首页 百科正文

人工智能工业第四次革命

woniu 百科 2020-01-14 08:21:45 32395 0 人类未来发展研究

  人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。


       人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。


       人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

定义详解

       人工智能的定义可以分为两部分,即“人工”和“智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。

     关于什么是“智能”,就问题多多了。这涉及到其它诸如意识(CONSCIOUSNESS)、自我(SELF)、思维(MIND)(包括无意识的思维(UNCONSCIOUS_MIND))等等问题。人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

        人工智能在计算机领域内,得到了愈加广泛的重视。并在机器人,经济政治决策,控制系统,仿真系统中得到应用。

        尼尔逊教授对人工智能下了这样一个定义:“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

       人工智能是计算机学科的一个分支,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。这是因为近三十年来它获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕的成果,人工智能已逐步成为一个独立的分支,无论在理论和实践上都已自成一个系统。

        人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科,其范围已远远超出了计算机科学的范畴,人工智能与思维科学的关系是实践和理论的关系,人工智能是处于思维科学的技术应用层次,是它的一个应用分支。从思维观点看,人工智能不仅限于逻辑思维,要考虑形象思维、灵感思维才能促进人工智能的突破性的发展,数学常被认为是多种学科的基础科学,数学也进入语言、思维领域,人工智能学科也必须借用数学工具,数学不仅在标准逻辑、模糊数学等范围发挥作用,数学进入人工智能学科,它们将互相促进而更快地发展。


研究价值

        例如繁重的科学和工程计算本来是要人脑来承担的,如今计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展,另一方面又转向更有意义、更加困难的目标。

         通常,“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识,学习策略,在遇到类似的问题时,运用经验知识解决问题并积累新的经验,就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外,还会创造,即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来,计算机最难学会的就是“顿悟”。或者再严格一些来说,计算机在学习和“实践”方面难以学会“不依赖于量变的质变”,很难从一种“质”直接到另一种“质”,或者从一个“概念”直接到另一个“概念”。正因为如此,这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。

         这是智能化研究者梦寐以求的东西。

        2013年,帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法,该方法导出了研究函数性质的新方法。作者发现,新数据分析方法给计算机学会“创造”提供了一种方法。本质上,这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的,是普通人无法拥有但计算机可以拥有的“能力”。从此,计算机不仅精于算,还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力,否则计算机真的有一天会“反捕”人类。

        当回头审视新方法的推演过程和数学的时候,作者拓展了对思维和数学的认识。数学简洁,清晰,可靠性、模式化强。在数学的发展史上,处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来,而数学定理最大的特点就是:建立在一些基本的概念和公理上,以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说,数学是最单纯、最直白地反映着(至少一类)创造力模式的学科。

       当计算机出现后,人类开始真正有了一个可以模拟人类思维的工具,在以后的岁月中,无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了,全世界几乎所有大学的计算机系都有人在研究这门学科,学习计算机的大学生也必须学习这样一门课程,在大家不懈的努力下,如今计算机似乎已经变得十分聪明了。例如,1997年5月,IBM公司研制的深蓝(DEEP BLUE)计算机战胜了国际象棋大师卡斯帕洛夫(KASPAROV)。大家或许不会注意到,在一些地方计算机帮助人进行其它原来只属于人类的工作,计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科,计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。

       2019年3月4日,十三届全国人大二次会议举行新闻发布会,大会发言人张业遂表示,已将与人工智能密切相关的立法项目列入立法规划

科学介绍

实际应用

       机器视觉,指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,自动规划,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学,语言和图像理解,遗传编程等。

学科范畴

       人工智能是一门边缘学科,属于自然科学和社会科学的交叉。

涉及学科

       哲学和认知科学,数学,神经生理学,心理学,计算机科学,信息论,控制论,不定性论

研究范畴

      自然语言处理,知识表现,智能搜索,推理,规划,机器学习,知识获取,组合调度问题,感知问题,模式识别,逻辑程序设计软计算,不精确和不确定的管理,人工生命,神经网络,复杂系统,遗传算法

意识和人工智能

       人工智能就其本质而言,是对人的思维的信息过程的模拟。

       对于人的思维模拟可以从两条道路进行,一是结构模拟,仿照人脑的结构机制,制造出“类人脑”的机器;二是功能模拟,暂时撇开人脑的内部结构,而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟,是对人脑思维的信息过程的模拟。

       弱人工智能如今不断地迅猛发展,尤其是2008年经济危机后,美日欧希望借机器人等实现再工业化,工业机器人以比以往任何时候更快的速度发展,更加带动了弱人工智能和相关领域产业的不断突破,很多必须用人来做的工作如今已经能用机器人实现。

       而强人工智能则暂时处于瓶颈,还需要科学家们和人类的努力。


人工智能的重要作用,是对人类能力的补充 

演讲者:Bart Selman,题图来自:图虫

感知能力,才是AI强大的原因

       我们在社会中看到,由人工智能技术控制的自主系统开始出现,包括自动驾驶汽车、无人机、虚拟助手。几乎在任何你与科技互动的地方,现在都有人工智能的融入。

      这实际上是学术研究团体的一个真正的转变,从学术界到现实世界的转变,原因很简单:因为现在机器终于能够“听到”和“看到”这个世界了,这实际上是一个很重要的进步。

       人工智能领域开始于20世纪50年代晚期,大约是60或70年前。在20世纪60年代早期,人工智能研究人员主要关注于能否让电脑看见,简单来说就是要有一个摄像头,解读图像、识别物体。这是人很自然就能够做到的事情,但是对于机器却非常困难,我们花了50多年的时间进行研究,最终才做出了能够真正解释图像、能够看到周围、识别物体、理解和解释语音信号的系统,这些都是人类的感知的一部分。

       随着时间的推移,我们发展出了各种各样的技术、推理、规划、决策等等。这些技术都是在不能听到和看到的情况下发展起来的,电脑无法听到或看到我们,所以能够听到和看到是一个不可思议的改变,它会改变我们建造这些系统的方式。

没有摄像头的无人车


斯坦福的Stanley

     2005年斯坦福大学的Stanley,是一个表现非常不错的自动驾驶技术。这辆自动驾驶的汽车实际上什么也看不见,Stanley没有安装摄像机。当开发人员问,我们应该在车上放个摄像头吗?他们得到的回复是——不必了,没有什么用。

     那么Stanley是怎么运行的呢?它是使用GPS和光线技术,这是一种类似于激光的物体探测机制,但不是真正的计算机视觉。

      而现在,这种情况已经完全改变了。特斯拉以及其他的自动驾驶技术都是基于计算机视觉的,汽车开始拥有“看”的能力。人工智能系统正逐渐根植于人类世界,它们开始了解我们,开始能够与我们互动,这也是让人工智能技术发挥作用的关键——AI必须与人互动,必须理解人类看待世界的方式,理解人类与世界互动的方式,理解人类的意图、情感等等,所有这些正在变为可能。

       这种转变让AI在我们的社会中成为了一种新技术,正如你在本次大会上看到的,它将会驱动教育的转型,这也是我们正在努力的方向。

      我想简单介绍一下为什么这个领域发生了这样的变化。


2005年的计算机视觉图像识别任务

        这是一个2005年的计算机视觉图像识别任务,你拍一张这样的照片,我们在这里看到了一盏灯,这边的不易发现,是一架摄像机,这里有个半人雕塑。

       当我们看照片的时候,我们能识别出物体,但这对机器来说是非常困难的。这就是我们所说的标记的数据,是人类标记的结果。

      在2005年计算机视觉能做到哪一步呢?你可以看到,台灯完全是破碎的,灯几乎和雕像连起来了,各种各样的物体都混在一起。所以一旦从这张图片为起点做对物体的解读,识别对象就会变得非常困难。在视觉上,电脑并不能识别出图片里的东西。

       如果我们跳到15年后,这是我们现在拥有的自动驾驶汽车的技术,我特别想给你们看这个图像,这个标签问题和我之前展示的标签问题非常相似,我们必须对道路、人行道做出标记。你可以看到打了标签的图片,几乎都完美标记出来了,达到超人的水平,也就是说,计算机视觉已经比人类做得更好。

       另一件令人惊讶的事情是,我们现在有了超越人类的交通标志识别技术,人类都很难识别所有的交通标志,而电脑并没有困难。


自动驾驶汽车的深度学习

       你的电脑可以读取这些交通信号,这是在非常糟糕的驾驶条件下,在所有移动的汽车周围都有框,这在十年前是完全不可能的。

       这就是我们所设想的,车可以实时观察周围,比人类司机有更好的视野。我们预计车祸数量将会减少90%,甚至是95%。在美国,每年有大约三万人死于交通事故,我们希望这个数字能降到五千甚至三千以下。

AI推动人类社会极速进化

       2005年 Stanley这辆自动驾驶汽车诞生了,它并不能完全匹敌人类司机,但这是一个重要的里程碑。


人工智能里程碑始于90年代末

        IBM沃森则是玩了一款在美国很受欢迎的游戏,它是一个能够击败最优秀的人类的系统。这是一个令人惊讶的事件,因为人们认为它是一项非常困难的游戏,所以作为人类世界冠军的人实际上享有很高的声望,但是IBM沃森系统可以击败人类对手。

       2011年到2012年,我们进入了深度学习时代。深度学习先驱杰弗里•辛顿、约书亚•本吉奥、杨乐昆获得了图灵奖,这是计算机科学领域的最高奖项。他们开启了人工智能的深度学习的新篇章,让计算机视觉和语音识别成为可能。

       Alpha Go打败了人类棋手,而围棋是一种非常难的游戏,比国际象棋的难度高了几个数量级。当时我们不认为这种情况会在10到20年内发生,但是有了深度学习,这件事在2016年就发生了。

      美国人工智能协会现任主席Yolanda Gil和我牵头了《美国人工智能研究20年路线图》,近一百名顶尖的AI研究人员参与其中。我想强调的是,医疗健康是驱动商业、科学发现和社会公正的动力,而教育和培训是这一路线图的关键驱动因素之一。

       我们建议建立一个大型的研究中心,目前美国正在做,包括中国在内的很多国家都在建立自己的研究中心,聚力研究使这些领域发展得更快,我们称之为任务驱动的人工智能中心,这个中心的其中一项使命就是围绕教育的。


美国人工智能研究的20年社区发展路线图

       我们都认为教育可以从人工智能中获益,关键在于个性化和定制化的学习。AI系统可以向学生学习,并能了解学生所处的状态,也可以确定学生需要改进的地方,然后将重点放在这些方面的培训和教育上,因此它将是一个与人类教师一起工作的高度专注的教师。

       我想强调一下合作的部分,只有AI系统是不行的,必须是人类教师、AI系统和学生之间的合作,这种合作将改变教育。

       很多工作都是所谓的数据驱动,也就是说,有了一百万张经过标记的照片就可以训练AI系统。但在教育领域,另一个因素也非常重要。世界不只是关乎数据的,知识更为重要。数据和知识有什么区别呢?数据包括做了标记的图片、图表、工资表,各种各样的调查都是很基本的数据。

       知识是经过处理的数据,牛顿定律就是知识的一个例子,整个物理学都是建立在非常少的几个原则基础上的,但不可思议的结果也由此产生。数学是由一些基本原理驱动的,但丰富的数学体系也因此随之而来。

人工智能和终身教育与培训

       所以从某种意义上说,知识是一种更紧凑的数据形式。教育最终是关于知识的,这是我们正在见证的一个转变,数据驱动很重要,而补充深度学习方法的技术更多地是由知识和推理驱动的,这使它成为一个非常令人兴奋的研究领域。

       我即将上任人工智能发展协会主席,协会正在进行一个重大奖项的评选工作,主要表彰应用人工智能技术对社会公益做出贡献的企业和研究。除了教育公正之外,更可以提高生活水平。

       在这个领域,我们仍将看到许多新的发展,其关键就在于对人类的补充,对AI系统的补充。这是人工智能和教育的先锋时代,它们的结合将是我们这个时代最令人兴奋的新发展之一。

演讲者:Bart Selman(AAAI 当选主席、康奈尔大学教授),题图来自:图虫


附件1

       最近这几年,国内高校纷纷响应教育部《高等学校人工智能创新行动计划》号召,开设出AI相关专业,其中不乏几所顶尖高校,早已在AI领域研究多年。下面,沣华君就为大家盘点几所国内领跑AI专业的高校。

一、清华大学:智能技术与系统国家重点实验室

       清华大学计算机科学与技术系(简称计算机系)成立于1958年,在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中,以总分满分100分的成绩排名第一。

       智能技术与系统实验室中心实验室依托在清华大学计算机科学与技术系,主要从事人工智能(基本原理和方法)的基础与前瞻性研究,智能信息处理,智能机器人,与认知神经科学、心理学等的交叉学科等方面的研究,以及与这些理论相关的应用研究与系统集成。

       实验室承担了多项国家重点科研任务,一些研究已达到国际水平,如:“具有交互和自学习功能的脱机手写汉字识别系统和方法”、“人工智能问题分层求解理论及应用”先后获得了国家科技进步奖和自然科学奖。

二、北京大学:智能科学系

       智能科学系成立于2002年7月,主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究,侧重于理论、方法以及重大领域应用上。

       北大智能科学系依托于视觉听觉信息处理国家重点实验室,实验室以实现高度智能化的机器感知系统为目标,在生物特征识别研究方面处于国际领先地位。

       智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下,重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。

       以北大智能科学研究人员为技术核心的北大指纹自动识别系统,是国内唯一能与国外系统抗衡的自主知识产权,是中国第一家也是唯一的一家提供公安应用全面解决方案的系统,拥有中国指纹自动识别技术产品第一市场占有率。

三、复旦大学:类脑智能科学与技术研究院

       复旦大学类脑智能科学与技术研究院(以下简称研究院)于2015年3月筹建成立,是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心,成立于2008年。

       研究院目前在建五个核心功能平台和一个国际合作研发中心,主要包括:

       一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台;

       二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台;

       三是依托高端医疗影像设备集群,为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台;

       四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台;

       五是集孵化加速、产业联盟、投资基金为一体,为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台;

       六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源,建设类脑智能国际合作节点和人才培养中心。

四、浙江大学:人工智能研究所

      早在上世纪80年代,浙江大学就建立了人工智能研究所,首任所长就是国内著名的计算机科学家、被人尊称为“中国人工智能研究开拓者”的何志均,隶属计算机科学与技术学院。

        从1981年至今,浙大人工智能研究所见证和参与了人工智能的一系列变化。何志均担任所长时期,人工智能的研究还处于以规则、逻辑和符号为主的传统研究阶段;到了第二任所长潘云鹤带队的时候,人工智能与计算机辅助设计和图形学走到一起。

       到现在,人工智能进入大数据阶段,浙大在计算机视觉领域已经建立了相当大的优势。

       人才输出方面,在阿里巴巴、网易这些互联网科技公司外,海康威视、浙大网新、浙江大华等浙江企业都较早介入人工智能的研发,而浙大成了他们重要的合作伙伴和人才储备库。

五、上海交通大学:智能人机交互研究所

       智能人机交互研究所隶属计算机科学与工程系,长期目标是探索人类大脑智能信息处理的机理和认知过程,为智能信息处理提供新型的计算结构和算法,开发自然、友好的人-机交互系统。

       另外,上海交通大学还联合微软于2005年9月成立了智能计算与智能系统重点实验室,以实现“使未来的计算机和机器人能够看、听、学,能以自然语言的方式与人类交流”这一共同使命

        代表性的成果有脑机交互的多模态疲劳驾驶检测系统、基于脑电的脑功能康复训练平台和认知型智能人机口语对话系统。

六、西安交通大学:人工智能与机器人研究所

         人工智能与机器人研究所成立于1986年,其前身是自动控制专业计算机控制教研室。研究所是“视觉信息处理与应用国家工程实验室”的支撑单位,并在教育部、国家外国专家局“高等学校学科创新引智计划”的支持下与国际知名学者合作组建了“认知科学与工程国际研究中心”。

       研究所作为“模式识别与智能系统”国家重点学科,按照控制科学与工程一级学科招收博士研究生,是自动化学科博士后流动站组成单位。

         在科学研究方面,在学术带头人、所长郑南宁院士的主持下,主要进行以计算机视觉与模式识别为基础的智能信息处理结合学科发展前沿。

七、西北工业大学:音频、语言与语言处理组

        西北工业大学音频、语音与语言处理组(ASLP@NPU)隶属于陕西省语音与图像信息处理重点实验室。

       研究组成立于1995年,经过十几年的快速发展,已形成了人机语音交互、语音与音频信号处理、情感与听视觉多模态处理、多媒体内容分析与检索等主要研究方向。

         目前实验室已经与百度、搜狗、阿里巴巴、微软、腾讯、IBM、三星、华为、中兴、小米、京东、云知声、出门问问、Roobo、哈曼等著名IT公司和多家初创公司开展了广泛深入的科研合作,与腾讯建有“西北工业大学-腾讯媒体信息技术联合实验室”,与明星创业公司云知声建有“西北工业大学-云知声智能语音交互联合实验室”。

八、华中科技大学:自动化学院

       华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。

         模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止,自动化系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。

九、厦门大学:智能科学与技术系

       2006年12月,经国家教育部批准,厦门大学正式设立“智能科学与技术”本科专业,并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。2007年9月,本系迎来了第一届本科新生。

        目前承担多项国家863、国家自然科学基金、福建省科技基金等项目,拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台。

       此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室,为培养高质量的学生提供了必要的保障。

十、中国科学技术大学:计算机科学与技术学院

       中国科技大学于1958年建校时就设置了计算机专业。学院的支撑实验室有:国家高性能计算中心(合肥)、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部-微软重点实验室、中国科大超级运算中心和信息科学实验中心。

       其中,多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。

        人机自然语音通信方面,主要研究中文信息处理、人类视听觉机理、语音语言学等。

        语义计算与数据挖掘方面,主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。

十一、南京理工大学:计算机科学与工程学院

       南京理工大学计算机科学与工程学院始建于1953年创办的哈尔滨军事工程学院模拟计算机研究组,2005年12月更名为计算机科学与技术学院,2012年5月改为现名。

        在计算机科学与人工智能技术领域,学院学科实验室和平台比较齐整,拥有“高维信息智能感知与系统”教育部重点实验室、“社会安全信息感知与系统”工信部重点实验室、“社会公共安全图像与视频理解”江苏省重点实验室,“社会公共安全科技”江苏省2011协同创新中心,江苏省公安厅“社会公共安全”重点实验室,教育部、国家外国专家局“高维信息智能感知与系统”111创新引智基地。

        同时学院与国内知名企业建立系列产学研协同创新平台,具有南京理工大学-中航科技智慧城市大数据联合实验室、深城院-南理工大数据技术联合实验室等。

        除了以上几所,其他一些高校依托多年积累的专业实力,也纷纷加入成立AI学院的阵营。

十二、中国科学院:人工智能技术学院

         中国科学院大学人工智能技术学院成立于2017年5月28日,是我国人工智能技术领域首个全面开展教学和科研工作的新型学院。

         人工智能技术学院面向国际科学前沿,下设模式识别、人工智能基础、脑认知与智能医学、智能人机交互、智能机器人、智能控制等6个教研室。

        拥有模式识别国家重点实验室、复杂系统管理与控制国家重点实验室、国家专用集成电路设计工程技术研究中心、中国科学院分子影像重点实验室等研究机构。

十三、西安电子科技大学:人工智能学院

         2017年11月2日,西安电子科技大学人工智能学院正式揭牌成立,这是教育部直属高校首个致力于人工智能领域高端人才培养、创新成果研发和高层次团队培育的实体性学院。

十四、重庆邮电大学:人工智能学院

        2018年2月7日,重庆邮电大学联手科大讯飞,成立人工智能学院,今年就要开始招生,可以说依托本身的专业科研实力再充分利用企业的优势资源,开始布局人工智能这个无限发展的高科技领域,使重邮的未来发展值得期待!

十五、南京大学:人工智能学院

        2018年3月6日,南京大学正式成立人工智能学院,隶属计算机科学与技术系,另据悉,南京大学人工智能学院是南京市政府合作项目,与计科院、软件学院平级。

         院长由南大教授周志华担任。周教授从事人工智能研究 20 多年,是人工智能国际学术舞台上有重要影响力的科学家、机器学习领域的“牛人”,同样也是中国首个当选了国际人工智能学会(AAAI)、美国计算机学会(ACM)、美国科学促进会(AAAS)的会士、国际电气电子工程师学会(IEEE)和国际模式识别学会(IAPR)五大主流国际学会的华人“大满贯”会士第一人。

十六、哈尔滨工业大学:人工智能研究院

        2018年5月5日,哈尔滨工业大学正式成立人工智能研究院,围绕「交叉研究中心」的定位,研究人员在行政上归属各自所在院系,但在研究院里,有共同的研究对象和统一的物理空间。研究员将围绕理论、技术、平台、应用4个层次、7个方向构建。

总结:

        中国人工智能市场增长惊人,伴随而来的,是对AI领域人才需求的激增。

       对人才的需求具体到细分领域,当前对AI基础层人才的需求最为旺盛,尤其是算法、机器学习、GPU、智能芯片等方面,相对于技术层与应用层呈现出更为显著的人才缺口。

        市场需求的激增,各种利好文件的推出,国内AI的未来一片欣欣向荣。当然人才培养不是立竿见影,未来还需要政府、高校、企业等各方在教育上的持续投入,才能逐渐填补人工智能的人才缺口,让人工智能产业得到快速发展。

附件2

时代总是在前进,社会也在不断发展,每一次的技术革命都对人类的发展产生了巨大且不可替代的重要作用。

蒸汽机为代表的第一次工业革命开创了蒸汽时代;

电力大规模应用为代表的第二次工业革命开创了电力时代;

计算机技术为代表的第三次工业革命开创了信息时代;

21世纪,以人工智能为代表的第四次工业革命已经来到了。

编辑搜图


学术上说它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。简单来说就是为了让机器能够完成一些通常需要人类智能才能完成的复杂工作。

全球互联网行业的预言家凯文·凯利说:“未来20年最伟大的事情可能还没有出现,但可以预判的是,人工智能将是未来20年内最重要的技术趋势。

21世纪,是人工智能的时代。

在这个科技时代,每天都有新想法新技术问世,人工智能也在不断被创新,从1954年第一台可编程机器人诞生,到如今人工智能被应用在多个领域行业,从现在到未来,人工智能都将具有极大的研究及应用价值。

在人工智能决策领域,谷歌AlphaGo以4:1的成绩击败世界围棋冠军李世乭;

在人工智能与无人驾驶领域,Uber 在美国匹兹堡市推出城区大范围无人驾驶出租车免费载客服务并试运行;

在人工智能识别领域,英国牛津大学、谷歌DeepMind等研发的自动唇读系统LipNet对Gird语料库实现了准确率为95.2%的唇语识别;

在人工智能语音合成领域,谷歌DeepMind推出WaveNet,实现了文本到美式英语或中国普通话的真实感语音合成;

在人工智能翻译领域,Google的神经机器翻译系统(GNMT)实现的多语种翻译,已接近人工翻译水平......

在人工智智能电话机器人领域,声讯的电销机器人,领导行业发展,帮助销售员打电话筛选意向客户,提高业绩。

人工智能与未来教育

         声明:本文信息来源于网络,用于交流学习,由文化交流创意公众号团队排版编辑,如有侵权,请及时联系公众号管理员删除。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/43.html

评论