- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 563312 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174216
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
* m0 y& Q2 a) ]
人工智能技术赋能移动终端产业发展
$ O6 `' k' U1 I1 e0 ^' }
5 i0 B" v2 K7 U, I& e! N7 ~+ G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
$ p: R2 E. i, m) C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
# B5 N; ?. C1 F/ F' a) L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7 {: W$ }+ c7 p9 ^
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 F! n. c( p# q* N
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、 K; v+ S3 D1 _1 P: ~4 V( m" j
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
! u- I5 q. ]0 H3 X5 W# z智能终端出货,人工智能赋能移动终端进入高速发展期。
0 X) }) K. {( q: x; u* v 人工智能关键技术发展态势良好' A" }; W H2 @6 b w6 h& O
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
& d f1 {1 |) {4 a+ b: T0 j- T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
" s( }5 G4 m# n: }6 }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。8 w2 c( V" t7 k" Q
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
2 T3 l/ }3 g4 C( ?* j/ L7 p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+ m5 M( }; ?* K# n# S* B
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
' v: m& y* v! A( k' L; C3 }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0 T# c5 H. c4 r- P* p# S
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
+ O$ o! W& q+ `* x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
+ y4 N4 j& O: D! `& O1 b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
8 s" I. g: r, _6 F- o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
6 ]: o n1 R, z) T提出 SqueezeNet、MobileNet、Shuf-fleNet、Xception 等轻量化模型,设计高效的网络计算方式,7 g0 L" K* n6 A/ p: Q( E
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。
; Z& f8 V8 x y/ Z: r* t 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% y5 m* f' _3 s% ?+ j
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* R* X. h6 _8 w- M7 T+ P
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# Y; a; r* d4 X# v
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2 Y$ @) L5 }4 a, Z0 S
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
4 T- ^& p& ]: W9 P% V4 t" Q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4 _2 A2 G" [+ x! i
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5 i% Q, Q# S4 k8 c0 y+ A9 A3 I& S
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/ W l6 s! m6 ~3 a+ f
图谱来提高识别准确率。
# d3 c8 w& b0 b/ f! l- p, W
3 i/ C+ F/ |% v7 _
: r" L( l% m% C) S0 V* r' h |
zan
|