中國AI全景論文:AI有潛力增強每項技術,作用類似內燃機
2020年07月09日18:17

原標題:中國AI全景論文:AI有潛力增強每項技術,作用類似內燃機

7月9日,在世界人工智能大會科技創新全體會議上,由中國團隊撰寫的《新一代中國人工智能》(簡稱“AI in China”)的論文正式對外發佈。

這是中國科學家首次在國際頂級學術期刊上發表關於中國AI發展的全景綜述。論文的發佈是中國人工智能產業的發展成果在全球的重要性和影響力的體現,也彰顯了上海作為全球人工智能高地的實力。

論文指出,人工智能有潛力增強每一項技術;從這個意義上講,它類似於內燃機或電力等“使能”技術。

因此,論文從人工智能如何推動社會經濟進步的角度,介紹了國家人工智能平台部署的幾個重點關注領域:日常消費、自動駕駛、醫療和基於對話式人工智能的物聯網。論文稱,之所以選擇上述領域,是因為2019年中國移動支付用戶規模為5.77億(目前全球最大),自主駕駛和智能健康是中國新一代人工智能發展規劃的重要領域,人工智能+物聯網幫助中國人活得更智能。

日常消費中的AI

在中國,人工智能技術被廣泛應用於日常生活中,如當地企業和金融服務。消費者可在智能手機中安裝一系列應用程式,來體驗人工智能和機器學習技術所帶來的便利。例如,民眾耳熟能詳的例如美團(Meituan)或大眾點評(Dianping)這樣的交易性“超級應用”,它們提供的生活方式類服務將數億客戶與當地企業連接起來。這些應用程式改變了中國城市數億人的生活,加快了包括如食品、酒店住宿和電影票等服務的預訂和交付。例如,每天有超過60萬名配送人員在平均30分鐘內完成食品配送訂單。這一效率歸功於強大而智能的調度系統,該系統每小時計算30億條路線計劃,以優化騎手的運量和配送時間。

在金融領域,隨著微信支付、支付寶等在線消費信貸服務和應用的興起,我國消費信貸市場規模迅速增長:截至2018年底,消費信貸餘額超過8.45萬億元人民幣,授權信用卡總量超過14萬億張。與此同時,消費信貸行業面臨著信用數據匱乏(中國60%以上的人口缺乏信用記錄)、風險管理薄弱、運營服務效率低下等困難。在這些在線信貸服務或應用程式中,人工智能通過處理大規模互聯網數據和採用先進算法來提高金融服務決策的質量和運營效率。例如,利用深度學習,利用社交網絡關係中的序列行為數據和同質效應,識別群體欺詐攻擊;利用深度語義語言模型,從不同角度生成數據,瞭解客戶需求和使用頻率,提高客戶服務效率和運營安全。在中國人民銀行公佈的《金融科技發展規劃(2019-2021)》中,人工智能在金融領域的深度融合被認為是提高金融風險控制水平和服務效率的關鍵。

此外,人工智能技術還改變了人們以不同方式與有價值的信息聯繫的方式,包括文本、圖像、音頻和視頻。截至2018年底,中國移動用戶已達11.7億戶,普及率達82%。大多數人使用智能手機和流行的移動應用程式,如豆瓣、愛奇藝、騰訊視頻、頭條、快手和微博進行學習和推薦。大規模推薦算法是信息訪問的重要技術之一。以深度神經網絡為支撐的系統每天都會發佈數以千萬計的新興新聞文章和視頻,根據用戶的興趣和口味量身定製。例如,中國每天有超過1.2億人使用頭條應用程式來消費新聞、視頻和其他內容。用戶反饋被實時收集並反饋到先進的分佈式機器學習算法中,以調整模型以進行下一項推薦。領先的消費應用程式使用人工智能技術來提高信息創建、調節、傳播、消費和交互的效率和效率。

自動駕駛中的AI

每年約有130萬人死於交通事故,造成的經濟損失累計超過6,000億美元。作為世界上人口最稠密、交通最擁擠的國家之一,中國有潛力成為最大但也是最具挑戰性的自主駕駛市場。近年來,中國成立了幾家自主駕駛初創公司,其使命是開發能夠拯救生命和提高效率的自主駕駛解決方案。要在不斷變化的各種環境(包括地理、天氣、交通、用例等)中部署自主駕駛解決方案,需要靈活、可擴展和可升級的算法。提供足夠的感知、高清地圖、駕駛行為和脫離接觸數據是開發此類解決方案的先決條件。一個有希望的方向是利用汽車和道路之間的智能互動。增加一個數量級的數據可以提高一個數量級的精度。

隨著各種自主駕駛產品的數據不斷被回收,以及人工智能輔助的數據選擇過程,算法改進管道被建立,這將轉化為產品改進,最終轉化為更高的增長潛力。該行業通常將自動駕駛產品分為批量生產的高級駕駛員輔助解決方案(ADAS)和完全自主/AV解決方案。兩個域之間的協同可以通過一致的數據驅動方法實現,其中兩個域共享主傳感器集和數據原則。ADAS車輛中各種設置產生的數據對於不斷髮展和改進完全自主解決方案至關重要。通過對完全自主技術的不斷改進,這些功能和模塊將遷移到ADAS產品中並提供高級功能。通過同時使用人工智能技術解決這兩個領域的問題,一些公司將加快部署靈活、可擴展和可升級的自主駕駛解決方案,以滿足未來的移動需求。

醫療行業中的AI

作為世界上人口最多的國家,中國有潛力成為最大的人工智能醫療市場。在中國,近幾年已經成立了100多家人工智能醫療初創公司,涉及醫療圖像分析、藥物發現、手術機器人和臨床決策支援系統等不同領域。其中,以醫學影像學為主,尤其是腫瘤影像學,包括但不限於放射學、病理學和放射治療。他們的任務是自動化診斷,支援治療決策,並最終保存當前的臨床工作流程。癌症是導致中國人死亡的主要原因,已經成為人工智能發展的主要領域。早期診斷並對腫瘤進行定量評估對於提高治療成功率至關重要,這可能為患者帶來更高的生存率。

自2012年以來,深度學習在特定任務應用領域,尤其是在放射成像領域和計算病理領域,已被證明與人類的表現相匹配,甚至超過人類的表現。然而,深度學習的持續發展仍然需要解決醫學影像學中存在的諸多挑戰。例如,深度學習需要大量的醫學數據和專家註釋來訓練一個抗噪聲和/或部分缺失標籤的健壯模型。這些高質量的註釋必須從具有多年經驗的專家獲取,而不是眾包。這可能導致在生成高質量的地面真實性方面效率低下,而那些大規模的未標記數據集仍然未被探索。在這種情況下,弱監督或半監督學習可以為這一挑戰提供替代解決方案。在利用大規模、多中心醫療數據時,還必須考慮到數據倉庫和患者保密性。具有協作機製的聯合學習顯示了在沒有集中訓練數據的情況下克服這一挑戰的潛在希望。目前,國內已有數十種醫學人工智能產品成功投入臨床試驗,如CT掃瞄肺結節檢測、眼底糖尿病視網膜病變分類、宮頸癌Pap塗片篩查等。人工智能將是我國大多數醫師日常工作中不可缺少的組成部分,這一點已被國內大多數醫師所認識。在上市之前,這些人工智能醫療產品必須獲得行政批準,並從臨床角度證明其價值。隨著我國數字化標準化和大規模醫療數據的出現,醫生與人工智能研究人員的密切合作將使人工智能輔助系統進入臨床工作流程,成為醫生重要的輔助工具,最終提高患者管理水平。

基於對話式AI的IOT

目前在中國,數十億的智能硬件組成了物聯網,它每天都用於信息訪問。語音和語言是人類與智能硬件之間信息交換的自然選擇。因此,工業界和學術界對話式人工智能產生了極大的興趣。百度(Baidu)等巨頭公司和思必馳等初創人工智能公司都在積極構建全鏈對話人工智能平台,目標是開發可定製的虛擬對話助手,以增強所有可能的智能物聯網設備。這也是一個極具挑戰性的研究課題。會話人工智能的研究主要是口語對話系統(SDS)的研究。任務導向的SDS是大多數研究者最感興趣的話題,而基於QA的會話或閑聊也是熱門的研究課題。

未來幾年,中國此方面在工業和學術界可能有三種趨勢。首先,在複雜的聲學環境和非合作的交互場景中工作的感知技術,如多人同時對話的遠場語音識別或會議語音識別,將成為研究的重點。第二,認知研究將比認知研究吸引更多的注意力,特別是多回合、高度語境敏感的語言理解和對話決策。在這裏,數據驅動和基於知識的方法的結合在許多任務中可能是一種有效的方法;統計對話政策的成功使用將使面向任務的對話助理能夠在為人類服務的同時自行發展。第三,對話的概念將從基於語音的對話擴展到多模態對話,能夠處理語音和視覺的對話代理將廣泛應用於各種形式的智能硬件中。

關注我們Facebook專頁
    相關新聞
      更多瀏覽