中科院计算所罗平:人工智能缺乏正确认知 AI是什么?

简介:

当今AI-人工智能的浪潮已经席卷了交通、商业、制造业、政府,乃至军事等众多行业。大致每隔12年左右,计算机产业就会发生一次巨大的变革。从Dos、Windows、Internet互联,到移动互联,下一个平台的变革将由AI引领,并将在2020年左右逐渐成形。然而,不管是公众还是产业界,普遍对人工智能缺乏正确的认知。2017年4月28日,由中国新一代IT产业推进联盟主办,CIO时代APP承办的"第56期CIO时代信息化大讲堂"活动在北京大学燕园大厦如期举行。

本次活动由CIO时代APP总编朱启明主持,中国科学院计算技术研究所智能信息处理重点实验室任副研究员、博士生导师罗平作为本期活动的嘉宾,发表了题为《AI是什么?》的主题分享。本次活动吸引了业内专家、IT公司技术人员、周边高校相关专业学生等近百人的参加。现场爆满,座无虚席。

中国科学院计算技术研究所智能信息处理重点实验室任副研究员、博士生导师    罗平

他在活动上主要详细介绍了AI的发展历程、热潮及AI威胁论,机器学习、深度学习的认知,实用型、功能型的AI的特征以及如何投资AI产业等主题内容。

AI的发展历史

1956年,机器定理证明智能跳棋程序标志着人工智能的诞生。然而,机器翻译笑话百出以及定理证明发展乏力,任使务失败、目标落空。到1970年,医疗、化学、地质专家系统遍地开花,使人工智能转向应用,在发展过程中,神经网络研究受阻,多项研究发展也较为缓慢。直到2000年左右,随着我国提出感知中国的理念,IBM提出智慧地球的概念,以及深蓝战胜国际象棋冠军等,互联网推动了AI的创新应用。2010年开始,云计算、大数据、物联网的等新一代信息技术的变革,深度学习和大数据兴起带来了AI的爆发。

机器学习的三要素

1、优化目标建立;这里的目标主要是基于大量标注数据,计算出使得损失函数最小的模型参数。2、优化求解过程;3、模型预测过程

对AI的冷静思考

AI涉及到模型、数据和计算三个方面的内容,在人工智能的大潮下,我们需要思考AI的边界在哪里,即能解决哪些问题,而又有哪些问题是无法解决的。人工智能是仿生学的反向工程,简化的数学模型加上高性能计算,开发实用型和功能型的AI,是实现AI的途径。

AI对产业的影响

AI的到来,一方面使人们产生了对机器取代体力的担忧,另一方面则是对机器取代体力的担忧。事实上,新技术并不会创造新的就业,在未来,一些行业很有可能被AI所取缔。AI本身是没错的,它是势不可挡的。而且可预见的是,未来大部分行业,都用不上人类。所以我们更要思考,站在行业发展的角度,掌握最新技术进展以及行业需要的趋势,深入生存。

如何投资AI产业

在行业基础上,要考虑垂直领域以及通用场景的特征、应用价值;在数据基础上,要对数据的规模、成本、壁垒有所考量和预测;在模型基础上,从x到y的映射关系是否稳定存在可以评估AI的效果,另外,在人才储备方面,要求行业和AI人才。

活动现场

在活动的提问讨论环节中,他对到场嘉宾所提的问题依次做了详细的解答,他以极其新颖的行业观点和专业性的讲解,赢得了阵阵掌声,大家纷纷表示不虚此行。活动最后,现场嘉宾进行了合影留念。

合影留念

“CIO时代信息化大讲堂”活动每隔周三下午19:00-20:30定期举办公开讲座,更多干货分享以及活动动态,请关注CIO时代APP。扫描下方二维码即可下载。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

目录
相关文章
|
2天前
|
机器学习/深度学习 人工智能 监控
探索人工智能的伦理困境:我们如何确保AI的道德发展?
在人工智能(AI)技术飞速发展的今天,其伦理问题也日益凸显。本文将探讨AI伦理的重要性,分析当前面临的主要挑战,并提出相应的解决策略。我们将通过具体案例和代码示例,深入理解如何在设计和开发过程中嵌入伦理原则,以确保AI技术的健康发展。
19 11
|
28天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
50 6
|
29天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
28天前
|
人工智能 边缘计算 监控
边缘AI计算技术应用-实训解决方案
《边缘AI计算技术应用-实训解决方案》提供完整的实训体系,面向高校和科研机构的AI人才培养需求。方案包括云原生AI平台、百度AIBOX边缘计算硬件,以及8门计算机视觉实训课程与2门大模型课程。AI平台支持大规模分布式训练、超参数搜索、标注及自动化数据管理等功能,显著提升AI训练与推理效率。硬件涵盖多规格AIBOX服务器,支持多种推理算法及灵活部署。课程涵盖从计算机视觉基础到大模型微调的完整路径,通过真实商业项目实操,帮助学员掌握前沿AI技术和产业应用。
46 2
|
29天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
22天前
|
机器学习/深度学习 人工智能 弹性计算
阿里云AI服务器价格表_GPU服务器租赁费用_AI人工智能高性能计算推理
阿里云AI服务器提供多种配置选项,包括CPU+GPU、CPU+FPGA等组合,支持高性能计算需求。本文汇总了阿里云GPU服务器的价格信息,涵盖NVIDIA A10、V100、T4、P4、P100等多款GPU卡,适用于人工智能、机器学习和深度学习等场景。详细价格表和实例规格见文内图表。
|
1月前
|
人工智能 算法 安全
人工智能伦理与监管:构建负责任的AI未来
【10月更文挑战第3天】随着人工智能(AI)技术的快速发展,其在社会各领域的应用日益广泛。然而,AI的广泛应用也带来了一系列伦理和监管挑战。本文旨在探讨AI的伦理问题,分析现有的监管框架,并提出构建负责任AI未来的建议。同时,本文将提供代码示例,展示如何在实践中应用这些原则。
289 1
|
1月前
|
机器学习/深度学习 人工智能 数据可视化
深度学习之可解释人工智能(Explainable AI,XAI)
可解释人工智能(XAI)是一个旨在使AI决策过程透明和可理解的研究领域。随着AI和机器学习技术在多个行业中的应用变得越来越广泛,其决策过程的透明度和可解释性变得极其重要。
62 0
|
11天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
11天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
下一篇
无影云桌面