传统观点认为,大量数据支撑起了尖端人工智能的发展,大数据也一直被奉为打造成功机器学习项目的关键之匙。但AI ≠ Big Data,该研究指出,制定规则时如果将——人工智能依赖巨量数据、数据是必不可少的战略资源、获取数据量决定国家(或公司)的人工智能进展—— 视为永恒真理,就会“误入歧途”。介于当下大环境过分强调大数据却忽略了小数据人工智能的存在,低估了它不需要大量标记数据集或从收集数据的潜力,研究人员从四个方面“缩短大小实体间AI能力差距、减少个人数据的收集、促进数据匮乏领域的发展和避免脏数据问题”说明了“小数据”方法的重要性。 https://cset.georgetown.edu/publication/small-datas-big-ai-potential/

成为VIP会员查看完整内容
0
35

相关内容

观众在2021世界计算大会现场试用AI翻译设备。新华社记者陈思汗摄

在日前举行的2021人工智能计算大会上,国际数据公司IDC和浪潮信息联合发布的《2021—2022中国人工智能计算力发展评估报告》显示,相比2020年,人工智能在金融、制造、能源、公共事业和交通等行业体现的推动作用尤为显著。同时,以智能计算中心为代表的算力基础设施,通过提供公共的算力、数据及算法服务,让算力服务易用,解决算力服务的供给问题。

“4年来,我们发现人工智能算力越来越受到重视,这方面的应用越来越成熟,无论是芯片的多元化还是人工智能服务器的计算能力、计算容量等都比4年前有了很大的提高。”IDC企业研究助理副总裁周震刚接受经济日报记者采访时说。

周震刚表示,相比去年,人工智能在各个行业的渗透度都在提升,尤其是在互联网行业和金融行业。此外,制造、交通和能源行业在人工智能的应用也更加深入。

据了解,全球已有60多个国家和地区出台人工智能政策,发布国家级人工智能战略。IDC预测,2021年全球企业在人工智能软件、硬件和服务的总投资将超850亿美元,预计在2025年将增至2045亿美元,5年复合增长率达24.5%。

不过,中国工程院院士、浪潮首席科学家王恩东认为,人工智能也带来了指数级增长的算力需求,计算产业正面临着多元化、巨量化、生态离散化交织的趋势与挑战。一方面,多样化的智能场景需要多元化的算力,算力已经成为人工智能继续发展的重中之重;另一方面,从芯片到算力的转化依然存在巨大鸿沟,多元算力价值并未得到充分释放。如何快速完成多元芯片到计算系统的创新,已经成为推动人工智能产业发展的关键环节。

人工智能产业化对算力的需求正在激增,浪潮信息副总裁刘军表示,算法模型发展也将更加复杂,巨量模型将是规模化创新的基础,“源1.0”等巨量模型的出现,让构建大模型、提升人工智能处理性能成为发展趋势。

目前,全球知名的人工智能公司在巨量模型上都投入巨大,谷歌、微软、英伟达、浪潮、智源人工智能研究院、百度、阿里等公司相继推出了各自的巨量模型。“巨量化的一个核心特征就是模型参数多、训练数据量大。”刘军以浪潮人工智能研究院开发的中文人工智能巨量模型“源1.0”为例介绍说,其数量高达2457亿,训练数据集规模达到5000GB。“我们对算力的追求没有极限。”刘军说。

人工智能芯片正呈现多元化发展趋势,芯片的多元化为人工智能产业化的加速提供了重要的产业基础和更加丰富的选择。但是,芯片从造出来到大规模用起来,还隔着一个巨大的产业鸿沟。以一台人工智能服务器研制为例,整个系统需要经过30多个开发流程,使用150多种加工制造工艺,对280多个关键过程控制点的质量进行严格把控,还要实现与算法框架和人工智能应用的优化与适配等问题。

“要想释放多元算力价值、促进人工智能创新,一是要重视智算系统的创新,加大人工智能新型基础设施建设,把从技术到应用的链条设计好,从体系结构、芯片设计、系统设计、系统软件、开发环境等各个领域形成既分工明确又协同创新的局面;二是要加快推动开放标准建设,通过统一、规范的标准,将多元化算力转变为可调度的资源,让算力好用、易用。”王恩东说。

中国人工智能基础设施市场规模保持高速增长,中国服务器厂商已成为全球服务器市场的中坚力量。IDC预计,2021年人工智能加速服务器市场规模将达56.9亿美元,相比2020年增长61.6%,到2025年,中国人工智能加速服务器市场将达108.6亿美元。

我国明确提出在全国布局算力网络国家枢纽节点,同时积极推进智能计算中心建设,发力构建普适普惠、安全可靠的现代化基础设施体系和生态。智能计算中心已被越来越多的地方政府视为实现支撑和引领数字经济、智能产业、智慧城市、智慧社会发展的关键性信息基础设施,为算力、数据、生态和产业发展提供平台化支持。

成为VIP会员查看完整内容
0
19

在我们第7版的年度人工智能状况报告中,我们继续探讨了大大小小的公司在成功部署人工智能方面所采用的战略。我们调查了商业领袖和技术从业者(我们称之为技术专家),以了解他们在实施人工智能时的优先事项、他们的成功以及他们的瓶颈。总的来说,他们的回答让我们勾勒出了一幅图景,即人工智能行业是如何在一个比以往任何时候都更虚拟、更科技、更全球化的世界中继续发展的。

《2021年人工智能状况报告》是一项跨行业的努力,旨在通过高级决策者的调研提供人工智能空间的视角。该报告向当前的人工智能实践者提供了其他组织如何看待人工智能的想法——包括哪些因素推动了成功,哪些因素仍然是重大障碍。了解什么是优先级和如何解决共同的挑战可以帮助加速人工智能交付给任何正在努力启动他们自己的人工智能计划的读者。

AI预算增加:预算从50万美元增加到500万美元,同比增长了55%,只有26%的预算低于50万美元,这表明更广泛的市场成熟度。

绝大多数组织都与外部训练数据提供商合作,大规模部署和更新人工智能项目。

人工智能优先事项因组织规模而异,规模对于大型企业尤为重要,而数据多样性对于中小型组织更为重要。

各公司都表示对数据安全和隐私有高度承诺,并愿意与他人分享数据。

虽然2021年商界领袖和技术专家倾向于达成更多共识,但在道德和可解释性等领域仍存在一些核心分歧。

各种规模的企业证实,由于2019冠状病毒病,它们在2020年加快了人工智能战略,并将在2021年继续这样做。

https://resources.appen.com/wp-content/uploads/2021/06/Whitepaper-State-of-AI-2021.pdf

成为VIP会员查看完整内容
0
49

在第四届数字中国建设峰会“大数据论坛”上,国家工业信息安全发展研究中心副主任何小龙发布了《中国数据要素市场发展研究报告(2020~2021)》(以下简称“报告”)。

“十三五”时期是我国大数据产业蓬勃发展的阶段,根据国家工业信息安全发展研究中心产值测算数据,截至2020年底,我国大数据产业规模已达万亿元。随着我国大数据产业与实体经济深度融合、产业发展不断壮大,数据作为生产要素的属性不断凸显。如何实现数据要素市场化配置,激活数据要素潜在价值,推动与实体经济继续深度融合,是“十四五”期间我国需要面临的重要课题之一。

国家工业信息安全发展研究中心通过专家访谈、企业调研、案头研究等方式开展数据要素市场相关研究,结合自有的逾5000家企业大数据案例库对报告界定的产值规模进行了测算和分析,在报告中提出了数据要素及数据要素市场的边界,梳理了国内外数据要素市场发展现状,重点从市场概况、政策脉络、产业图谱及市场运行机制等角度,并结合相应的产值规模、技术水平、产品和服务、商业模式等情况,阐释了我国数据要素市场的发展现状,分析了现阶段我国数据要素市场存在的问题及未来发展趋势,提出了对策与建议。

成为VIP会员查看完整内容
0
73

IDC报告指出,中国人工智能基础设施市场规模在2020年达到39.3亿美元,同比增长26.8%。其中,AI服务器市场规模占整体人工智能基础设施市场的87%以上。随着AI算法突飞猛进的发展,越来越多的模型训练需要巨量的算力支撑才能快速有效地实施,算力是未来人工智能应用取得突破的决定性因素。IDC预计,中国人工智能服务器将保持高速增长,并将在2024年达到78.0亿美元。

成为VIP会员查看完整内容
0
32

欧盟委员会在2020年2月19日发布《人工智能白皮书》,提出一系列政策措施,旨在大力促进欧洲人工智能研发,同时有效应对其可能带来的风险。

  人工智能战略是欧盟数字战略的核心支柱之一。欧盟提出要建立一个“可信赖的人工智能框架”,重点聚焦三大目标:研发以人为本的技术;打造公平且具有竞争力的经济;建设开放、民主和可持续的社会。并提出了一项雄心勃勃的投资计划,将在今后10年内每年投入高达200亿欧元的技术研发和应用资金。欧盟在保护公民隐私和数据安全方面制定了一系列措施。例如,人工智能企业必须通过相关部门的安全测试和资质审核才能进入欧盟市场。

  《人工智能白皮书》将在未来三个月内接受各界人士的公开咨询,再根据反馈结果进行相应修订。根据计划,欧盟将于今年年底制定出台《欧盟数字服务法》等具有法律约束力的数字规则,从而对规范市场准入、强化企业责任和保护基本权利等问题作出明确规定。

  分析人士指出,欧盟此举不仅是要补足前沿科技短板,更是要抢抓数字时代的全球规则主导权。

白皮书指出,人工智能 (AI) 是一项战略性技术,有益于社会、公司和个人。AI以人为本,基于道德,可持续发展,尊重最基本的权利和价值。AI带来的效率和生产率不仅能够提升欧洲的产业竞争力,提升人们的生活福祉,还能够有效应对气候变化、环境退化、人口变化、民主权益、社会犯罪等一些急迫解决的社会问题。

在激烈的全球竞争大背景下,欧盟需要在2018年4月发布的《欧盟AI战略》基础上找到一条坚实可靠的欧洲路径。面对AI带来的机遇与挑战,欧盟需要秉持欧洲价值观,以自己独有的方式行动起来,推动AI的发展和部署。欧盟委员会致力于推动AI科技创新,保持欧盟AI科技的领先地位,确保新技术为全欧洲服务,在提升人们生活质量的同时尊重相关权益。为了抓牢本次AI带来的机遇,欧洲必须加强产业和技术能力建设。与欧洲AI战略相呼应的《欧洲数据战略》中指出,仍需要采取措施使得欧洲成为全球数据中心。《欧洲数据战略》旨在让欧洲成为世界上最具吸引力、最安全、最动态的数据经济体。

欧盟委员会支持的这项投资导向的监管路径有着双重目标:一是推动AI进步;二是应对在使用AI过程中产生的相关风险。欧洲AI路径旨在提升欧洲在AI领域的创新能力,同时提升贯穿欧盟经济的道德性和可靠性。AI应该服务于人类生活福祉的提升和社会更好的发展。

白皮书分六个章节。一是引言,包含问题界定、可能需要修订的现存与AI相关的欧盟立法框架、未来欧盟监管框架范围、要求类型。二是“利用产业和专业市场的优势”。三是“抓住面前的机遇—下一个数据浪潮”。四是“卓越生态系统”。五是“信任生态系统—AI监管框架”。六是结束语。

白皮书主要围绕“卓越生态系统”(ecosystemof excellence)和“信任生态系统”(ecosystem of trust)两个方面的建设展开:

一、“卓越生态系统”。是要建设一个欧洲、国家和地区三个不同层面措施协同的政策框架。公共部门和私营部门共同合作,调动资源,沿着整体价值链建设“卓越生态系统”,从研发创新开始,建设正确的激励机制来加快AI解决方案的在包括中小企业在内的应用。

二、“信任生态系统”。它是欧洲AI未来监管框架的关键要素。要做到这一点,必须确保体系遵守欧盟的规则,包括保护基本权利和消费者权利,尤其是那些在欧盟运行的、风险较高的AI系统。这个政策为市民使用AI应用增添了信心,为企业和公共组织的AI创新提供了法律保障。欧洲委员会强烈赞同“以人为本”。

白皮书指出,欧盟资金项目(EU fundingprogramme)在集中力量办大事上具有重要贡献,能够避免重复建设,并撬动欧盟成员国公共部门和私营部门的投资。在过去的三年中,欧盟资金用于AI研究和创新的费用15亿欧元,与之前相比增长了70%。

然而,欧洲的AI投入在世界也仅占一小部分。2016年,欧洲用于AI的投入为32亿欧元。北美为121亿欧元。亚洲为65亿欧元。作为回应,欧洲需要大幅度提高AI研究和创新领域投资水平。目标是在未来10年,欧盟资金每年在成员国范围内吸引200亿欧元的AI技术研发和应用资金。

https://ec.europa.eu/info/sites/info/files/commission-white-paper-artificial-intelligence-feb2020_en.pdf

成为VIP会员查看完整内容
0
57

近日,清华大学人工智能研究院、清华 - 中国工程院知识智能联合研究中心联合发布了《人工智能发展报告 2020》。不仅从人才现状、技术趋势和技术影响力等方面展示了过去十年人工智能的最新进展,而且汇总分析了全球主要国家人工智能战略支持政策,以及各国人才储备和专利申请情况。

过去十年里,人工智能从实验室走向产业化生产,重塑传统行业模式、引领未来的价值已经凸显,并为全球经济和社会活动做出了不容忽视的贡献。当前全球人工智能浪潮汹涌,各国学者正努力实现人工智能从感知到认知的跨越,使之具有推理、可解释性、认知性。未来十年,人工智能技术将实现从感知智能到认知智能的新突破。

近日,清华大学人工智能研究院、清华 - 中国工程院知识智能联合研究中心联合发布了《人工智能发展报告 2020》。

该报告基于清华大学唐杰教授团队自主研发的 “科技情报大数据挖掘与服务平台”(简称 AMiner)平台,根据 2011-2020 年期间人工智能领域的顶级期刊和会议(共计 44 个)所收录的全部论文和专利数据,全面展现了人工智能发展至今所获得的重大科研进展、成果产出以及科研热点。该报告不仅从人才现状、技术趋势和技术影响力等方面展示了过去十年人工智能的最新进展,而且汇总分析了全球主要国家人工智能战略支持政策,以及各国人才储备和专利申请情况。该报告匠心独具,将知识图谱与自然语言处理、可视化、文献计量学等技术手段相结合,分析得到人工智能及其子领域的技术研究热点和发展趋势方向,高层次人才特征。此外,基于 Gartner 技术成熟度曲线,该报告还深入探讨了人工智能的未来发展蓝图,提出理论、技术和应用方面的重大变化与挑战,以及如何赋能其他产业发展等重要议题。

  1. 科技情报大数据挖掘与服务系统平台 AMiner 评选出过去十 年十大 AI 研究热点,分别为:深度神经网络、特征抽取、图像分 类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、 协同过滤和机器翻译。

  2. 过去十年有 5 位人工智能领域学者获得图灵奖殊荣,分别是 在计算理论做出重要贡献的 Leslie Valiant ,通过概率和因果推理 促进人工智能发展的 Judea Pearl,以及在深度神经网络概念和工程 上做出重大突破的 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun。

  3. 过去十年人工智能国际顶刊顶会的最佳论文奖项较多授予的 领域是计算理论、安全与隐私和机器学习。

  4. 人工智能不同子领域论文的最高引用量量级跨度很大。最高 引用量前十的论文研究主题以机器学习为首,其次是计算机视觉领 域研究,二者的论文引用率均达到 25 万次以上。

  5. 中国在自然语言处理、芯片技术、机器学习、信息检索与挖 掘等 10 多个 AI 子领域的科研产出水平都紧随美国之后,居于世界前列;在多媒体与物联网领域的论文产出量超过美国,居于全球第 一;而在人机交互、知识工程、机器人、计算机图形、计算理论领 域,中国还需努力追赶。

  6. 全球范围内,美国 AI 高层次学者的数量最多,占比 62.2%,是第二位国家(中国)AI 高层次学者数量的 6 倍以上。

  7. 清华大学是唯一入选全球人工智能领域高层次学者数量 TOP10 的中国机构。

  8. 国内人工智能领域高层次人才主要分布在京津冀、长三角和 珠三角地区。四成以上的 AI 高层次人才集聚在北京。

  9. 过去十年全球人工智能专利申请量 521264。中国专利申请 量为 389571,位居世界第一,占全球总量的 74.7%,是排名第二 的美国专利申请量的 8.2 倍。

  10. 人工智能未来重点发展的技术方向包括:强化学习、神经 形态硬件、知识图谱、智能机器人、可解释性 AI、数字伦理、知识 指导的自然语言处理等。

地址: https://www.aminer.cn/research_report/6008402fe8a87f775ad224d8?download=false

成为VIP会员查看完整内容
0
116

《通向人工智能之路》向读者介绍了机器学习的关键概念,讨论了机器使用数据产生的预测的潜在应用和局限性,并为学者、律师和政策制定者之间关于如何明智地使用和管理它的辩论提供了信息。技术人员还将从过去120年与问责制、可解释性和有偏见的数据的法律斗争中汲取有用的经验教训。

https://link.springer.com/book/10.1007/978-3-030-43582-0#about

成为VIP会员查看完整内容
0
53

主题: 2019年人工智能的发展

摘要:

人工智能是一个很宽泛的概念,概括而言是对人的意识和思维过程的模拟,利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率,特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测,到2030年人工智能的出现将为全球GDP带来额外14%的提升,相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性,并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据,世界人工智能市场将在2020年达到6800亿元人民币,复合增长率达26.2%,而中国人工智能市场也将在2020年达到710亿元人民币,复合增长率达44.5%。

我国发展人工智能具有多个方面的优势,比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等,但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术(计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等)、人工智能典型应用产业与场景(安防、金融、零售、交通、教育、医疗、制造、健康等)做出了梳理,而且同时强调人工智能开放平台的重要性,并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后,列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动,我国整个人工智能行业的生态圈也会逐步完善,从而为智慧社会的建设贡献巨大力量。

成为VIP会员查看完整内容
2
97

简介: 当前正处于能源革命和数字革命的交汇期,人工智能是引领这一轮革命的战略性技术。人工智能与电力系统的结合,必将对电力系统发展和技术进步产生巨大的推动作用。为分析凝练人工智能在电力系统的主要应用场景 和应用现状、发展趋势和未来愿景,推进人工智能与电力系统各专业融合发展,特编制电力人工智能发展报告。 电力人工智能发展报告编制由专委会主任委员孙正运任主编,由专委会副主任委员王继业任副主编,集合相关专家力量,历时八个月,完成编制。

孙正运,男,汉族,河北沧县人,1961年12月出生,研究生学历 ,1984年12月参加工作,1984年12月加入中国共产党,曾任河北省电力公司总经理、党组副书记。 现任国家电网公司总信息师。

王继业,国家电网公司信息化部副主任,国网能源互联网技术研究院院长.

成为VIP会员查看完整内容
1
57
小贴士
相关VIP内容
相关资讯
解读《中国新一代人工智能发展报告2019》
走向智能论坛
23+阅读 · 2019年6月5日
【学科发展报告】无人船
中国自动化学会
7+阅读 · 2019年1月8日
行业报告 | 2018中国智能风控研究报告
未来产业促进会
5+阅读 · 2018年12月12日
Gartner:2018人工智能技术成熟度曲线
物联网智库
3+阅读 · 2018年8月17日
《中国人工智能发展报告2018》(附PDF下载)
走向智能论坛
12+阅读 · 2018年7月17日
2018-2020年中国服务机器人行业深度研究报告
机器人大讲堂
5+阅读 · 2018年1月30日
相关论文
Siddharth Gururani,Alexander Lerch
0+阅读 · 11月24日
Chengyi Wang,Yu Wu,Yao Qian,Kenichi Kumatani,Shujie Liu,Furu Wei,Michael Zeng,Xuedong Huang
6+阅读 · 6月10日
Meta Learning for Causal Direction
Jean-Francois Ton,Dino Sejdinovic,Kenji Fukumizu
3+阅读 · 2020年7月6日
Advances and Open Problems in Federated Learning
Peter Kairouz,H. Brendan McMahan,Brendan Avent,Aurélien Bellet,Mehdi Bennis,Arjun Nitin Bhagoji,Keith Bonawitz,Zachary Charles,Graham Cormode,Rachel Cummings,Rafael G. L. D'Oliveira,Salim El Rouayheb,David Evans,Josh Gardner,Zachary Garrett,Adrià Gascón,Badih Ghazi,Phillip B. Gibbons,Marco Gruteser,Zaid Harchaoui,Chaoyang He,Lie He,Zhouyuan Huo,Ben Hutchinson,Justin Hsu,Martin Jaggi,Tara Javidi,Gauri Joshi,Mikhail Khodak,Jakub Konečný,Aleksandra Korolova,Farinaz Koushanfar,Sanmi Koyejo,Tancrède Lepoint,Yang Liu,Prateek Mittal,Mehryar Mohri,Richard Nock,Ayfer Özgür,Rasmus Pagh,Mariana Raykova,Hang Qi,Daniel Ramage,Ramesh Raskar,Dawn Song,Weikang Song,Sebastian U. Stich,Ziteng Sun,Ananda Theertha Suresh,Florian Tramèr,Praneeth Vepakomma,Jianyu Wang,Li Xiong,Zheng Xu,Qiang Yang,Felix X. Yu,Han Yu,Sen Zhao
16+阅读 · 2019年12月10日
Meta Learning for End-to-End Low-Resource Speech Recognition
Jui-Yang Hsu,Yuan-Jui Chen,Hung-yi Lee
16+阅读 · 2019年10月26日
Minlie Huang,Xiaoyan Zhu,Jianfeng Gao
7+阅读 · 2019年10月22日
Rahaf Aljundi,Klaas Kelchtermans,Tinne Tuytelaars
5+阅读 · 2018年12月10日
Attend More Times for Image Captioning
Jiajun Du,Yu Qin,Hongtao Lu,Yonghua Zhang
6+阅读 · 2018年12月8日
Mobile big data analysis with machine learning
Jiyang Xie,Zeyu Song,Yupeng Li,Zhanyu Ma
5+阅读 · 2018年8月2日
Top