GTC 2017前瞻:走进应用的人工智能才有未来

简介: GTC 2017前瞻:走进应用的人工智能才有未来

工智能告别了2016,也告别了火了一整年的那条“阿尔法狗”。一盘围棋的巅峰对决,其实本质上毫无意义,即便假设在2016年人类赢下了棋局,也并不能代表什么,因为人工智能迟早会赢下各种棋类比赛,这本身就是深度学习的意义,没有什么特别。


image.png


所以,喧嚣之后的GTC 2017,要比2016年来得更切合实际,会全面与应用,与行业接轨。实际上,我们所经历过的科技变革,总是先有成功的商业应用,最后才会实现民用。人工智能的在行业应用上的突破,既证明了它的价值,也为未来的全民普及打下了基础。

 

可以预见,5月8日到11日的GTC 2017将会是一场史无前例的,让人工智能在行业应用端引爆的开始。

 

看点一:NVIDIA将推动AI的大行业应用

 

毫无疑问,人工智能的技术正在提供改变生活的技术和能力。这才是人工智能对我们的真正价值。而在其中,NVIDIA的GPU已经成为了不可获缺的核心。这让NVIDIA成为人工智能的时代巨人。



image.png


数据显示,到2025年,人工智能市场将达到360亿美元的规模,人工智能将成为 IT 领域中发展最快的部分,或将引领继蒸汽机,电力,计算机之后的第四次工业革命。而这些领域的发展与突破,都离不开GPU计算的帮助。


值得留意的是,NVIDIA也不再满足于在游戏或是图形处理上的成就,而是将目光瞄准了大行业。据NVIDIA官方披露的细节看,它将与各行业领先的企业共同去打造新的人工智能应用。

 

例如,在汽车领域与梅赛德斯奔驰,用尖端人工智能技术,享受智能的车载体验。在农业领域,与Blue river创造的“see & spray”高速除草农业机器人,会保护我们未来的食物供应。在航天领域,与英国公司SCISYS使用人工智能来创造智能机器,以解决火星探测器的挑战。

 

从这些已经曝光的重量级演示当中,不难发现NVIDIA作为GTC的主人,正在明确的向企业级,向行业段进行延伸。比如在此期间,NVIDIA还将推出用于视频分析的Metropolis端到云平台,为人工智能城市建设铺平道路;提出全新Quadro Pascal架构GPU系列助力打造VR 行业应用推广中心等等。

 

NVIDIA的动向始终是GTC的风向标,它逐渐向行业应用的偏移,也促成了更多的企业级科技公司参与其中,这会让整个人工智能的产业链更快的向行业渗透。

 

看点二:企业级科技的深度爆发

 

从这三年的GTC进程看,实际上2015年就是一个转折点。从2015年开始,NVIDIA开始将深度学习变成了整个大会的主导。也引来了很多企业级科技公司的关注,比如浪潮。


我们知道,深度学习是需要训练的,所谓的训练就是在成千上万个变量中寻找最佳值的计算。这需要通过不断的尝试实现收敛,而最终获得的数值并非是人工确定的数字,而是一种常态的公式。通过这种像素级的学习,不断总结规律,计算机就可以实现像像人一样思考。


image.png


由于随着以深度学习为核心的人工智能技术成为公认的未来发展趋势,GPU异构加速技术将发挥越来越重要的价值。所以,一直对深度学习保持了长期投入的浪潮在GTC上看到了自己的机会。在2015年,浪潮不仅推出了全球首款面向深度学习的协处理加速整机柜服务器,还首发了开源深度学习框架Caffe-MPI。

 

2016年,浪潮不仅发布新一代Caffe-MPI,发布了深度学习的三大计划,并现场展示了NF5280M4、NX5460M4 两大异构计算平台。正是有了这两年在深度学习上的快速突破,在浪潮今年的新财年大会上,浪潮明确智慧计算业务重心,宣布成立人工智能部门,持续推出面向人工智能应用的创新计算平台。

 

所以,对于浪潮而言,GTC 2017则是成立人工智能部门之后的第一次公开的技术检验,能不能拿出强有力的产品和解决方案,将是浪潮人工智能的一大考验。据我了解,这一次浪潮的发布也会是一次集中亮相,其中会包含重量级的产品:新一代更高密度、更高性能的AI超级计算机;首款人工智能深度学习训练集群管理软件AlStation;以及继续发布面向AI应用的系列服务器,和并行深度学习框架Caffe-MPI等等。

 

可以预见,这次的发布浪潮是踩着人工智能的节奏而来,通过新财年做出宣示,利用刚刚结束的IPF携手合作伙伴进行了展示,最终在GTC 2017上,将浪潮AI计算全新系列硬件平台,及融工具、管理与框架于一体的强大AI软件平台集中起来一炮打响。

 

应该说,以浪潮为代表的企业级科技在GTC上的爆发,也人工智能开始走进应用,走进行业的一个表现。

 

看点三:中国军团的集体抢跑

 

在今年GTC大会的赞助商名单当中,我们不仅看到浪潮,还看到了很多家中国公司的身影。

 

今年3月5日,人工智能首次被列入政府工作报告中。未来,国家将加大人工智能领域“资金、技术、人员”投入,人工智能政策红利有望持续释放,2017年中国人工智能迎来发展新纪元。


image.png


实际上,欧美等发达国家已经纷纷从国家战略层面加紧布局人工智能。2016年,除了美国政府先后发布《国家人工智能研究与发展战略计划》等三份报告,人工智能另一重镇英国也于12月发布关于人工智能的战略报告,主张以发展人工智能来提升企业竞争力、政府治理能力和综合国力。由此可见,世界大国政府层面的人工智能竞争意识已日趋浓厚。

 

被写入2017政府工作报告的前夕,国家发改委正式批复了19个国家工程实验室,其中有3个分属人工智能领域,涉及深度学习技术及应用、类脑智能技术及应用及虚拟现实/增强现实技术及应用。可见,政府对人工智能的渴求是非常明显的。

 

根据赛迪顾问发布的《洞见2017:新兴产业投资机会》白皮书显示,2016年中国人工智能市场开始爆发,市场规模达239亿元。“预计未来三年,人工智能市场将迎来新兴机遇点,”

 

在这样的大背景下,中国的互联网公司,和科技公司纷纷对人工智能加速了布局。例如,百度李彦宏提交了三个与AI相关的提案;马化腾则呼吁大家要关注 AI 研究制高点,将人工智能结合到产品应用里;浪潮公司则成立了战略型的人工智能部门等等。

 

而GTC 2017作为全球最高规格的人工智能技术大会,势必也会成为中国科技军团展示自身战斗力的舞台。


相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
6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
|
6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。 ####
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
6天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
34 3
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
49 2
|
9天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
82 58
|
9天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
40 10
|
9天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与模型知识库在移动医疗产品中的落地应用
在现代医疗体系中,通义千问大模型与MaxKB知识库的结合,为医生和患者提供了前所未有的支持与便利。该系统通过实时问答、临床决策辅助、个性化学习和患者教育等功能,显著提升了诊疗效率和患者满意度。实际应用如乐问医学APP展示了其强大优势,但数据隐私和安全问题仍需关注。
27 0
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能赋能个案管理服务的应用与实践
通义千问2.5作为新一代人工智能模型,正在为医疗健康领域的个案管理服务带来革命性变革。本文探讨了该技术在患者管理、MDT多学科协作、整体评估、电子病历管理、随访管理和复诊提醒等方面的应用,展示了其在提升医疗服务质量和管理效率方面的显著成效。
20 0