人工智能發展領域有哪些

企服解答

人工智能的發展領域有：1、強化學習；2、生成模型；3、記憶網絡；4、微數據學習微模型；5、學習/推理硬件；6、仿真環境；7、人工智能技術進入大規模商用階段；8、智慧服務。

1、強化學習

強化學習是一種通過實驗和錯誤來學習的方法，它受人類學習新技能的過程啟發。在典型的強化學習案例中，代理者通過觀察當前所處的狀態，進而采取行動使得長期獎勵的結果最大化。每執行一次動作，代理者都會收到來自環境的反饋信息，因此它能判斷這次動作帶來的效果是積極的還是消極的。在這個過程中，代理者需要平衡根據經驗尋找最佳策略和探索新策略兩方面，以期實現最終的目標。

2、生成模型

不同于用來完成分類和回歸任務的判別模型，生成模型從訓練樣本中學到一個概率分布。通過從高維的分布中采樣，生成模型輸出與訓練樣本類似的新樣本。這也意味著，若生成模型的訓練數據是臉部的圖像集，那么訓練后得到的模型也能輸出類似于臉的合成圖片。細節內容可以參考Ian Goodfellow的文章。他提出的生成對抗模型(GAN)的結構當下在學術界非常的火熱，因為它給無監督學**提供了一種新思路。GAN結構用到了兩個神經網絡：一個是生成器，它負責將隨機輸入的噪聲數據合成為新的內容(比如合成圖片)，另一個是判別器，負責學**真實的圖片并判斷生成器生成的內容是否以假亂真。對抗訓練可以被認為是一類游戲，生成器必須反復學**用隨機噪音數據合成有意義的內容，直到判別器無法區分合成內容的真偽。這套框架正在被擴展應用到許多數據模式和任務中。

3、記憶網絡

為了讓人工智能系統像人類一樣能夠適應各式各樣的環境，它們必須持續不斷地掌握新技能，并且記住如何在未來的場景中應用這些技能。傳統的神經網絡很難掌握一系列的學**任務。這項缺點被科學家們稱作是災難性遺忘。其中的難點在于當一個神經網絡針對A任務完成訓練之后，若是再訓練它解決B任務，則網絡模型的權重值不再適用于任務A。

4、微數據學習微模型

一直以來深度學習模型都是需要堆積大量的訓練數據才能達到最佳的效果。比如，某只參加ImageNet挑戰賽的團隊使用了120萬張分布于1000個類別的人工標注圖像訓練模型。離開大規模的訓練數據，深度學習模型就不會收斂到最優值，也無法在語音識別、機器翻譯等復雜的任務上取得好效果。數據量需求的增長往往發生在用單個神經網絡模型處理端到端的情況下，比如輸入原始的語音片段，要求輸出轉換后的文字內容。這個過程與多個網絡協同工作各處理一步中間結果不同(比如，原始語音輸入→音素→詞→文本輸出)。如果我們想用人工智能系統解決訓練數據稀缺的任務時，希望模型訓練用到的樣本越少越好。當訓練數據集較小時，過擬合、異常值干擾、訓練集和測試集分布不一致等問題都會接踵而至。另一種方法是將在其它任務上訓練好的模型遷移到新的任務中，這種方法被稱為是遷移學習。

5、學習/推理硬件

促進人工智能發展的催化劑之一就是圖形處理器(GPU)的升級，不同于CPU的順序執行模式，GPU支持大規模的并行架構，可以同時處理多個任務。鑒于神經網絡必須用大規模(且高維度)數據集訓練，GPU的效率遠高于CPU。這就是為什么自從2012年第一個GPU訓練的神經網絡模型——AlexNet公布之后，GPU已經成為名副其實的淘金鐵鍬。NVIDIA在2017年繼續領跑行業，領先于Intel、Qualcomm、AMD和后起之秀Google

6、仿真環境

正如之前提到，為人工智能系統準備訓練數據很具有挑戰性。而且，若要將人工智能系統應用到實際生活中，它必須具有適用性。因此，開發數字環境來模擬真實的物理世界和行為將為我們提供測試人工智能系統適應性的機會。這些環境給人工智能系統呈現原始像素，然后根據設定的目標而采取某些行動。在這些模擬環境中的訓練可以幫助我們了解人工智能系統的學習原理，如何改進系統，也為我們提供了可以應用于真實環境的模型。

7、人工智能技術進入大規模商用階段

中國通信巨頭華為已經發布了自主研發的人工智能芯片并將其應用在旗下智能手機產品中，蘋果公司推出的iPhone X也采用了人工智能技術實現面部識別等功能。三星最新發布的語音助手Bixby則從軟件層面對長期以來停留于“你問我答”模式的語音助手做出升級。人工智能借由智能手機已經與人們的生活越來越近。

8、智慧服務

過去幾年我們看到俄羅斯的人工智能機器人尤金首次通過了著名的圖靈測試，又見證了谷歌的AlphaGo和Master接連戰勝人類圍棋冠軍，盡管這些史無前例的事件隱約讓我們知道人工智能技術已經發展到了一個很高的水平，但因為太過濃厚的“炫技”色彩也讓公眾對人工智能技術產生很多質疑。

事實上大多數人在談到人工智能時，首先想到的問題便是：“它究竟能夠做什么？”“它到底能夠用在什么地方？”“它能夠給人類解決哪些問題？”在人工智能技術的應用方面，中國的互聯網企業似乎表現地更加實用主義一些。將主要精力投向人工智能領域的百度幾乎把人工智能技術應用到了旗下所有產品和服務中，雄心勃勃展開NASA計劃的阿里巴巴也致力于將技術推向“普惠”。