新一代人工智慧什麼樣？看過這10項技術你就知道了

科技日報記者 劉園園

正在北京召開的2018世界機器人大會帶來了全球範圍內最新的人工智慧技術。

機器人手臂如此嫻熟，小到可以加工晶元，大到可以裝配汽車；它們出現的場景越來越多，從調製雞尾酒到雕刻首飾再到培訓工人……

也許它們的能力已經讓你目瞪口呆，但，這真的只是剛剛開始。

17日下午，《新一代人工智慧領域十大最具成長性技術展望》在此次大會上正式發布。這10項技術是中國電子學會在對企業、高校、研究機構進行深入調研，並系統梳理了權威智庫和知名戰略諮詢公司的最新報告後遴選得出。

它們透露了人工智慧繼續迭代升級的線索：未來的AI，將更讓你刮目相看！

對抗性神經網路

是指由一個不斷產生數據的神經網路模塊與一個持續判別所產生數據是否真實的神經網路模塊組成的神經網路架構，創造出近似真實的原創圖像、聲音和文本數據的技術。

該技術有望大幅提升機器翻譯、人臉識別、信息檢索的精度和準確性，隨著三維模型數據序列能力的提升，未來將在自動駕駛、安防監控等領域產生可觀的應用價值。

膠囊網路

是指在深度神經網路中構建多層神經元模塊，用以發現並存儲物體詳細空間位置和姿態等信息的技術。

該技術能使機器在樣本數據較少情形下，快速識別不同情境下的同一對象，在人臉識別、圖像識別、字元識別等領域具有廣闊的應用前景。

雲端人工智慧

是指將雲計算的運作模式與人工智慧深度融合，在雲端集中使用和共享機器學習工具的技術。

該技術將龐大的人工智慧運行成本轉移到雲平台，能夠有效降低終端設備使用人工智慧技術的門檻，有利於擴大用戶群體，未來將廣泛應用於醫療、製造、能源、教育等多個行業和領域。

深度強化學習

是指將深度神經網路和具有決策能力的強化學習相結合，通過端到端學習的方式實現感知、決策或感知決策一體化的技術。

該技術具有無需先驗知識、網路結構複雜性降低、硬體資源需求少等特點，能夠顯著提升機器智能適應複雜環境的效率和健壯性，將在智能製造、智能醫療、智能教育、智能駕駛等領域具有廣闊發展前景。

智能腦機交互

是指通過在人腦神經與具有高生物相容性的外部設備間建立直接連接通路，實現神經系統和外部設備間信息交互與功能整合的技術。

該技術採用人工智慧控制的腦機介面對人類大腦的工作狀態進行準確分析，達到促進腦機智能融合的效果，使人類溝通交流的方式更為多元和高效，未來將廣泛應用於臨床康復、自動駕駛、航空航天等多個領域。

對話式人工智慧平台

是指融合語音識別、語義理解、自然語言處理、語音合成等多種解決方案，為開發者提供具備識別、理解及反饋能力的開放式平台的技術。

該技術能夠實現機器與人在對話服務場景中的自然交互，未來有望在智能可穿戴設備、智能家居、智能車載等多個領域得到大規模應用。

情感智能

是指利用人工智慧手段模擬表情、語氣、情感等類人化情緒響應，以打造具有情緒屬性的虛擬形象的技術。

該技術可賦予機器設備更好的對人類情感的識別、理解和引導能力，為用戶帶來更具效率和人性化的交互體驗，未來將在智能機器人、智能虛擬助手等領域得到更為頻繁和深入的應用。

神經形態計算

是指模擬生物大腦神經系統，在晶元上模擬生物神經元、突觸的功能及其網路組織方式，賦予機器感知和學習能力的技術。

該技術的目標在於使機器具備類似生物大腦的低功耗、高效率、高容錯等特性，將在智能駕駛、智能安防、智能搜索等領域具有廣闊應用前景。

元學習

是指將神經網路與人類注意機制相結合，構建通用演算法模型使機器智能具備快速自主學習能力的技術。

該技術能夠使機器智能真正實現自主編程，顯著提升現有演算法模型的效率與準確性，未來的進一步應用將成為促使人工智慧從專用階段邁向通用階段的關鍵。

量子神經網路

是指採用量子器件搭建神經網路，優化神經網路結構和性能的技術。

該技術充分利用了量子計算超高速、超並行、指數級容量的特點，有效縮短了神經網路的訓練時間，未來將在人臉識別、圖像識別、字元識別等領域具有重要應用價值和廣闊前景。

來源：科技日報 文中圖片來自網路，相關資料來自中國電子學會

記者：劉園園

編輯：劉義陽

審核：王小龍

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！