业装备具有了基本的识别和分析能力。随着工业数字 化、智能化转型逐渐深入,智能制造的逐步推进,工业机器视觉逐渐 形成规模化的产业,并随着人工智能技术在工业领域落地而逐渐深入 到工业生产的各种场景之中。本报告分析了工业机器视觉的发展环境、产业链及市场、应用场景、投资价值。
着眼于“AI人机交互”,基于对AI领域前沿技术产品和设计的深入研究和洞察,结合产业界和学术界的经验,探讨了AI时代的“人机交互介质”、“交互对象”、“AI应用”、“人机关系”等在未来三年内的发展趋势,形成了该领域的设计洞察,并总结为AI人机交互的八大趋势。
白皮书以“5G+AI” 作为数字化基础设施,探索孵化端到端智能工业视觉解决方案,助力构建以设备互联互通和分布式智能为核心的未来工厂制造系统。白皮书指出:机器视觉广泛应用于工业生产的质量检测、高效分拣、安全巡检等环节,目前存在端侧算力不足、数据无法共享、有线连接柔性差等问题,通过5G的大带宽、低时延特性,实现算力在端云间共享,降低系统成本,灵活部署、减少运维,让产线布满眼睛,达到“提质、提效、降本”的目的。
智能语音技术是人工智能领域的重要分支。智能语音技术涉及多类型学科,其核心技术包括语音合成、语音识别、声纹识别、自然语言理解、语音去噪等关键技术。伴随智能语音技术的发展,智能语音的应用覆盖多个场景,如智能家居、智能车载、智能医疗、智能客服、智能教育等。互联网企业、智能语音技术企业以及智能语音初创企业纷纷布局中国智能语音市场,推动智能语音行业市场规模持续扩容。
认知智能是探寻人类学习、理解、产生决策的生物能力,并将之赋予机器的技术统称,而实现机器认知,需要突破感知泛在、意识建立、低维到高维的主观概念形成、推理决策能力唤醒,以及多模态知识持续学习等能力瓶颈,其产生的价值也将使人工智能更加贴近人类的思维方式,而知识图谱作为人类意识和概念的承载体是现阶段认知智能主要的发展方向之一。本报告对中国知识图谱行业进行了整体描述,产出了目前市场中独家的市场数据,旨在将向市场提供更多的参考依据。
本报告对AI的产业现状及人工智能开源落地行业的宏观问题进行了描述;对人工智能开源现状及相关生态做了全面的分析,包括人工智能开源项目(聚焦机器学习、深度学习)的全栈图,并给出全栈各层的定义;介绍了 AI 在应用时的总体工作流,并系统化地分析当前基于开源的人工智能技术在解决行业具体问题时还有哪些不足、开源起了什么作用、还有哪些短板、在全栈中还有哪些缺失等;主要阐述了新一代数据驱动的人工智能将给传统以代码为核心的开源理念带来哪些挑战;最后着重阐述了人工智智能领域开源与标准的关系和相互促时,并分享了各行各业在人工智能领域的经典案例。
深度学习技术选型白皮书是中国人工智能产业发展联盟开源开放推进组的研究成果。本白皮书从深度学习框架、推断框架及技术生态工具三个维度系统梳理总结了基于开源的深度学习技术体系,结合企业自身业务开展需求,分析了技术选型因素,提出了选型指标体系,并就软件框架目前存在的问题及技术发展趋势进行了研判。
目前全国约有超过250家企业参与智能语音语义市场。互联网巨头、技术提供方、 设备商和行业集成商应分别重视连续性投入支持问题、基础开发模块标准化程度提 升与商务团队配置问题、设备后服务增长问题和软件研发能力建设问题,迎接人机 交互升级带来的行业价值链扩张。