人工智能高烧不退，智能识别+算法+深度学习成AI当红炸子鸡.doc

《人工智能高烧不退，智能识别+算法+深度学习成AI当红炸子鸡.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工智能高烧不退，智能识别+算法+深度学习成AI当红炸子鸡　　现在处于全球热议中的“人工智能”，并不完全等同于以往学院派定义的人工智能。你可能没有意识到，我们日常生活中已经用到了许多人工智能技术：苹果将人工智能应用Siri放进了大家的口袋里；拍照、签到时用到的人脸识别技术，智能音箱的语音对话系统，以及我们现在主流的新闻推荐引擎，也都用到了深度学习的算法。　　人工智能正在深刻影响和改变所有行业，这一点毋容置疑。2017年被认为可能成为“人工智能应用元年”，语音交互、人脸识别、机器学习、神经网络技术等人工智能领域的热点都在快速演进。　　2017年12月7日，电子发烧友网在深圳科兴

2、科技园国际会议中心举办的第四届中国物联网大会人工智能分论坛已圆满结束。本次盛会汇集高通、微软、MathWorks、Cypress、和而泰等人工智能领军人物，吸引了包括华为，腾讯，美的，兴业证券，海尔等业内知名企业以及投资机构和资深工程师朋友等专业人士，针对“物联网+”背景下物联网的创业和投资机遇及挑战，进行了深入探讨。为方便更多业内人士，本文对论坛做总结分享。　　　　第四届中国物联网大会人工智能分论坛现场　　CypressSimonYang：如何将AI做进IoT应用　　　　CypressSimonYang　　数据、算法和算力是我们常说的人工智能的“三驾马车”，是人工智能得以应

3、用的基础。　　SimonYang风趣地表示，Processor（处理器）+Algorithm（算法）是“发动机”，Datas是“汽油”。只有将尽可能多的数据“喂”给Processor和Algorithm，深度学习才会在IoT焕发生机，也只有这样才会真正体现出人工智能的真正魅力，他补充道。　　他强调，AI加速进入IoT时代。正是由于数以十亿计的IoT设备产生不可估量的数据，然后通过数以百万计的网关节点传输送到云端进行存储和分析，最后被全球各地的数据中心进行深度处理和机器学习，最终提高AI的深度学习能力。　　微软中国区首席技术顾问管震：微软认知，对话机器人实践　　　　微软中国区首

4、席技术顾问管震　　微软中国区首席技术顾问管震指出，理解场景是人工智能应用的核心。人工智能必须落到精准的场景，才能实现实在的价值。理解人工智能能力可落地的场景及对应的流程，将AI纳入决策流程。　　他表示，人工智能并不是静态的东西，训练出来的模型要用到某个业务场景里，业务场景里产生新的数据，这些数据进一步提升人工智能模型的能力，再用到场景中，形成一个闭环和迭代。　　　　MathWorksFAE经理陈建平：从算法到实现深度学习　　MathWorksFAE经理陈建平表示，MATLAB广泛应用于汽车主动安全系统、行星际宇宙飞船、健康监控设备、智能电网和LTE蜂窝网络。它用于机器学习、信

5、号处理、图像处理、计算机视觉、通讯、计算金融学、控制设计、机器人学等。　　　　MathWorksFAE经理陈建平　　陈建平指出，人机回环，即human-in-the-loop。“人机回环”的第一层含义是人工智能应用中需要用户，即人的反馈来强化模型。更进一步，机器学习是一种尝试创建允许通过让专家与机器的一系列交互参与到机器学习的训练中的系统工作。机器学习通常由工程师训练数据，而不是某个领域的专家。“人机回环”的核心是构建模型的想法不仅来自数据，而且来自于人们怎样看待数据。专家会成为垂直领域的AI顾问，把关模型的正确性。　　　　深度学习的挑战　　　　基于深度学习的检测和定位　　高

6、通产品市场总监DennisLiu：人工智能解决方案　　DennisLiu强调，终端侧的智能至关重要。由于移动终端会常遇到隐私性，可靠性，低延时和高效利用网络带宽等诸多挑战，再加上在最靠近数据源的位置处理，是对云端处理进行很好的补充，因而AI+终端侧相得益彰。　　　　高通产品市场总监DennisLiu　　DennisLiu表示，构建良好的终端侧智能需要对高性能硬件/软件以及优化的网络进行设计。这里主要涉及到三点：　　高效硬件。开发异构计算需要在散热限值内以低功耗，运行要求严苛的神经网络。此外还要选择合适的计算单元处理合适的任务；　　算法改进。算法研究受益于最先进的深度神经网络及

7、面向空间和运行时长效率进行优化；　　软件工具。面向深度学习的软件加速运行时间。　　此外，DennisLiu还对高通骁龙845处理器进行最新剧透：　　骁龙845是Qualcomm的第三代AI移动平台。与前代系统级芯片（SoC）相比，骁龙845带来了近三倍的AI整体性能提升！　　骁龙神经处理引擎（SNPE）SDK除了已支持GoogleTensorFlow和FacebookCaffe/Caffe2框架之外，现在还支持TensorflowLite和新的ONNX，支持GoogleAndroidNNAPI。　　和而