datasheet

2018年人工智能的五项预测

2017-12-21来源: 互联网关键字:机器学习  人工智能

 


  即使人工智能于2017年已经进入人们日常生活中的一部份,但是仍有许多人不知道潜藏在工作场所或是居家生活之中的人工智能是真实的存在着。进入2018年,人工智能到底会如何发展,福布斯认为以下五项预测:


  1、机器学习变成企业必须拥有的能力


  这趋势或许听起来不够酷,但是却是2018年多数企业开发人工智能时,聚焦的领域。随着物联网产生的数据稳定成长,企业将求助于机器学习来处理、分析这些信息。因此,机器学习于2018年将不只是可有可无的而是企业必须要拥有的技术或服务,因为这将是企业将数据产生成有价值信息的重要方式。


  2、更多拟人化服务出现


  在顾客服务方面,人类根本赶不上人工智能处理的速度。这也是为什么愈来愈多企业逐步强化在AI聊天机器人与其他虚拟助理,来完成与管理企业每日工作。预估到2020年约将有85%与客户互动都将由人工智能来完成。


  短期来说,关注于机器人灵敏度训练,可以使人类能够卸除更多的工作负担给聊天机器人。而且这还不只是在企业领域,随着与Outlook同步的亚马逊Alexa出现,其与谷歌助理都能协助家庭完成各项行事历。甚至一家新创公司X.ai研发出一种能够在主人信任下,帮助主人回复关于开会、用餐与电话等讯息。


  3、虚拟语音助理更能理解人类语意


  预测2018年沟通科技将更能理解会话内容,包括人类的情绪,所以在翻译技术上获得提升。这对于企业来说是一大帮助,为个人生活带来更大改变。现今亚马逊已经开始训练Alexa辨识人类的语言模式,并从中判断是否有自杀倾向。最终聊天机器人将能够拥有心理咨询的能力,或是成为被社会孤立的人的最大支柱。


  4、智能自动化将持续拓展至不同产业


  在美国,当人们透过亚马逊网站订阅日常生活商品服务时,其会自动判断消费者的订单需求,到底是以每周或每月为单位来递送这些商品,这就是智能自动化服务。现在这项技术也进入个性化营销之中,未来智能自动化功能带至范围更广大的产业,包含:零售产品运送、机器维修还是能源相关等。


  5、人工智能应用领域将不断扩展


  随着人工智能持续自我的提升,会深入人们更多不同生活层面进行更为广泛的应用。即是现在机器人与运送货物的无人机,在加入人工智能技术之后,的确带来一些变化,但是2018年这些应用会更为深入,且更多广泛性工作或生活都将成为人工智能应用的目标市场。


关键字:机器学习  人工智能

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/afdz/article_2017122111444.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:Continental将在美国安装测试“智能十字路口”
下一篇:布满传感器的自动驾驶和智能道路 让交通不堵塞

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

出版商使用机器学习生成研究书籍,内容读起来并不轻松

据科技媒体The verge报道,学术出版商Springer Nature公布了它声称的第一本使用机器学习生成的研究书籍。  这本名为《Lithium-Ion Batteries: A Machine-Generated Summary of Current Research》的书读起来并不轻松。相反,正如它的名字所暗示的,它是对相关主题发表的同行评议论文的总结。它包括引用作品及其超链接和自动生成的参考内容。如果你晚上难以入睡,也可以免费下载和阅读。 虽然这本书的内容令人昏昏欲睡,但它的存在却令人兴奋。Springer Nature的Henning Schoenenberger在序言中写道,无需
发表于 2019-04-13
出版商使用机器学习生成研究书籍,内容读起来并不轻松

马斯克让特斯拉的全自动驾驶梦又迈进了吗?

了这种有附加条件的全自动驾驶,但离全社会的完全自动驾驶还是很遥远的。”  开车睡到家,技术和社会都得加把劲法国自动驾驶技术专家李铀对科技日报记者表示,目前的自动驾驶系统主要包含感知、定位、高精地图、导航与控制五大块。其中,感知模块通过处理摄像头、毫米波雷达、激光雷达、超声波雷达等各种传感器的数据,来获取障碍物、行道线、路面等信息,再结合定位、地图生成驾驶路径,最后再由控制器执行。由此可以看出,感知系统在自动驾驶系统中占据重要位置,也是主要难点。  李铀说:“机器学习被视为实现自动驾驶的重要核心技术,其通过在已标记的数据集上进行统计学习,来模拟人的认知能力。”  目前机器学习集中应用在感知系统当中,包括图像识别、点云识别等。最近
发表于 2019-04-12

对机器学习的七个误解

近日,哥伦比亚大学计算机科学专业博士生 Oscar Chang 发博阐述了关于机器学习的七个误解,雷锋网 AI 科技评论将原文编译整理如下。在了解深度学习的过程中盛传着 7 个误解,它们中很多都是以前固有的偏见,但在最近又被新的研究提出了质疑,现在我们把它整理出来:误解 1: TensorFlow 是个张量运算库误解 2: 图像数据集反映了自然世界真实图像分布误解 3: 机器学习研究者并不使用测试集进行验证误解 4: 神经网络训练过程会使用训练集中的所有数据点误解 
发表于 2019-04-12
对机器学习的七个误解

谷歌新人工智能工具 可以扫描文档、接听电话和搜索产品

  随着企业对人工智能的采用度不断的增加(根据数据调查,在过去的四年里,这个数据增长了270%),谷歌很明智的开始利用机器学习技术,驱动新的云服务来吸引客户。谷歌本周在旧金山举行的Google Cloud Next会议上,该公司就发布了一系列针对企业需要痛点的产品,比如文档分析、库存和需求预测以及客户服交互管理。  谷歌云集团产品经理Levent Besik在一篇博客中表示:“许多企业都看到了将人工智能和机器学习和自己的业务结合的未来,但是也并不是所有企业都有足够的资源能够实现自己的野心。企业需要一种快速便捷的方式将人工智能引入,从一开始,我们的目标就是让尽可能多的企业能够使用人工智能技术。“  为此,谷歌发布了Document
发表于 2019-04-11
谷歌新人工智能工具 可以扫描文档、接听电话和搜索产品

加速深度神经网络和机器学习系统开发 FlexNoC®4互连IP问市

经过实际验证的创新性片上网络(NoC)互连知识产权(IP)产品的全球领先供应商Arteris IP,宣布推出新的Arteris IP FlexNoC版本4互连IP和配套的人工智能(AI)软件包。  FlexNoC 4和人工智能(“FlexNoC 4 AI”) 软件包实现了许多新技术,它们可以简化今天最复杂的人工智能(AI)、深度神经网络(DNN)和自主驾驶系统级芯片(SoC)的开发。   Arteris IP向一些世界领先的人工智能和深度学习(DNN)系统级芯片(SoC)设计团队学习,在此基础上,创造了FlexNoC 4 AI中的新技术。在Arteris IP客户中,开发人工智能芯片的客户包括Mobileye
发表于 2019-04-11

Wayve凭借机器学习算法就可以实现自动驾驶汽车上路行驶

剑桥大学工程系团队创办的Wayve凭借机器学习算法,只需要使用摄像头和基本的卫星导航就可以实现自动驾驶汽车在陌生的道路上行驶。 自从2016年,英伟达公开了用于自动驾驶汽车的端到端深度学习技术之后,已经有不计其数的公司、单位甚至爱好者用此技术做出自动驾驶的demo。简单网络结构,可以实现摄像头输入到刹车油门方向盘输出的直接映射。然而这种低门槛也注定了它可以解决的问题并不多,很难应对具体驾驶环境上的复杂性。有专家甚至认为端到端不适合开发实用无人驾驶系统,可以做demo,大规模商用可能非常困难。 端到端只配做demo吗?由剑桥大学团队创办的Wayve无人驾驶软件公司却不这么认为。他们没有用高精地图,也没有用激光雷达
发表于 2019-04-09
Wayve凭借机器学习算法就可以实现自动驾驶汽车上路行驶

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved