数学建模社区-数学中国

标题: 人工智能技术赋能移动终端产业发展 [打印本页]
作者: 杨利霞    时间: 2020-11-4 15:26
标题: 人工智能技术赋能移动终端产业发展

9 X2 U  v' ]6 Y" u5 Z
人工智能技术赋能移动终端产业发展

3 I0 p' n, `# }- A( V3 E
2 j0 h5 a  E* c- y9 ?, c近年来，人工智能技术水平不断提高，应用服务全方位加速落地，对促进经济发展、提高管6 k! s: m9 s. M  U1 w  ~5 ~
理效率、改善生活质量具有关键作用。国务院在 2017 年印发的《新一代人工智能发展规划》中/ B! \+ T$ o9 O4 Y
明确提出，加快智能终端核心技术和产品研发，发展新一代智能手机、车载终端、可穿戴设备等9 s. Y4 x7 R( N6 y6 c' u' i
产品形态和应用服务，在 2020 年 3 月人工智能又被列为新基建重点发展领域之一。当前，人工
) n3 g, e5 ^2 O4 ~1 H智能从计算机视觉、自然语言处理、语音处理等维度全方面推进智能手机、智慧家居、智能车载、3 _1 b5 ]$ z7 ]
智能可穿戴、智能机器人等领域移动终端的发展，据 IDC 预测，2020 年中国将有接近 1 亿部 5G
5 G0 u8 g9 f- f1 A. ^- Y) r& R0 [智能终端出货，人工智能赋能移动终端进入高速发展期。
( W; Q6 o0 ~8 Q1 }- U 人工智能关键技术发展态势良好
  B0 u+ D7 b4 n1 @, Z 人工智能技术迎来第三次浪潮，深度学习技术在计算机视觉、自然语言处理、语音识别等研( m) r/ z1 q2 M9 o' @. V
究领域相继取得突破性进展，在图像分类识别准确率、语音合成自然度等方面已超过人类平均水$ K, b6 u! D0 x  j; J3 o5 P  K
平，推动人工智能从实验室走向商业化，赋能移动终端实现智能化、多样化、个性化。
1 v! K6 S: `3 c- N9 d$ L% H( Z' h 计算机视觉技术已相对成熟，深度学习模型压缩推动移动智能终端发展。计算机视觉技术根
$ @* L. a+ U0 c( \* x8 @4 P  x6 m3 [- ~据业务场景可分为图像分类、目标检测、行为检测、语义分割、三维处理、图像生成、视频分类
: ^9 P# u) Q% e- V- {* K等细分领域，在 2012 年 Hinton 团队提出深度神经网络模型 AlexNet 后，VGG、GoogLeNet、ResNet
0 B7 S* }7 a6 T0 h& R等模型不断提高图像识别准确率，ImageNet 分类 top-5 准确率已超过人眼识别水平。近年来，我4 s, G# n* ^9 D4 L" B
国在计算机视觉技术创新方面占据全球主导地位，在 2019COCO 常见物体识别图像识别挑战赛( E2 p+ n/ E7 k9 W$ C
中，旷视拿下物体检测、人体关键点和全景分割三项第一，获得 COCO 三连冠，在 2019 图像识
. m1 u4 g0 c" S+ x/ ]' J5 V别竞赛 WebVision 中，阿里 AI 以 82.54%的识别准确率获得冠军，将万物识别领域的历史纪录提( y5 ?' f' A  v  i+ x
升了 3 个百分点。同时，面对模型存储和预测速度的博弈问题，斯坦福、谷歌、旷视等企业相继
- N8 g0 V0 I" g: {6 X提出 SqueezeNet、MobileNet、Shuf-fleNet、Xception 等轻量化模型，设计高效的网络计算方式，# M6 Y8 W* |2 {6 i1 ?+ p( }
在网络参数减少的同时减少性能损失，加速人工智能模型在移动终端的部署应用。
, u4 F# u' s, ^$ i. r- Z 自然语言处理技术在行业中应用广泛，覆盖文本翻译、情感分析、意图分析、智能问答、智
# z7 @" h7 B  l能对话、敏感词检索等场景。随着人工智能进入第三次发展浪潮，RNN、GRU、LSTM 等模型相- E3 E4 C; L8 m. i+ |! ]
继出现，在机器翻译、问答系统、阅读理解等领域取得一定进展，谷歌于 2018 年 10 月提出 BERT
; H" z0 N' j% Y! Q. F  p预训练语言模型，创新提出了有效的无监督预训练任务，从而使得模型能够从无标注语料中获得
% O# o3 i" ~* z通用的语言建模能力，在其基础上拓展的 XLNET、RoBERTa、ALBERT、BioBERT 等模型分别
1 _& i( @. p  {9 a- Z有不同维度的提升。我国的百度、腾讯、阿里等企业成为推动自然语言处理技术发展的主力，提
. z% r* k0 t0 l# ?+ d出了包括基于对抗学习的降噪技术、多领域对话行为与文本同步生成、关系型图注意力网络、利: M2 |% F& @; [! J& a0 n! h
用结构化信息进行知识蒸馏等创新技术和理念，但科技、医疗等领域仍需组织专家建立专业知识
7 D$ \' R8 N  M+ |  M
图谱来提高识别准确率。

, B  s: v1 L) ]) n
% f" p! k* X$ T* G; o3 N* @+ a$ H3 {1 t/ [7 U

人工智能技术赋能移动终端产业发展_中国信息通信研究院信息化与工业化融合研究所__李论.pdf

114.44 KB, 下载次数: 0, 下载积分: 体力 -2 点



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5