人工智能(Artificial Inteligence)是指一类广泛的技术,旨在执行或辅助完成以前只能由人类智能完成的认知任务。目前,大多数人工智能系统都是基于机器学习(MachineLearning)技术实现的。机器学习是一系列通过在大规模数据集上训练的技术,使人工智能模型能够“学习”统计推断,并应用这些模型来预测相关问题的答案。

在过去的十多年中,许多人工智能技术已经逐渐成熟地应用于消费者终端产品中,例如,可以通过指纹识别、人脸识别来解锁设备,或是从图像中提取文本,并可将其翻译为不同的语言,或是识别人类简单的语音指令并执行设备操作,或是基于汽车上各种传感器采集的数据进行辅助驾驶或自动驾驶。 近年来,“生成式AI”这一技术取得了引人注目的进展,如流行的ChatGPT、Gemini、Claude、盘古、文心一言、通义千问、讯飞星火、ChatGLM等。这些模型基于大型复杂的深度神经网络结构,采用互联网上海量的数据训练,并辅以大量的人工反馈对模型进行优化和改进,最终训练出具有数十亿甚至数万亿个参数的模型。受益于海量数据、海量参数、海量算力的“规模定律(scaling law)”,生成式AI具有更好的表达能力和更泛化的任务能力。

生成式AI重塑了生产力,将在内容创作、软件开发、教育办公等多个领域大大提升人们的工作效率。同时,生成式AI还将赋予普通人“超能力”,戴上具备AI能力的可穿戴设备,每个人都可以拥有远超人类物理感官精度、记忆效率、跨语言翻译等能力。此外,由于生成式AI强大的“生成”能力,能够自动生成各种内容,如文字、图像、音乐和视频,大大地降低了各种任务的创作门槛,每个人都可以进行艺术设计、开发程序,甚至独立制作电影和小游戏。 展望未来,我们正在进入AI塑造新的生产方式、生活模式以及思维方式的世界,数字化、智能化社会正在加速到来,站在这一变革的前沿,我们将以行践言,让每个人掌握AI的力量,体验技术变革带来的生产力和生活质量的飞跃。

产业趋势 生成式 AI 对各行各业的产业提升效应是巨大的,行业研究数据表明,随着企业改变经营方式并对产品和服务进行强化,到2032年,生成式AI有望在硬件、软件、服务、广告、游戏等众多领域创造 1.3万亿美元收入,占科技领域总支出从目前的不足1%扩大到 10%-12%,复合年增长率达到约 42%11。

而在生成式AI对消费者的影响方面,一项针对全球37个国家和地区的公众调查显示,2023年认为人工智能将在未来三到五年内极大影响他们生活的人比例从60%上升到66%。此外,52%的人表示对人工智能的产品和服务感到紧张,比2022年上升了13%,36%的人认为在未来5年内AI 将取代自己的工作 ()。人们对 AI充满了既爱又怕的矛盾,既认同 AI能够改变世界,又担心 AI取代人,人类变成了机器的仆人。

A1与人协作、服务于人,是华为终端一贯坚持的技术理念。正如计算机帮助人类提升生产效率、手机帮助人类让沟通无处不在一样,AI可以帮助人类突破自身身体局限,让自己看得更清、听得更清、记得更牢、理解得更透彻。同时,AI还能帮助人类增强、扩展信息的处理能力,面对海量信息,能够化繁为简,面对碎片信息,能够见微知著,面对无序信息,能够归纳推理。通过无处不在的全场景智能,华为终端致力于让 AI帮助提升人的工作效率和生活品质,并赋予人们实现梦想和创造未来的能力。

当前,生成式 AI技术与消费终端的融合正在加速,不断推动行业创新和社会变革。华为终端与多家顶尖智库、研究机构及学术高校合作,通过深入调研和分析,总结出了四大终端A1产业发展趋势。 来源:华为&清华大学

成为VIP会员查看完整内容
41

相关内容

【ChatGPT系列报告】AI大语言模型的原理、演进及算力测算
专知会员服务
138+阅读 · 2023年4月26日
【干货书】机器学习—工程师和科学家的第一课,348页pdf
Yoshua Bengio最新《深度学习》NeurIPS2022教程,附52页PPT
专知会员服务
27+阅读 · 2022年12月2日
【硬核书】迁移学习多智能体强化学习系统,131页pdf
专知会员服务
140+阅读 · 2022年7月8日
【2020新书】简明机器学习导论,电子书与500页PPT
专知会员服务
199+阅读 · 2020年2月7日
【MIT博士论文】数据高效强化学习,176页pdf
AutoML研究综述:让AI学习设计AI
机器之心
13+阅读 · 2019年5月7日
997篇-历史最全生成对抗网络(GAN)论文串烧
深度学习与NLP
16+阅读 · 2018年6月26日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
9+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
33+阅读 · 2015年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
34+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
362+阅读 · 2023年3月31日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
9+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
33+阅读 · 2015年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
34+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员