19939905379

网站建设 APP开发 小程序

知识

2)计算-解决了我们在过去几十年中遇到的数据处理障碍,这反过来又增强了人工智能的能力。许多公司已经开始为训练深度学习模型创建专门的硬件。ImageNet大规模视觉识别挑战(ILSVR

您当前位置>主页 > 知识 > 网站制作 >

人工智能十年回顾

发表时间:2020-01-11 19:39

文章来源:佚名

2)计算 -解决了我们在过去几十年中遇到的数据处理障碍,这反过来又增强了人工智能的能力。许多公司已经开始为训练深度学习模型创建专门的硬件。

ImageNet大规模视觉识别挑战(ILSVRC)评估应用于大规模对象检测和图像分类的算法。这是迄今为止用来评估分类模型性能的基准。它还为训练大型模型提供了数据。

据报道,苹果以大约2亿美元的价格收购了Siri。苹果公司立即开始研究如何将Siri植入iPhone。乔布斯亲自动手让人工智能助手变得更加人性化。Siri是我们今天拥有的虚拟助理的开端。

DeepMind是英国人工智能公司,是由人工智能程序师兼神经科学家戴密斯·哈萨比斯(Demis Hassabis)等人联合创立。这家公司在过去的十年里对AI产生了巨大影响。

第一款使用3D相机和红外检测功能跟踪人体运动的游戏设备。Kinect可以每秒30帧的速度对人体进行全动态跟踪。这是游戏和计算机视觉领域的重大突破。

IBM Watson是一种自然语言问答计算机,赢了Jeopardy!Watson是机器理解人类语言上下文能力的重大飞跃。

卷积神经网络以99.46%的准确率赢得了德国交通标志识别比赛(而人类的准确率为99.22%)。这是机器获得视觉能力的开始。

杰夫·迪恩(Jeff Dean)和安德鲁·吴(Andrew Ng)训练了一个大型神经网络,该网络由16,000个处理器组成,可以通过从YouTube视频中1000万张未标记的图像来识别猫的图像。

多伦多大学的研究人员设计的卷积神经网络在ImageNet大型视觉识别挑战中仅获得16%的错误率,比前一年的最佳输入获得25%的错误率有了显著改善。

Never Ending Image Learner (NEIL) 是一种计算机程序,可以24/7全天候学习它在互联网上找到的图像的信息。位于卡内基梅隆大学的NEIL的目标是学习日常生活中的常识关系。当然,这是人类的常识信息,但是它早已超出了计算机的范畴。

通过让神经网络相互竞争,伊恩·古德费洛(Ian Goodfellow)创建了一个强大的AI工具。GAN为机器提供了想象力和创造力。

Amazons虚拟助手,该助手首次在echo和echo dot中发布。它可以进行语音交互、播放音乐、制作待办事项列表、设置闹钟、播放流媒体播客、播放有声读物,还可以提供天气、交通、体育和其他实时信息(比如新闻)。Alexa还可以控制多个智能设备,将自己作为一个家庭自动化系统。

特斯拉汽车公司发布了其第一个版本的AutoPilot。配备该系统的S型轿车具有自主转向、制动和基于信号图像识别的限速调整车道控制能力。该系统还提供自动停车功能,并可以接收软件更新以提高技能。

谷歌以4亿欧元收购了deeepmind,facebook也试图收购这家公司,但谷歌完成了这笔交易。

谷歌开源了它的深度学习框架Tensorflow,这可以被认为是一个重要的时刻,因为它给了每个人构建伟大模型的工具。TensorFlow是一个端到端的机器学习开源平台。南昌app开发它拥有一个由工具、库和社区资源组成的全面、灵活的生态系统,使研究人员能够推动机器学习中的最新技术,使开发人员能够轻松地构建和部署基于机器学习的应用程序。

在第六届ImageNet大型视觉识别挑战中,微软和谷歌机器在图像识别方面击败了人类。由于深度学习算法使机器能够识别1000多种类别的图像和物体,机器胜过了人类。这些算法来自于模仿人类大脑工作方式的不同版本的人工神经网络。这一令人振奋的新突破使智能系统可以自动执行需要识别物体或人的任务,然后根据识别结果决定如何进行。

OpenAI是一个研究人工智能领域的非盈利组织,由Elon Musk创立。它主要应用于深度强化学习领域。

YOLO(You Only Look Once),一种新的对象检测方法。YOLO是一个single神经网络,它可以直接从完整的图像中预测边界框和类概率。由于整个检测管道是一个single网络,可以直接从检测性能上进行端到端优化。

谷歌DeepMind的AlphaGo在五局四胜的情况下击败了世界冠军李世石。围棋比国际象棋或跳棋复杂几个数量级,它的棋盘巨大,战略多样,下的棋数无限。

张量处理单元(TPU)是由谷歌开发的专门用于神经网络机器学习的AI加速器专用集成电路(ASIC)。它已在Google IO中公开。正是硬件为Google的突破性技术提供了动力。

Sophia是由香港公司Hanson Robotics开发的社交人形机器人。索菲亚(Sophia)可以模仿人类的手势和面部表情,并能够回答某些问题,并就预定的主题进行简单的对话。

PyTorch是基于Torch库的开源机器学习库,用于计算机视觉和自然语言处理等应用程序。它主要由Facebook的AI研究实验室(FAIR)开发。它是根据Modified 39手游网 BSD许可发布的免费开源软件。PyTorch也具有C ++接口。

谷歌发布了自己的虚拟助手,与Alexa和Siri竞争。智能音箱使用人工智能作为“个人助理”,帮助用户记住任务、创建约会和通过语音搜索信息。

AlphaGo在2016年以惊人的成绩击败了最佳人类棋手,一年后升级为更强大的AlphaZero。除了基本的游戏规则外,AlphaZero不需要任何人类的指导,只需4个小时,它就能自己学会下大师级的国际象棋。接着,它在一场100场的比赛中击败了斯托克菲什(最优秀的人工智能棋手),却没有输掉一场比赛。

Facebook人工智能研究实验室训练了两个“对话代理”(聊天机器人)相互交流,以学习如何谈判。然而,当聊天机器人交谈时,它们脱离了人类语言,发明了自己的语言来相互交流——这在很大程度上展示了人工智能。

Facebook和微软联手实现AI框架的互操作性,这些技术巨头在合作伙伴社区(包括AWS,Nvidia,高通,英特尔和华为)的帮助下,开发了Open Neural Network Exchange(ONNX),这是一种用于表示AI的开放格式深度学习模型,该模型还允许模型在一个框架中训练并转移到另一个框架中进行推理。

Transformer是一种深度机器学习模型,主要用于自然语言处理(NLP)领域。与循环神经网络(RNN)类似,Transformers也被设计成处理有序的数据序列(如自然语言),用于各种任务,如机器翻译和文本摘要。但是,与RNN不同的是,Transformers不需要按顺序处理顺序。Transformers在训练期间比RNN允许更多的并行化。

脸书-剑桥分析数据丑闻是2018年初的重大政治丑闻,当时有消息称,剑桥分析未经用户同意获取了数百万用户的脸书个人资料,并将其用于政治广告目的。我们从这个问题中得到的一件好事是,人们开始了解他们的数据的重要性和安全性。

Waymo正在打造世界上最有经验的驾驶员,在公共道路上的自动驾驶里程超过1000万英里,模拟驾驶里程近70亿英里。

Deepfake利用人工神经网络将现有图像或视频中的一个人替换成另一个人的样子。它们经常使用自动码器和生成式对抗网络(GANs)等机器学习技术,将现有媒体与源媒体结合并叠加。

AlphaFold是在使用大量基因组数据预测蛋白质结构的多年研究基础上建立的。AlphaFold生成的蛋白质的3D模型比以前的任何一种都要精确得多-在生物学的核心挑战上取得了重大进展

Google开发了BERT,这是第一个双向,无监督的语言表示形式,可以通过迁移学习用于各种自然语言任务。

OpenAI成功地训练了一只名为Dactyl的机械手,并将其应用到现实环境中来解决魔方的问题。

Deepfake检测挑战邀请世界各地的人们建立创新的新技术,帮助检测Deepfake和被操纵的媒体。识别被操纵的内容是一项技术要求高、发展迅速的挑战,因此各公司正在合作开发更好的检测工具。挑战的组织者有AWS、BBC、CBC、Facebook、First Draft、微软、纽约时报、WITNESS和XPrize。

TensorFlow 2侧重于简单性和易用性,它的更新包括eager execution, intuitive higher-level api以及在任何平台上构建灵活的模型。TF 2.0是为Keras开发的。与TensorFlow 1.x中的默认静态图不同,它具有动态图。

谷歌的研究人员最近与美国西北大学医学中心合作,创建了一个人工智能系统,它能比人体放射学家更准确地检测肺癌。一个深度学习算法被用来训练这个系统,该系统解释计算机断层扫描(CT)扫描以预测一个人患病的可能性。

苹果(Apple)、谷歌和亚马逊(Amazon)正联手开发一种开源智能家居标准,旨在确保设备协同工作,简化新设备的开发,并确保开发过程中的一切安全。它的许多董事会成员,包括宜家,三星SmartThings和飞利浦Hue背后的公司Signify。

DOTA 2不是一个人的游戏,它由五个人组成。因此,重要的是AI能够与团队中的其他AI进行协调。OpenAI Five在总决赛中与Dota 2世界冠军OG背靠背赢得比赛,成为第一款在电竞游戏中击败世界冠军的AI。

在目前的情况下,理解人工智能做出的决定是很重要的,它不应该再是黑盒子。许多公司发布了服务,让企业能够了解导致其机器学习模型产生结果的主要因素。尽管尚无法从模型中得出结论的所有方面,但这非常重要。

你可以看到人工智能对这十年的影响,大多数是积极的影响,但也有一些负面影响。人工智能本身并没有好坏之分,它是一种技术,它依赖于我们人类将其用于正确的事业。

人工智能的发展似乎不会在短期内放缓。随着领域数据、计算和研究的增加,人工智能将会快速发展。有一件事是肯定的,那就是AI会一直存在。

相关案例查看更多