2017vs2019 AI三年浮沉记
-
-
类目：电商运营
-
联系人：
-
微信号：
-
Q Q 号：
-
手机号：
-
浏览量：
474
【商户信息】
【货源详情】
2017vs2019 AI三年浮沉记 根据Gartner的2017 《技术成熟度报告》，有8项新的技术成果，包括5G、人工通用智能、深度学习、深度强化学习、数字孪生、边缘计算、无服务器PaaS和认知计算。
时代变了，2019年的科技创新发展已经超出了我们的想象。人工智能行业分析师CBInsights发布的《2019年AI趋势报告》称，人工智能正以可见的速度渗透到各行各业。
深度学习后的“冷思考”
2017年，人们对深度学习的发展寄予厚望，认为它将产生最大的利润，许多资本将涌入人工智能的各个领域。最好的例子就是AlphaGo的胜利。2017年5月，在中国乌镇举行的围棋峰会上，AlphaGo迎战世界头号围棋冠军柯洁，总比分3-0获胜。
到2017年底，超级版AlphaGo Zero完全不依赖人类数据，只知道游戏规则。经过三天的训练，以100比0击败了AlphaGo。
在桌游中，Go所包含的巨大搜索空间(状态数远远超过整个宇宙的原子数)一直是机器学习无法克服的难题，甚至一度认为在不久的将来无法被AI解决。AlphaGo的成功不仅让人看到了强化学习和随机模拟技术的魅力，也让深度学习更加普及。
冷静下来之后，人们才意识到AlphaGo算法更适合大规模概率空间的智能搜索，其环境和状态都是模拟的。Demis middot，DeepMind创始人；哈萨比斯说，这些算法对于自动驾驶等难以模拟的决策问题无能为力。
自然语言处理完成了从数量到质量的转变
2017年是自然语言处理领域的重要一年。今年的各种实践(Word2vec和GloVe)证明，预训练的单词嵌入模型已经成为解决NLP问题的关键工具。
比如Facebook AI Research (FAIR)的fastText提供了包含294种语言的预训练向量，无疑给整个技术界带来了巨大的贡献和推动。虽然取得了一些进展，但在这方面还有很多工作要做，需要在这方面有更好的岗前培训模式。
2018年，谷歌发布了BERT，因其在回答问题、语言推理等不同任务上的出色表现而备受关注。伯特最近是NLP(GPT、GPT2、乌尔姆菲特和罗伯塔)的一员。这些模型的系统性能都有了很大的提升，所以会有研究者说NLP正处于其“亮点时刻”。
Google充分利用了BERT的优势，将其加入到搜索引擎中，也说明这些技术兼具研究和商业价值。2018年11月24日，Google正式发布了BERT官方代码和预训练模型，包括模型的TensorFlow实现、BERT-Base和BERT-Large预训练模型和TensorFlow代码。
同样，2018年6月，OpenAI首次发表论文介绍其语言模型GPT。2019年初，OpenAI宣布开发了一个大型语言模型，可以生成名为GPT-2的合成文本。出于谨慎，该公司没有披露GPT-2的所有代码，并担心它可能被滥用。
5月，OpenAI发布了3.5亿个参数的版本，并宣布将与有限合伙人共享7.62亿个参数和15亿个参数，他们也在研究针对恶意使用GPT-2的对策。这款被业界称为“最强假新闻生成器”的GPT-2 AI机型，自诞生以来就备受关注。
半年后，GPT 2号的分阶段开放终于告一段落。11月6日，OpenAI正式发布了GPT-2最后一部分的完整代码——，其中包含了15亿个参数的最大版本。
这两个预训练模型的开放，解决了标注数据缺乏的问题，帮助NLP完成了从定量积累到定性飞跃的转变。
联邦研究的旅程是星辰大海
2016年，Google提出了联合学习，最初是为了解决Android手机终端用户在本地更新模型的问题。Google可以使用的机器学习算法不仅限于神经网络，还包括随机森林等重要算法。联合学习本质上是一种分布式机器学习技术，或机器学习框架。其目标是在保证数据隐私和合法合规的基础上，实现联合建模，提高AI模型的效果。
在过去的几年里，这项技术的标准不断提高。IEEE联邦学习国际标准项目应运而生，由伟众银行发起，去年12月获批。这是第一个为人工智能协作技术框架制定标准的国际项目，迄今已举行了四次工作组会议。联邦学习标准草案预计于2020年2月出台，正式标准预计于2020年上半年出台。联邦学习正在从“点对点开发阶段”向“应用落地和案例积累阶段”转变。
框架方面，2019年取得重要进展，诞生了首个工业级开源框架FATE，由卫中银行AI团队自主开发。
命运在今年2月推出了0.1版。今年3月，它有了第一个外部贡献者。同时GitHubStar超过100。5月份发布了0.2版，支持联邦特征工程和在线推理。6月份，它发布了0.3版本，将主要合作伙伴转移到了FATE，并将FATE捐赠给了Linux Fundation。8月，它发布了1.0版本，支持命运-流程和命运
10月31日，FATE v1.1版本正式发布，与VMware中国R&D云原生实验室团队和开放创新中心联合发布KubeFATE项目。通过将FATE的所有组件打包在容器中，可以通过Docker Cost或Kubernetes(Helm Charts)进行部署。
不到三年，联邦学习发展迅速，也收到了业界的回应。京东、腾讯云、安信科技等企业也加入了联邦学习的行列。
在普及联邦学习的过程中，建立一致的标准是一个巨大的挑战。近日，IEEE P3652.1(联邦学习基础设施与应用)标准工作组第四次会议在北京成功召开。
北京大学、IEEE、唯众银行、创新工场、JD.COM、中国电信、腾讯、小米、阿里巴巴、易图、星云Clustar、第四范式、华为终端、VMWare、LogiOcean、SensesGlobal、瑞士re、英特尔、CETC BigData、蚂蚁金服、华夏基金、福硕科技等22家龙头企业和研究机构参加。
会议重点讨论了联邦学习的场景分类和需求分类，重点讨论了联邦学习的安全评估和评级的规划，并进一步讨论了联邦学习标准的制定，这是对联邦学习发展的根本性贡献。虽然联邦学习还没有迎来爆炸性的发展阶段，但幸运的是，未来是可以预期的。
自动驾驶既不是天使，也不是魔鬼
2017年年中是自动驾驶新闻疯狂爆发的一年，自动驾驶领域的一件大事几乎每隔一个月就会发生。6月13日，通用汽车宣布，第一批搭载最新一代自动驾驶技术的130款雪佛兰Bolt纯电动汽车将在密歇根州的齐墩工厂下线。
算上当时由50辆雪佛兰Bolt纯电动汽车组成的测试车队，通用已经有了由180辆Bolt组成的自驾车队，在旧金山、斯科茨代尔、亚利桑那州和底特律进行了公路赛。
7月11日，奥迪新款A8发布，号称全球首款具备L3自动驾驶功能的生产车型，可实现60 km/h以下低速在拥堵路况下自动驾驶。
同年年底，北京下发了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》和《北京市自动驾驶车辆道路测试管理实施细则（试行）》两个红头文件，标志着北京成为全国第一个在公共道路上开放自动驾驶考试的城市。
当时在自动驾驶的有利背景下，人们把自动驾驶技术比作解放双手的“天使”。只是，没坚持多久。2018年，优步自驾汽车是全球首例致命车祸，一名女子在过马路时丧生。这一事件立即引发了全球对无人驾驶汽车，尤其是安全问题的关注。这起悲剧事故让人们意识到一个最重要的事实：——安全比一切都重要。预测技术可以避免多少事故是绝对不够的。
同年5月，谷歌旗下的自动驾驶公司Waymo也发生车祸，导致一名测试人员受伤。后续调查表明，事故仍然是人为因素造成的，测试人员心不在焉，打了个盹，未能及时处理意外情况，导致了这场悲剧。
目前一些汽车厂商已经实现了L3级自动驾驶，最著名的案例就是特斯拉一直在推广的自动驾驶功能。许多用户已经拍摄了自动驾驶的相关视频，并上传到社交网络上。虽然这是自动驾驶技术最好的宣传，但特斯拉官员仍然表示，不支持用户完全放开手脚进行自动驾驶。目前这个功能还需要司机注意随时观察路况。
L4级自动驾驶是目前大多数公司正在克服的困难。如今，公众已经开始更加客观地看待自动驾驶技术。它既不是无害的“天使”，也不是残忍的“魔鬼”。
AI芯片受制于人，“努力”
2016年，中国芯片领域相关设计公司数量比2015年增加600多家；截至2017年底，中国约有1380家芯片设计公司。Soopat数据显示，与芯片相关的国内专利数量每年都在增加，2018年以来已经公布了18871项专利。然而，这些远远不够。
2018年美国对中兴的制裁给了我们“惨痛的教训”，随后华为在美国遭受了各种攻击，进一步唤醒了过度依赖国外芯片进口的企业，——落后就要挨打，任何领域都是如此。在核心技术方面，大企业需要各司其职。不掌握核心技术，就在别人的基础上盖房子。种种困难，让中国科学界认识到“芯片作为自我提升”的重要性。
2019年，意识到这些问题后，很多中国芯片公司开始迎头赶上，特别是在专用芯片领域。
9月25日杭州云起发布会上，阿里巴巴集团首席技术官、阿里巴巴云智能总裁、达摩研究院院长张剑锋展示了内含800光的AI芯片——。阿里巴巴表示：在行业标准ResNet-50测试中，轻800的推理性能达到78563 IPS，比当时业界最好的AI芯片性能高出4倍；能效比500 IPS/W，是第二名的3.3倍。
继双模5G芯片巴龙5000和全球首款5G基站芯片天钢问世后，华为推出首款麒麟990 5G SoC——，这是首款搭载5G基带的商用5G旗舰芯片。
不久前，芯片厂商联发科也宣布推出5G芯片新品牌，以北斗一号命名，意为领先，并推出该品牌首款产品5G SoC芯片3354天极1000。国产芯片在尝到“被别人控制”的冷遇后，已经开始自立门户。可见，只有掌握了核心技术，他们才能立于不败之地。
5G从技术萌芽走向大爆发
2017年12月21日(北京时间)，第一版“5G NR”在RAN 78届全会的掌声中正式冻结发布，这是5G标准化的重要里程碑。从年初3GPP采用5G网络加速的提议，到年底，3GPP宣布完成了第一个可实施的5G新空口(5G NR)规范，今年5G的发展速度非常快。
2019年，5G已经从技术术语走向商业落地。今年6月6日，中国向三大运营商和中国广电发放5G牌照，标志着5G正式进入商用阶段，基站部署速度大大加快，将为AI带来巨大的性能提升
根据研究机构Forrester的数据，32%的电信公司决策者正在部署或扩展边缘计算设施，另有27%的人表示他们计划在一年内部署边缘计算设施。越来越多的企业开发和部署边缘计算的主要动力来自带宽、成本和网络延迟的紧迫性和敏感性。
边缘计算是计算系统从扁平化到边缘化以及5G网络架构演进的必然技术，它也提供了新的生态系统和价值链。
第三方数据分析机构IDC预测，到2020年，全球将有约500亿台智能设备接入互联网，主要涉及智能手机、可穿戴设备和个人交通，其中40%的数据需要边缘计算服务。边缘计算具有巨大的市场潜力，引起了研究机构、标准组织、服务提供商和行业的极大关注。
对于瞬息万变的技术领域来说，三年足够长了。我们已经逐渐从人工智能即将改变未来的遥远梦境中清醒过来，能够真正冷静客观地考虑技术发展的利弊。那么，作为一个技术从业者，你的2017年到2019年发生了哪些变化？
本文已标注出处和出处，版权归原作者所有。如有侵权，请联系我们。
