第一情报 ---信息产业

人工智能研究趋势(上)

供稿人:徐佳  供稿时间:2016-11-29   关键字:人工智能  趋势  

2014年,人工智能百年研究项目启动,该项目致力于对人工智能领域及其对人类、社区、社会影响进行长期学术研究。监督该项目的常务委员会组建了一个研究小组来每五年评估一次人工智能所处的状态。这篇报告是此项百年研究的第一篇报告,以 “2030年的人工智能与生活”为主题,强调人工智能的各种用途与影响的发生不是独立于彼此,也不独立于其他许多社会和技术上的发展。报告中列举了未来人工智能的研究趋势。 

大规模机器学习 

很多机器学习的基本问题(例如监督和非监督学习)已为人所熟知。目前努力的一个重点是将现有算法扩展到更庞大的数据集上。 

深度学习 

成功训练卷积神经网络的能力促进了计算机视觉领域的发展,包括目标识别、视频标签、行为识别和几个相关变体的应用。深度学习也在大举进军感知方面的其他领域,如音频、语音和自然语言处理。 

强化学习 

鉴于传统机器学习主要关注于模式挖掘,强化学习将重点转移到决策中,这种技术将有助于促进人工智能在现实世界中更深入地进入相关研究和实践领域。作为一种经验驱动型的序贯决策框架,强化学习已经存在了几十年,但是这个方法在实践中没有取得很大成功,深度学习的出现为强化学习提供了“一针强心剂”。 

由谷歌 Deepmind 开发的计算机程序 AlphaGo在五次对抗比赛中击败了人类围棋冠军,它最近所取得的成功在很大程度上要归功于强化学习。AlphaGo是通过使用一个人类专家数据库来初始化一个自动代理的方法被训练的,但随后改进为通过大量地自我对抗游戏以及应用强化学习。 

机器人技术 

机器人导航在静态环境中的问题已基本解决。目前的难点在于如何训练机器人以泛型的、预测性的方式与周围世界进行交互。互动环境中产生的一个自然要求是操纵,这是当下所感兴趣的另一个话题。 

计算机视觉 

计算机视觉是目前最突出的机器感知形式。它是受深度学习的兴起影响最大的人工智能子领域。直到几年前,支持向量机还是大多视觉分类任务所选择的方法。但是大规模计算尤其是GPU的应用,大数据集的可获得性(尤其是通过互联网)以及神经网络算法的改进使得基准任务的表现有了显著提高(比如 ImageNet 中的分类器)。计算机首次能够比人类更好地执行一些(狭义的)视觉分类任务。目前的研究多是关注于为图像和视频自动添加字幕。 

参考文献

Artificial Intelligence and Life in 2030

 


万方数字化期刊中相关文章
人工智能及其在含可再生能源电源的电网安全中的应用
作者:Raj Kumar Aggarwal|
刊名:电网技术
年:2007
卷:31
期:20
摘要:文章概述了用于解决电网复杂问题的当前最高水平的人工智能技术,总结了可再生能源发电系统的发展现状,讨论了将可再生能源发电系统联接到电网中时需要考虑的几个问题.文中还较详细地讨论了近年来发生在欧美电网中的大停电事故.最后扼要介绍了一些基于人工智能的用于解决复杂问题的技术,特别是用于增强含有可再生能源发电的电网及老化电网的安全性的技术.

注册成为正式用户,登陆后,获得更多阅读功能与服务!
转载本文需经本平台书面授权,并注明出处:上海情报服务平台www.istis.sh.cn
了解更多信息,请联系我们

§ 请为这篇文章打分(5分为最好)