2019中国人工智能分类榜(转)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
联合国世界知识产权组织WIPO发布了首份《2019技术趋势——人工智能报告》(WIPO Technology Trends 2019 – Artificial Intelligence)。报告显示,自20世纪50年代人工智能出现以来至2016年,科研人员已提交超过34万份人工智能发明专利申请,发表的科学出版物超过160万篇(部)。而这其中的专利超过半数是2013年以后公开的。其中在国别专利总申请量方面,美国、中国、日本排在前三位。 在公司申请方面,美国国际商业机器公司(IBM)的人工智能专利申请数量最多,截至2016年底拥有8290项发明,其次为美国微软公司(Microsoft),拥有5930项发明;前五大申请方还有日本东芝公司(TOSHIBA)、韩国三星集团(Samsung)、日本电气集团(NEC)。 许多与AI相关的技术可以在不同行业中得到应用,涉及诸多领域。其中交通运输领域是人工智能专利近年来增长最多的领域,2013年至2016年间专利申请年增长率为33%,与2013年的3738件专利申请相比,2016年达到8764件申请,增长134%。在运输类别中迅速崛起的是航空航天/航空电子设备(年增长率为67%,2016年提交1,813件)和自动驾驶汽车(年增长率为42%,2016年提交了5,569件)。 如果回看更长的时间区间,从2006-2016年期间,交通运输领域的迅速发展则变得更加明显:2006年仅占AI领域总申请量的20%,到2016年它已经占据了申请量的三分之一(超过8,700件申请)。 在交通运输领域,最大量的专利申请来自于汽车制造商或供应商,包括日本丰田、德国博士和韩国现代,在与交通运输领域的相关应用方面,美国谷歌公司和IBM公司也有非常大量的专利储备。其中在交通领域中的细分技术领域中,自动驾驶领域的专利申请量则最大。 可以预见,未来若干年人工智能会在细分领域发挥更大的作用。笔者以近年来增长最为明显的交通运输领域下的自动驾驶领域为例,其涉及的技术类别的种类范围包括整车制造、传感器、地图导航、网络传输、数据分析、人工智能等,其中人工智能的研究在汽车的智能网联(车联网)方面的现阶段可以涵盖诸如智能座舱、多屏互动、抬头显示等以与其他平台可以进行无缝对接。在细分应用场景方面,大众汽车公司称其将数千张图像加入了图像识别算法,因此系统能够学会区分道路使用者;从麻省理工学院衍生的一家初创公司正在研究一个基于了解人类如何以及为何做出影响他们驾驶方式的决策的解决方案,都是很好的应用实例,对应的专利申请也必然会呈现持续性增长。 2018年,爱立信公司创建了一个生态系统来支持在瑞典斯德哥尔摩的自动驾驶公交车试验,而如果想扩展更多的线路,需要具有更多具有强大计算能力的传感器。但除了技术挑战外,AI开发人员面临的挑战之一是必须清除测试的监管障碍。在2018年初开始试验时, 爱立信公司表示,最难的环节就是获得许可,因为监管当局不会将没有方向盘和后视镜的自动驾驶公交车视为车辆。 关于技术趋势(AI)对政策的影响方面,WIPO报告也指出了两者之间的互相影响,在政策制定、数据控制、研究支持、IP保护等方面,AI的发展也引起了政府政策制定方面的很多问题。 对此,在WIPO报告中,位于硅谷的知名投资公司Andreessen Horowitz的合伙人Frank Chen以自动驾驶为例,表示: “监管部门打算制定完善、周全的政策本身,必然会阻止相关技术的发展。只有减少对技术的监管,才能真正吸引想发展对应技术的公司投入进来。在自动驾驶方面,这样例子在美国很多,特别是亚利桑那州和佛罗里达州,它们在允许无人驾驶汽车上路方面,走在了前面,而其他城市地区则在等待与观察”。
2019年11月最新由清华大学-中国工程院知识智能联合研究中心、中国人工智能学会吴文俊人工智能科学技术评选基地共同发布史上最全、最专业的人工智能发展报告。 编制概要·······················································································1 1.1编制背景········································································11.2编制目标与方法·······························································3 2机器学习·······················································································4 2.1机器学习概念··································································42.2机器学习发展历史····························································62.3机器学习经典算法····························································72.4深度学习·······································································21 2.4.1卷积神经网络·························································242.4.2 AutoEncoder····························································262.4.3循环神经网络RNN··················································282.4.4网络表示学习与图神经网络(GNN)··························302.4.5增强学习·······························································322.4.6生成对抗网络·························································342.4.7老虎机··································································35 2.5人才概况·······································································372.6代表性学者简介······························································39 2.6.1国际顶级学者·························································402.6.2国内知名学者·························································50 2.7论文解读·······································································60 2.7.1 ICML历年最佳论文解读···········································632.7.2 NeurlPS历年最佳论文解读················ 计算机视觉···················································································85 3.1计算机视觉概念······························································853.2计算机视觉发展历史························································873.3人才概况······························································

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值