当前位置:首页 > 机器智能
  • AI将会改变医疗领域的哪些运作方式

    AI将会改变医疗领域的哪些运作方式

    人工智能(简称AI)又称智能机械和机器智能,是指由人制造的机器所显示的智能。一般来说,人工智能是指通过普通的计算机程序来表现人类智能的技术。这个词还指出了这样一个智能系统能否实现以及如何实现。 AI渗入各个层面 医疗资源供需矛盾是我国医疗行业面临的根本问题,也是AI医疗发展的主要驱动力。随着“AI+医疗”驶入快车道,我国医疗行业发生了巨大变革。在AI赋能的时代,我国各个领域都发生了巨大的变化,呈现出广阔的发展前景,主要表现在以下几个方面。 从技术层面来看,AI专利的申请在2006年、2008年、2010年分别达到了高峰期。在医院,我们看到许多AI专利应用的案例,这说明AI技术已经开始渗入这个行业,正在逐渐展现它的应用。可以说,AI已经正式打开了新医疗的大门。 从政策层面来看,国内各部委都出台了相关政策来促进AI医疗的发展。例如,2017年7月国务院发布《新一代人工智能发展规划》,将新一代人工智能放在国家战略层面进行部署,描绘了面向2030年的我国AI发展路线图,旨在构筑AI先发优势,把握新一轮科技革命战略。 从医疗领域来看,医疗供给端资源不足、分布不均匀,严重制约着我国医疗行业的发展。AI的出现可将医疗效果提高30%~40%,减少多达50%的医疗成本,主要通过强大的计算能力、成熟的算法和海量的数据,使AI加速应用在医疗行业。此外,在医疗制度上的落地,国家卫生健康委员会也在积极推进AI的应用。5G牌照的发放让我们看到AI与5G的联合使用可以形成更多智能的设备,尤其是可穿戴设备。众多的创业公司在医疗行业发展的各个阶段相继涌现,都试图通过AI来催生企业的发展。 从场景驱动层面来看,AI在药物研发方面彰显优势。例如,通过AI进行虚拟药物筛选,可以减少实际筛选的药物分子数量。此外,利用AI还可以预测药物分子可能的活性,发现潜在的化合物,构建具有性能合理的化合物。除应用在药物研发方面外,AI还可以应用在疾病的辅助诊断、风险预测以及医院管理等场景。 AI赋能各个领域 从以上几个方面来看,AI与医疗健康领域的融合不断加深,应用场景更加广泛。我国医疗行业形成了“新模式”,出现了医疗服务模式“新常态”,主要体现在疾控领域、公共卫生领域、诊疗领域以及保险领域。 ●疾控领域 本次新型冠状病毒肺炎疫情的防控是疾控领域的重大事件。我们公司“啄医生”在这次疫情防控期间做了诸多工作。例如,在筛查阶段,我们将疑似患者分成轻级、中级及危重级等3个等级。根据患者的等级,当地政府可以及时采取不同措施进行防控。轻级患者可以送入方舱医院,危重级患者可以送入重症加强护理病房(ICU)进行急救。此外,我们还会对确诊患者进行病情评估、量化分析及定期的随访。我们可以从AI辅助的量化分析中看到,患者在用药之后的不同治疗阶段有着不同的变化,医生可以针对每名患者进行个性化的精准治疗。这就是AI给我们带来的便利。 ●公共卫生领域 在公共卫生领域,我们看到各个部门对慢性疾病的预防、管理付出了巨大的努力。在我国,18岁以上的人群中约有25%的高血压患者、10%的糖尿病患者。这些疾病给人们的健康带来了威胁。我们公司“啄医生”推出了针对糖尿病视网膜病变的检测技术,检出率、准确率在90%以上。该项技术的应用非常广泛,目前正在各个地方帮助公共卫生部门进行疾病筛查,让人们可以早发现、早治疗相关疾病。此外,5G与AI的结合在慢性疾病的管理中有着越来越多的应用。例如,可穿戴设备与AI的结合让高血压、心血管等慢性疾病进入了新的管理模式,为慢性疾病的预防及相应的治疗提供了非常好的解决方案。 ●诊疗领域 目前,AI医疗影像已成为我国AI医疗领域最为成熟的细分领域。门诊从筛查到确诊再到住院,大部分的检查都涉及影像,其中的影像数据是非常庞大的。我国现阶段采用的AI辅助诊断工具近60%集中在肺部。例如,我们公司“啄医生”的“数字肺”不仅可以帮助医生进行疾病诊断,还可以辅助外科医生进行肺部手术,可以非常好地自动分割肺部支气管、肺动脉及静脉,然后进行提取并对相应的手术路径进行各方面的计算。 此外,妇产科、骨科等领域也都已经借助AI进行辅助诊断。在骨科辅助诊断上,AI可以一键式、一站式地生成所有参数指标,极大地减少了临床医生的工作量;在手术规划上,AI可以自动分割与计算,帮助医生规划每一次手术要采用的最优方案。 总之,AI辅助诊断从病灶识别和标注、靶区的自动勾画和自适应量化分析以及影像三维重建等几个方面解决了医疗影像需求,推动了诊疗领域的发展,提高了医生的诊治效率。 ●保险领域 在过去30年,我国的基本医保做到了几乎覆盖14亿人的伟大成就。然而,一些重大疾病的个人支付比例还是相对较高,这就需要我们大力发展市场化的商业健康保险领域。然而,商业健康保险领域的发展一直比较缓慢,关键的一点是我们对一些医疗知识了解得不够全面,所以很难对一些疾病进行预测,对其未来的治疗效果也很难把握。AI的出现可以对这方面进行弥补,它可以预测健康状况的变化以及疾病的生长情况,从而为各类人群设计个性化险种。例如,AI可以对高血压患者进行专业险种设计,也可以对不同阶段的糖尿病患者进行疾病预测及对应的险种设计。总之,AI与医疗的结合可以说是精准医保的开始,真正可以做到从以疾病治疗为中心到以健康预防为中心的跨越,这也是我国医疗服务一直在努力的方向。 人工智能为我国的医疗服务提供了一条新的路径和方法,也给医疗行业带来了巨大的变革。人工智能作为新一代的创新技术,改变了医疗领域的供给侧和传统医疗机构的运作模式,使医疗更加高效、便捷、个性化,创造了巨大的增量市场。

    时间:2021-03-01 关键词: 人工智能 医疗 机器智能

  • 新型人工智能技术是如何揭开病毒控制细胞内部改变的

    新型人工智能技术是如何揭开病毒控制细胞内部改变的

    随着新型人工智能技术的提高,越来越多的医学人员运用其中,医学家利用人工智能探索出了极为重要的贡献。 2020年9月29日——西北大学的科学家和其他人在《自然》杂志上报道,人类巨细胞病毒利用人工智能技术对核内极性进行细胞质控制,这可能有助于识别病毒如何控制细胞的变化。研究人员指出,病毒可以控制细胞核的结构和遗传极性,这一发现强调了感染期间基因组组织的重要性,以及人工智能技术可以在多大程度上帮助科学家识别复杂的细胞内变化。 病毒可以控制细胞在许多方面,存在于细胞核直接控制的病毒蛋白的基因表达,在细胞表面或细胞质中可以扮演一个角色在控制细胞信号网络的蛋白质,例如,研究人员说,在每个情况下(包括在病毒感染),核将如何以及为什么和重组,5月底仍需要深入研究的问题。研究任何细胞的过程是一个核心的问题,活动的每一个细胞在细胞培养多少异质性,我们可以有一些没有发生在感染细胞感染的过程中,一些失败的感染,感染细胞,每个细胞在感染的不同阶段,也许在实验,很难控制和同步。 图片来源:CC0公共领域 研究人员可以对单个细胞进行成像,但这一过程需要分析大量细胞才能了解实际情况,而这往往是容易出错的。作为人类,我们很难不关注那些非常引人注目和更明显的表达形式,但这可能导致更主观的分析,或无意中夸大更容易被人类看到和研究的表现型。为了简化这一过程,研究人员开发了一种自动细胞成像系统,使用基于人工智能的网络(卷积神经网络)来识别和分析感染细胞的特性。由于现有图像分析工具的局限性,研究人员试图利用正在迅速改变我们世界的计算机视觉技术的最新进展,开发新的分析管道。 具体来说,研究人员可以向该系统提供大量的训练数据,帮助了解如何识别受感染的细胞以及细胞内感染的不同阶段;一旦这个网络被训练好,研究人员就会重新编程显微镜,以搜索含有细胞培养物的盖玻片并对其成像,这样系统就可以分类哪些细胞被感染,以及感染的阶段。研究人员可以对该系统进行编程,以识别特定参数,如细胞核中特定蛋白质的高度和位置,并生成对整个细胞特定区域的强度或“平均投影”的“行扫描”。沃尔什说:“当你对数千个细胞这样做时,你会得到一个用户独立的、完全公正的“空间免疫印迹”,它可以检测到受感染的细胞,而不是未受感染的细胞,或者与你的分析无关的细胞。” 使用这个系统,研究人员可以从感染细胞的样本中识别广泛的调整方法,这种方法可以产生强大的乙酰化微管结构(也就是说,存在于细胞质中的管状结构),它将坚持核膜及核细胞中的蛋白质来帮助控制肌动蛋白丝,这反过来,重组原子核内部结构,可以控制结构和遗传极性。令研究人员惊讶的是,这种病毒能够在细胞质中形成微管,有效地抓住细胞核表面,然后利用这一点从内到外重新编程细胞核的内部结构,形成受控形式。研究人员还发现肌动蛋白丝似乎也参与其中。 这项研究的结果可能会提高研究人员对感染细胞基因组组装的基本分子机制以及这种组装如何促进体内整体感染的认识。研究人员希望通过提供一个相对公正的人类巨细胞病毒复制阶段的神经网络来促进进一步的研究,以帮助建立可常规使用的基于社区的标准。

    时间:2021-03-01 关键词: 人工智能 医疗 机器智能

  • 科学家利用人工智能研究出了什么成果

    科学家利用人工智能研究出了什么成果

    现在已经步入2021年了,回顾过去2020整年,科学家们在利用人工智能研究出了多项重要成果,本文对2020年度科学家在人工智能研究中取得的重磅级研究进行了整理。 【1】Nat Med:开发出新型AI诊断工具 不需要进行检测就能预测COVID-19的感染风险 doi:10.1038/s41591-020-0916-2 近日,一项刊登在国际杂志Nature Medicine上的研究报告中,来自伦敦大学国王学院等机构的科学家们通过研究开发了一种人工智能诊断技术,其能根据机体症状来帮助预测个体患COVID-19的可能性。这种AI模型能利用来自COVID症状研究app中的数据,通过对比个体的症状和传统COVID检测的结果来预测一个人患COVID-19的风险,这就能帮助检测受限的确的人群进行COVID-19的筛查,目前在英国和美国的两项临床试验即将开始。 全球有超过330万人下载了该app,并且利用其来记录自身每天的健康状态,比如其是否感觉良好或有什么新的疾病症状,比如持续咳嗽、发烧、疲劳及味觉丧失等。文章中,研究人员对定期在app中记录自身健康状况、来自英国和美国250万人的数据进行分析,其中约有三分之一的人群记录了与COVID-19相关的症状,有18374名个体表示曾经接受过冠状病毒的检测,有7178人为阳性结果。 【2】Cell:AI从超1亿个分子中预测强力抗生素,杀伤超级耐药细菌 doi:10.1016/j.cell.2020.01.021 一项开创性的机器学习方法已经从1亿多个分子中识别出了强大的新型抗生素,包括一种可以对付多种细菌的分子--包括肺结核和被认为无法治愈的菌株。研究人员表示,这种名为halicin的抗生素是第一个被人工智能发现的抗生素。尽管人工智能以前曾被用于协助抗生素发现过程的某些部分,但他们表示,这是人工智能首次在不使用任何人类假设的情况下,从零开始识别出全新种类的抗生素。这项研究由剑桥麻省理工学院的合成生物学家Jim Collins领导,发表在Cell杂志上。 研究者Jacob Durrant表示,这项研究意义非凡。他说,研究小组不仅确定了候选分子,还在动物实验中验证了有希望的分子。更重要的是,这种方法也可以应用于其他类型的药物,如用于治疗癌症或神经退行性疾病的药物。细菌对抗生素的耐药性在全球范围内急剧上升,研究人员预测,除非紧急开发新的药物,否则到2050年,耐药感染每年可能导致1000万人死亡。但在过去的几十年里,新抗生素的发现和监管审批都有所放缓。人们不断地发现同样的分子,我们需要新的化学反应和新的作用机制。 【3】Nat Biomed Engine:科学家有望利用人工智能技术来预测人群患心血管疾病的风险 doi:10.1038/s41551-020-00626-4 近日,一项刊登在国际杂志Nature Biomedical Engineering上的研究报告中,来自新加坡全国眼科中心等机构的科学家们通过研究开发了一种新方法利用人工智能技术来预测个体患心血管疾病的风险,文章中,研究者描述了如何利用视网膜血管扫描作为深度学习系统的数据源,从而教会该系统如何识别人群患心血管疾病的迹象。 100多年来,临床医生一直会观察病人的眼睛来寻找其视网膜血管的变化,这些变化能够反映个体在一段时间内遭受高血压所带来的影响,而诸如这种影响或许是心血管疾病即将发生的征兆,而随着时间推移,医学科学家们就开发出了特殊仪器来帮助眼科大夫更好地观察眼睛中最容易受到高血压影响损伤的部分,并能将其作为诊断高血压患者的一个关键部分,但诸如此类工具仍然需要医疗专业技术人员对患者的诊断做出最后的决定,这项最新研究中,研究人员就能够教会人工智能系统识别人群机体出现的相同类型的症状,其并不需要人类人为地干预。 【4】Nature解读!新型人工智能技术如何揭开病毒控制细胞内部改变的奥秘! doi:10.1038/s41586-020-2714-x 日前,一项刊登在国际杂志Nature上题为“Cytoplasmic control of intranuclear polarity by human cytomegalovirus”的研究报告中,来自美国西北大学等机构的科学家们通过研究开发了一种新型的AI技术(人工智能技术),其或能帮助识别病毒如何控制细胞内的变化。研究者指出,病毒可以控制细胞核内的结构和遗传极性,这一研究结果强调了感染过程中基因组组织的重要性,以及AI技术到底能在多大程度上帮助科学家们识别复杂的细胞内改变。 病毒能以多种方式控制细胞,从存在于细胞核中能直接控制基因表达的病毒蛋白,到能在细胞表面或细胞质中发挥作用能控制细胞信号网络的蛋白等,研究者表示,在各种情况下(包括在病毒感染期间),细胞核如何以及为何会移动并重组,或许还是后期需要进行深入研究的一个问题。研究任何细胞内过程的一个核心问题就是,在细胞培养物中的每个单一细胞发生的事件到底有多大的异质性,在感染过程中我们可以有一些未发生感染的细胞,其中一些感染失败,而在那些被感染的细胞中,每个细胞都处于不同的感染阶段,这在实验上或许很难控制或者同步化。 【5】Nat Rev Neurol:人工智能技术或有望加速并改善阿尔兹海默病的诊断 doi:10.1038/s41582-020-0377-8 近日,一项刊登在国际杂志Nature Reviews Neurology上的研究报告中,来自谢菲尔德大学等机构的科学家们通过研究表示,利用人工智能(AI)或能帮助快速诊断阿尔兹海默病并改善患者的预后;文章中,研究人员分析了在医疗领域中如何使用AI来帮助改善常见神经变性疾病给英国国民健康保险制度(NHS)所带来的时间和经济的影响,比如阿尔兹海默病和帕金森疾病等。 很多神经性障碍的主要风险因素是年龄,随着全球人群预期寿命的延长,患有神经变性疾病的患者的数量预计也会达到前所未有的数量,研究者预测,截止到2050年,仅阿尔兹海默病患者的数量就会增加两倍,达到1.15亿,这对健康卫生系统会带来一定的挑战;这项研究中,研究人员利用AI技术(比如机器学习算法)在疾病症状恶化前检测神经变性疾病,这就能够改善患者因成功疾病修饰疗法而获益的机会。 【6】Nat Metabol:新型算法或能利用人工智能技术来帮助管理1型糖尿病患者 doi:10.1038/s42255-020-0212-y 近日,一项刊登在国际杂志Nature Metabolism上的研究报告中,来自俄勒冈健康与科学大学等机构的科学家们利用人工智能和自动化的监测手段开发出了一种新方法,其或能帮助1型糖尿病患者更好地管理自身的血糖水平。研究者Nichole Tyler博士表示,我们的系统设计非常独特,文章中我们完全利用特殊的数学模拟器来设计人工智能算法,然而,当这种算法在1型糖尿病患者的真实数据上得到验证时,其所产生的建议与内分泌学家提出的建议高度相似。这一点非常重要,因为糖尿病患者常常需要3-6个月时间才能与内分泌科的医生进行预约和诊治。 在这段时间里,如果患者机体血糖水平过高或过低的话,其就可能存在出现危险并发症的风险,1型糖尿病患者自身无法产生足够的胰岛素,因此其就必须通过使用胰岛素泵或每天多次胰岛素的注射来控制血糖,这项研究中,研究人员所开发出的这种新型算法能利用从连续葡萄糖监测设备和无线胰岛素笔收集的数据从而为患者的治疗提供指导。当与一种名为DailyDose的手机app配合使用时,该算法的推荐结果显示,其在67.9%的时间里与医生的意见一致。 【7】Nature:诊断乳腺癌 人工智能完胜人类专家! doi:10.1038/s41586-019-1799-6 近日,一项刊登在国际杂志Nature上的研究报告中,来自谷歌健康公司的科学家们通过研究开发出了一种新型的计算机程序,其能通过常规扫描,以比人类专家更高的准确率对乳腺癌进行诊断和检测。乳腺癌是女性群体中最常见的一种癌症类型,仅去年一年就有超过200万的新确诊病例,在没有明显症状的患者群体中,进行定期筛查对于发现疾病的早期症状至关重要;在英国,50岁以上的女性会被建议每三年进行一次乳腺X光检查,同时检查结果由两位独立的专家进行分析。 但对扫描结果的解读往往留有出错的余地,而且在所有乳腺X光检查中,有一小部分结果会被出现假阳性(将健康人群误诊为患有癌症)或假阴性(将疾病阳性误诊为阴性)。这项研究中,研究人员通过研究,成功利用人工智能模型对英国和美国的数千名女性进行乳腺癌的扫描检测;这些图像在现实生活中已经被医生分析检查过了,但与临床环境不同的是,机器(人工智能算法)并没有依据病人的病史来进行疾病的诊断。 【8】Cell:综述深度解读!机器学习如何带来生物医学研究的变革! doi:10.1016/j.cell.2020.03.022 日前,一篇刊登在国际杂志Cell上题为“How Machine Learning Will Transform Biomedicine”的综述文章中,来自俄勒冈健康科学大学的研究人员论述了机器学习技术在改善疾病诊断和治疗方面的应用,文章中,研究人员概述了机器学习如何改变生物医学三大领域的,即临床诊断、精准疗法和健康监测;其目的是通过监测一系列疾病的发生和正常衰老过程来维持人类机体健康,对于每一个领域而言,研究人员讨论了机器学习的早期成功应用案例,以及机器学习所面临的机遇和挑战,当这些挑战得到满足时,机器学习或有望成为一种严格、机遇结果的医学手段,其有望不断适应个体和环境的差异来进行疾病的诊断并开发有效的策略。 机器学习技术能利用复杂的算法在大规模、异质性数据集中进行运行,从而发现那些即使是训练有素的研究人员也很难或不可能识别出的有用模式,这种方法已经在整个科学和社会上有很多应用,比如从玩游戏、到产品推荐、再到控制自动驾驶汽车上等;在生物医学方面、人类基因组项目、癌症全基因组项目、国际机器学习竞赛项目等项目上都表现出了巨大的潜力,收集并分析与医学疗法和患者预后相关的大量数据集或能将医学转化称为一种数据驱动、以结果为导向的学科,其对于疾病的检测、诊断都有着非常深远的影响。 【9】Nature:科学家成功利用机器学习技术对肺癌患者进行早期诊断 doi:10.1038/s41586-020-2140-0 日前,一项刊登在国际杂志Nature上的研究报告中,来自斯坦福大学等机构的科学家们通过研究或有望利用机器学习手段来检测人类患者机体中的早期肺癌,文章中,研究人员分析并检测了这种机器学习系统,以及其寻找血液样本中的循环肿瘤DNA(ctDNA)的能力。肺癌是一种最常见的致死性癌症,与很多癌症一样,肺癌发现得越早,患者的生存机会就越大;但很不幸的是,目前研究人员仅能通过CT扫描来对肺癌进行诊断,这种检测手段不仅昂贵而且假阳性率较高,基于这一原因,研究人员一直想通过研究开发出能在早期阶段对肺癌进行诊断的血液检测手段。 新型的血液检测手段将会涉及对血液样本中的ctDNA进行筛查,随后研究者开始转向开发机器学习系统,此前研究结果表明,利用机器学习技术有望识别出早期乳腺癌和其它类型的癌症。这项研究中,研究人员训练机器学习模型,使其能够识别出与非小细胞肺癌相关的数据参数,一旦该机器模型进行了训练,其就能对既定患者的肺癌风险进行有效评估。 【10】GigaScience:在全球首次开发基于人工智能技术的VariantSpark平台 能对一万亿个基因组数据进行分析并找出多种致病基因 doi:10.1093/gigascience/giaa077 日前,一篇发表在国际杂志GigaScience上的研究报告中,来自澳大利亚联邦科学与工业研究组织(CSIRO)等机构的科学家们在世界上首次通过利用基于人工智能技术的VariantSpark平台来处理一万亿个基因组数据,该平台还能帮助锁定人类基因组中特定疾病致病基因的具体位点。 人类基因组是一个完整的DNA集合,其包含超过30亿个DNA碱基对,研究者表示,通过分析大规模的基因组数据库,人工智能(AI)要比传统方法在更短的时间内对多种复杂疾病进行更加深入地分析,VariantSpark平台能分析诸如疾病和易感性等特性,从而揭示诱发疾病的具体基因;这或许就能在分子水平上提供关于疾病发病机制的重要信息,以便后期开发新型靶向性疗法,VariantSpark平台目前已经被用来识别与心血管疾病、运动神经元疾病、痴呆症及阿尔兹海默病相关的致病基因了。 人工智能将不断影响我们的生活,未来人工智能更加普遍。

    时间:2021-02-27 关键词: 人工智能 医疗 机器智能

  • 解锁数据价值,赋能数智未来

    解锁数据价值,赋能数智未来

    12月9日,由中山市互联网协会主办,佛山机器人学院等联合主办的2020中山“数智时代 机器智能”论坛在中山市德宝怡高中山火炬大数据中心举行。 魏德米勒作为杰出的智能解决方案提供者受邀参会,与行业协会专家及业内领军企业代表共聚一堂,就人工智能、图像视觉、机器人、汽车传感器运用、环境感知、智能决策、运动控制与大数据等热点话题进行了多维度的深入交流。 众所周知,在数智未来时代,无论是人工智能还是机器人,亦或是运动控制、智能决策等等,几乎所有技术的应用、创新和进步,都要依托于数据采集和数据分析。 魏德米勒亚太区自动化产品及解决方案事业部总监卓越先生深谙此道,其演讲内容更直切要点:分享了在工业领域,大数据分析技术是如何发挥作用的,工业数据分析的典型应用和优势;并介绍了目前成功实践的应用案例,以及工业数据分析项目的具体实施过程。极具借鉴意义的“干货”分享和非常落地的解决方案介绍,引来众多与会者的关注,纷纷表示受益匪浅,收获颇丰。 透过卓越的演讲不难发现,针对智能制造魏德米勒不仅积淀了深厚的理论知识,更重视行之有效的落地方案。在距离中山不足百公里的佛山机器人学院中就展示了魏德米勒提供的工业4.0智能化解决方案,从数据传输、信号传送、电源联接到数据处理、价值分析,具体而全面的解决方案,成为众多合作伙伴智能化转型的“参照物”。同时设立的机柜装配与接线智能工厂示范线,更形象地展示了魏德米勒智能装配与接线解决方案在智能工厂生产中的价值,是推动行业标准制定的重要助力。 未来已来!人工智能、大数据、云计算、物联网等技术的持续创新和不断应用,在拓宽经济与产业发展空间的同时,更成为追求高质量发展和高质量产出最有力的武器。在探索智能未来的旅程中,坚守“创新无处不在,智能化方案提供者,以本土客户为本”价值观的魏德米勒将不余遗力的帮助合作伙伴解锁数据价值,赋能数智未来,共绘智能制造美好蓝图!

    时间:2020-12-16 关键词: 数据 魏德米勒 机器智能

  • AI能为企业带来哪些价值?这三类应用蕴藏巨大机会

    由于三星Galaxy S8、苹果新一代iPhone将搭载虹膜辨识与3D Sensing等光学感测技术,将刺激红外线LED市场出现新一波爆发性成长。根据TrendForce LED研究(LEDinside)最新发布的“2017红外线LED/红外线雷射与感测元件应用市场报告”显示,今(2017)年红外线LED与红外光雷射元件在虹膜及脸部辨识应用的市场规模将达1.45亿美元,至2025年将可达8.27亿美元,而2017年至2025年复合成长率(CAGR)高达24%。 LEDinside研究副理吴盈洁表示,智能型手机导入虹膜辨识、3D Sensing技术等新功能,将使红外线LED、红外线雷射及光学感测的相关厂商受惠。现阶段红外线LED市场应用相当广泛,主要应用于手机与车用市场,包含安全监控、虹膜/脸部辨识、心跳血氧侦测、飞时测距(TIme of Flight)、结构光(Structured Light)技术、自动驾驶辅助系统等。近年来,手持式应用装置如智能型手机等,逐渐结合身分认证与支付系统,更强调使用者的安全性,因此对生物辨识的功能要求更趋严谨。 吴盈洁表示,虹膜辨识系统具高安全性的优势,可找出约2,000个不同的特征点,与指纹约100个特征点相比,准确性更高。三星Galaxy S8的虹膜辨识解决方案,即为结合近红外线摄影机(700-900奈米近红外线LED+影像感测镜头)、摄影机控制技术与生物辨识技术。当用户观看荧幕,手机上的红外线LED灯便会闪烁,再由红外线摄影机拍下虹膜纹路,以辨识身份。目前能提供虹膜辨识的LED厂商主要为欧司朗、晶电、光鋐、研晶、弘凯、光宝、Vishay、Epitex等。 另一方面,LEDinside分析,由于红外线雷射能更精确地感测,包含距离感测、自动对焦、手势感测、降噪功能等,加上雷射的光型聚焦特性,也有助于缩小手机的开口孔径,因此在手持式应用装置方面,红外线雷射也将有机会逐渐替代红外线LED的部分市场应用。 吴盈洁指出,红外线雷射搭配3D影像感测镜头,采用飞时测距的概念与结构光技术提高三维(3D)测量系统精密度,能创造比2D影像更精准的图像成像。目前红外线雷射元件的主要供应商包含LUMENTUM、FINISAR、华立捷、欧司朗等厂商,并搭配AMS-TAOS、STMicroelectronics等IC设计公司的解决方案,推出到手机市场当中。同时,欧司朗也积极扩产,朝红外线雷射在手机及车用市场的应用发展,而苹果也积极收购结构光测距厂商,让飞时测距、结构光测距等3D影像景深测距技术与未来功能应用更添想像空间。

    时间:2020-08-13 关键词: AI 大数据 德勤 机器智能

  • 人工智能的发展能否为人类开发自己的大脑带来反作用力呢?

    人工智能的发展能否为人类开发自己的大脑带来反作用力呢?

    人工智能的发展能否为人类开发自己的大脑带来反作用力呢? 要想回答这个问题,必须先理清什么是人工智能? 维基百科把人工智能分成2个部分,即“人工”和“智能”,人工比较容易理解,人类制造即为人工,然而,什么是智能就非常难以理解了,纠其原因在于人类本身对智能的理解非常有限,对智能产生原因机理也不清楚。不过,这并不妨碍人类对智能本身的感受和判断。 1950年,图灵提出可一个测试机器是否具有智能的实验方法,被称为图灵测试(Turing test):一场正常的模仿游戏有ABC三人参与,A是男性,B是女性,两人坐在房间里;C是房间外的裁判,他的任务是要判断出这两人谁是男性谁是女性。但是男方是带着任务来的:他要欺骗裁判,让裁判做出错误的判断。假设其中男方是机器人,并最终骗过了裁判,这样我们就说这个机器人通过了图灵测试。 换句话说,通过了图灵测试的机器人就具有思考能力,在电影《机械姬》中,少女机器人成功骗过了boss逃出升天。 通过图灵测试的机器人,从人类层级来看,具有了人工智能,但是人类和人工智能从生物角度来看,智能的进化的方向和方式是不一致。人类智能的产生是通过大脑的进化,神经元、突触、海绵体等生理结构共同作用产生的。人工智能进化的方向则是通过计算机、大数据、一系列算法来定义机器智能。人类的进化会遇到所谓的天花板,这是由“硬件”决定的,而机器智能则比人类优势的地方是,硬件的天花板来的更晚,由于人类的创造力会让机器硬件系统趋近于完美,后面机器会越来越聪明,而人类的智能会越来越比机器落后。 回到问题,人类大脑所谓开发率为10%是没有科学依据的,人工智能的发展,可以让人类加深对智能的理解,但是,机器智能的发展并不会让人类对自己的大脑结构有更多了解。

    时间:2020-06-05 关键词: 人工智能 机器智能

  • 未来人工智能应不应该拥有智慧

    未来人工智能应不应该拥有智慧

    在人类历史进步的岁月当中,书写是极具历史含义的一个事情,人们使用书写记录了人类进步的过程。 大家都知道,人类是地球上已经知道的生物中极具智慧的物种,人工智能的出现对人类智慧的霸主地位发出了挑战。 这种现象也叫做弗林效应,在老早以前弗林效应(flynn effect)的研究已然表明过这么一个事实:而随着时间的推移,美国人做智力测验的成绩愈来愈好。 "人工智能科学家思想已一定的改变,之前的人工智能大部分是集中在模拟人的智能,但此时许多人工智能专家表示,机器智能与人的智能各有各的不同,各有短长。 甚至还有极端人士表示,进化到达奇点之后,人工智能可以创造出更加高智能的产品,发展的斜率会马上陡峭起来,五到十年的时间,人工智能可能会彻底超越人类。 而随时间的推移,在去年底的有关订单渐渐消化完成以后,后边物流类重卡是不是可以稳定增长现在都还存在疑问。 在先不去谈论这样的情况下,这个阶段伴随着人工智能的进步,实际上在许多的时候激化了社会矛盾,甚至于有人会提出这么的一个言论:人类的智慧并没有伴随着人工智能的提高而去提高。这么做就可以实现财富增长与智慧提升,届时人类会继续前进,进入到一个新的文明时代? 这么一来,可能就需要对智慧和智能做一个详细的了解了。 科学研究的一个关键特征是,研究的效应或效果越小,而需要的样本量就越大,研究也就越大。 在开始的时候,人工智能研究者会试试使用像咱们刚才所讲的步骤那样练习,尝试人工定义全部的步骤。 在这当中还有一个对特别有意思的事:诺贝尔奖得主、被称作dna之父的沃森,曾公开议论表有关种族间物质智商差异的问题,被其研究所炒鱿鱼并且剥夺声誉头衔。有着专业知识与经验的计算机智能程序系统,通过对人类专家的问题求解能力建模,采取人工智能中的知识表示和知识推理技术来模拟平常由专家才可以解决的复杂问题,达到有着和专家相同解决问题能力的水平。 人类需要敬重机器的智能,人工智能应当理解成人是有智慧的,而机器是可以智能的。 . 在现代智人出现以前,地球就已然存在各种形态的动植物,它们都已经进化出适合自己生存的能力,侧面体现了他们各自的智能。对人工智能的看法,人工智能是不是战胜了人类。 . 任何智能程度的机器都没有办法完全取代人类,这就需要把人的作用或认知模型融入到人工智能系统中,当强人工智能的诞生,这种形态是人工智能或机器智能的可行性和重要的成长模式。 人工智能的目的是要探索和理解人类智慧的奥秘,并且把这种理解尽量地在机器上面实现出来,进而创造出有着一定智能水平的人工智能机器,帮助人类解决各种各样的问题。

    时间:2020-05-27 关键词: 人工智能 机器智能

  • 人工智能技术将会使人们的生活越来越好

    人工智能技术将会使人们的生活越来越好

    (文章来源:OFweek) 人工智能被提出之后,经历了几次的繁荣期。当下人工智能的火爆,离不开人机大战的噱头。当AlphaGo在黑白交错的围棋盘上战胜李世石,代表着人工智能在人类最难的博弈游戏中击败了全世界最好的围棋手之一。这次人机大战使得人工智能开始被更多普通人所熟知,火热的人工智能也成为了最受欢迎的风口。 无论是国际象棋、中国象棋、围棋等传统的零和博弈游戏,还是德州扑克、DOTA2、王者荣耀等棋牌类项目和年轻人喜欢、资本加持新兴电子竞技项目,人类都在与人工智能的博弈中败下阵来。 最近,微软研究人员开发了一种人工智能系统。该系统自学了复杂的打麻将技巧,其水平甚至可以与一些世界顶级的麻将玩家相媲美。不断在棋牌类游戏中击败人类的人工智能,开始将目标锁定为我们的国粹麻将身上。天气适宜的日子里,我国不少城市的街角、公园,都有可能看到摆放的密密麻麻的的麻将桌,不少麻友们聚在一起码牌、摸牌。麻将作为中国的国粹,虽然因为地域的不同所以规则上有所差异,但是对其的喜爱却是相同的。 宋丹丹当初在小品里表演的“接牌、出牌”,成功逗乐了屏幕前的观众。而社交平台上当外国友人展现对于麻将的兴趣时,更能引起网友们的调侃的欲望。去年时,前足球巨星齐达内蹲在一旁观看中国大妈打麻将的照片已经让不少网友表示想要教教齐达内搓麻将。同样来自法国的篮球明星帕克,不久前曾在中国参加了一场慈善赛。不过比起慈善赛,拥有熟练麻将技术的帕克因为一段打麻将的视频上了热搜。 如此吸引国人与外国友人的麻将,当人工智能在不少博弈游戏项目上击败人类后,自然也就成为了人工智能的下一个学习目标。 在2019年世界人工智能大会上,微软公司宣布,微软亚洲研究院(MSR)已经成功开发出一套拥有超高水平的人工智能系统——“超级凤凰”(Suphx)。该系统通过在日本在线麻将比赛平台“Tenhou”上与真人玩家对战,自学了玩麻将的策略、战术和技巧。只有180位玩家曾经成为过该平台的十段玩家,而历时四个月、进行了5000场比赛的“超级凤凰”已经成为了其中之一。 来自微软的研究人员表示,麻将是比其它棋类游戏更为复杂的一种,因此打麻将不仅是一门科学,也是一门艺术。优秀的麻将玩家需要观察、直觉、策略、计算与机遇的结合,而这些对人工智能系统构成了独特的挑战。 学习打麻将的人工智能系统,会面对到一些人类在现实生活中所面临的选择难题。通过人工智能直面并解决复杂的现实问题,关于人工智能的研究可能会更容易突破当下人工智能技术的边界,到达新的层面。无论是因为人机大战的噱头也好,还是因为可能成为打开下一个时代要是所以成为风口,人工智能技术在近些年中,迎来了突飞猛进的发展。 最近二十年人工智能技术迎来突飞猛进的局面,离不开四十年来的技术积累。同时,随着深度学习的引入,发展多年的机器学习开始更一步接近最初的目标——人工智能。在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术,以及其他相关领域都取得很多成果的深度学习,使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大的进步。 技术的进步与社会上更多的民众的关注,使人工智能的发展开上了快车道。越来越多的创业公司与行业巨头们,开始在该领域的探索,越来越多使生活更方便的技术开始进入到我们的生活。人工智能行业催生出行业独角兽的同时,也成为有些公司的救命稻草。

    时间:2020-05-21 关键词: AI 机器智能

  • 如何正确看待人工智能的应用前景

    如何正确看待人工智能的应用前景

    (文章来源:人民邮电报) 人工智能从技术角度通常可分为三个阶段,即计算智能、感知智能和认知智能。在计算智能方面,机器已绝对超过人类;感知智能就是让计算机能听可看会说,现在基本上可以与人媲美,在医学影像读片等特殊任务中甚至超过人类;认知智能是指对知识的理解、推理、应用,目前机器在阅读理解等方面的能力已接近人类。人们不禁要问:这样发展下去,人工智能是不是很快会全面超越人类? 专家给出的答案是否定的。人工智能的发展前景不可限量,但离赶超人脑还有非常漫长的距离。人类的行为和社会生活复杂多变,不可能用简单的规则来概括、描述,目前还没有通用的人工智能技术,所有人工智能应用都被限定在特定场景中。人工智能目前的发展阶段,相当于当年蒸汽机火车刚推出的时候,离赶超人脑还非常漫长。应理性看待人工智能的广阔前景,不要过分热捧,否则可能导致又一个寒潮期。 人工智能现在已经被应用到越来越多的行业中。比如,工厂里的机器手臂,餐厅里的送菜机器人,智能家教,等等。越来越多的人工智能应用出现在我们的身边,并且开始进入一些和我们生活息息相关的行业领域。一部分人工智能应用开始创造新的生活方式:结账不用掏钱包,过安检不用拿身份证,回家不用找钥匙……这一切,都可以靠“刷脸”解决。这些解放双手的操作,依赖于人工智能的人脸识别技术。不得不说,这的确让人们的生活更丰富、更便捷了,这是时代的进步,我们应该为之感到庆幸。 毋庸置疑,人工智能会取代一些工作岗位,但也会创造新的工作岗位,只是工作方式不一样。人工智能可以显著提高人类的工作效率。原来依靠人工去识别、审核图片和视频,工作量很大、速度很慢,现在则完全可以交给机器,能快速过滤掉大部分无用信息,节省人力和时间。 国内不少电商平台和快递公司在物流领域布局人工智能,配备了智能机器人进行快递分拣,有的机器人只需充电几分钟就能工作几小时。这些智能机器人能识别出快递的面单信息,然后设计出最优分拣路线。利用人工智能帮助医生识别医学影像,寻找其中的病根症结,是很多人工智能公司近年来开发的新技术。 人工智能可以拓展人类的感知。人的感官只有耳朵、眼睛、鼻子、嘴巴等,人工智能可以拓展人类的感知能力和行动能力。少数人天生就有听觉障碍、视觉障碍等,人工智能可以弥补这些缺陷。人工智能还可以帮助人类探索新的未知领域。人脑是如何持续学习、积累知识的,人是如何产生情绪和意识的,目前还不太清楚。有了先进的算法之后,结合数据做快速分析和跨领域综合比较,有望探索人类认知和心灵层面的东西。人类可借助人工智能探索浩瀚宇宙和深邃海洋。 人工智能正在深刻改变通信产业。通信网络优化是一项改进延迟、带宽、设计或架构的技术,是能以有利方式增加数据流的技术。对于通信服务提供商来说,优化可以直接转化为更好的客户体验,除了带宽不足之外,运营商面临的最大挑战之一是网络延迟,像手机上的AR、VR等应用,只有极低的延迟才能达到最佳效果。运营商将基于AI的解决方案集成到5G无线技术中,利用边缘计算减少带宽限制,并与云进行通信。 我国在人工智能人才储备和数据研发上有优势,但在制造业应用方面的基础技术还不够成熟,同时,人工智能在制造业应用场景中也需要创新。理性看待人工智能行业发展,避免非理性炒作,有利于人工智能的整体发展。落实人工智能国家战略,必须打造人工智能“人才矩阵”,形成基础能力、源头创新、产业研发、应用开发、实用技能等多类型人才并重并用的局面。 总之,人工智能把人类从单调低级的劳作中解放出来,人们可做更有创意、更有价值的事情。人工智能给人类社会带来的影响将是全方位的,会让我们的生活越来越美好。

    时间:2020-05-21 关键词: AI 机器智能

  • 机器智能具有更好的ML和AI演进版本

    机器智能具有更好的ML和AI演进版本

    (文章来源:教育新闻网) 随着世界通过颠覆性技术朝着提高效率和生产力的方向迈进,其中一些正在通过改进属性来自我修订,以提供更好的服务和有效性。机器智能就是这样一种技术,它源于无所不在的技术(机器学习和人工智能)的发展和进步。机器智能是存在于机器学习和人工智能相交处的高级计算。它使机器能够以智能方式与其环境进行交互。 随着数量和各种数据机器的出现,智能技术已在全球范围内复苏。此类数据可用于培训智能系统,其价值也可提供业务竞争优势。对于即将到来的技术和业务进步,机器学习有望成为这种发展的基础。根据麦肯锡公司的报告,到2025年,包括机器智能在内的技术更有可能创造超过50万亿美元的经济影响。 机器智能在推动更好的业务中的作用,该技术使组织能够更有效地运作,同时利用数据来预测未来并管理当前。机器智能系统具有优化和自动化流程,提取和分类数据,检测,分析和预测趋势/模式以及增强与人/环境的交互的能力。机器智能本身是一种智能形式,包括几乎等同于人类智能或其他动物智能的专业。今天的现代机器智能是人工智能,自我学习,自省和自省的结合。        

    时间:2020-05-13 关键词: AI 机器智能

  • 深度学习已然改变人类生活,未来突破之路在哪儿?

    近日,人工智能领域传来好消息——美国计算机学会宣布将2018年图灵奖颁发给深度学习领域三位先驱——约书亚·本吉奥、杰弗里·辛顿和雅恩·勒昆,以褒奖他们推动深度神经网络成为计算机技术的重要组成部分。感谢他们拯救了AI、改变了世界。 之前,业内有人提出“深度学习已死”的基调,让深度学习的热度大大下降,而此消息一出,犹如按下重启键,人们再次将目光锁定深度学习。那么,作为人工智能的一种形式,目前深度学习如何突破瓶颈,迎接新一代人工智能的到来?让我们听听国内外专家如何说。 已然改变人们生活 事实上,用深度学习进行分析的目的在于识别真实数据中的真实模式。如果这种建设性能力可应用于总结经验、设计方案以及记录历史,甚至能够以惊人的逼真性反馈于人们的身体,那么现实与幻想之间的界线将变得非常模糊。 “深度学习虽然有种种局限,但在很多领域已然切切实实发挥作用,比如在语音识别、机器翻译等,这是一些可算作‘无限但可枚举’(Infinite but enumerable)的数据对象。在这些领域中,训练数据集及其变种可以包括大部分我们可能遇到的实际数据,深度学习可以解决。”新一代人工智能产业技术创新战略联盟联合秘书长、科大讯飞副总裁兼AI研究院联席院长李世鹏在接受科技日报记者采访时指出。 他说:“而另外一些领域则属于‘无限也不可枚举’的数据对象,比如说自动驾驶场景下的各种环境图像和视频,计算机视觉中通用识别问题的数据对象等。这些问题,深度学习可能会解决其中某些子问题,但整体来看,会出现不久前全球人工智能计算机视觉领域奠基人之一艾伦·尤尔教授所提及‘深度学习在计算机视觉领域已至瓶颈’的问题。” “实际上,深度学习主要依赖于大量的数据和数据标注。在医疗领域,可对采集到上万个病例数据库的医学影像进行分析,供放射学和病理学方面训练,帮助医生做出更为精准高效的诊断,实现大规模应用。不过,对于应用本身其是受限的,因为很多领域并无那么多数据,也没太多真正意义上的训练。如在自动驾驶领域,正常驾驶很多的数据可以采集到,但有些非正常数据像事故方面却很难采集。” 远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲认为。 法国泰雷兹集团首席技术官马克·厄曼表示:“在众多的人工智能技术中,深度学习是为我们所熟知的一种。当你拥有大量的数据和少量知识的时候,它是一种非常强大的技术。例如,人脸识别,但是这需要采集大量的图像来训练。在许多情况下,用于学习的数据库极为庞大,有时候需要千万甚至几亿数据。学习方法也有快慢之别,但是本质上来说,它不及人类大脑聪明。” 可行方法扬长避短 “深度学习肯定不是解决通用人工智能问题的全部,但是人类探索机器智能的必经之路。我们应该意识到现在深度学习的一些限制,要做的是扬长避短——用可行的方法解决现在可以解决的问题。”李世鹏指出。 如何解决数据短缺问题?李世鹏说,目前很多科学家在对此研究。一类是从数据源方面解决,比如,借助更高效的数据标注工具帮助人快速获取更多标注数据、用对抗网络生成数据等;一类是从深度学习算法本身改进,比如迁移学习、少样本学习、无监督学习和弱监督学习等。 我们看到,AI在自动驾驶领域若达到99.9%的准确率,也意味着很多次驾驶活动中可能出现一次机器不能处理或者不能处理得很好的例子。这是否说明自动驾驶就不能做了?“当然不是。解决方法是通过人机耦合来实现稳定可靠的人工智能。”李世鹏答道。 李世鹏解释道,今天的人工智能即使在可以发挥得很好的领域,也不是百分之百可靠。在一些不是很关键的领域,某些AI技术也许是可用甚至好用,但在某些关键领域却远远不能符合要求。因此,不要把人工智能当作万全技术,在设计一个产品或者系统时,要充分考虑机器失败的时候,人类怎么能很好地接手。 具体而言涉及两个问题:一是系统如何识别什么情况下它处理不好,就是说在AI给出某种决定的同时,也给出做此决定的可信度。在可信度很低的情况下,是否可以唤醒人类接应? 另一个是人机如何和谐地在一起工作,这涉及到用户体验设计和AI的结合。至少AI在现阶段还只是作为提高人类效率的工具,所以在用户体验设计中应该做到不需要人时刻盯着,但在有状况时应及时提醒反馈给人类无缝接手。 探索未来突破之路 国内外专家表示,尽管人工智能的发展水平令人瞩目,但目前的人工智能系统有一定智商没情商、会计算不会“算计”、有专才无通才。就目前既有的解决方法,还不够具有革命性,要让未来的AI更“智慧”,需要加强对人类大脑等方面的研究,探索突破深度学习瓶颈之路。 “尤尔等指出的组合模型训练及用组合数据测试,实质上应该认为是个分解过程,但难点就在于分解。就像计算机视觉里最难的问题是图像或物体分割一样,这本身可能需要更多高层次上的语义理解。更具颠覆性的方法是赋予AI引擎一些推理功能,即使没有见过的数据,也能通过推理进行解决。”李世鹏指出。 李世鹏进一步说,脑科学和认知科学的发展给我们很多启示,MIT等一些大学院所的科学家正沿着这条路径探索。其实,上世纪90年代盛行的专家系统很多时候就是给机器一些规则(推理法制),让机器按规则去推理从而解决一些问题。但专家系统的问题是规则制定本身是件很麻烦的事,远不及今天数据标注来得简单。将来的思路可能是需要深度学习从大数据中归纳出一些可以解释的规则,然后,将它们应用到新的数据中去解决问题。知识图谱和深度学习的结合也许是这条路线的一个实用分支。 在某些方面,我们发现深度学习如同挖掘机一样,能够采集相当多的数据,然而,却不像小孩子那样,不需要千万次的学习即会认出自己的母亲。 厄曼说,这是因为实际上孩子认妈妈是将多种信息混合在一起判定,其中包括形象、气味、身体接触、出生记忆以及许多复杂因素。尽管深度学习是受到生物启发,基于我们所说的神经元,但是,当你与神经科学家交谈时,会觉得深度学习仅是一种对人脑的过于简单的再现,人脑可比这复杂得多。所以深度学习只是AI使用的众多技术中的一种,希望其他技术可以对其加以补充。 “正如现在的自动驾驶,只能说是试水阶段,其技术本身肯定不是主要依赖深度学习,而是多模态感知,运算也不是简单依赖于视觉,而是与人类认识这个世界一样,通过眼、耳、鼻、舌、身、意多个感知来综合认知,而人脑本身在大多数情况下不依赖于大量数据,而是借助‘触类旁通’等能力。因此,人脑科学、计算机科学、生理学和认知科学等跨界交融应用才是未来AI的发展方向。”谭茗洲指出。 他认为,深度学习是一个好的开始,但是不能解决一切问题,需要和更高维度的方式叠加。而跨学科的研究会在语义、知识图谱、机器记忆、想像、逻辑推理等类人脑的领域,弥补深度学习的一些短板。

    时间:2019-04-02 关键词: 深度学习 人工智能 机器智能

  • 苹果AI负责人晋升最高管理团队 AI重要度凸显

    苹果AI负责人晋升最高管理团队 AI重要度凸显

    本周四,苹果宣布约翰·詹南德雷亚(John Giannandrea)进入公司执行团队。不久之前,苹果刚刚任命詹南德雷亚担任AI、机器学习战略高级副总裁。晋升之后,詹南德雷亚直接向苹果CEO库克汇报工作。 这一举动表明苹果高度重要AI。库克在声明中说:“在苹果,约翰做得很好,很高兴能看到他加入我们的执行团队。机器学习与AI对于苹果的未来至关重要,因为它正在从根本上改变人与技术交互的方式,已经让我们的客户过上更好的生活。约翰是AI行业的领袖,在这个关键时刻,他可以帮助苹果前进,对我们来说,能拥有这样的人才是一大幸事。” 詹南德雷亚在谷歌工作8年,4月份加入苹果。在谷歌工作时,他曾经是搜索、机器智能与研发主管。跳到苹果之后,詹南德雷亚对Siri、Core Ml负责。 苹果执行团队共有12人,包括新加入的詹南德雷亚。

    时间:2018-12-21 关键词: 苹果 谷歌 电源资讯 机器智能

  • 阿里巴巴将在技术研发上投入1000亿元人民币广纳贤才

    阿里巴巴将在技术研发上投入1000亿元人民币广纳贤才

    说起阿里达摩院大家应该有所耳闻,在去年10月份,阿里正式成立了达摩院布局前沿技术的研究,而马云也是对达摩院寄予厚望,希望达摩院能够活的比阿里巴巴更长、而在未来二十年能够成长为世界第五大经济体,为世界解决一亿就业机会,服务跨国界的二十亿人,为一千万家企业创造盈利的平台。 而为了促使达摩院的发展,阿里巴巴与马云也是付出了不少的心血,就拿资金方面来说,马云便宣布未来3年内,阿里巴巴将在技术研发上的投入1000亿元人民币在全球范围内寻找人才,而从这一年以来,马云和阿里也没有食言,不仅建立了许多相关技术的实验室,许多技术上的大牛也是接连入职达摩院。 而值得一提的是,就在昨天下午阿里达摩院官网也是正式上线,这也是达摩院首次向大众展示其详细信息,从达摩院官网来看,阿里达摩院主要有五大研究领域,分别为机器智能、数据计算、机器人、金融科技、X实验室等领域,而在五大领域下还涵盖了14个细分的实验室。 就拿金融科技领域来说,就拥有金融智能、区块链、生物识别等三个实验室,致力于提升金融领域的安全性,提高金融预测与决策能力,重塑金融服务;而机器智能领域则包含语音、视觉智能、语音技术、决策智能、城市大脑等五个实验室,其目的帮助零售、医疗、交通等行业提升效率,推动经济、计算机技术、制造等领域的变革。 从达摩院的整个布局来看,几乎涉列了目前大部分的新兴技术领域,不少网友也是表示,马云和阿里的格局真大,同时进行这么多项的前沿科技研究,更有网友调侃到,本来觉得1000亿挺多,但看到这么多研究领域,1000亿够用吗? 而从前不久达摩院公布的数据来看,截止今年7月底,达摩院相关团队已经取得了近20项世界第一,可以说达摩院首批科技成果转化率还是很快的,小伙伴们,对此你怎么看?欢迎大家留言,互相交流看法。

    时间:2018-09-29 关键词: 区块链 阿里达摩院 厂商动态 机器智能

  • Qualcomm推出集成LTE调制解调器与机器智能的突破性汽车处理器 强化联网汽车领导地位

     高通骁龙820汽车系列处理器提供LTE-Advanced联网平台,支持异构计算、机器智能、从高端到标准层级的扩展性以及领先的图形和视频功能 21ic讯 Qualcomm Incorporated日前宣布,其子公司Qualcomm Technologies, Inc.推出最新的高通骁龙汽车处理器 ——骁龙820汽车系列,提供可扩展的下一代支持机器智能的信息娱乐、图形和多媒体平台,并且包括支持LTE-Advanced的版本。骁龙820A是Qualcomm Technologies最新的汽车级系统级芯片(SoC)。Qualcomm Technologies采用模块化方式设计骁龙820A,使汽车信息娱乐系统能够通过软件和硬件进行升级,进而轻松实现汽车技术的与时俱进。在2016年国际消费电子展(CES 2016)北厅915号的Qualcomm汽车展位可观看可升级模块演示。 骁龙820A系列基于14纳米FinFET先进工艺制程,集成Qualcomm Technologies定制化64位Qualcomm® Kryo™ CPU、Qualcomm® Adreno™ 530 GPU、Qualcomm® Hexagon™ 680 DSP和Hexagon向量扩展(HVX)、Qualcomm® Zeroth™机器智能平台;此外,骁龙820Am版本集成X12 LTE调制解调器,可实现600 Mbps下行速度和150 Mbps上行速度。骁龙820A采用面向异构计算而设计的高度优化定制内核——它能够调度组合SoC上不同的功能性内核,例如CPU、GPU和数字信号处理器(DSP)内核,实现前所未有的性能和节能表现。 骁龙820A搭载的机器智能平台Zeroth™方案,旨在支持汽车制造商利用面向高级驾驶辅助系统(ADAS)和车载信息娱乐情景的神经网络,开发出基于深度学习的最先进解决方案并且高效运行在车内集成平台。Zeroth利用骁龙820A集成的异构计算引擎,加速深度神经网络的执行。此外还将推出一个基于Zeroth的针对骁龙820A汽车解决方案的开发工具包。 Qualcomm Technologies, Inc.汽车业务高级副总裁兼总经理Patrick Little表示:“通过骁龙820汽车处理平台,我们实现了前所未有的性能与技术集成水平,旨在显著提升消费者的安全性和车载体验。在此之前,单芯片、全集成的汽车级解决方案从未提供过如此无与伦比的组合,包括集成的LTE云连接、强大的异构计算、领先的多媒体性能以及突破性机器学习功能。长期以来,汽车行业一直寻求一个可扩展的解决方案来提供丰富的用户体验和支持消费者在个人移动终端上所习惯的性能、连接与可升级性,包括实时云连接与导航、沉浸式4K图形与视频显示、灵活的软硬件升级以及实现汽车安全性能新水平所需的深度学习与远程诊断功能。骁龙820汽车平台旨在提供以上全部功能和更多其他功能。” 集成X12 LTE调制解调器的版本旨在提供连续性车载和蜂窝连接,包括支持最高达600 Mbps下载/150Mbps上传速度的4G LTE Advanced Pro、向汽车串流高清电影、作为支持802.11ac 2x2 MIMO的Wi-Fi热点、连接车内多台移动终端,以及面向V2X(车对车/基础设施/行人)通信的802.11p专用短程通信(DSRC)。通过车内Bluetooth®(蓝牙)支持的本地连接,可实现车内移动终端与汽车信息娱乐系统之间的内容分析。Qualcomm Technologies还引领3GPP开发面向LTE Release 14(LTE V2X)和5G标准的汽车V2X规范。 AT&T Mobility物联网高级副总裁Chris Penrose表示:“正如Qualcomm Technologies一样,AT&T致力于促进联网汽车的发展,并在AT&T Drive平台上采用类似技术开发方法,向汽车制造商提供全球化、模块化的解决方案,为驾驶者提供业界最佳用户体验。我们设计的解决方案提供更出色的连接能力、灵活性和可升级能力,而Qualcomm Technologies开发的骁龙820A智能LTE模块是这一相同技术方法的典范。” 此外,骁龙820A集成的传感器,具备认知意识和车辆自我诊断功能,支持先进驾驶辅助系统(ADAS)特性以改善车辆安全系统,并借助全球导航卫星系统(GNSS)和航位推测技术提供定位与导航。通过集成先进的摄像头和传感器处理,骁龙820A支持“始终开启”的临界预警和应急服务,将标准摄像头扩展到智能摄像头,并支持使用环视摄像头的停车辅助周边视觉特性。这些特性均由芯片上带有HVX的Hexagon 680 DSP支持,可支持多个汽车摄像头传感器的同时连接。 骁龙820A系列汽车级处理器针对汽车生态系统而设计,并具有众多显著特性: · 可扩展的模块化平台提供了管脚、封装和软件兼容性,并有可选配的集成LTE功能,可随无线网络技术演进而进行软硬件升级。 · 通过提供覆盖从高端到标准性能配置的骁龙820A系列,支持垂直分层选项。 · 综合性软件可支持QNX、Linux和Android,以及大量平台级的高价值子系统集成,以应对更新周期的加速,并同时管理成本。 · 连接、多媒体和图形功能可支持诸多基于云的实时特性,包括串流多媒体、企业协作、实时地图与定位服务、远程诊断和一键式车载信息处理,为汽车OEM带来性能、连接和多媒体创新上的巨大潜力。 · 当集成的调制解调器新特性在蜂窝网络可用,集成调制解调器的版本能够允许蜂窝连接通过软硬件进行更新,此时无线运营商便能通过升级选项提供骁龙820A智能LTE模块概念。 Qualcomm Technologies还与爱信AW株式会社合作,利用骁龙820A开发模块化信息娱乐解决方案。爱信AW株式会社总经理Kyomi Morimoto表示:“我们期待骁龙820的强大特性能带来新一代信息娱乐系统所需的出色处理能力、图形性能和低功耗。” 黑莓有限公司子公司QNX软件系统有限公司是一家领先的车载电子软件平台提供商,其操作系统(OS)技术将兼容骁龙 820A。QNX软件系统有限公司高级副总裁兼总经理John Wall表示:“Qualcomm Technologies的处理器和QNX OS技术共同向汽车信息娱乐和车载信息应用提供成熟可靠的产品组合。全新的骁龙820A体现的可扩展性、灵活性和性能均与QNX® Neutrino® OS不谋而合,我们期待着与Qualcomm Technologies合作,向这颗功能强大的新SoC提供支持。” LG电子副总裁兼车载信息娱乐工程部总经理Won-Yong Hwang表示:“LG与Qualcomm Technologies已经在多个车载信息项目合作多年,将3G和LTE连接功能推广至汽车。LG欢迎骁龙820A集成最新LTE调制解调器技术和先进的多媒体、CPU与GPU特性,为下一代高性能联网信息娱乐系统提供可扩展平台。” 三菱电机集团研发总监Gareth Williams表示:“三菱电机对骁龙820A能够营造的优质用户体验倍满怀期待;全新CPU、GPU、Hexagon DSP和集成调制解调器的先进功能为终端客户带来显著提升——即支持车内更出色的手机体验。” 伟世通技术办公室总监Jim Farell表示:“伟世通致力于在我们的仪表板和信息娱乐系统中提供最先进的图像显示。而与Qualcomm Technologies合作,有助于我们达成该目标。” 此外,作为汽车生态系统的一部分,先进驾驶辅助系统(ADAS)视觉解决方案专家东软集团与Qualcomm Technologies合作,利用HVX视觉引擎计算性能和信息娱乐系统提供基于骁龙820A的认知视觉解决方案。 搭载820A系列的样车预计将于2016年第一季度亮相。CES 2016期间,大量来自Qualcomm Technologies和其他汽车行业领导者的基于骁龙820A的概念车和演示将在北厅915号Qualcomm汽车展位展出。

    时间:2016-01-07 关键词: lte qualcomm 汽车处理器 机器智能

发布文章

技术子站

更多

项目外包