HI,歡迎來黑龍江省互聯網協會


您所在的位置: 首頁 > 行業文化集錦 > 2016年熱點盤點 ——人工智能篇 在多領域深度應用中尋求突破
2016年熱點盤點 ——人工智能篇 在多領域深度應用中尋求突破
發布時間:2021-03-04 信息出處: 瀏覽數:958

  2015年冬天,人工智能以極其迅猛的勢頭撲面而來。2016年春天,李世石和AlphaGo的人機大戰更將人工智能推上萬眾矚目、無其他熱點能及的位置。如今換了名字的master又已經連續戰勝頂尖高手,獲勝60場,這是人們最熟悉的人工智能應用場景。人工智能最早被暢想出來是希望機器能通過學習掌握人類的知識,從而替代人類完成部分工作,顯然不止于下棋這一件事。由于人類是一個有感知、有思考、有創造、有決策、有反饋及操作能力的系統,人工智能也需要逐步去實現,最終能否成為一個與人類能力相近的系統,還有待科學家們持續的創造和突破。

人工智能目前仍處在模擬智能階段,機器通過學習模仿人類,還不能進行語義理解、決策和創造性發揮。當下應用的人工智能無論是行為主義(以機器人為代表)、連接主義(以神經網絡和深度學習的應用為代表),還是符號主義(以專家系統為代表)流派,衡量標準都是機器的“表示、推理和學習”能力,目前占上峰(主流)的連接主義還較難解決演繹推理和認知學習的高階需求。在此條件下,異化大腦(多層、大規模神經網絡系統)的運算基礎是數據、深度學習算法和計算能力。在認知智能的算法突破之前,人工智能+任何行業的應用都需要感知、通信連接和處理控制的過程。這個過程中,感知和處理控制都需要硬件載體。因此,2016年人工智能的整體應用重點之一是基礎平臺建設,包括協議、專屬芯片、底層計算資源和數據資源的建設,以及數據的消費(場景和交互模式)和處理方式拓展。以谷歌、Facebook、微軟、高通、百度、阿里為代表的國內外科技巨頭的布局均在以上相關領域。

20170607100922_16874.jpg

由此可以推斷,人工智能的發展無論從數據積累、技術突破、基礎搭建還是應用探索都不是一個短周期的過程,想象中的顛覆式變革需要逐步實現。人工智能同樣是人類理性應用工具和技術等先進手段追求利潤最大化和效率的探索之一,其發展必然受政府、科研機構和企業等共同推動。人工智能與傳統領域的結合也會越來越緊密。不一定是人工智能+,更多是傳統領域+人工智能,因此很難去評估人工智能市場的規模有多大,除了提供人工智能解決方案的企業,更難清晰界定人工智能企業的范圍。

金融+人工智能:用生物特征識別身份,探索智能投顧模式

金融領域的人工智能應用普通人能夠感受到的是身份識別和驗證,以及創新金融產品開發和量化投資。人工智能+金融具體實際應用如下:

身份識別和驗證:(1)機器替代人工開戶;(2)交易過程身份驗證。

創新金融產品開發:(1)基于數學模型和數據分析的產品設計;(2)金融衍生產品設計。

量化投資:(1)豐富維度,提升分析精度;(2)根據市場變化,改變相關影響因子,調整投資策略。

其中身份識別和驗證應用范圍最廣,收益也最直接、清晰。

2016年中國智能投顧已有招商銀行等銀行機構、宜信投米RA等財富管理公司、京東智投等互聯網金融公司以及創業團隊推出產品和服務,而以美國的Betterment 、Wealthfront為行業標桿,基本提及智能投顧就會提到這兩家公司。智能投顧之所以被關注,首先解決提高人均產出的問題,以有限的理財師為更多人提供投顧服務。目前,個性化的機器投資顧問服務還處于嘗試階段,作為個性化分析的基礎,需要用戶行為數據、消費數據、投資數據,這些數據還較為分裂,且難以獲取并打通,因此,機器尚無法通過數據方式全面分析用戶的偏好以及關聯同偏好和資產基礎的用戶進行組合投資。主流智能投顧產品仍以問卷測試,結合過往投資情況以及年齡、性別、職業評估等方式分析客戶投資偏好。

其次,已往的投顧服務主要服務于高凈值人群,目前國內可投600萬以上的高凈值人群大概有30萬,這兩年能保持在10%左右的增長。高凈值人群的資產保值增值已經呈現配置全球化及多元產品組合的趨勢。目前國內的QDII和ETF產品相對較少,有些公司會借助智能投顧的方式實現全球財富配置。對于普通人來說也有機會去接觸資管服務。

最后,國內智能投顧發展面臨最大的問題是定性和監管政策還未出臺。按照理想化的智能投顧包括從客戶分析到資產配置、投資組合選擇、交易執行,組合再選擇、稅負管理和組合分析,而國內已有的顧問和資管服務涉及不同監管牌照,需同時擁有兩塊牌照或券商牌照(已暫停發放)才能開展業務。盡管智能投顧信息透明化和費率低,大概是投顧服務費率的1/4,但是受數據基礎、監管政策等的影響,很有可能會成為資管銷售的升級渠道,未來5年還不能以機器替代人類完成投顧服務,實現真正意義上的個性化金融服務。

工業+人工智能:機器人市場繼續擴張,智能制造為新熱點

工業發展歷經手工業(手工生產)、機器大工業(機械制造)、現代工業(半自動化、自動化生產),正向新工業(信息化、智能化)發展。工業和人工智能的結合呈現先直接替代人工(機器人)后基于信息化實現全面智能化的特點。機器人的發展領先了一步,自上世紀90年代進入發展期,2010年已進入智能化時期,2012年全球工業機器人(本體加集成)的市場容量為1600億元,預計到2017年將達到2700億。工業機器人的出現和發展是工業發展和提升效率的另一路徑,隨著信息化和物聯網的發展,兩條路徑開始結合發展,而工業機器人向智能化發展比工業信息化向智能化發展提早了至少10年以上。

國際機器人聯合會(IFR)2016年2月發布的《2015年全球工業機器人統計報告》顯示,2014年工業機器人70%的銷售總量分布在五個主要市場:中國、日本、美國、韓國、德國,其中,中國的購買量比2013年增長了56%,是其他四國每國購買量的一倍。中國目前是工業機器人的消費大國,但近90%非自產。國內工業機器人已進入發展期和創新活躍期,預計2018年開始進入成熟階段,可能在已有工業機器人本體制造、系統集成及行業應用(解決方案)等范疇產生大型企業。

工業機器人未來將成為智能制造的一部分,技術融合發展是必然趨勢。智能制造的核心關鍵詞是自動化、連接和智能控制,核心要實現的是整合資源、降低成本和提高效率。智能制造和工業4.0是工業發展的下一個方向,所有工業大國都在自上而下和自下而上的推動。智能制造是一個完整的系統,因此面臨眾多挑戰?,F階段還是政府倡導、企業嘗試。未來,政府、企業、高校及科研機構、專家等大力投入共同推進智能制造和工業4.0的發展,這一探索將持續20-30年。工業將領先農業、第三產業最先完成智能化過程,工業+人工智能也是近30年商業機會最多,所需資本、人力投入最多的領域。

具體到汽車領域。2016年,多巨頭進入無人駕駛領域。2016年也發生了第1例無人駕駛事故致死事件。

2016年1月谷歌宣布在谷歌汽車上路14個月后經歷了272樁意外事故,從測試剛開始的第一個季度中平均每785英里(約合1263千米)發生一次,減少到了14個月后的每5318英里(約合8558千米)才發生一次。但是5月特斯拉出現了事故,環境識別和即時決策同時出錯。

另一方面,無人駕駛是烏鎮世界互聯網大會的重頭戲。BAT均為無人駕駛進行戰略布局。百度的“無人駕駛汽車”項目,從發布智能互聯車載產品“CarNet”中僅提供API及部分軟件支持,到百度無人駕駛汽車首次測試完成,百度計劃在未來5年內將“百度無人駕駛汽車”量產;騰訊從“i車生活平臺”開始宣告進軍車聯網并開始布局,一方面入股國內最大數字地圖公司四維圖新,另一方面與富士康、和諧汽車形成戰略合作;阿里選擇與上汽集團合作布局,合資設立10億元互聯網汽車基金,推進互聯網汽車開發和運營平臺建設,未來將形成開放式的資本平臺;豐田、大眾等老牌汽車企業也在此領域投入。

目前,無人駕駛仍受安全駕駛系統成本較高、自產海量數據的本地處理和傳輸、環境識別精度和即時決策準確度等的制約。但無人駕駛仍以所代表的新的產品形態和服務形態繼續倍受關注。下一階段,無人駕駛的商業機會和目標包括:高敏傳感器和高性能芯片、車聯網綜合預算平臺、各類高級輔助駕駛系統和車內服務。

當駕駛自動化,汽車就變成了行走的娛樂或辦公空間,它所能連接的是吃、購物、本地服務、其他交通方式等所有日常行為,還是必不可少的重要數據入口,也難怪會成為眾巨頭的必爭之地。

醫療:信息化基礎快速建設,專家系統探索應用

曾經有人說,如果說金融是“互聯網+”的最后一個陣地,那么醫療永遠不可能互聯網化。這么絕對的說法來自“任何形式的線上服務都無法取代線下醫療核心服務”這樣的共識?;ヂ摼W化發展基本是從醫療周邊服務努力向核心切入,仍然做的是資源和渠道的生意。先不說其他限制條件,醫療互聯網化、智能化的發展需基于信息化的基礎。中國雖然已從信息化基礎建設快速追上,比如已經建成統一信息編碼體系,其中ICD10使用占比83.6%是最高的,影像傳輸的文件標準只有60%,后面的ICD9占50%以下,但數據打通仍只實現了3%。

在這樣的基礎條件下,人工智能+醫療的發展主要體現在精準醫療、醫療機器人、智能診斷和個人智能健康管理四個方面。

精準醫療的基礎層基因測序已基本完成,但是上游基本是外資壟斷,前三大企業占據全球97%的份額,中游測序服務商需要向上采購設備、耗材,從下游醫療機構、科研機構導入樣本,服務同質化嚴重,只能靠跑馬圈地去擴大規模。下游主要服務集中在生育健康服務、新藥研發和復雜疾病檢測領域。

現代醫學則越來越依賴于數據的采集和判斷,借助大數據來減少誤診率。智能診斷一方面是同類案例精準快速調研輔助診斷以及各種影像檢測結果的識別;另一方面將病人的圖像結果翻譯成診斷信息,預期速度是人類的30倍,準確率高達99%。

另外,據 BCG波士頓咨詢測算,截至2016 年1月,全球醫療機器人行業每年營收達到74.7 億美元,預計未來5年年復合增長率能穩定在15.4%,至2020年,全球醫療機器人規模有望達到114億美金(約為全球服務機器人市場的6%)。其中,手術機器人占60%左右市場份額。全球外科手術芬達機器人有3266臺,內地有29臺。

醫療+人工智能應用呈現信息化數據化發展與局部智能應用同時推進的特點,醫療+人工智能的突破不僅是減少誤診率(提升效率),更是醫療服務模式的深度變革和突破。

在2016年9月的安博會上,所有企業展示的安防系統已普遍應用人臉識別技術,從前端的識別設備到后臺系統,從智能攝像頭到與安檢設備結合。而教育領域已有創業企業在探討應用大數據和人工智能算法實現個性化教育。雖然實現還需要一定周期,各傳統領域+人工智能的探索卻已普遍推進,尤其是已實現信息化的企業。

創新應用+人工智能:交互方式的變革

2016年投向人工智能創新應用領域的投資人預期人工智能可以改變人們的交互方式,從而帶來新的商業機會。主要代表為虛擬現實和BOT(Chatbot),這兩個領域也是2016年人工智能最吸睛的領域。相對來說BOT技術更成熟,虛擬現實仍需嫁接發展。

虛擬現實:熱點中的熱點,技術不足制約發展

2016年VR/AR幾乎可以說火遍大街小巷,相比2015年僅是VR設備銷量就有500%的增長率。根據友盟+U-App應用統計數據顯示,截至2016年Q2,VR類應用季度活躍用戶總體規模已達到587萬。由于體驗感仍處于較低水平,VR類APP平均次周留存為22.7%。

目前,VR行業整體發展仍處于早期階段。硬件規格價格從幾元到萬元差距較大,90%的用戶購買的是200元以下的產品,普遍以獵奇的心態參與體驗。內容制作成本較高,對于錄制設備和錄制平臺要求都極高,需要制作以第一人稱看360度無死角完整覆蓋的全范圍影像,單價5萬美金以上的全景攝像機或多臺Gopro同步才能完成拍攝。另外,視頻的精細制作及對畫面剪輯和拼接的技術要求也很高。2016年,VR內容制作相對匱乏,根據IDC&京東發布報告顯示,55%為游戲內容制作,40%為影視內容制作,主要分布在泛娛樂領域,絕大多數VR設備應用以視頻內容聚合為主。

由于內容的不足,偽全景的視頻內容+低分辨率的設備+已有數據傳輸效率不足+數據庫不充分,讓用戶產生眩暈等不適應感。獵奇的心里和生理的不適造成客戶的粘性非常低,盡管如此,VR線下體驗店卻快速增長。根據慧辰資訊2016年12月網絡抓取數據,目前全國有2200家左右線下體驗店,盡管盈利模式不清晰,行業人士仍預計明年將有100%的增長率。

2016年春天還火了一款名為Pokemon Go的LBS增強現實游戲,盡管只能在手機屏上實現增強現實,還較為初級,但增加了用戶與現實環境和游戲內容的互動體驗,短期內人氣暴漲,不少玩家跨區下載,甚至引發游戲服務器數次崩潰。

無論現實如何,虛擬現實帶來的用戶交互模式變化的嘗試仍是很有價值的。

BOT:持續性的積累,落地服務已獲收益

BOT最早出現在手機系統、社交服務和聊天軟件里,比如微軟 Cortana、蘋果 Siri 和 Google Now,另外還被應用到虛擬客服里,而后者2015年僅在國內就帶來數千萬級的銷售收入。BOT核心解決機器和人的交互問題,尤其是深度的語義交互,基于自然語言處理和語義理解等技術,結合領域知識庫的構建,實現機器在領域的認知和交互能力。

這些BOT的特點是服務領域單一,但其領域的知識庫(過往服務經驗和固定話術設計)積累比較完整,對于人工智能的要求是快速檢索和準確表達。2016年主要應用領域包括資訊獲取、售后服務、銷售服務以及虛擬偶像/影視人物,應用行業覆蓋科技領域(如谷歌的Allo)、新聞資訊領域(如華爾街日報的聊天機器人)、旅游領域(如亞洲航空的票務機器人)、金融科技領域(如招行的小i機器人)、保險領域(如安泰保險的機器人Ann)、快消領域(如絲芙蘭的Kiki聊天機器人)、交通領域(如優步的叫車機器人)和娛樂業(如瘋狂動物城的兔警官)。

未來BOT的發展方向由易到難分別是多領域擴展、跨屏跨硬件同步服務和提升知識的專業屬性,用于更為專業的虛擬服務,如醫療診斷等。

創新應用+人工智能相較于傳統領域,重點不僅是提升效率,更多是提升用戶體驗,豐富服務內容和形式,滿足互聯網和移動互聯網發展下,用戶對科技的依賴和增強需求。

20170607100941_86970.jpg

人工智能+行業應用發展的五大關鍵要素

2016年世界前二經濟體均在人工智能領域有所動作。2016年12月國務院印發《“十三五”國家戰略性新興產業發展規劃》(簡稱《規劃》),對“十三五”期間我國戰略性新興產業發展目標、重點任務、政策措施等作出全面部署安排?!兑巹潯分赋?,發展人工智能,培育人工智能產業生態,促進人工智能在經濟社會重點領域推廣應用,打造國際領先的技術體系。2016年10月奧巴馬政府發布《國家人工智能研究與發展策略規劃》,為國家資助的AI研究和發展劃定策略。包括長期投資策略、建立標準和技術評估基準、為人工智能發展提供規定了一個高水平框架,該框架可用于確定人工智能所需要的科學和技術并追蹤研發投入的進度并最大化投入的影響。政策驅動、人才儲備、企業投入、科研支持這些都是人工智能發展的必要條件。

總結2016年人工智能+行業應用狀況,現階段發展的關鍵要素為:

1.科研成果到商業應用的轉化落地

人工智能算法已發展60年,主要前沿研究成果均在各科研機構,部分科技巨頭企業擁有領域頂級科學家。新興技術的研發和應用需由有學術背景的機構進行技術可行性論證、技術應用設計和商業應用轉化?;蛘呖蒲袡C構派生企業,如科大訊飛,或者企業需設置相應的職能崗位,如谷歌的Hilton、百度的吳恩達。成熟的商業應用則實現落地成果的商業過程。

2.核心算法的模塊化

目前市場現狀說自己是人工智能的企業很多,說得清人工智能算法的不多。人工智能+行業應用對于算法和計算資源都有較高的要求,從社會整體資源利用最大化的角度,核心算法模塊化更利于商業應用拓展和整體效率提升。

3.基于多點連接的標準統一

連接是將應用場景與數據,數據與智能控制/表現的關鍵。無論是萬物互聯,還是局域網內連接,實現都需要在統一標準下。以智能硬件為例,互聯網巨頭和傳統家電企業都在建立互聯互通的標準,每家都表示愿意接受其他家連接進來(品牌連接或者云連接),但結果各自有各自的領地,各有千萬級左右的連接量,互相不連通。

4.數據整合應用

多數據庫的融通不只是意愿度的問題,還需要大量的基礎性工作,包括多ID融合、多數據入口對于同一描述統一以及整合后數據的持續采集和維護。數據是人工智能發展的基礎,對于整合后數據應用的框架設計、算法和數據結果應用監測都需要從宏觀政策和標準制定的角度予以明確。

5.應用場景和交互方式的拓展

非剛需與智能應用發展的矛盾是人工智能+行業應用的主要制約因素。不僅需要讓新興技術與傳統領域更緊密結合,實現傳統+智能的升級,或者創造具有剛需條件的應用場景,讓智能真正融入到社會生活的日常場景。

模擬智能向延展和拓展智能發展還有不知何時能實現的距離,而人工智能+行業應用卻可基于算法現狀進行拓展。相信企業信息化、大數據、云服務、人工智能等將會交互發展,共同推進效率提升、成本降低和社會生活服務升級。

(作者單位:慧辰資訊 TMT互聯網研究部)


友情鏈接:

a20.png

黑龍江省互聯網協會
電子郵箱:hljshlwxh@126.com 協會網址:www.kutdat.net
黑ICP備16009426號-1  黑公網安備 23010302000899號      版權所有:黑龍江互聯網協會  技術支持:龍采科技集團  返回原站

b06.jpg

關注黑龍江省互聯網協會
亚洲av永久无码精品九九,天堂在线网www在线网,波多野结衣av一本一道,
<蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>