行业管理
首页  >  行管  >  行管专题  >  通信业喜迎十九大

“深入学习贯彻十九大精神 加快建设网络强国”专家谈
融入人工智能基因 激发实体经济新动能

2017-11-07  来源:人民邮电报-中国信息产业网  作者:中国信息通信研究院 李论

党的十九大报告指出:“加快建设制造强国,加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合。”目前,我国强大的计算能力、逐步逼近人类水平的人工智能技术和良好的数据土壤,均标志着人工智能这一新兴社会生产力已初步做好融入各行各业的准备,助力实体经济结构从要素驱动向创新驱动转变,激发新的增长动能。

人工智能技术日趋成熟已做好与实体经济融合的准备

近期,DeepMind发布的最强版AlphaGo Zero再次提升了社会对于人工智能的关注热度,AlphaGo Zero仅用3天时间,使用强化无监督学习的前沿学习方式,通过490万盘自我对弈的训练数据、一台主机和4块TPU打败了战胜过韩国棋手李世石对弈的AlphaGo。从AlphaGo与围棋大师、德州扑克大师的人机大战到机器之间的博弈,人工智能的算法正在迅速进化,智能时代已经到来。

源起计算能力的大幅提升与深度神经网络算法研究的突破性进展,人工智能进入产业化阶段。人工智能是指让机器进行智能化的活动,即如何让机器更为聪明。当前,业内专家主要关注机器对于人类智能的模仿。人工智能的概念早在1956年就已提出,在这62年的时间里,经历了符号主义、专家系统、连接主义三次浪潮,又由于计算能力有限、技术路线瓶颈等问题多次进入衰落期。本次人工智能浪潮的里程碑,是2012年在ImageNet大赛上,多伦多大学的Alex Krizhevsky教授使用深度神经网络算法将图像分类的识别正确率从74.2%大幅提升到83.6%,从而引起了资本市场、企业、高校对智能技术实用化的希望,掀起了人工智能向传统行业渗透的热潮。

人工智能技术水平逐步向人类逼近,为实体经济创新提供支撑。语音识别、智能翻译、图像分类等技术已经达到可用级别,甚至部分智能技术能力已超越人类,主要体现在:机器视觉方面,机器视觉是深度神经网络算法应用最为成功的领域之一,2017年,ImageNet大赛中机器图像分类的错误率仅为2.3%,超过人眼辨识错误率,视频物体识别技术发展迅速,平均准确率已越过合格线,在安防、自动驾驶等多个领域应用前景广阔。语音语义方面,Google使用深度神经网络算法的机器翻译水平已接近人类,在满分为6分的测评中,英语、法语、汉语等多门语言的互译水平与人类水平相差1分以内,科大讯飞的语音识别技术准确率已达到97%,讯飞口语作文评测机器在广东高考使用,总分平均误差低于人工误差。

数据是人工智能技术融入传统行业的先决条件,我国部分垂直行业已具备一定数据积累。业界主流使用的深度神经网络算法主要依靠大样本量、有标注的过程数据,并通过有监督学习的方式进行学习,比如,在著名的Google猫脸识别应用中,猫脸识别模型的训练数据集就需要1000万张200×200像素的猫脸图像。数据的质量也是影响传统行业智能化发展的重要因素,反馈正确的大规模垂直行业数据是行业智能化应用落地的必要条件,这主要是由于现阶段人类尚未对深度神经网络算法的学习机制进行合理解释,数据的错误反馈将会影响到机器的判断能力。值得关注的是,我国互联网、大数据产业基础较好,人口规模庞大,在电子商务、安防、教育等多个方面的数据有所积累,且具备一批对数据进行处理和标注的企业,这有利于人工智能技术与行业的实际结合。

人工智能产业蓬勃发展助力实体经济转型升级

人工智能产业日趋壮大,大量创新型企业不断涌现,新行业新市场孕育而生。从全球来看,人工智能市场前景广阔,开辟经济增长新空间,预计2020年全球人工智能市场规模约183亿美元,年均增长20%,在产业分类和公司数量方面,2016年全球人工智能公司已突破1000家,跨越13个子门类,融资金额高达48亿美元。从我国来看,我国具备庞大的数据资源基础,人工智能企业已经超过360家,初步形成了较为健全的产业生态体系,与国际领先国家具备竞争实力。人工智能的兴起催生了一大批新的产品、服务和行业,带来了新的产业价值和商用场景,在产品服务上,科大讯飞、旷视科技等智能技术型公司,为产业提供语音识别、图像识别等技术服务及解决方案,深鉴科技、中星微电子、寒武纪等人工智能芯片公司,为产业提供专用计算芯片。在行业上,从基础层的数据标注到应用层的自动驾驶、基因测序,新的行业伴随着产业化进程的推进不断孕育而生。

现阶段的人工智能技术已经可以解决众多垂直行业的特定问题,在数据积累较为丰厚和业务逻辑较为规则的安防、电子商务、教育等领域的智能化已初步显现,并随着各行各业信息化、网联化能力的逐步提升以及对人工智能认识的不断加深,向医疗、制造、能源、交通等信息技术应用相对保守的领域进行延伸,加速现代化实体经济打造。具体体现在:一是助力产品创新,引领产品向中高端迈进。在手机产品方面,华为紧随苹果之后,针对图像识别、语音交互进行底层硬件优化,在其发布的mate 10手机中集成人工智能专用NPU神经网络单元,并将多种智能技术融入其操作系统EMUI 8.0,抓住赶超机遇,提升产品附加值。在智能安防方面,海康威视的智能监控摄像头可对视频进行目标检测、目标跟踪、目标属性提取等,对车、人、危险物品等进行识别和风险预测,开拓安防领域新的产品热点。二是提升业务运转效率。在装备制造方面,通过人工智能技术手段建立产线及装备状态预测模型,预计每年可减少企业10%的运维成本、20%的机器停机时间和25%的机器检测成本。在生产优化方面,阿里ET大脑为协鑫光伏的切片生产过程进行了优化,将良品率提升了1%以上。三是优化资源配置。在医疗方面,通过借助图像识别技术,对医疗影像进行辅助诊断,从而节约了医生的读片时间、降低误诊率,有效应对我国放射科医师缺乏、病患较多、医疗资源分布不均衡等问题。在制造方面,通过智能技术进行机器换人,实现质检、装配、上下料等操作的自动化,降低工厂的人力成本。

* * *

本次人工智能浪潮对于传统产业的转型大有可为,安防、电子商务、智能终端等产业已经初步受益,有效提升了业务运行效率和产品品质,而未来5年是智能基因融入实体经济的关键阶段,有望在制造、能源、医疗等对于成本较为敏感抑或人才资源较为紧张的领域进行渗透。新一代人工智能技术赋予我国实体经济增长大好机遇,求木之长者,必固其根本,欲流之远者,必浚其泉源,通过人工智能这一当今最前沿的社会生产力与传统行业深度融合,带来一场全新的全社会产业智能化升级转型的重大变革,加速提升我国新兴技术型产业、传统制造、生产服务型产业的全球竞争能力,我国的实体经济将有望迎来新的大幅增长。

关键词:实体经济 图像分类 人工智能技术 基因 目标属性