论文部分内容阅读
摘要：近年来，全球人工智能发展进入新一轮技术创新活跃期，新的理论、模型、算法快速迭代。基于此，本文主要对人工智能技术发展趋势做具体论述，希望通过本文的分析研究，给行业内人士以借鉴和启发。
关键词：人工智能技术;发展;趋势
引言
如今人工智能技术的应用范围越来越广泛，已经从简单的小部件走进人们的生活，人工智能会对程序化、重复性、低技能的劳动力产生一定程度的替代。为此，我们应在充分发挥人工智能红利推进就业结构优化和就业质量提升，实现人工智能产业高质量发展和劳动者就业平稳增长的“双赢”。
1当前人工智能技术特征
一是深度学习模型和方法持续创新。现在深度学习仍有很多问题没有解决，包括模型知识表示能力、可解释性、网络结构设计、训练优化方法问题等，还在困扰着深度学习性能和在一些领域的产业化应用。近年来，学术界产业界在深度学习领域的方法创新都非常活跃，谷歌大脑团队提出的概念激活向量方法，尝试度量模型输出结果对概念的相关性，在模型可解释性方面进行了有意义的探索。在近年来大热的自动机器学习方面，2018年谷歌推出了AutoMLNaturalLanguage和AutoMLTranslation等产品，试图使深度学习的模型设计能够自动化进行，减少对专业知识的依赖，把深度学习工具向非人工智能领域的专家和工程师推广。关于图网络的研究正在将深度学习能够处理的数据结构类型从象素类数据、时间序列数据向图数据结构进一步拓展，把端到端学习与归纳推理相结合，尝试改进深度学习无法进行关系推理的问题。深度学习方法也在不同领域结合其特点向前演化发展。比如在自然语言处理领域，原来TextCNN对文本浅层特征的抽取能力很强，但在长距离建模方面能力受限。2018年以来，以ELMo模型、BERT模型为代表预训练模型快速兴起，通过融入上下文信息实现了对多义词、句法结构、语义角色等更高层文本概念的建模，推动自然语言处理领域实现了长足进步。二是模型复杂度和算力需求门槛越来越高。2012年，Hinton团队在ImageNet比赛中首次使用深度学习用于图像分类任务，那时候的神经网络层数还只有个位数;2015年来自微软的ResNet做到152层;现在很多团队都在做上万层的深度学习模型。模型深度的增加有可能带来表达能力的进一步拓展和突破，但同时也带来了模型复杂度的飞升。BERT模型的标准版本有1亿的参数量，数亿参数的模型已经很常见。根据马萨诸塞大学Strubell等人近期对不同模型算力需求的评估研究，Transformer、GPT-2等流行的深度神经网络模型的性能提升带来了不成比例的计算量和碳排放增加。
2人工智能技术的应用
2.1在企业、单位工作中的应用
人工智能技术的应用之一是在企业、单位工作中的应用。全国各个地区，各个企业、各个单位，大到政府，小到村落，每天都在運用计算机应对大量的数据统计、汇总、上报等工作。传统的工作方法简单、易于操作，但在提供数据上，时间长，难度大，往往浪费了很多时间，上报的数据还有可能不准确。我们需要的是高效地、精准地去汇报各项工作的实际情况。能够准确掌握一线工作的发展动态，并能够对工作中出现的各种问题进行迅速判断分析，以更快更准地追溯到出现问题的路径、根源，提高工作效率。所以人工智能技术的到来，为人们解决了工作中的很多难题，也让大家省了不少劲儿，这也是目前正在使用，且也在不断更新提高的技术。
2.2“零接触”服务加速人工智能的发展
人工智能技术的应用之二是“零接触”服务加速人工智能的发展。人工智能的迅速兴起，让无数刚刚起步的小型企业发现了机遇，线下的零售也搬到了线上;对于智能化程度较高的行业来说，AI的迅猛发展更是让它们感觉到了自信，觉得自己的选择是对的，有了基础、有了认识，更有了机遇。近年来，门店的客流量逐渐减少，线上的交易逐年增加。为此，就出现了形式多样的“零接触”服务。例如，“零接触”购物，通过AI技术应用，将线下实体店搬到线上，一方面，顾客足不出户就能自主享受逛街的乐趣。另一方面，也能够真正实现自我所需。线上直接下单，订单立即同城配送，方便快捷。再例如，送药机器人、无人清扫车、无人投递车、无人售货机等等，甚至无人工厂在不远的将来也会出现在我们的世界里。
3人工智能发展趋势
人工智能发展趋势主要涉及到以下方面内容：当前，人工智能技术在帮助人类开展信息收集、信息分析工作以及开展决策的过程中发挥着日益重要的作用，不得不承认的是，人工智能技术在的信息处理能力已经远超人类脑力，在此背景下，人工智能能够替代人类完成许多复杂的工作。毋庸置疑的是，在人工智能的发展中，高度的智能化是其主要的发展趋势，而可以预见的“高度智能化”，则体现为深度学习能力的提升，即人工智能技术不仅能够替代人类完成一些较为复杂的体力劳动，而且能够具备独立思考与独立分析的能力。具体而言，从未来人工智能技术的发展基础来看，一方面，大数据技术能够为人工智能开展深度学习带来更为丰富的素材，因此，大数据技术能够在人工智能技术发展中发挥出不容忽视的推动作用;另一方面，云计算、GPU等，是人工智能具备独立思考与独立分析能力的重要支撑，相对于大数据在人工智能技术发展中作用而言，云计算、GPU等更像是人工智能技术中的“消化”系统，因此，云计算、GPU技术的发展，为人工智能技术的发展带来了难得的契机。未来的人工智能技术将呈现出三种基本特征：首先，基于深度学习的人工智能技术，将呈现出更快的发展速度。相对于以人为开发主体的技术发展模式而言，基于深度学习的人工智能技术能够对当前社会中存在的知识和经验进行吸收，虽然人类在获取这些知识与经验的过程中经历了漫长的发展历史，但是对于人工智能而言，这一知识与经验吸收过程所占用的时间将会十分短暂。而对这些知识和经验进行吸收的结果则体现为人工智能对自身的持续完善;其次，在深度学习基础上，人工智能将能够展现出更加强大的信息挖掘能力与人机交互能力。近年来，人工智能的概念和技术在逐渐向各个领域中渗透，一些依托人工智能技术所开发出的衍生品也已经初步具备了良好的人机交互能力，这种人机交互能力促使这些衍生品的用户获得了更为良好的产品使用体验。随着人工智能的高度智能化特别是深度学习能力的提升，这些基于人工智能技术所生产的衍生品也将呈现出更为强大的人机交互能力，从而为社会大众生活以及各行各业的生产带来更多的便利。
结语
总之，人工智能技术在现代社会生产与生活领域得到了广泛的应用，这决定了人工智能技术的发展能够为现代社会的发展带来更多的变化。虽然人工智能技术的发展会导致一系列科技伦理问题，但是现代社会往往对这种情况持有较为乐观的态度。与此同时，人工智能技术的发展对于现代社会发展所发挥的推动作用也是显而易见的，因此，如何更好的推动人工智能技术的发展并更好的依托人工智能技术服务于社会发展，是现代社会在人工智能技术发展中需要考虑的重主要问题。
参考文献
[1]何方民.从人工智能的源头说起[J].单片机与嵌入式系统应用，2016，16（08）.
[2]张海东.浅析计算机应用的发展现状和趋势[J].电脑知识与技术，2015（20）.
关键词：人工智能技术;发展;趋势
引言
如今人工智能技术的应用范围越来越广泛，已经从简单的小部件走进人们的生活，人工智能会对程序化、重复性、低技能的劳动力产生一定程度的替代。为此，我们应在充分发挥人工智能红利推进就业结构优化和就业质量提升，实现人工智能产业高质量发展和劳动者就业平稳增长的“双赢”。
1当前人工智能技术特征
一是深度学习模型和方法持续创新。现在深度学习仍有很多问题没有解决，包括模型知识表示能力、可解释性、网络结构设计、训练优化方法问题等，还在困扰着深度学习性能和在一些领域的产业化应用。近年来，学术界产业界在深度学习领域的方法创新都非常活跃，谷歌大脑团队提出的概念激活向量方法，尝试度量模型输出结果对概念的相关性，在模型可解释性方面进行了有意义的探索。在近年来大热的自动机器学习方面，2018年谷歌推出了AutoMLNaturalLanguage和AutoMLTranslation等产品，试图使深度学习的模型设计能够自动化进行，减少对专业知识的依赖，把深度学习工具向非人工智能领域的专家和工程师推广。关于图网络的研究正在将深度学习能够处理的数据结构类型从象素类数据、时间序列数据向图数据结构进一步拓展，把端到端学习与归纳推理相结合，尝试改进深度学习无法进行关系推理的问题。深度学习方法也在不同领域结合其特点向前演化发展。比如在自然语言处理领域，原来TextCNN对文本浅层特征的抽取能力很强，但在长距离建模方面能力受限。2018年以来，以ELMo模型、BERT模型为代表预训练模型快速兴起，通过融入上下文信息实现了对多义词、句法结构、语义角色等更高层文本概念的建模，推动自然语言处理领域实现了长足进步。二是模型复杂度和算力需求门槛越来越高。2012年，Hinton团队在ImageNet比赛中首次使用深度学习用于图像分类任务，那时候的神经网络层数还只有个位数;2015年来自微软的ResNet做到152层;现在很多团队都在做上万层的深度学习模型。模型深度的增加有可能带来表达能力的进一步拓展和突破，但同时也带来了模型复杂度的飞升。BERT模型的标准版本有1亿的参数量，数亿参数的模型已经很常见。根据马萨诸塞大学Strubell等人近期对不同模型算力需求的评估研究，Transformer、GPT-2等流行的深度神经网络模型的性能提升带来了不成比例的计算量和碳排放增加。
2人工智能技术的应用
2.1在企业、单位工作中的应用
人工智能技术的应用之一是在企业、单位工作中的应用。全国各个地区，各个企业、各个单位，大到政府，小到村落，每天都在運用计算机应对大量的数据统计、汇总、上报等工作。传统的工作方法简单、易于操作，但在提供数据上，时间长，难度大，往往浪费了很多时间，上报的数据还有可能不准确。我们需要的是高效地、精准地去汇报各项工作的实际情况。能够准确掌握一线工作的发展动态，并能够对工作中出现的各种问题进行迅速判断分析，以更快更准地追溯到出现问题的路径、根源，提高工作效率。所以人工智能技术的到来，为人们解决了工作中的很多难题，也让大家省了不少劲儿，这也是目前正在使用，且也在不断更新提高的技术。
2.2“零接触”服务加速人工智能的发展
人工智能技术的应用之二是“零接触”服务加速人工智能的发展。人工智能的迅速兴起，让无数刚刚起步的小型企业发现了机遇，线下的零售也搬到了线上;对于智能化程度较高的行业来说，AI的迅猛发展更是让它们感觉到了自信，觉得自己的选择是对的，有了基础、有了认识，更有了机遇。近年来，门店的客流量逐渐减少，线上的交易逐年增加。为此，就出现了形式多样的“零接触”服务。例如，“零接触”购物，通过AI技术应用，将线下实体店搬到线上，一方面，顾客足不出户就能自主享受逛街的乐趣。另一方面，也能够真正实现自我所需。线上直接下单，订单立即同城配送，方便快捷。再例如，送药机器人、无人清扫车、无人投递车、无人售货机等等，甚至无人工厂在不远的将来也会出现在我们的世界里。
3人工智能发展趋势
人工智能发展趋势主要涉及到以下方面内容：当前，人工智能技术在帮助人类开展信息收集、信息分析工作以及开展决策的过程中发挥着日益重要的作用，不得不承认的是，人工智能技术在的信息处理能力已经远超人类脑力，在此背景下，人工智能能够替代人类完成许多复杂的工作。毋庸置疑的是，在人工智能的发展中，高度的智能化是其主要的发展趋势，而可以预见的“高度智能化”，则体现为深度学习能力的提升，即人工智能技术不仅能够替代人类完成一些较为复杂的体力劳动，而且能够具备独立思考与独立分析的能力。具体而言，从未来人工智能技术的发展基础来看，一方面，大数据技术能够为人工智能开展深度学习带来更为丰富的素材，因此，大数据技术能够在人工智能技术发展中发挥出不容忽视的推动作用;另一方面，云计算、GPU等，是人工智能具备独立思考与独立分析能力的重要支撑，相对于大数据在人工智能技术发展中作用而言，云计算、GPU等更像是人工智能技术中的“消化”系统，因此，云计算、GPU技术的发展，为人工智能技术的发展带来了难得的契机。未来的人工智能技术将呈现出三种基本特征：首先，基于深度学习的人工智能技术，将呈现出更快的发展速度。相对于以人为开发主体的技术发展模式而言，基于深度学习的人工智能技术能够对当前社会中存在的知识和经验进行吸收，虽然人类在获取这些知识与经验的过程中经历了漫长的发展历史，但是对于人工智能而言，这一知识与经验吸收过程所占用的时间将会十分短暂。而对这些知识和经验进行吸收的结果则体现为人工智能对自身的持续完善;其次，在深度学习基础上，人工智能将能够展现出更加强大的信息挖掘能力与人机交互能力。近年来，人工智能的概念和技术在逐渐向各个领域中渗透，一些依托人工智能技术所开发出的衍生品也已经初步具备了良好的人机交互能力，这种人机交互能力促使这些衍生品的用户获得了更为良好的产品使用体验。随着人工智能的高度智能化特别是深度学习能力的提升，这些基于人工智能技术所生产的衍生品也将呈现出更为强大的人机交互能力，从而为社会大众生活以及各行各业的生产带来更多的便利。
结语
总之，人工智能技术在现代社会生产与生活领域得到了广泛的应用，这决定了人工智能技术的发展能够为现代社会的发展带来更多的变化。虽然人工智能技术的发展会导致一系列科技伦理问题，但是现代社会往往对这种情况持有较为乐观的态度。与此同时，人工智能技术的发展对于现代社会发展所发挥的推动作用也是显而易见的，因此，如何更好的推动人工智能技术的发展并更好的依托人工智能技术服务于社会发展，是现代社会在人工智能技术发展中需要考虑的重主要问题。
参考文献
[1]何方民.从人工智能的源头说起[J].单片机与嵌入式系统应用，2016，16（08）.
[2]张海东.浅析计算机应用的发展现状和趋势[J].电脑知识与技术，2015（20）.