机器之心编辑部发布

在2020年到来之前,你应该知道的十大科技趋势预测

2019 年即将成为过去,2020 年的脚步也越来越近。这一年,人工智能正在沿着稳定的发展轨迹不断前进。这些可以给我们哪些启示?未来的一年应该向哪些方向发力?为此,百度研究院近日发布了关于 2020 年的十大科技趋势预测。

在过去的 2019 年,我们看到人工智能领域的诸多发展:

  • 技术层面,AutoML 等工具的出现降低了深度学习的技术门槛;

  • 硬件层面,各种 AI 专用芯片的涌现为深度学习大规模应用提供了算力支持;

  • 在 AI 之外,物联网、量子计算、5G 等相关技术的发展也为深度学习在产业的渗透提供了诸多便利。

这些底层技术的快速发展和技术融合趋势的增强意味着,2020 年,我们即将开始进入 AI 的「工业化」大规模生产时代。

近日,基于近十年来人工智能技术的发展积累及全球范围的产业应用实践经验,百度研究院正式发布了 2020 十大科技趋势预测。

以下是十大预测趋势的详细解读:

趋势 1:AI 技术已发展到可大规模生产的工业化阶段,2020 年将出现多家「AI 工厂」

AI 技术本身以及各类商业解决方案已日臻成熟,正在快速进入「工业化」阶段。伴随着国内外科技巨头对 AI 技术的持续投入,2020 年在全球范围内将出现多家 AI 模型工厂、AI 数据工厂,将 AI 技术和商业解决方案大规模生产出来,运用在各行各业帮助产业升级。例如客服行业的 AI 解决方案将可以大规模复制运用到金融、电商、教育等行业。

趋势 2:2020 年将会是 AI 芯片大规模落地的关键年

最近几年,AI 芯片已经逐步达到了可用的状态,2020 年将会是 AI 芯片大规模落地的关键年。端侧 AI 芯片将更加低成本、专业化、解决方案集成化。同时,NPU(神经网络处理单元)将成为下一代端侧通用 CPU 芯片的基本模块,未来越来越多的端侧 CPU 芯片都会以深度学习为核心进行全新的芯片规划。芯片之外,AI 还将重新定义计算机体系架构,支持 AI 的训练和预测计算成为新的异构设计架构思路。

趋势 3:深度学习技术深入渗透产业,并大规模应用

深度学习是当前人工智能领域最重要,也是被产业界证明最有效的技术。以深度学习框架为核心的开源深度学习平台大大降低了人工智能技术的开发门槛,有效提高了人工智能应用的质量和效率。2020 年,各行各业将会大规模应用深度学习技术实施创新,加快转型和升级。

趋势 4:自动机器学习 AutoML 将大大降低机器学习的门槛

AutoML 将能够把传统机器学习中的迭代过程综合在一起,构建一个自动化的过程。研究人员仅需输入元知识(如卷积的运算过程,问题的描述等),该算法就可以自动选择合适的数据,自动调优模型结构和配置,自动地训练模型,并将其适配部署到不同的设备上。AutoML 的快速发展将大大降低机器学习的门槛,扩大 AI 应用普及率。

趋势 5: 多模态深度语义理解进一步成熟,得到更广泛应用

多模态深度语义理解以声音、图像、文本等不同模态的信息为输入,综合感知和认知等 AI 技术,实现对信息的多维度深层次理解。随着视觉、语音、自然语言理解知识图谱等技术的快速发展和大规模应用,多模态深度语义理解进一步成熟,应用场景更加广阔。结合 AI 芯片等,将广泛应用于互联网、智能家居、金融、安防、教育、医疗等行业。

趋势 6:自然语言处理技术将与知识深度融合,面向通用自然语言理解的计算平台得到广泛应用 

随着大规模语言模型预训练技术的出现和发展,通用自然语言理解能力有了大幅度提升。基于海量文本数据的语义表示预训练技术将与领域知识进行深度融合,持续提升自动问答、情感分析、阅读理解、语言推断、信息抽取等自然语言处理任务的效果。集合超大规模算力、丰富领域数据、预训练模型和完善研发工具的通用自然语言理解计算平台将逐渐成熟,并在互联网、医疗、法律、金融等领域得到广泛应用

趋势 7:物联网将在边界、维度和场景三个方向形成突破

随着 5G 和边缘计算的发展,算力将突破云计算中心的边界,向万物蔓延,将会产生一个泛分布式计算平台。同时,时间和空间是这个物理世界最重要的两个维度,对时间和空间的洞察将成为新一代物联网平台的基础能力。这也将促进物联网与能源、电力、工业、物流、医疗、智能城市等更多场景发生融合,创造出更大的价值。

趋势 8:智能交通将加速在园区、城市等多样化场景中落地

自动驾驶的发展正在趋于理性,市场将对智能驾驶未来数年的发展更加充满信心。2020 年,更多自动驾驶汽车被应用于物流快递、公共交通、封闭道路等不同场景。同时,V2X(vehicle to everything)技术启动规模化部署和应用,使得车车、车路形成广泛连接,进一步推动智能车路协同技术的实现,智能交通加速在园区、城市、高速等多样化场景中落地。

趋势 9:区块链技术将以更加务实的姿态融入更多场景

随着区块链技术与 AI、大数据、IOT 和边缘计算的深度结合,数据和资产线下线上的映射问题逐一解决。围绕区块链构建的数据确权、数据使用,数据流通和交换等解决方案,将在各行各业发挥巨大的作用。例如,在电商领域,可保证商品的全流程数据真实性;供应链领域,可保证全流程数据的公开和透明,以及企业之间的安全交换;在政务领域,能实现政府数据的打通,实现证件的电子化等等。

趋势 10:量子计算将迎来新一轮爆发,为 AI 和云计算注入新活力

随着「量子霸权」的成功展示,量子计算将在 2020 年迎来新一轮的爆发。量子硬件方面,可编程的中等规模有噪量子设备的性能会得到进一步提升并初步具备纠错能力,最终将可在上面运行具有一定实用价值的量子算法,量子人工智能应用也将得到很大的发展。量子软件方面,高质量的量子计算平台和软件将会涌现并与 AI 和云计算技术实现深度融合。此外,伴随着量子计算生态产业链的初步形成,量子计算必将在更多应用领域获得重视,越来越多的行业巨头陆续投入研发资源进行战略布局,有机会为未来 AI 和云计算领域带来全新面貌。

产业2020 AI 发展趋势百度研究院
相关数据
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。

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。

自然语言理解技术

自然语言理解是人工智能的核心课题之一,也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间,都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻,它一方面承载着机器和人的交流,另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯,机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA(Ask Me Anything)栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

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)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
区块链技术技术

所谓区块链技术,简称BT(Blockchain technology),也被称之为分布式账本技术,是一种互联网数据库技术,其特点是去中心化、公开透明,让每个人均可参与数据库记录

推荐文章
暂无评论
暂无评论~