搜索
确认
取消
RESEARCH
/
/
/
深度学习逐步拓宽场景边界

深度学习逐步拓宽场景边界

深度学习逐步拓宽场景边界

(Summary description)

Information

目前深度学习正在扩大应用场景,打开市场向上空间。随着算力的大踏步前进,工业界开始在一些特定领域,例如计算机视觉、自然语言处理、个性推荐系统等,尝试部署更多的深度学习模型。从趋势上来看,深度学习算法拓宽了AI的应用边界,比如自动驾驶,AI+医疗的影像识别等。

麦肯锡在《Notes from the AI frontier: Applications and value of deep learning》报告中提到,对19个行业的400多个案例进行分析后,其中2/3的企业表明使用深度学习是为了提高现有性能;69%的案例表明深度神经网络可以提高此前的技术无法达到的性能;15%的案例完全用了深度神经网络。深度学习的价值不在于模型和算法多优秀,而在于如何去更好的运用这些算法。

现阶段深度学习算法对数据具有依赖性,降低商业化应用成本是当务之急。目前从实验室中的人工智能技术和真实落地的人工智能技术商用需要跨越三个阶段。

第一,来源于实验室数据集的过度理想化,并未考虑到现实商用环境中存在各种噪声,使得训练环境和生产环境下数据分布变化大,实验室中训练好的模型需要针对真实的商用生产环境调试;第二,现实中部分场景数据少且格式不统一,存在大量脏数据、假数据、违规数据等问题,需要进行数据清洗和结构化处理;第三,由于数据自身的隐私性和珍贵性,大部分商业落地场景都要求私有化部署,这就要求人工智能公司需要外派高级算法工程师驻场,导致人均能效低。如果能实现以上三个阶段的跨越,则该应用就大概率可以快速规模化落地。

小样本学习和无监督学习是解决AI对数据依赖的可能技术路径。从深度学习到迁移学习,前Google首席科学家吴恩达曾表示:“迁移学习将会是继监督学习之后的下一个机器学习商业成功的驱动力”。

目前学术界基于迁移学习理论提出了零次学习(即模型可以对训练集中没有出现过的类别自动创造出相应的映射)和一次学习(即训练集的每个类别仅含有少量样本),而元学习的出现,使得通用人工智能模型成为可能,人工智能系统不再是单任务型模型,通用模型不必对每一个任务中的知识重新开始学习,随着模型对环境的不断感知,模型可以解决越来越多的任务。这会是未来人工智能发展的主要技术趋势。

未来,AI 全栈能力会成为企业的核心竞争优势。人工智能完整产业链包括三层:基础层、技术层和应用层。基础层是人工智能产业的基础,为人工智能提供数据以及算力的支撑,基础层分为计算硬件、计算系统技术和数据三部分;技术层提供了各类人工智能算法、架构以及应用平台;应用层主要与产业和产品融合,呈现百花齐放的态势,人工智能在多个行业与产品中都拥有巨大的应用价值。

其中,应用层的产业化趋势正在加速。人工智能面向特定应用场景需求而形成软硬件产品或解决方案,应用层主要包括行业解决方案和消费者产品。随着人工智能技术逐步渗透各行各业,AI+解决方案和AI+产品亦层出不穷,形成了新技术推动新产品,新产品革新传统行业的良性商业闭环。

目前产业链中位于该环节的相关人工智能公司最多,包含:安防、自动驾驶、新零售、医疗、教育、智能家居等赛道。

而技术层是人工智能产业的核心,巨头环伺,专业壁垒高。在算法理论、开发平台和芯片数据的竞争中,无论中国还是美国,企业巨头的策略都是“三”管齐下。

通过招募高端人才来组建相应的实验室研究团队,建立相应的技术壁垒;通过收购一些细分领域的优秀初创公司,降低巨头进入该领域的成本,同时完善公司的整体战略布局;通过开源技术平台,吸引全球开发者一起构建相应的生态体系。

目前,深度学习正在扩大落地场景,行业增速也依然保持高位。

Keyword:

Scan the QR code to read on your phone

在线搜索

搜索
Search

凯联资本   专业成就信任

CONTACT

 

Add:39th Floor,T3,Wangjing SOHO,Chaoyang Dustrict,Beijing,China 100102

Email:kefu@capitallink.cn

官方公众号

CAPITALLINK