人工智能技术赋能移动终端产业发展

杨利霞

人工智能技术赋能移动终端产业发展

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
9 X# D' N  r" {" o6 U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
! ^  U+ T% W5 ^: I' f3 I- \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
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
0 q8 e& a4 y! f6 Y& ]2 U8 _1 b6 t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、
" ~' A% b1 c) u8 o9 U9 ^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
8 K* ?9 o* C, u3 ?+ I" H" a智能终端出货，人工智能赋能移动终端进入高速发展期。
$ k0 q# g) u0 q$ o- Q  H" O# I 人工智能关键技术发展态势良好
+ }6 ~2 @& h8 [ 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
+ V1 s8 ]6 E; R# [7 z& i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
, e# K, s! V( t7 e, S/ j9 d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。
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
# V' s5 X0 a5 d( |! U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
4 f) b# X9 q  |2 n1 [' 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
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
- m& R$ V: z% }. C( w4 q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
6 L# u2 B8 R% B! G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
8 a3 v8 M& d' k5 D8 J  w; `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
  Z& y/ u4 n" I% T* g/ U, P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
4 }% y4 i3 d- N提出 SqueezeNet、MobileNet、Shuf-fleNet、Xception 等轻量化模型，设计高效的网络计算方式，
% y) u8 ?8 k3 ?4 a0 h: r- o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。
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
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
% l$ B# t( c/ j! F3 {6 D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
" O# B! [* ^, P9 s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
! P, `- G3 d( g6 L* U- k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
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
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
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

图谱来提高识别准确率。