인공 지능 거 대 한 게임이 되 그렇다면 왜 그들은 밖으로 서 합니까?

인공 지능의 개념은 지난 세기, 소개 되었다 하지만 기술은 그 이후 낮은 썰 물에 되었습니다. 인공 지능의 개념 되었습니다 최근까지, Garnter는 또한 그 인공 지능 2014을 될 것입니다 예측, 최신 기술 핫스팟 되고있다 워밍업, 10 주요 기술 트렌드 중 하나.

기술 거 인이 선호 하는이 지역 또한 있고 포위를 입력. 시스템을 학습 하는 Google의 깊은 고양이의 얼굴을 인식할 수 있다, IBM의 슈퍼 컴퓨터 왓슨 인간 선수를 이길 경주에 만족 하지 않은, 마이크로소프트 공동 창업자 폴 알 렌 고등학교 생물학 시험, 러시아 억만장자 드미트리 Itzkov도 계획을 통과 하는 로봇을 하도록 할 수 있습니다. 2045, 실제 아바타 프로그램 구현 했다 그리고 페이스 북은 또한 AI 실험실을 설정 기꺼이.

이 거 우연히 진행을 몇 년 동안, 일반 사람들이 항상 환상, 인공 지능 높은 감기 고급 다양 한 고급입니다. 사실, 그것의 뒤에 논리 일반적으로 이러한 과정을 단순화할 수 있습니다.

대규모 데이터 수집;

정보 처리 (전문 용어로 소위 기능 디자인), 유용 하 고 보편적인; 되는

의하여 알고리즘, 모델, 출력 결과, 실제 환경에 결과 피드백.

위의 논리 과정에서 우리는 인공 지능, 더 중요 한 데이터의 역할, 데이터 덕 기술 거 인이이 파도에 컴퓨팅 장점 최고의 기회 차지할 것입니다 볼 수 있습니다. Google 연구원 일 리아 Sutskever 말했다 데이터 이면 충분 한 컴퓨팅 파워는 충분히 강한 인공 신경 네트워크 "사전 훈련" 전처리 없이 깊은 만큼, 좋은 결과 받게 됩니다.

데이터, 미래 데이터의 특성은 무엇의 증가 중요성을 감안할 때?

나 비아 시스템 설립자 보 닌, 인공 지능, 과학의 분야에 대 한 우려 되었으며 기술 문서 앞으로 넣어 자신의 플레이. 보 닌 미래의 데이터 3 기능 표시 됩니다.

데이터의 캐리어는 아주 작은 것 (유전자, 같은 캐리어 매우 작습니다, 하지만 정보를 거 대 한);

데이터는 정확 하 고 엄격한 알고리즘 및 모델 (예를 들어, 유전 정보); 컴파일해야 합니다.

데이터 수집의 비용은 더 높을 것 이다 (개인정보 보안 더 주의 정부는 정보 수집을 규제 하는 법률을 제정 것).

인공 지능의 응용 분야는 주로 깊은 학습을 포함, 클라우드를 기반으로 하는 대규모 분산된 데이터 마이닝 컴퓨팅, 병렬 컴퓨팅 칩 뜨거운 무인된 차량 등 인간의 뇌를 시뮬레이션의 지능형 로봇 또한 인공 지능의 범주에 속한다. 함께 위에서 언급 한 미래 데이터의 특성, 학습의 깊이에 진입 장벽이 높은, 지 고 대기업 이미 첫 실행 우위를 지배 잘 수 있습니다, 그리고 및 나중에 이렇게 적합 하지 않습니다. 그래서 어디에 후자의 찾기 인공 지능 기회 수?

고도의 지능 무인 차량 항법 체계: 무인 차량 작업 실제로 준비 지도 및 기반 알고리즘, 하지만 아니 그런 "학습" 지도 무인된 차량에 대 한 준비는 많은 장소가 있다. 그래서 고도의 지능 무인된 차량 지도 체계를 제공 합니다. 예를 들어 슬램 (동시 현지화 및 매핑, 동기 위치 및 매핑)의 도움으로, 알 수 없는 환경에서 알 수 없는 위치에서 이동 로봇과, 운동을 하는 동안 자체 위치 추정 및 지도 위치 같은 시간에 증분 지도 그것의 자치 위치 실현 하기 위해 지역화 및 탐색 로봇의 기준으로 만들어집니다.

조직 행동 해석 및 예측: 데이터 모니터링 및 분석을 통해 종이 조직에서 정보 결정 모델 구성. 예를 들어 재무 데이터 및 기타 공공 데이터를 사용할 수 있습니다 회사의 행동을 설명 하 고 회사의 다음 작업 및 개발을 예상할. 같은 제조 및 비즈니스, 산업 개발을 이해, 산업 성능 평가 및 최적화 대책을 개발에 적용 됩니다.

사실,이 두 분야와 같은 Google의 큰 회사, 하지만 이건 그들의 주요 사업은 지배 하지, 아니 그래서 후자 아직도 기회가 있습니다.

(책임 편집기: Mengyishan)