動態分析 信息技術

市場

（一）富士康宣布投資3.4億美元研發人工智慧

富士康集團已經在中國的製造基地中部署了6萬台機器人，未來計劃增加到20萬台。

2月3日，富士康集團宣布將在人工智慧領域投資大約3.4億美元，將會組建人工智慧應用和工業互聯網研究院，另外在深圳市、台北市和美國設立工業機器人研究機構。為了進一步招募人才，富士康集團也將會在大陸地區的北京市、上海市、南京市、深圳建立人工智慧有關的實驗室。

（二）武漢在全國率先組網試驗5G 超高清電影"一眨眼"下載

2月1日，武漢在全國率先開展5G網路規模組網試驗，湖北手機用戶有望提前嘗鮮5G網路的極速與便捷。湖北移動公司介紹，相比於4G每秒100Mb的峰值速率，5G網路將達到至少10倍於4G的峰值速率。按照這個速率，用戶「一眨眼」的功夫，就可下完一部超高清電影（10Gb左右）。

（三）廣西政協委員聯名建議加快引進和培育區塊鏈產業

據巴比特提供的數據，截至2017 年 11 月底，國內共有浙江、江蘇、貴州、福建、廣東、山東、江西、內蒙古、重慶等9個省份、自治區和直轄市就區塊鏈發布了指導意見，多個省份甚至將區塊鏈列入本省「十三五」戰略發展規劃。

目前全國各地都在加速新一代信息技術產業布局，但尚無擁有區塊鏈產業絕對優勢的地區。「錯過了互聯網，可不能錯過區塊鏈了」，各地政府都希望能引入優秀的公司和人才，掌握未來產業發展的先機，甚至「成為區塊鏈發展的樣板工程在全國推廣」。

（四）科達股份發起成立區塊鏈產業聯盟，擬設10億規模產業基金

科達股份1月30日晚間公告顯示，科達股份於28日與嘉楠耘智、金台創投（人民網旗下人民創投）、慧聰集團、雲遊控股、捭之闔等企業簽署《區塊鏈產業聯盟戰略合作框架協議》，擬聯合設立區塊鏈研究聯盟，並擬聯合發起設立10億規模的區塊鏈產業基金。

技術

（一）普華永道:2018年十大人工智慧技術趨勢

1.深度學習理論：揭開神經網路的工作原理。

定義：深度神經網路，模仿人類的大腦，展示了他們從圖像、音頻和文本數據「學習」的能力。

重要性：準確地理解深度學習是如何使其更大的發展和使用的。

2.膠囊網路：模擬大腦的視覺處理能力。

定義：膠囊網路，一種新型的深層神經網路，處理視覺信息的方式和大腦一樣，這意味著他們可以維持等級關係。

重要性：對於典型的身份識別任務，膠囊網路承諾通過減少錯誤(多達50%)來提高準確性。

3.深度強化學習：與環境交互以解決業務問題

定義：一種神經網路，通過觀察、行動和獎勵與環境互動來學習。

重要性：DRL是所有學習技術中最通用的目的，所以它可以用於大多數業務應用程序中。

4.生成對抗網路:配對神經網路刺激學習，減輕處理負擔

定義：生成對抗網路（GAN）是一種無監督的深度學習系統，作為兩個相互競爭的神經網路來實現。

重要性：GANs向更大範圍的非監督任務開放，在這些任務中，標記數據不存在，或者代價太大。他們還減少了深度神經網路所需要的負荷，因為這兩個網路分擔了負擔。

5.精益和增強數據學習:解決標籤數據挑戰

定義：機器學習（特別是深度學習）最大的挑戰是可以使用大量的標記數據來訓練系統。

重要性：使用這些技術，我們可以解決更多的問題，特別是那些歷史數據較少的問題。期望看到更多的精益和增強數據的更多變化，以及適用於廣泛業務問題的不同類型的學習。

6.概率編程：簡化模型開發的語言

定義：種高級編程語言，更容易使開發人員設計概率模型，然後自動「解決」這些模型。

重要性：概率編程語言能夠適應業務領域中常見的不確定和不完整的信息。我們將看到這些語言的廣泛應用，並期望它們也適用於深度學習。

7.混合學習模式：結合模型不確定性的方法

定義：不同類型的深層神經網路，如GANs或DRL，在性能和廣泛應用的不同類型的數據方面表現出很大的潛力。

重要性：混合學習模式使擴展業務問題的多樣性成為可能，包括不確定性的深度學習。這可以幫助我們獲得更好的性能和模型的可解釋性，這反過來可以鼓勵更廣泛的採用。

8.自動化機器學習(AutoML)：沒有編程的模型創建

定義：開發機器學習模型需要一個耗時和專家驅動的工作流程，其中包括數據準備、特徵選擇、模型或技術選擇、培訓和調優。AutoML旨在使用一些不同的統計和深度學習技術來自動化這個工作流。

重要性：自動化是人工智慧工具民主化的一部分，使業務用戶能夠開發沒有深度編程背景的機器學習模型。

9.數字雙胞胎:超越工業應用的虛擬複製品

定義：數字雙胞胎是一個虛擬模型，用於促進身體或心理系統的詳細分析和監測。數字雙胞胎的概念起源於工業界，廣泛用於分析和監測風車農場或工業系統等。

重要性：數字雙胞胎可以幫助促進發展和更廣泛地採用物聯網(物聯網)，提供一種方法來預測診斷和維護物聯網系統。

10.可解釋的AI：了解黑盒子

定義：可解釋的AI是開發機器學習技術的一種運動，在保持預測準確性的同時產生更多可解釋的模型。

重要性：AI是可以解釋，可證明和透明的，對於建立對技術的信任至關重要，並會鼓勵更廣泛地採用機器學習技術。

政策

（一）、《知識產權重點支持產業目錄（2018年本）》

確定了現代農業產業、新一代信息技術產業、智能製造產業、新材料產業、清潔能源和生態環保產業、現代交通技術與裝備產業、海洋和空間先進適用技術產業、先進生物產業、健康產業、文化產業等 10 個重點產業，細化為 62 項細分領域，明確了國家重點發展和亟需知識產權支持的重點產業，有利於各部門、地區找准知識產權支撐產業發展中的發力點、高效配置知識產權資源、協同推進產業轉型升級和創新發展。

動態分析：陳日勝（清華長三角研究院產城融合研究中心·存實智庫　行業研究員）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！