最美情侣中文字幕电影,在线麻豆精品传媒,在线网站高清黄,久久黄色视频

歡迎光臨散文網(wǎng) 會員登陸 & 注冊

行業(yè)報告 | 人工智能行業(yè)研究框架:奔赴人工智能的星辰大海(上)

2023-08-22 18:41 作者:BFT白芙堂機器人  | 我要投稿

原創(chuàng) | 文 BFT機器人


01


人工智能旨在利用計算機模擬和執(zhí)行各領(lǐng)域的智能任務(wù)


從日常生活中可以隨處瞥見人工智能的影子


人工智能在生活中的常見應(yīng)用:人臉識別考勤系統(tǒng)+APP 智能推送


人臉識別打卡


人臉識別打卡是一種快速、高效的考勤方式,相比傳統(tǒng)的打卡方式,具有以下優(yōu)勢:


1. 準確率高:?人臉識別技術(shù)可以在不同光線、角度、表情等情況下,準確?地識別員工的面部信息,避免了手工打卡時出現(xiàn)的誤差和作弊行為。


2.安全性強:人臉識別技術(shù)通過人臉特征識別,確保只有正式員工才能進行考勤,防止了非法人員的進入和作弊行為。


3. 便捷性高:人臉識別打卡無需員工攜帶打卡卡片或密碼,只需要站在識別設(shè)備前進行識別即可,方便快捷。


APP?智能推送


智能推送是一種機器學(xué)習(xí)方法,可以識別和預(yù)測各種用戶的興趣或偏?好,從而有針對性地、及時地向用戶主動推送所需信息,以滿足不同用戶的個性化需求。


人工智能旨在利用計算機能夠模擬和執(zhí)行各領(lǐng)域的智能任務(wù)


人工智能(ArtificialIntelligence,簡稱AI)是一門研究如何使計算機能夠模擬和執(zhí)行人類智能任務(wù)的科學(xué)和技術(shù)領(lǐng)域。


通俗來說就是,先讓計算機進行學(xué)習(xí),然后讓計算機預(yù)測未知。



人工智能涵蓋四大主要的功能維度


人工智能的功能維度從“計算→感知→認知→創(chuàng)造”層層遞進計算智能指對數(shù)據(jù)的基礎(chǔ)邏輯計算和統(tǒng)計分析。


感知智能指基于視覺、聽覺的信號,對目標進行模式識別與分類。


認知智能指實現(xiàn)對信息的認知、理解、推理和決策,并實現(xiàn)人、物、企業(yè)等智慧實體的認知與協(xié)同。


智能創(chuàng)造指利用人工智能技術(shù)進行文學(xué)、藝術(shù)等方面的創(chuàng)造性創(chuàng)作以及工業(yè)領(lǐng)域的智能制造。它的出現(xiàn)不僅改變了傳統(tǒng)的創(chuàng)作方式、思維方式和工業(yè)模式,也為拓寬人類的能力邊界增添了新的可能性。


計算智能是人工智能的基礎(chǔ)性功能,賦能產(chǎn)業(yè)領(lǐng)域較廣


人工智能在計算智能領(lǐng)域的實際應(yīng)用能帶來巨大產(chǎn)業(yè)價值


計算智能,通常指基于清晰規(guī)則的數(shù)值運算,比如數(shù)值加減、微積分、矩陣分解等。


計算智能得益于計算機存儲與硬件的快速發(fā)展,已給互聯(lián)網(wǎng)、金融和工業(yè)等多個領(lǐng)域帶來產(chǎn)業(yè)價值。


計算智能也面臨顯著困境。以金融場景為例,計算智能受限于指定的數(shù)據(jù)邏輯規(guī)則,雖計算智能可以高性能地計算股票的統(tǒng)計特征,但無法運用專家知識,也難以進行深度、?動態(tài)和啟發(fā)式的推理,對投資、博弈等業(yè)務(wù)貢獻的價值有限。計算智能所需的高性能硬件和網(wǎng)絡(luò)支持等,也給企業(yè)帶來了巨大的成本壓力。



感知智能開始讓Al具備了模擬人類的感知能力


人工智能在感知智能領(lǐng)域的實際應(yīng)用開始涉及到與人類的交互感知智能,其核心在于模擬人的視覺、聽覺和觸覺等感知能力。


感知智能目前用于完成人可以簡單完成的重復(fù)度較高的工作,比如人臉識別、語音識別等。


感知智能的核心業(yè)務(wù)目標是提高效率且降低成本。



認知智能在前兩者基礎(chǔ)上,提升了對各類信息的處理能力


人工智能在認知智能領(lǐng)域的實際應(yīng)用進一步拓寬


認知智能需要具有對采集的信息進行處理、存儲和轉(zhuǎn)化的能力,在這一階段需要運用計算智能、感知智能的數(shù)據(jù)清洗、圖像識別能力。


認知智能需要擁有對業(yè)務(wù)需求的理解及對分散數(shù)據(jù)、知識的治理能力。


認知智能需要能夠針對業(yè)務(wù)場景進行策略構(gòu)建和決策,提升人與機器、人與人、人與業(yè)務(wù)的協(xié)同、共享和博弈等能力。



智能創(chuàng)造開始讓Al具備了自主“生成式”?(AIGC)?的能力


人工智能的智能創(chuàng)造本質(zhì)上是一種“生成式”能力


人工智能創(chuàng)造是指利用計算機程序和算法等技術(shù),讓計算機自動地生成具有一定藝術(shù)性、創(chuàng)造性的作品,包括音樂、詩歌、繪畫、小說等。


AI創(chuàng)作的基礎(chǔ)是數(shù)據(jù)分析和模型訓(xùn)練。?首先需要收集和整理有關(guān)主題、情感、語言等信息的數(shù)據(jù),通過機器學(xué)習(xí)、深度學(xué)習(xí)等算法進行訓(xùn)練,使得機器能夠自動完成創(chuàng)作任務(wù)。


這種方式不僅提高了創(chuàng)作效率,而且還能夠創(chuàng)造出更加精準、深刻、個性化的作品。

人工智能可以模仿人類的創(chuàng)作過程,產(chǎn)生類似于人類創(chuàng)作的作品。?這在文學(xué)、音樂、電影等領(lǐng)域都有廣泛的應(yīng)用。


AIGC取長補短,有望成為主流內(nèi)容生產(chǎn)模式


AIGC所屬內(nèi)容生產(chǎn)生態(tài)的發(fā)展經(jīng)歷了專家生產(chǎn)內(nèi)容(PGC)?、用戶生成內(nèi)容(UGC)、AI輔助生產(chǎn)內(nèi)容、AI生產(chǎn)內(nèi)容(AIGC)四個階段,目前處于一?、二階段為主,第三階段為輔的境況。


AIGC克服PGC與UGC存在的質(zhì)量、產(chǎn)量無法兼具的缺點,其有望成為未來主流的內(nèi)容生產(chǎn)模式。



AIGC興起背后是大模型的重大進步,大模型是深度學(xué)習(xí)的重要成果


大模型本質(zhì)上也是一種深度學(xué)習(xí)領(lǐng)域的算法,基于一個龐大復(fù)雜的神經(jīng)網(wǎng)絡(luò),需要通過存儲更多的參數(shù)來增加模型的深度和寬度,從而提高模型的表現(xiàn)能力,參數(shù)從百億起步,對大量數(shù)據(jù)進行訓(xùn)練并產(chǎn)生高質(zhì)量的預(yù)測結(jié)果。



實現(xiàn)AI大模型能力的基礎(chǔ)是Al?“三要素”:算力、算法、數(shù)據(jù)


人工智能三要素—算法,算力,數(shù)據(jù)


算法


算法(Algorithms):是指人工智能的實現(xiàn)方式??包括機器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理等。


算法是人工智能的靈魂,能夠決定Al能力的?效率和準確性。


算力


算力(Hardware):指的是計算機硬件資源,包?括處理器、內(nèi)存、存儲等。?算力是人工智能??的基礎(chǔ)設(shè)施,能夠支持算法的運行和處理數(shù)據(jù)。


數(shù)據(jù)


數(shù)據(jù)(Data)是指訓(xùn)練算法和實現(xiàn)算法所需的信息。數(shù)據(jù)可以是事實、圖像、聲音、文本等能夠支持算法的訓(xùn)練和優(yōu)化。?數(shù)據(jù)是人工智能的發(fā)展前提,是推動人工智能發(fā)展的“原料”。


算法是人工智能的靈魂所在


人工智能算法本質(zhì)上是幫助人類解決相應(yīng)問題的方式方法,它可以體現(xiàn)為數(shù)學(xué)方程、程序、工程架構(gòu)等等。


眾所周知,計算機最擅長處理的是數(shù)字,所以我們可以將現(xiàn)實問題抽象為數(shù)學(xué)問題,再讓計算機幫我們解決。?那么,其中的關(guān)鍵就是找到能夠準確翻譯該問題的數(shù)據(jù)公式,?一般是某個函數(shù)關(guān)系f(x)。這個函數(shù)就叫做“算法/模型”,既然我們知道算法本質(zhì)就是函數(shù),那么影響算法準確程度的因素是什么?答案就是函數(shù)的參數(shù)。而機器學(xué)習(xí)的本質(zhì)就是它是一種可以通過反復(fù)帶入數(shù)據(jù)從而自主調(diào)整參數(shù)的人工智能算法之一。


機器學(xué)習(xí)不是某種具體的算法,而是很多算法的統(tǒng)稱。機器學(xué)習(xí)下的算法紛繁復(fù)雜,從學(xué)習(xí)方法上來分,機器學(xué)習(xí)又可以分為傳統(tǒng)機器學(xué)習(xí)(監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí))、深度學(xué)習(xí)和強化學(xué)習(xí)等等。



強化學(xué)習(xí)和深度學(xué)習(xí)漸成主流


強化學(xué)習(xí)和深度學(xué)習(xí)都是目前機器學(xué)習(xí)算法的主流分支,而深度強化學(xué)習(xí)則是博采眾長的融合產(chǎn)物。



算力是人工智能的基礎(chǔ)設(shè)施


算力在人工智能領(lǐng)域扮演著至關(guān)重要的角色。


算力在人工智能領(lǐng)域的作用是提供強大的計算資源,支持人工智能算法的訓(xùn)練、推理和預(yù)測,處理大規(guī)模的數(shù)據(jù)集,優(yōu)化和調(diào)參模型,從而推動人工智能技術(shù)的發(fā)展和應(yīng)用。



數(shù)據(jù)是人工智能發(fā)展的土壤


數(shù)據(jù)是指訓(xùn)練算法和實現(xiàn)算法所需的信息,它是訓(xùn)練模型推動Al算法的土壤。


數(shù)據(jù)是人工智能成長的能源。人工智能的自我調(diào)整與學(xué)習(xí)的過程,本質(zhì)上是對大量數(shù)據(jù)進行分析并找出規(guī)律,如無人車需要大量的試車數(shù)據(jù)不斷地測試算法,并在業(yè)務(wù)場景上形成自我改進的反饋系統(tǒng)??梢娙绻麤]有數(shù)據(jù)的場景不可能實現(xiàn)人工智能,數(shù)據(jù)就是人工智能的引爆點。


數(shù)據(jù)是人工智能結(jié)果準確的可靠性保證。?對于人工智能結(jié)果的可靠性,數(shù)據(jù)要素的豐富性和準確性是關(guān)鍵,只有數(shù)據(jù)要素充分、準確,才能提高人工智能結(jié)果的準確性。


數(shù)據(jù)是人工智能應(yīng)用的創(chuàng)新基礎(chǔ)。在數(shù)據(jù)要素基礎(chǔ)上,人工智能應(yīng)用可以進行跨學(xué)科的整合,輔助解決大量的實際問題,如金融預(yù)測、物流運輸、醫(yī)療診斷等,從而推動了各個領(lǐng)域的創(chuàng)新發(fā)展。



隨著各類算法的演繹和迭代,人工智能的子領(lǐng)域明朗化


NLP、CV等是A技術(shù)的重要子領(lǐng)域。這些細分領(lǐng)域的技術(shù)專長,又會進一步賦能產(chǎn)業(yè)應(yīng)用。



Al子領(lǐng)域——計算機視覺


計算機視覺( Computer vision, ?縮寫作CV)?是人工智能(AI)?的一個重要應(yīng)用領(lǐng)域,是指讓計算機和系統(tǒng)能夠從圖像、?視頻和其他視覺輸入中獲取有意義的信息,并根據(jù)該信息采取行動或提供建議。目前主要有以下幾大基礎(chǔ)任務(wù):



Al子領(lǐng)域——自然語言處理


自然語言處理(英語:Natural Language Processing,縮寫作NLP)是人工智能和語言學(xué)領(lǐng)域的分支學(xué)科,是指讓計算機和系統(tǒng)能夠從文本和語音信號輸入中獲取有意義的信息,理解人類語言,并作出決策。目前主要有以下幾大基礎(chǔ)任務(wù):



02


人工智能發(fā)展史:人工智能發(fā)展已經(jīng)歷經(jīng)三次浪潮


“Al生成內(nèi)容”(AIGC)是AI?發(fā)展到一定階段的必然產(chǎn)物


從人工智能關(guān)鍵歷史事件可以看出,以大模型為基礎(chǔ)支撐的“Al生成內(nèi)容”(AIGC)功能是AI相關(guān)理論和技術(shù)發(fā)展到一定階段的必然產(chǎn)物。



AIGC是從早期的“決策型”Al發(fā)展演化而來


AIGC(生成式AI)起源于“決策型”AI,決策型AI發(fā)展過程中的技術(shù)積累為生成式AI的產(chǎn)生奠定基礎(chǔ)。


決策型AI其學(xué)習(xí)的知識局限于數(shù)據(jù)本身;生成式AI在總結(jié)歸納數(shù)據(jù)知識的基礎(chǔ)上可生成數(shù)據(jù)中不存在的樣本。


最新生成式Al技術(shù)如GAN , Diffusion等催生多款A(yù)IGC 產(chǎn)品如:OpenAI 系列、 DALL-E2(Diffusion),Starry AI(基于GAN)?等。



OpenAl的ChatGPT也是”Al生成內(nèi)容”(AIGC)浪潮的一部分



以ChatGPT為例,其也是基于NLP模型逐步進化而來


GPT模型是一種自然語言處理(NLP)模型,使用多層變換器(Transformer)來預(yù)測下一個單詞的概率分布,通過訓(xùn)練在大型文本語料庫上學(xué)習(xí)到的語言模式來生成自然語言文本。


從GPT-1到GPT-3智能化程度不斷提升,ChatGPT的到來也是GPT-4正式推出之前的序章。



總結(jié)來看,人工智能的歷史沿革本質(zhì)上是技術(shù)的進化演繹


近期興起的以ChatGPT為代表的大模型,是來自于機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及Transformer模型的多種技術(shù)的積累。



來源?| 國泰君安(香港)

排版 | 居居手

審核 | 貓


更多精彩內(nèi)容請關(guān)注公眾號:BFT機器人

如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問,請與我們聯(lián)系,將及時回應(yīng)。

行業(yè)報告 | 人工智能行業(yè)研究框架:奔赴人工智能的星辰大海(上)的評論 (共 條)

分享到微博請遵守國家法律
始兴县| 襄垣县| 莫力| 民勤县| 大关县| 呼和浩特市| 通道| 石首市| 塘沽区| 刚察县| 天水市| 睢宁县| 洞口县| 新乐市| 扶风县| 军事| 左云县| 腾冲县| 保康县| 文山县| 庄浪县| 清水河县| 罗田县| 蛟河市| 武山县| 锡林郭勒盟| 奉贤区| 洞头县| 常熟市| 镇原县| 荣成市| 成都市| 湘乡市| 瑞安市| 阿拉善左旗| 桃源县| 金乡县| 海原县| 蒙城县| 响水县| 侯马市|