财新传媒 财新传媒

阅读:0
听报道

 

作者:周素云、蒋宝尚
“The future is already here – it’s just unevenly distributed”——William Gibson
近几年,随着人工智能的发展, 各国、各行业都在积极展开对该领域的探索,谁都不想输在起跑线。
 
谁说人工智能就没有泡沫了, 下面这篇报告中就指出“欧洲40%的AI初创企业并不智能”。
 
这一数据让很多人始料不及,但也有学者称,40%还是说少了。
 
这份报告由巴克莱银行赞助,MMC的风险投资机构撰写,报告一共有99页,总体分为4个部分,包括:人工智能发展史、人工智能的发展现状、人工智能革新者、以及人工智能的未来。
 
报告显示:在2830家标榜为人工智能的欧洲公司中,其中1580家符合人工智能公司的定义。MMC研究主管David Kelnar表示:他们对每家公司的产品、网站、生产材料、生产日志进行调查发现,有40%的公司没有任何人工智能的“痕迹”。
 
他还表示,如果一家公司被标榜为人工智能企业,那么这家企业就会比一般的公司多融资15%~50%。一些公司并不急于把自己转型为以人工智能为主导,只是第三方网站在评估的时候会把他们这么分类而已。
 
根据该调查,每12个创业公司中就有一个把AI作为其产品或服务的一部分。除此之外,约有12%的大公司在其业务中使用AI应用程序,而去年这一数字仅为4%。
 
最受欢迎的AI产品是聊天机器人,自动化的流程工具排在第二位,其在处理保险索赔和欺诈检测等简单的管理任务发挥着重要的作用。
 
当公司部署AI产品时,最常用的场景是利用视觉识别以及语音合成做出预测和决策。虽然这会大大吸引风险投资的眼光,但对大多数人来说人工智能如何运作或定义尚不清楚。当然,这对于一些创业公司来说是一个优势。
 
以下是文摘菌从报告中摘抄出来的几个重要的观点,请欣赏!
 
AI时代:在各种业务中部署AI是一种趋势
 
 
AI是一个通用术语,指的是表现出智能行为的硬件或软件。Basic AI自20世纪50年代以来就已经存在了,它通过基于规则的程序在有限的上下文中显示智能。
 
基于规则的系统在现实世界中有许多的挑战,从医学诊断到目标检测,都过于复杂或微妙,无法通过人们所写规则的程序来解决。
 
 
机器学习是人工智能的一个子集,所有机器学习都是人工智能,但并不是所有人工智能都是机器学习。机器学习使程序能够通过训练来学习,而不是按照规则进行编程。
 
机器学习现有超过15种方法。流行的方法包括随机森林、贝叶斯网络和支持向量机。深度学习是机器学习的一个子集,它在计算机视觉领域取得了突破性成果。同样所有的深度学习都是机器学习,但并非所有机器学习都是深度学习。
 
深度学习模拟大脑,而不是世界。人工神经元网络处理输入数据,提取与问题相关的特征和变量,通过训练提高结果。
由于大多数业务流程和消费者应用程序涉及知识管理,推理,规划,沟通或感知,因此AI的进步带来了许多重要的新功能。
 
企业转型AI
 
AI采用量在12个月内增加了两倍,有1/7的大公司布局了AI。两年内,会有2/3的大公司将会实施AI计划。
 
人工智能将成为科技史上最快的范式转变。在三年内,有AI业务的企业比例将从1/4增加到1/3。企业正在向云计算模式转变,全球技术供应商提供即插即用的人工智能服务。
 
 
在全球范围内,由于政府参与、数据优势等等原因,中国在人工智能应用方面处于领先地位。亚洲采用人工智能的企业数量是北美企业的两倍。
 
金融服务和高科技公司在AI应用中保持领先地位,零售、医疗和媒体等正在积极引进,政府机构、教育公司和慈善机构也正在接受人工智能。
 
 
AI在企业中的运用范围也从最初的IT部门跨越到人力, 销售,供应链等部门,企业开始采用多种AI应用程序, 有1/10企业使用十种或十种以上的AI应用。
 
两年前, 公司的最高决策层在AI项目的启动方案、技术决策和资金批准方面占用重要地位, 现在相关决策已可以移交到IT项目部。
AI人才也成为企业转型的关键,近一半的公司倾向于从第三方购买人工智能解决方案,而1/3的公司则愿意在内部建立人工智能解决方案。只有1/10的公司愿意等待适用于他们的AI产品出现。随着人工智能的发展,企业的关注点也从利用AI提高收入转向降低成本。
 
人才竞争
 
 
仅仅两年, 人工智能人才的需求增加了一倍, 虽然人才需求和供给均在增长,但AI人才库仍然很小,缺乏可用的人才是他们面临的重要挑战。
 
AI人才需有较高的数学, 统计和编程能力, 拥有博士学位的AI开发者要比其他开发人员的程度高。
 
高工资也成为促进AI人才供给增加的强大动力, 45%的AI从业者的平均工资在过去三年均增长了20%以上。 技术和金融服务业吸收60%的AI人才,赢得人才争夺战才是真正的赢家。
 
AI技术现状:我们正处于后GPU时代
 
 
 
 
当前自定义芯片正在集成到人工智能硬件当中,具有“tensor 体系结构”的硬件正在加速深入学习人工智能。为了支持使用流行的深度学习框架。包括英伟达和Google在内的供应商正在优化或定制硬件。
 
我们正在进入后GPU时代。一些大的硬件制造商正在创造新的计算机处理器,自定义芯片赋予更多的性能和用途。
 
随着量子计算的成熟,它将为人工智能的进步创造更深远的机会,并使人类能够解决以前难以解决的问题。量子计算虽然刚刚起步,但却在迅速发展。目前,研究人员在量子计算机上已经开发了性能更佳的神经网络。
 
 
强化学习(RL)是人工智能的另一种研究方法,RL系统不是从训练数据中学习,而是通过奖励来实现特定目标的进展。例如DeepMind开发的Alpha系列的强化学习系统,在与人类对决的过程中展现出了无与伦比的能力。在2019年,RL的发展目标会是智能协作。
 
迁移学习(TL)能够提供非常强的初始性能以及快速的迭代和良好的长期结果。
 
生成性对抗网络(GAN)将重新定义内容创建。作为一种新兴的人工智能软件技术,GAN能够以极高的保真度生成包括图片和视频在内的“人工媒体”。
 
欧洲AI初创企业:3/5的AI创业公司处于天使轮
 
 
欧洲孵化了将近1600多家AI软件公司, 在2013年, 50个创业公司才有一家采用AI,而今天, 每12家中就有一家将AI技术作为公司核心,整个欧洲的创业生态也是如此。
 
欧洲有约3/5的AI创业公司处于天使和种子阶段,约1/6的公司已经从天使轮进入成长阶段。 尤其在英国、德国、法国这样拥有大量人工智能公司的地区,1/5已成为成长型公司。
 
 
英国拥有的AI创业公司数量分别为德国和法国的两倍,成为欧洲AI技术发展核心基地,带动了整个欧洲AI技术的发展。德国、法国及其他国家有望在未来十年扩大其AI的影响力。
 
 
这些创业公司涉及医疗、金融服务、媒体、娱乐等行业,其中医疗成为众多创业公司的焦点。 英国成为欧洲医疗AI创业的核心地区,总数占欧洲大陆的2/3。
 
AI的未来影响力
 
人工智能的基本特征可概括为四点, 创新(新产品和服务)、效能(更有效地执行任务)、速度(更快地完成任务)、和可伸缩性(不受人类能力的限制)。
 
这些特征将会对社会,经济,就业和消费产生重要影响。
 
 
AI企业的出现, 创造出了新的市场参与者;新的商业模式及其新的商业成功的因素;转变部门价值链;公司竞争定价;同时带来组织设计和技能的转变;加速创新周期;对传统企业造成较大的威胁 。
 
在AI创造出良好机遇的同时,AI的发展所带来的威胁也不容忽视。人工智能的发展将会取代部分工作岗位;有偏见的制度可能会增加不平等;人造媒体会破坏信任;自主武器可能会加剧冲突。
话题:



0

推荐

大数据文摘

大数据文摘

448篇文章 3年前更新

普及数据思维,传播数据文化

文章