中国目前的人工智能在全球处于什么水平?

朋友们,如需转载请标明出处:人工智能AI技术的博客_CSDN博客-python系列教程,人工智能,程序人生领域博主

算是第一梯队的水平,而且已经可以在很多领域落实生产了。

虽然说出来很多人不信,但是我国人工智能基本已经到了可以在很多领域落实生产的地步了。

人工智能的核心逻辑就是抓取信息特征,然后进行模型判断,最后算法来达成最切合目标的曲线。

越是能够标准化拆出特征的领域,人工智能发挥威力的效果就越大。

大部分人提到人工智能首先想到的是机器人,是无人驾驶,今天主要谈谈在大部分人不太注意的知识产权保护领域的应用。

虽然很多人一谈起国内的知识产权保护都是各种嘲讽和不屑,但一个客观事实是,国内知识产权保护的发展速度是快到起飞的,近5年来,各种打假和知识诉讼类的案件一直都在上升中,越来越多的人已经靠着自己的小小IP生活了。

这是知识产权保护进步的表现。

当然,谈到知识产权保护,第一个绕不开的就是法律。

中国的《知识产权保护法》,论及详尽程度和保护精神,属于世界一流的水准,任何保护都是先要从立法开始,从这个角度讲,中国知识产权保护开了一个好头。

任何事情都是慢慢来比较快,不是说今天丢出一个需求,明天就要立马上线的,饭要一口一口吃,路要一步一步走,尤其是复杂的牵涉利益的事情,更要谨慎。

知识产权保护尤为如此。

西方发达国家的知识产权保护,也是历经了数百年的(1790年世界上出现了第一个知识产权保护类法律)的发展一步一步来的,我们需要时间,何况已经有了完备的法律,下一步就是如何贯彻和执行。

政府对于假货的态度是非常明确的打击。

假货在全球范围内由来已久,它不分国别地域、人种肤色,隐秘地滋生在世界各个角落。

有权威报告显示,全世界每年有上万亿美元的假货在流动,约占全世界GDP 的2%。

为此,包括中国在内的越来越多的国家将假货治理上升到国家竞争力和国家经济安全层面。

2018年,中国政府工作报告表态“绝不允许假冒伪劣滋生蔓延”,并在知识产权保护领域首次写入“实施侵权惩罚性赔偿制度”;2019年政府工作报告再次振聋发聩地发声,“依法打击制售假冒伪劣商品等违法行为,让违法者付出付不起的代价”。

打击假货,不可能光靠堆人力,成本和强度都太高了。

这时候,人工智能就派上了用处。

现在国内大数据和人工智能的发展日新月异,技术在各个领域都引发了变革,知识产权保护也不例外。

人工智能和关系图谱打击假货保护知识产权,是现在最高效的方法。

假货的流通,必然是存在路径的,不管是原材料采购,生产加工,市场投放,用户支付,账户结算提现,都有其具体的特征和关系链,只要盯住每个环节的异常特征,就能通过一个异常Case抓出有问题的利益链条。

而知识产权侵权就更加直接,网络上流传的盗版以及各种非授权信息,只要有链接,就能溯源到具体的服务器IP;只要有受到保护的文字,就能全网识别侵权的行为,非常直接。

人工智能的算力和精准度是人力所无法企及的。

国家坚定重视,企业肯投入研发,在假货治理这个世界级难题面前,中国利用人工智能走在了世界的前列。

例如目前应用最广泛的阿里巴巴“知识保护科技大脑”。

下面是对于知脑的简单介绍。

l 目前,这颗大脑所储存的样本数据总量,相当于186个中国国家图书馆的藏书数据量;

l 大脑打假图片样本量超137亿张,若按普通纸张打印叠加,厚度将达4110千米,是珠穆朗玛峰的465倍;

l 被这颗大脑保护的原创视频总时长已超4000小时,相当于看6000集《长安十二时辰》,刷10万条抖音短视频;

这颗大脑可以毫秒级的发现上万颗圆球中混进了一颗有细微黑点的圆球。随着假货特征库的数量不断增加,算法学习能力不断进化,技术会更加强劲的挤压制售假者的生存空间。

海量的打假样本,还要有超强辨识能力。扫描100万笔订单,“知脑”只需1秒;在每天6万场淘宝直播中找假,相当于快速看完33000场春晚,并找出一个打错的领结。

3年来,“知脑”与全国公安机关合作,协助警方抓获制售假嫌疑人4439人,协助捣毁窝点4289个。

科技正在前所未有的让世界变得更好。

过去,制假售假成本低,打假成本高,重复违法难避免,结果只能是“违法犯罪分子笑死、痛恨假货的人急死、执法办案人员累死、消费者哭死”。

再纵观近40年的打假史,从政府单打独斗,到职业打假人蜂拥而起,再到“黑科技”打假纵贯线上线下、横扫全球。

改变的是时代的潮水,不变的是永恒的人性。

中国目前的人工智能不算最顶尖,但是算最有前景。

人工智能(AI)经历了泡沫阶段(也许现在还是),但因为这个泡沫,在国内催生了很多创业者和人员。

此前在各大公司里的高端技术人才,突然发现原来自己每天做的事情现在这么挣钱,都纷纷出来创业,极大地推动了国内AI的发展。

并且,AI在国内发展有着天然的、巨大的优势。

AI说高端也高端,说不高端其实就是统计和归纳、拟合。

目前AI算法已经可以说是比较成熟了。

很多公司就是拿着开源的代码,这里改改那里修修,谈不上什么核心能力,很多垃圾论文也是这么来的。

AI现在最重要的是数据和场景落地,这两点都特别有利于中国。

此前大家都喜欢嘲笑国内只懂搞“模式创新”,但是AI恰好注重场景。

就我目前看到的来说:除了大家都很熟悉的人脸识别、对话小程序、发票识别自动报销等,还有用来操作机器人、无人机,用来帮助机器识别触觉,用来做污水治理、用来肿瘤检测、岩体探测、用来反欺诈、用作教育机器人,金融风控等等,国内可以说是已经遍地开花。

想必每个场景下都会淘汰一批公司,但最终也会催生一批优质的公司。

此外,如前所述,AI是一种统计,那么核心当然是数据,谁获得了大量数据谁就站到了制高点。

这种案例其实之前别的领域有很多,比如微信的技术门槛几乎没有,但是谁占领了用户谁就是王者。

对于此,中国的优势有三:第一自然是有大量的数据;第二有大量人力可供进行标注(除了某些高精尖领域);第三,目前国内对数据的管制还比较松(额……)。

所以个人认为未来AI依然会在国内大爆发,且必会处于世界顶尖的水平。

==================

题外话:

1、关于AI未来会淘汰哪些行业:显然,从前面的说明可以看出,能大量产生可用数据的行业都会被快速淘汰。举例,普通企业财务,只要数据规范化一解决,AI基本就势如破竹。

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
2018˜Œ¨¸ ˙˜——¶¨ ˛–¤ 人工智能(artificial intelligence)是由人创造的具有自然生物智能特征的系 统,具有一定的感知、认知、记忆、分析、判断和行为的能力。人工智能和生物 智能的形成机制不同, 前者是根据人的需求被设计和创造出来的,后者则是自然 界漫长进化过程中逐步通过遗传和学习形成的。人工智能有别于人类智能,后者 特指人类这一生物体所具有的智能,限定在人体内。但人工智能可以学习和获得 人和其他生物的智能,其感知、认知、记忆、分析、判断和行为的方式可以显著 区别于和超越人类智能。 当前的人工智能在特定领域虽然具备了强大的功能,仍 属于弱人工智能的范畴, 离超级人工智能还有很大的距离。社会对人工智能的认 知和理解要摆脱科幻小说和影视作品的戏剧化设定, 理性客观看待人工智能的长 处和短板。 得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善, 第三波人工智能热潮正席卷全球。和前两次不同,在这一波人工智能热潮中,人 工智能的术已经开始广泛地渗入和应用于诸多领域, 包括社交媒体、 搜索引擎、 工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等,展现出巨 大的潜力。 中国人工智能领域追赶迅速,在一些领域已经积累了一定的发展基础,进 入国际领先者的行列。 与发达国家相比,中国人工智能整体发展水平缺少重大原 创成果,在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基 础材料、元器件、软件与接口等方面还存在很大的差距。目前中国人工智能的 研究论文、专利申请和授权增量上已经居世界前列,但研究论文的质量、影响力 和专利质量还有待提高。在人工智能领域,中国高等院校、研究机构和企业的研 究实力、资金投入以及杰出人才培养上,与美国、欧洲相比也存在较大的差距。 得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升, 中国在云计算、模式识别、机器学习的研发追赶较快,在产业化应用上已有部分 企业居于世界前列。 中国人工智能产业在基础层、术层以及应用层都有广泛布 局。 《中国人工智能发展报告 2018》的统计显示,截至 2018 年 6 月,全球人工 智能企业数达到 4925 家,其中美国 2028 家居第一,中国 1011 家居第二,约为 美国的一半。在全球人工智能企业最多的 20 个城市中,美国占了 9 个,中国有 4 个城市入围。北京以 395 家居全球第一,此外还有上海、深圳、杭州的人工智 能企业数也进入全球 20 强城市之列。从术布局看,我国企业较多布局于语音 和视觉相关的术,在自然语言处理和基础硬件上占比偏少;从行业布局看,中 国企业主要集中在应用层,集中于终端产品,在 AI 垂直领域(AI+)的比例偏 低。 正是认识到人工智能发展的巨大潜在红利,各国纷纷出台产业政策,对人工 智能的研发和产业进行布局, 使国家在未来的竞争中居于优势地位。 目前, 美国、 欧盟、英国、德国、法国、日本都出台了相应的发展规划。中国也立足于自身国 情和优势,出台了《"互联网+"人工智能三年行动实施方案》 (2016) 、 《新一代人 工智能发展规划》 (2017) 、 《促进新一代人工智能产业发展三年行动计划 (2018-2020 年) 》 (2018)等一系列文件。 人工智能对就业以及社会公平的影响是全球性的公共政策议题。 从历史上看, 在过去的实物经济中,历次术变革基本遵循了"术进步—生产力提升—需求 的扩展和复杂化—生产的专业化分工—更多就业机会"这样一个逻辑线条。人工 智能的发展将极大地推动知识经济的形成。 理解人工智能对就业和社会公平的影 响,需要研究知识经济的特征。进入知识经济时代,资源结构、成本结构、市场 结构、经济结构、贸易结构、就业结构和分配结构将发生很大变化,信息、数据 和知识在经济中越来越占据主要地位, 在这些领域具有优势的企业将比传统企业 更快获得市场地位,这有可能导致社会分配结构的恶化。但另一方面,人工智能 释放的生产力和专业化分工的细化, 也提供了新的就业机会以及公平再分配的可 能性,关键在于是否能够平稳地实现就业形态的转变以及再分配政策的设计。 人工智能的兴起恰逢中国经济社会结构的快速调整, 这意味着未来十年中国 人工智能发展迎来了一个黄金窗口期。在这一时期,中国经济中服务业发展滞后 但正处于快速扩张阶段, 就业蓄水池容量较大,而且数量型的人口红利正开始衰 退, 这将在很大程度上缓冲因为人工智能应用带来的就业冲击以及由此引发的一 系列问题。不仅如此,人工智能的快速应用将有助于解决中国在一些行业(特别 是中高端服务业) 中存在的一些供给瓶颈,这将有助于进一步释放中国社会的发 展活力。 中国应该积极拥抱人工智能, 充分利用好人工智能对生产力的解放
:参照系微信公 众号 人工智能行业发展概况 人工智能行业发展概况全文共16页,当前为第1页。 :参照系 行业概况——人工智能行业简介 人工智能(Artificial Intelligence): 是指使用机器代替人类实现认知、识别、分析、决策等功 能,其本质是对人的意识与思维的信息过程的模拟,是一 门综合了计算机科学、生理学、哲学的交叉学科。凡是使 用机器代替人类实现认知、识别、分析、决策等功能,均 可认为使用了人工智能术。 作为一种基础术,理论上讲人工智能能够被应用在各个 基础行业(如AI+金融、AI+医疗、AI+传统制造业等), 同事也有其如机器人这样具体应用行业的概念。 人工智能行业发展概况全文共16页,当前为第2页。 :参照系 行业概况——人工智能行业简介 2006 年-2015 年是人工智能崛起的黄金十年。 2006 年 Hinton 提出"深度学习" 神经网络(深度臵信网络, DBN)使得人工智 能的性能获得了突破性进展, 2006 年成为人工智能发展史上一 个重要的分界点。 近年来,随着深度学习算法的逐步成熟, AI 相关的应用也在近年加速落地。 中国 AI 市场规模增速高于全球增速: 2015 年国内人工智能市场 为 12 亿元,其中语音识别占 60%,计算机视觉占据 12.5%,其 他识别部分为 27.5%。在只考虑语音识别、计算机视觉,不包括 硬件产品销售收入(如机器人、无人机、智能家居等销售)、信息搜 索、资讯分发、精准广告推送等的情况下,预计全球人工智能总 体市场规模 2020 年将达到 1190 亿元,复合增长率约为 19.7%; 预测国内人工智能市场规模 2020 年将达到 91 亿,年复合增长率 约 50%。 3 人工智能行业发展概况全文共16页,当前为第3页。 行业概况——人工智能行业发展趋势 2017年中国人工智能市场规模达到152.1亿元,增长率达到 51.2%。随着人工智能术的逐渐成熟,科、制造业等业界 巨头布局的深入,应用场景不断扩展,预计2018年中国人工 智能市场规模有望突破200亿元大关,达到238.2亿元,增长 率达到56.6%。 在未来,人工智能领域的投资将以"AI+行业"的方式展开, 预计人工智能应用场景较为成熟且需求强烈的领域,如安防、 语音识别、医疗、智慧城市、金融等领域,带来升级转换,提 高行业智能化水平,改善企业的盈利能力,预计随着诸如无人 驾驶汽车等认知智能术的加速突破与应用,人工智能市场将 加速爆发。 4 人工智能行业发展概况全文共16页,当前为第4页。 行业概况——产业链图谱 人工智能行业主要分为: AI芯片 传感器 AI应用 语义识别 机器学习 智能语音 计算机视觉 共计七大板块。 5 人工智能行业发展概况全文共16页,当前为第5页。 微信公众 领域分析——AI芯片 目前,AI芯片的研发方向主要分两种:一是基于传统冯·诺依曼架构的FPGA(现场可编程门阵列)和ASIC(专用集成电路)芯片,二是 模仿人脑神经元结构设计的类脑芯片。其中FPGA和ASIC芯片不管是研发还是应用,都已经形成一定规模;而类脑芯片虽然还处于研发 初期,但具备很大潜力,可能在未来成为行业内的主流。这两条发展路线的主要区别在于,前者沿用冯·诺依曼架构,后者采用类脑架构。 你看到的每一台电脑,采用的都是冯·诺依曼架构。它的核心思路就是处理器和存储器要分开,所以才有了CPU(中央处理器)和内存。 而类脑架构,顾名思义,模仿人脑神经元结构,因此CPU、内存和通信部件都集成在一起。 6 人工智能行业发展概况全文共16页,当前为第6页。 领域分析——AI芯片 近几年,AI术的应用场景开始向移动设备转移,比如汽车上的自动驾驶、手机上的人 脸识别等。产业的需求促成了术的进步,而AI芯片作为产业的根基,必须达到更强的 性能、更高的效率、更小的体积,才能完成AI术从云端到终端的转移。 n 从GPU,到FPGA和ASIC芯片 2007年以前,受限于当时算法和数据等因素,AI对芯片还没有特别强烈的需求,通用的 CPU芯片即可提供足够的计算能力。之后由于高清视频和游戏产业的快速发展,GPU (图形处理器)芯片取得迅速的发展。因为 GPU 有更多的逻辑运算单元用于处理数据, 属于高并行结构,在处理图形数据和复杂算法方面比 CPU 更有优势,又因为AI深度学 习的模型参数多、数据规模大、计算量大,此后一段时间内 GPU 代替了 CPU,成为当 时 AI 芯片的主流。 然而 GPU 毕竟只是图形处理器,不是专门用于 AI 深度学习的芯片,自然存在不足,比 如在执行AI 应用时,其并行结构的性能无法充分发挥,导致能耗高。与此同时,AI术 的应用日益增长,在教育、医疗、无人驾驶等领域都能看到 AI 的身影
目前中国开源项目处于高速发展的阶段,在新一代操作系统、分布式数据库、新一代人工智能框架等领域奋起直追,部分指标已经能够达到国际前沿的水平中国高度重视包括操作系统、云原生、大数据、数据库管理、区块链等重要领域的前瞻性布局,无论是项目活跃度,还是项目影响力,整体都在快速发展;由中国人及中国企业发起或核心贡献的开源项目已经逐渐成为国际主流的开源项目,尤以前端领域为著,如尤雨溪开发的 Vue.js 已经成为 GitHub Star 最多的框架,蚂蚁集团的 Ant Design、饿了么的 Element、百度的 ECharts 等也均表现出色。近年来我国开源企业及开发者逐渐深入深度信息术领域的创新,涌现出如 OpenHarmony(鸿蒙)、RT-Thread、OpenEuler、PaddlePaddle、TiDB、Kyligence、巨杉SequoiaDB、易观Dolphin Scheduler、涛思数据TDengine等非常优秀的开源项目,在未来将迎来更大的发展空间;中国本土开源代码托管平台正在崛起,以 CODE CHINA 、Gitee等为代表的几家平台正在快速发展,且与国际知名开源社区、开源企业及开源基金会对接合作,大力发展中国开源项目建设;但相较GitHub,本土开源代码平台对于全球开源项目的覆盖度尚有差距,难以满足国内开发者的需求,中国的开源代码托管平台及社区仍需加大加快建设;中国开源术和项目的发展,围绕中国市场的特点和当前术发展,正在形成一些热点的产业生 态:以芯片和操作系统为主的深度信息术生态;多家开源数据库的创新生态;工业软件升级的工业互联网开源生态;以及最热点的包括人脸识别、自动驾驶在内的人工智能生态、中间件和云计算大数据产业生态等。

“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