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

机器之心发布2022年度报告,200页报告全方位解读当前AI技术发展趋势

2022年5月机器之心发布第三份年度报告,分别就“算法”、“工程”、“应用”及“宏观”四个角度对当前全球人工智能技术发展趋势进行深入解读。

2022 年 5 月,机器之心发布《2021-2022 全球 AI 技术趋势发展报告》(以下简称“机器之心年度报告”)。该报告是机器之心发布的第三份年度报告。

2022年的机器之心年度报告约200页,分别就“算法”、“工程”、“应用”及“宏观”四个角度对AI发展趋势进行探索,涉及:AI 算法研究趋势,AI 计算体系、AI系统开发所需算力、数据等计算资源、算法实现、模型开发及代码编写等工程化趋势,热点 AI 技术在数字化转型及科技创新项目中的应用趋势及当前 AI 技术的投资、治理及主流社会认知等宏观趋势。同时,报告得到了来自50余所顶级AI企业的近千位AI技术专家、项目经理、资深从业者提供的专业技术及研究支持。

13 个国际顶会,洞察 AI 算法理论、计算体系研究趋势

机器之心《2021-2022 年度 AI 技术趋势发展报告》从 AAAI、NeurIPS、ICML、IJCAI 等九大国际会议来观察算法研究的理论趋势;通过算法理论、人类语言算法、计算机视觉算法、机器人自动化算法四个研究方向的顶会进行算法趋势观察;以及从OSDI、SOSP、ASPLOS、ISSCC这四大国际会议来观察计算体系的研究趋势。

36 位人工智能专家洞察 AI 算法理论、计算工程、产业应用、社会宏观的发展趋势

机器之心《2021-2022 年度 AI 技术趋势发展报告》借助 36 位国内外人工智能领域专家学者的洞察来发现 AI 算法理论、计算工程、产业、社会宏观的发展趋势。

AI 算法研究部分包含三位图灵奖得主 Yann LeCun、Geoffrey Hinton、Yoshua Bengio 在内的 7 位人工智能专家学者的洞察。AI 计算工程部分包含谷歌大脑负责人Jeff Dean、 华为操作系统首席科学家陈海波等 5 位人工智能专家学者的洞察。AI 产业应用部分包含中国工程院院士王耀南、中国科学院院士谭蔚泓等 10 位人工智能专家学者的洞察。以及清华大学交叉信息研究院院长姚期智等 14 位人工智能专家学者关于 AI 社会宏观的洞察。

33 个 AI 主流开发工具的分析得到 AI 计算生态发展趋势

围绕深度学习框架计算模式、 AI 科学计算工具、神经网络稀疏化、轻量化、 AI 安全工具、隐私计算工具等方面,机器之心《2021-2022 年度 AI 技术趋势发展报告》对33 个AI 主流开发工具分析探讨,并得到八大AI 工程发展趋势 。

728 份年度调查问卷解读 AI 计算工程、产业应用、社会宏观的发展趋势

150 项人工智能数字化转型项目成果分析形成的产业趋势结论

机器之心《2021-2022 年度 AI 技术趋势发展报告》中,基于通过公开信息,以桌面调研形式收录了2019-2022 年间,共 150 项涉及人工智能的数字化转型项目成果。在此基础上,报告基于调研收录的数字化转型项目信息,从项目适用的行业、场景、项目归属地区、项目中所采用的技术等维度进行分析,并形成趋势结论。同时对于部分趋势还与其他机构的统计数据进行了对照。

122 条人工智能资本事件观察

机器之心《2021-2022 年度 AI 技术趋势发展报告》中,基于机器之心 Pro 数据终端平台所收录的动态信息,结合公开信息调研,机器之心整理筛选了 2021年间,122 条金额过亿的人工智能相关投融资事件。事件相关主体均为人工智能技术公司,或主营业务与人工智能有所关联。 此外,机器之心调研并参考了其他资讯公司、专业机构、数据库所发布的人工智能相关资本事件统计,分析并对比截止 2021 年的投融资事件数、轮次分布、行业分布、资本退出情况等趋势。

46 条全球范围内人工智能治理事件观察

机器之心《2021-2022 年度 AI 技术趋势发展报告》中,机器之心基于政府部门官网、媒体报道等公开渠道调研并收录了全球范围内共 46 条人工智能相关治理事件。事件类型包含针对人工智能,或与人工智能相关的立法、提案、政策、国家战略、案件审判等;涉及事件主体包含各国国家政府部门、地方政府、国际组织等。 报告基于调研收录的人工智能治理事件,从事件所涉及的主题,关注领域,产业方向等维度分析归纳,形成趋势观察。

如何获取报告?

微信通过 id 搜索机器之心Pro服务号(id:almosthuman2014pro)并关注,进入公众号填写申请表。申请通过后,机器之心 Pro 微信小助手将向您发送 200 页完整报告(PDF格式)。

机器之心还将为全功能账号权限的「机器之心Pro 会员」提供含有附录数据及汇总资料的专业版报告,在200页完整报告之外专业版报告还将包括以下额外附录数据及资料集 ——

•报告资料 - 机器之心 2021 - 2022 年度调查问卷分析(完整版)

•报告资料 - 2021 - 2022 年度国际顶会最佳论文资料集

•报告数据 - 数字化转型项目事件汇总数

•报告数据 - 开发工具发布事件汇总

•报告数据 - 全球AI治理事件汇总

•报告数据 - AI 资本事件汇总...以及更多


专业版报告已于 2022 年 5 月 10 日上线「机器之心Pro」市场信息终端,已获得「机器之心Pro 会员」全功能账号权限的用户可直接下载查看。

还没有「机器之心Pro 会员」,可以通过微信添加机器之心 Pro 客服(18511790167)进行咨询。


报告大纲 ——

算法研究:从国际顶会AI 算法研究趋势

算法理论

机器学习仍是投稿量和接收量最大的主题之一

随机、优化、博弈论等方法的引入成为探索方向

Transformer 热度持续,GAN进入瓶颈期

少/弱/零样本工作任重道远

多智能体研究愈演愈热

可解释性研究继续升温

人类语言技术

Word Embedding 仍是重点关注技术

提高迁移能力任重道远

预训练语言模型成为顶会研究重点工作

计算机视觉

图像与视频理解、目标检测等仍是研究的热门

预训练模型的改进得益于算力/数据的优势

神经网络架构的改进仍是主要的方向

可解释性、公平、伦理等问题得到更多关注

CV领域相对其他领域更关注对抗学习

数据库构建的工作还在持续

机器人与自动化

大量论文聚焦于无模型强化学习框架

CoRL中感知领域的方法成为研究热点

更多地关注机器人在实际应用场景中的性能


计算工程:从开发设施看 AI 计算生态演进趋势

工程趋势:计算图从动静分离趋向动静统一;

工程趋势:支持机器学习与科学计算混合建模的编程模式;

工程趋势:利用神经网络稀疏化实现模型压缩和端侧加速;

工程趋势:为 AI 应用开发者提供开箱即用的模型;

工程趋势:适配超大规模模型,减小模型增长与算力的剪刀差 ;

工程趋势:通过软硬协同设计挖掘性能提升空间;

工程趋势:围绕 AI 安全、隐私计算、可解释性 AI 开展对趋势:新一代可信 AI 计算体系的探索、互相交融、开放的计算体系崭露头角;

工程调查:AI编程框架选择

工程调查:模型开发各阶段投入精力

工程调查:算法及模型调用习惯

工程调查:预训练模型使用情况


产业应用:从数字化转型项目中的 AI 技术应用看产业发展趋势

计算机视觉技术仍是近年来应用最为广泛的技术

自动驾驶技术在物流场景应用先走一步

AI、IoT的融合应用在5G技术的催化下加速

无人机与机器人的应用越发广泛

公共服务、工业制造、交通及医疗为四大主要技术采用行业

相较于构建“大系统”,“微应用”更受青睐

制造业: 结合深度学习计算机视觉等技术进行实现产线智能质检

制造业:数据生产量为智能制造软件发展带来发展机会。

智能仓储成为工厂数字化转型热门场景。

公共服务业:构建城市大脑,联通城市政务部门信息系统

公共服务业:人工智能帮助城市应对自然灾害

公共服务业:城市治理向“微单元” 、智能化的方向发展

公共服务业:AI 推动智慧政务“服务下沉”

交通运输与物流业:人脸识别技术在出行场景获得普遍应用

交通运输与物流业:人工智能+交通大数据构建智能监测体系

交通运输与物流业:结合自动驾驶、5G构建小场景无人运输服务

交通运输与物流业:人工智能助力交通设施智能运维

零售业:人工智能助力智能营销

零售业:多样化智能应用组成数字门店

零售业:AI+物联网优化零售供应链管理

能源与资源开采:结合机器人技术与视觉技术实现设施运维

能源与资源开采:无人化作业是资源开采行业重点关注场景

金融业观察:AI+知识图谱帮助金融机构实现智能风控,反欺诈、反洗钱是重点关注领域

金融业观察:AI+RPA构建企业自动化运营流程

金融业观察:智能客服系统解放人力


社会宏观篇:从 AI 资本事件、国内外 AI 治理事件治理看社会宏观趋势

融资事件总数减少,单笔融资金额上升

资本退出事件增加

国内资本关注阶段总体后移

全球各国对人工智能治理日渐重视,法制化程度发展迅速。

国际合作日趋密切,发展贴合伦理,可信向善的人工智能是国际共识

美国出台人工智能行管立法和研究政策明显增加

人工智能治理重点及决策日渐清晰,算法、数据、隐私为重点治理方向

自动驾驶落地收到更多国际关注

数据治理是确保人工智能技术健康发展的关键

享受技术便捷的同时更要重视个人信息保护

对新技术与新业态的知识产权司法保护

行业规范引导智能技术合理应用

算法应用发展当以人为本,公平向善



产业
1
相关数据
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/
相关技术
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/
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。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

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)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

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。

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。

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。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

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)。

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。

博弈论技术

博弈论,又译为对策论,或者赛局理论,应用数学的一个分支,1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》,标志着现代系统博弈理论的的初步形成,因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
目标检测技术

一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

城市大脑机构
推荐文章
暂无评论
暂无评论~