《人工智能应用导论》课件-15人工智能发展趋势

05人工智能发展趋势人工智能发展趋势05政策法规人工智能作为全球各国发展数字化的重要技术手段，已经由早期的“野蛮生长”迈入“规范构建”的阶段。当前各国通过政策手段对技术边界做出的规范，其重要性与从战略层面对产业进行的推动并驾齐驱。截至2020年年底，全球共有32个国家和地区发布了人工智能国家级战略文件，另有22个国家和地区正在制订相关文件。人工智能发展趋势05国家/地区主要特点政策法规大事记中国以人为本，政府优先，起步虽晚，但是国家战略领先全球2017年，“人工智能”首次写入政府工作报告，同年发布《新一代人工智能发展规划》，提出三步走的战略规划，人工智能上升为国家战略2020年，“十四五”规划中提到“强化国家战略科技力量，瞄准人工智能、量子信息、集成电路等重大科技项目”2021年，作为“十四五”规划的开局之年，人工智能有望继续得到大力发展美国以科技行业为主导，持续加大投入，旨在维持美国优先地位2016年，发布《为人工智能的未来做准备》和《国家人工智能研究与发展战略计划》两份重要报告，人工智能上升为国家战2019年，发布一项题为“加速美国在人工智能领域的领导地位”的行政命令，美国监管机构开始接触人工能2020年，发布一份关于联邦机构对人工智能监管方法的备忘录，同年发布《人工智能倡议首年年度报告》，回顾在人工智能方面取得的进展，为未来的AI计划提出长期愿景欧盟以隐私和监管为驱动，高度关注数据保护和AI伦理，监管政策最为严格2018年，发布《人工智能协调计划》，要求欧盟成员以及挪威、瑞士等欧洲国家互相合作协调，推进人工智建设2020年，欧盟委员会发布关于人工智能监管框架的步提案2021年，推动人工智能立法，对人工智能使用领域做出明确框定和限制，使人工智能在“可被信任”的前提下造福社会亚太积极推进人工智能国家战略2017年，日本首次推出人工智能战略文件，并于2019年进一步通过《AI战略2019》文件以期解决日本所面临AI问题2019年，韩国、新加坡等国相继将人工智能上升为国家战略政策法规人工智能发展趋势05技术发展运算智能感知智能认知智能模拟“视、听、说”等人类行为计算机视觉（ComputerVision）、语音识别、自然语言处理（NLP）自然语言处理、计算机视觉等感知智能日趋成熟，水平逼近甚至超越人类智能。人工智能将长期向认知智能阶段迈进，甚至不断逼近“通用人工智能”，而当前的技术正处于“感知增强智能”的过渡期。即计算机快速计算和记忆存储能力。人工智能发展趋势05瓶颈问题技术革新预期目的技术特征瓶颈一：训练模型标注成本高、局限性较大自监督学习减少人工干预，帮助CV、NLP技术向更精细化方向发展从非监督数据中自行构造出标签，或利用现有数据去预测缺失数据瓶颈二：知识广度不够知识图谱增强人工智能迁移学习能力以结构化的数据标签描述客观世界，解决AI不可解释的问题瓶颈三：隐私问题联邦学习兼顾效率与隐私，有望解决数据孤岛和隐私问题在多个主体间不直接共享样本数据的情况下，实现模型的合作开发瓶颈四：存算分离的硬件架构神经形态硬件突破传统架构算力天花板在硬件层面对人类大脑神经元的模拟，通过存算一体化并行处理数据技术发展目前人工智能技术存在的4大瓶颈问题和未来对应的技术革新人工智能发展趋势05业态形势趋势1：底层技术竞争蕴含马太效应，话语权长期向头部领袖集中尽管当前人工智能产业仍处于快速成长期，行业竞争格局仍不稳定。但在底层技术领域的开发框架、模型训练和垂直生态三大维度，头部厂商的马太效应已经初步显现，长尾市场的竞争对手所面临的挑战也越来越大。人工智能发展趋势05业态形势趋势2：平台化发展模式初现，助力应用层加速演进人工智能平台是方便开发者进行开发的一种工具，集成了算法、算力和开发框架。根据IDC数据，2020年上半年我国AI平台市场规模达到1.4亿美元。例如，阿里云AI服务、百度大脑的单日调用均已超1万亿次，腾讯AI开放平台已服务全球12亿用户，人工智能平台发展十分迅速。当前，人工智能平台普遍支持TensorFlow和PyTorch等各种主流框架，分布式计算不断优化，技术工具链不断丰富完善，使得面向应用的AI企业能够迅速通过人工智能平台开发出适合的产品。人工智能平台的出现，有助于应用层的企业在开发环节降本增效，从而为行业生态发展注入活力。人工智能发展趋势05业态形势趋势3：语音、视觉应用场景有望率先大规模商用落地目前，人工智能浪潮在机器学习、深度学习方面已取得较快进展，感知智能甚至在部分领域超过了人类智能水平。语音识别、机器翻译、图像识别等技术发展成熟，语音、视觉方面的应用有望不再局限于API式应用接口，而是成为深度融合特定行业、为传统企业带来丰厚利润的商业应用，将长期坚实助力我国的数字化转型。旷视、商汤、科大讯飞等典型计算机视觉、语音识别企业，