Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

芳心老师撰写半夏 编辑

巨头们的AI研究院战事

国内研究院主要聚焦在大数据挖掘与处理、计算机视觉、机器学习和通用人工智能四大领域,但是,各自又有不同的侧重点。

几天前,普华永道(PwC)公布了最新报告,这份报告详细的分析了全球1000家花费最多研发经费的上市公司,上面显示今年1000强总计投入了7820亿美元(约5.4万亿人民币)的资金进行研发,比去年增加11%

研究显示,全球各地区的研发支出都出现了增长,其中最引人注目的是中国和欧洲,分别增长34.4%和14%。

美国电商巨头亚马逊226亿美元(约1567亿人民币)的研发支出位列榜首,谷歌母公司Alphabet以162亿美元跟在后面,德国大众排在第三,研发支出为158亿美元

亚马逊将大量的资金投入到了AWS、Alexa以及计算机视觉等尖端科技的研发中,以便在之后为诸如Amazon Go无人收银商店这样极具野心的项目提供支持。

据相关数据显示,第三季度,亚马逊有一半利润来自AWS云服务AWS业务在第三季度的营业利润率为31%,

再来看国内,阿里虽然连续第三年蝉联国内企业研发支出榜首,研发支出为36亿美元(约249美元)。但从全球的企业来看,同样是做电商的亚马逊研发费用大概是阿里6倍。

因为华为没有上市所以不在榜单中,去年华为研发费用达897亿元人民币左右,如果列入能排在全球前十的位置。

显然,与国外相比,国内科技巨头的科研资金投入有点“微不足道”,但是,科技作为企业最核心的驱动力早已成为国内企业的共识。

前一阵,马化腾深夜知乎提问,“未来十年哪些基础科学突破会影响互联网科技产业?产业互联网和消费互联网融合创新,会带来哪些改变?”

可以说,国内的科技巨头早已觉醒,那种跟随式的创新早已被摒弃,原创能力才能决定企业未来。

其实,中国互联网科技公司的发展趋势或多或少能在美国的科技公司发展历程中找到影子,究其原因,在于中国科技创新基因少互联网企业发展时间短,最重要的是,国内对于产权保护机制较国外来说还不完善。

有些公司不是不想创新,而是不敢创新,毕竟,国内“抄袭”成功,原创“饿死”的例子太多了。

国外很多科技公司成立研究院,例如微软亚洲研究院谷歌X实验室IBM中国研究院等等。

因此,国内的科技巨头们也赶紧迎头赶上,抓紧成立自己的研究院,BAT早早成立了自家的研究院,大力投入研发资金,TMD也不甘落后,手机厂商巨头华为、OPPO、小米也在相应地做出战略部署。

虽说国内各大企业纷纷成立研究院,打着“改变世界”的旗号,但有些是不是跟风炒概念还有待商榷,接下来,就看看国内成立的研究院到底都研究了啥?

一、BAT研究院都在研究啥 ?

阿里巴巴去年成立了达摩院,一时风头无两,阿里巴巴创始人马云对达摩院的发展提出三个要求:活得要比阿里巴巴长、服务全世界至少 20 亿人口、必须面向未来、用科技解决未来的问题。

现在距达摩院成立一年多了,很多人其实还没有搞清楚达摩院到底是一个什么机构,它成立的目的是什么,它能为阿里巴巴带来什么好处。

简单来说,达摩院目前有三个重点工作,一是底层算法算力和大数据处理;二是云端芯片;三是量子计算。

阿里想要做自己的芯片,在今年的云栖大会上,阿里巴巴集团CTO、达摩院院长张建锋宣布将新成立一家半导体公司“平头哥”(马云亲自为半导体公司赐名——“平头哥”,该名取自动物界平头哥——蜜獾,寓意“激情澎湃,顽强执着”“相信小的伟大,勇敢逐梦”“聪明乐观、勇猛皮实”之义),致力于量子计算芯片的研发,并且透露阿里将在两三年内推出量子计算芯片。

张建锋透露,阿里未来重点关注的几个芯片方向包括:神经网络处理芯片(NPU),近期阿里巴巴已组建了相关团队;面向终端的嵌入式芯片,主要功能是获取和传送数据;量子计算芯片,去年阿里巴巴发布了量子计算战略,而量子计算要变成现实就需要芯片做支撑;还有面向物联网(IoT)的芯片

除此之外,达摩院这一年来没闲着,截止目前,已引进9名国家千人计划科学家、数十位终身教授。还设立了学术咨询委员会,主要做学术咨询。

达摩院还在全球各地组建前沿科技研究中心,包括亚洲达摩院、美洲达摩院、欧洲达摩院,还开始在中国、东南亚、欧洲、中东、北美等地筹建全球研发中心。同时,达摩院与世界范围的顶级高校开展学术合作,建立联合科研基地。

达摩院宣称已经在国际顶级技术赛事上获得了近20项世界第一,并落地了多项研究成果。

例如,今年1月,达摩院参赛团队在阅读理解顶级赛事SQuAD上打破世界纪录并且超越了人类成绩;今年5月,宣布研制出世界最前的量子电路模拟器“太章”;斩获WMT 2018国际机器人翻译大赛冠军,阿里巴巴电商机器翻译总量日均突破7.5亿次等,

除了以上的奖项,阿里达摩院也有多项落地成果,基于深度学习自然语言处理人工智能算法的天猫智能推荐“捕捉”客户的情绪变化的店小蜜机器人打包技术等。

腾讯一直关注着基础科学的发展,在前不久举行的腾讯合作伙伴大会上,七位中外顶尖科学家,在腾讯WE大会分享了从天文、物理到生命健康等多个领域的突破性进展。这看似与腾讯主营业务无关的基础科学却是腾讯近期投资和研究的重点。

腾讯董事局主席兼首席执行官马化腾曾表示,腾讯会对AI进行持续、长期而有耐心的投资,AI在多个方面助力于腾讯现有的产品、服务与业务发展。

目前,腾讯旗下主要有优图计算机视觉中心腾讯AI LabWeChat AI等三大人工智能实验室,还有Robotics X机器人实验室、音视频、量子实验室等研究机构。

今年9月,腾讯优图实验室与 Science 期刊达成战略合作,升级为腾讯计算机视觉研发中心,将以计算机视觉为核心,围绕社交娱乐、工业生产、社会进步、前沿探索四大方向,深入到包括医疗、自动驾驶、工业、零售、办公、文化、社会公益等十大领域的具体应用。

优图实验室一直专注于视觉识别与图像处理,目前,腾讯优图已拥有500项专利申请,超过300个项目落地,2亿人脸面孔墙沉淀,并接入了70多条腾讯产品生产线。

不仅如此,优图实验室已在医疗、零售、公益等领域已经有了实质的项目落地:例如在“AI+医疗”领域,利用AI医学影像分析辅助医生筛查食管癌、肺结节、宫颈癌等疾病的腾讯觅影已经在全国100多家三甲医院落地,并入选“国家人工智能开放创新平台”。

在世界人工智能大会上,腾讯还展示了腾讯绝艺、微信支付智慧生活、腾讯灯塔、腾讯翻译君、天天P图等腾讯全线AI产品。

与优图实验室注重应用落地相比,腾讯AI Lab更注重于基础研究。腾讯AI Lab聚焦四大领域的基础研究,包括:计算机视觉语音识别自然语言处理与机器学习,力求全面覆盖并深层次拓展AI的前沿技术能力

目前,腾讯AI Lab已经在IEEE、ICML等期刊、大会发表了8篇代表性论文,包括《多媒体哈希算法和网络(Multimedia Hashing and Networking)》、《深度学习促进从单一图像的视觉路径预测 (Deep Learning Driven Visual Path Prediction from a Single Image)》等。

WeChat AI 主要是为微信服务,致力于语音识别、语义分析技术,并将其应用于微信的功能之中,例如微信语音输入、语音转文字、声纹锁以及智能对话平台等。

再来看下,最早扛起人工智能大旗的百度。

今年1月,百度研究院在硅谷召开全员大会,宣布设立商业智能实验室(Business Intelligence Lab,BIL)和机器人与自动驾驶实验室(Robotics and Autonomous Driving Lab,RAL)。

同时三位世界级人工智能领域科学家Kenneth Ward Church、浣军、熊辉加入百度研究院。

自此,百度研究院形成了深度学习实验室(IDL)、大数据实验室(BDL)、硅谷人工智能实验室(SVAIL)、商业智能实验室(BIL)和机器人与自动驾驶实验室(RAL)五大实验室和Kenneth Ward Church、吴华、李平、熊辉、杨睿刚、浣军、马艳军7位世界级AI专家这一豪华阵容。

但是,今年7月,百度深度学习(IDL)研究院“杰出科学家”徐伟离职,这是继2017年,前百度首席科学家吴恩达、原百度研究院院长林元庆离职后的第三位AI大将。

长期以来,百度以“重技术”的口碑立足于江湖,旗下聚集有上万名工程师,李彦宏也多次公开强调,“互联网发展到今天,百度的灵魂始终没有改变——技术创新永远是我们的核心驱动力”。

科技的竞争说白了也是人才的竞争,百度研究院高层的频繁出走让百度有了一个新的名号:“人工智能黄埔军校”。

一位知情人士透露,“百度人工智能表面风光,实际上搜索的数据根本不向研究院开放。做人工智能的这波都是海归精英,跟搜索那边完全是两种风格,两方之间没有多少默契。”

目前,百度研究院五大实验室覆盖的研究领域包括自然语言处理计算机视觉、语音技术、大数据自动驾驶和机器人以及通用人工智能技术等。

百度研究院已有一系列应用于不用领域的研究成果,例如,2016年,百度发布了一种开源基准测试工具DeepBench,用于测量深度神经网络训练和推理中涉及的基本操作的性能。

今年6月,百度提出了一种新的深度学习算法,可以预测细胞是肿瘤还是正常细胞。7月,百度发布可以在智能家居设备和智能个人助理中应用的第一个完全端到端的TTS模型—— ClariNet。 10月,百度发布具有预期功能和可控延迟的同步机器翻译系统STACL。

除此之外,百度在人工智能的领域还获得了业界的认可。近日,《哈佛商业评论》中文版联合数易创研遴选出“全球最受关注的十大AI领军人物”,百度董事长兼CEO李彦宏上榜。

李彦宏是唯一上榜的国内科技企业领袖,同时上榜的领袖人物还有亚马逊创始人兼CEO杰夫·贝佐斯、谷歌CEO桑达尔·皮查伊、苹果公司CEO蒂姆·库克和微软CEO萨提亚·纳德拉等。

李彦宏的获奖理由是:中国AI行业的启蒙者与设计师,首度提出AI三维一体的标准,认为未来企业都需AI化;在全球范围内最早搭建无人驾驶开放平台,让汽车全行业all in AI,极大推动了中国及世界智能驾驶产业的发展;对于智能交通、智慧城市的构建已经进入落地应用阶段等。

昨日,被誉为“中国智能科学技术最高奖”的吴文俊人工智能科学技术奖在苏州举行颁奖典礼。百度高级副总裁、AI技术平台体系(AIG)总负责人王海峰荣获首个吴文俊人工智能“杰出贡献奖”。

AI的发展最终是要服务于人的。”王海峰认为,在继续加强人工智能基础技术研究的同时,还要让顶尖技术走出实验室,真正落地成产品、解决方案,赋能社会经济各领域,让人工智能充分发挥驱动力量,促进科技革命和产业变革。

二、紧随其后的京东、头条和滴滴

除了BAT有研究院以外,互联网的三大小巨头京东、头条和滴滴也紧随其后。

前几天,在2018京东数字科技全球探索者(JDDiscovery)大会上,京东集团副总裁、京东数科首席数据科学家郑宇宣布京东智能城市研究院正式成立。

京东智能城市研究院是京东集团顶级的研究院,包括数据服务实验室、人工智能实验室、行业应用研究所、商业模式实验室和技术转化部,以及在北京、南京、成都等多个城市设立的分院和实验室。

京东想对标亚马逊,从一个电商平台转型为以科技驱动的技术公司。

京东智能城市研究院就是京东野心的一个体现,这个研究院把京东所有的电商、物流、大数据、云计算、人工智能技术的优势综合加在一块儿的,加上城市计算的研发能力一起落地。

而早在2016年,字节跳动(今日头条母公司)人工智能实验室就已经成立,其主要研究重点是开发为字节跳动内容平台服务的创新技术。主要研究领域有自然语言处理计算机视觉、机器学习、数据挖掘等。

目前的落地应用有:为字节跳动所有产品提供翻译服务的Byte Translator、涉猎体育、金融、时事的新闻写作AI 写稿机器人 Xiaomingbot等。

滴滴出行研究院同样于2016年成立,人工智能科学家何晓飞教授任滴滴研究院首届院长,负责滴滴研究院和大数据团队建设,向CTO张博汇报。

滴滴研究院的研究方向包括:机器学习、计算机视觉人工智能、数据挖掘、最优化理论、分布式计算等。

目前,滴滴出行研究院共有四篇论文入选 KDD 2018,涵盖 ETA 预测 ( Estimated Time of Arrival, 预估到达时间) 、智能派单、大规模车流管理等多个研究领域。

三、“不甘寂寞”的华为、OPPO和Vivo

除了各大互联网巨头,国内手机厂商也不甘寂寞。华为当然也有着自己的研究院,2011年,华为整合成立了2012 实验室,2012实验室主要研究方向有新一代通信、云计算、音频视频分析、数据挖掘、机器学习等。

作为华为创新、 研究和平台开发的主体,2012实验室下设中央研究院、中央软件院、中央硬件院、海思半导体等二级部门,也包括了分布在各地研发中心的2012下属实验室。除此之外,华为还在美、英、德、法、俄等国家设立了共16个研究所。

目前“2012实验室”旗下有很多以世界知名科学家或数学家命名的神秘实验室,包括香农实验室,高斯实验室、谢尔德实验室、高斯实验室、欧拉实验室、图灵实验室等。

这其中,香农实验室主要为公司ICT产业智能化发展趋势储备认知相关关键技术、算法,并为相关产品提供智能服务和智能特性,在信息存储、分布式计算、软件定义等方向紧跟业界前沿研究。

而在云计算领域华为则提供面向行业业务云化的系列化解决方案, 包括FusionSphere虚拟化解决方案、FusionAccess桌面云解决方案、FusionCloud私有云解决方案等。

至于在人工智能大数据领域,华为发布EI企业智能平台,并推出基于大数据、数据库、人工智能技术的分布式服务。

更不用说人工智能的基础研究芯片部分,华为最近一直在研究芯片,麒麟系列芯片经历了多次迭代更新,已经较为成熟。今年9月,华为发布麒麟980,这是目前华为麒麟系列芯片的顶峰制作。

麒麟980是全球首款采用7nm制程工艺的手机芯片,集成了69亿晶体管(麒麟970为55亿),性能相比麒麟970提升75%,功耗下降58%,芯片面积只有不到100平方毫米。

而在最重要的AI部分,麒麟980首次集成了双核NPU,使用了更高精度的深度网络,每分钟可识别4500张图像,具备更高的实时性,支持人脸识别、物体识别、物体检测等AI场景。

目前,华为研发人员约8万名,占公司总人数的45%,在全球有14个研究所,36个创新中心。

据了解,华为在近十年累计投入的研发费用超过人民币3940亿元,并且,华为表示未来十年将以每年超过100亿美元的规模持续加大在技术创新上的投入。

今年4月,OPPO宣布成立OPPO研究院,总部设立于深圳,下设北京研究所、上海研究所、深圳研究所、东莞研究所、日本(横滨)研究所和美国(硅谷)研究所,在软件、硬件及标准三大领域展开研究工作。

OPPO也与斯坦福大学AI人工智能实验室建立OPPO-斯坦福大学联合实验室,这一实验室将会共同探索人工智能前端技术以及应用。

OPPO研究院院长刘畅表示:“研究院将聚焦在软件、硬件和标准三个领域,围绕5G、人工智能、影像处理和新材料新工艺等研究方向开展前端研究。”

OPPO将面向全球引入具有技术前瞻视野和学术背景的实践型人才,同时与社会科研机构以及全球高校保持紧密的沟通合作。

随后,今年7月,vivo向外界公布成立人工智能全球研究院,首任院长vivo副总裁周围就曾表示,人工智能是手机行业未来10年的方向,对此vivo也将人工智能列入公司未来的战略发展重点。

目前 vivo 人工智能研究院设立了 5 个分部,涵盖知识图谱、自然语言以及机器视觉等领域。

vivo围绕人工智能的研发团队迅速扩张,并已在深圳、北京、杭州、南京以及美国的圣地亚哥5个城市,投资设立AI全球研究院,周围出任vivo AI全球研究院院长,并面向全球聘请首席科学家。

在vivo推出的X21以及vivo NEX两款主力机型上,已经推出了集成人工智能相关技术的应用,包括人工智能助手Jovi,以及集成了AI技术的拍照和游戏等功能。

结语

从研究领域来看,国内研究院主要聚焦在大数据挖掘与处理、计算机视觉、机器学习和通用人工智能四大领域,但是,各自又有不同的侧重点。

阿里达摩院主要侧重于芯片、量子计算这样高端前沿的研究;腾讯研究院主要侧重于技术落地,同时更加关注基础科学;百度主要在打造智慧城市上发力。

相较于BAT,京东成立研究院的时间较短,目前主要目标是依托数据打造出了一套能够让多方共同服务于智能城市建设的城市操作系统。

字节跳动和滴滴主要以主营业务为核心展开研究,而手机厂商华为目前的研究重点是智能芯片,OPPO和Vivo更侧重于人工智能在手机上的应用。

相比国外,尽管国内的研究院起步较晚,略显“青涩”,但是,越来越多的迹象表明国内巨头公司越来越重视科技的发展,科研人才的培养。

现在,我国在量子计算、智能芯片等前沿研究领域已经处于世界前列,越来越多的论文发表在世界级杂志期刊上,在国际上的话语权越来越重,未来,将有越来越多的企业和人才投身于前沿科技的研究中。

AI锐见
AI锐见

洞察AI行业趋势

产业量子计算智能芯片计算机视觉机器学习
2
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。

http://www.msra.cn
华为机构

华为创立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商。

https://www.huawei.com/cn/
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
吴恩达人物

斯坦福大学教授,人工智能著名学者,机器学习教育者。2011年,吴恩达在谷歌创建了谷歌大脑项目,以通过分布式集群计算机开发超大规模的人工神经网络。2014年5月16日,吴恩达加入百度,负责“百度大脑”计划,并担任百度公司首席科学家。2017年3月20日,吴恩达宣布从百度辞职。2017年12月,吴恩达宣布成立人工智能公司Landing.ai,并担任公司的首席执行官。2018年1月,吴恩达成立了投资机构AI Fund。

所属机构
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

商业智能技术

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

语义分析技术

语义分析是编译过程的一个逻辑阶段, 语义分析的任务是对结构上正确的源程序进行上下文有关性质的审查,进行类型审查。语义分析是审查源程序有无语义错误,为代码生成阶段收集类型信息。比如语义分析的一个工作是进行类型审查,审查每个算符是否具有语言规范允许的运算对象,当不符合语言规范时,编译程序应报告错误。如有的编译程序要对实数用作数组下标的情况报告错误。又比如某些程序规定运算对象可被强制,那么当二目运算施于一整型和一实型对象时,编译程序应将整型转换为实型而不能认为是源程序的错误。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

机器翻译技术

机器翻译(MT)是利用机器的力量「自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)」。机器翻译方法通常可分成三大类:基于规则的机器翻译(RBMT)、统计机器翻译(SMT)和神经机器翻译(NMT)。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

STACL技术

STACL(同声传译和预期与可控延迟)为百度新开发的机器翻译系统。该系统能够在演讲者讲话后几秒钟开始翻译,并在句子结束后几秒钟内完成翻译。它不会与说话者同时开始,而是等待,直到说话者暂停才开始翻译。它通过在人工翻译之后对系统进行建模来应对挑战。STACL直接预测翻译中的目标语言单词,并将翻译和预期融合到单个模型中,“wait-k”,即总是翻译说话者语音后面的k个单词以预测上下文。该系统经过训练,会使用源句子的可用前缀来决定翻译中的下一个单词。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

强人工智能技术

强人工智能或通用人工智能(Strong AI或者 Artificial General Intelligence)是具备与人类同等智慧、或超越人类的人工智能,能表现正常人类所具有的所有智能行为。强人工智能是人工智能研究的主要目标之一,同时也是科幻小说和未来学家所讨论的主要议题。相对的,弱人工智能(applied AI,narrow AI,weak AI)只处理特定的问题。弱人工智能不需要具有人类完整的认知能力,甚至是完全不具有人类所拥有的感官认知能力,只要设计得看起来像有智慧就可以了。由于过去的智能程式多是弱人工智能,发现这个具有领域的局限性,人们一度觉得强人工智能是不可能的。而强人工智能也指通用人工智能(artificial general intelligence,AGI),或具备执行一般智慧行为的能力。强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

推荐文章
暂无评论
暂无评论~