期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 邮发代号：80-381 电话：010-88558766 邮箱：aiview@ccidmedia.com
深度学习是驱动人工智能近年来取得突破的关键核心技术,带动了语音、视觉、自然语言相关技术领域的跨越式发展,加速推动了人工智能的产业化落地。深度学习框架和平台作为深度学习底层基础设施,对深度学习技术和应用的快速发展起到了重要推动作用。本文首先介绍深度学习的基本概念,概述深度学习的发展历史,接着具体介绍深度学习的核心技术特性、重要进展及热点趋势,然后介绍深度学习框架和平台的发展状况,最后介绍深度学习技术的应用情况。
人工智能软硬件的蓬勃发展,为应用的高效部署提供了诸多便利,但同时也带来了多样化、复杂化、碎片化等挑战。在人工智能软件的各个层次中,算子库是最为贴近硬件的软件基础设施,也是连接人工智能硬件和应用的关键纽带。本文介绍我们在人工智能算子接口标准化研究中的相关工作和进展,包括核心张量数据类型、接口定义所涉及的关键技术问题,以及标准的参考实现、测试框架等内容。
视频数据分析将是人工智能技术应用的重要技术课题,而高效的视频理解方法更是大规模视频分析应用落地的基础。本文将阐述高效动作视频特征学习的研究进展,分析利用视频时间连贯性和冗余性加速视频特征计算的主要技术方法,并讨论视频特征学习面临的挑战与未来的发展方向。
以深度学习为代表的通用人工智能技术在众多领域取得了巨大的进展。然而，人工智能算法极易受到对抗样本等噪声的干扰，产生不可预期的错误，其安全性和可信赖性面临严峻的考验。近年来，国内外高度重视人工智能的安全性，开展了大量的技术研究，并出台了众多相关政策文件。本文结合对抗样本对人工智能带来的安全性问题，阐述了解决人工智能安全性问题的技术手段，针对其中的安全评测技术，总结当前业界在标准、技术、平台等方面的研究进展，阐明未来人工智能产业健康发展亟需建设的安全评测和保障体系。开展人工智能算法安全评测和保障体系的建设，可有效规避算法潜在风险和质量缺陷，是实现人工智能算法可解释、可信赖的基本路径，对于确保人工智能技术安全、可靠、可控具有重要意义。
深度学习是本次人工智能发展的核心技术。得益于大数据、硬件算力和深层神经网络优化算法的突破性发展,深度学习在计算机视觉、语音识别、自然语言处理等研究领域取得了最优甚至超越人类的效果。为了使深度学习技术更好地赋能行业场景,各大AI科技公司先后推出了多个开源深度学习框架和一站式深度学习开发平台。本文首先简述深度学习的发展历程,然后对业界主流的深度学习开发平台的技术、功能和特性进行介绍和对比,最后,列举了平台在行业场景中应用的一些典型案例。
随着人工智能(AI)技术的发展与日益成熟,金融业智能化场景的应用需求呈现井喷式增长。但是,传统人工开展机器学习建模方式存在技术门槛高、建模周期长等痛点,成为制约人工智能快速落地与规模化应用的主要障碍之一。为了突破人工开展机器学习建模的诸多限制,业界正积极探索建立这样一种机制:让计算机自行设计、学习与训练模型,即应用AI学习AI。在此背景下,自动化机器学习技术应运而生。自动化机器学习可以让机器在无人干预的环境中建模,实现建模过程的自动化。本文介绍了自动化机器学习的技术原理、发展过程、关键技术、主要价值以及业界应用情况，结合中国工商银行技术验证与应用实践，探索运用自动化机器学习技术加速金融业智能化场景规模化应用。
经济的快速发展离不开坚强电网的支撑,电力设备的日常巡检是保障电网安全稳定运行中的一项重要举措。近年来,为了解决传统人工巡检存在的危险系数大、工作效率低等问题,机器人、无人机等智能装备被引入电网巡检领域并加以应用。本文以电网输变电智能巡检为背景,介绍广东电网智能巡检装备应用现状,并通过部分典型案例阐述深度学习如何为智能巡检装备赋能升级,并对其未来发展趋势与挑战进行展望。
工业是数据结构化和规模化基础最好的领域之一,我们坚信人工智能、大数据、云计算会在制造业智能化转型升级过程中将起到决定性作用,人工智能算法以及规模化算力将成为工业史上的一种全新的生产要素,并为工业带来新一轮品质和效率的革命。但与此同时,我们所面临的挑战是如何能够将人工智能与工业场景有机结合,让人工智能可靠的、有效的、可重复地在工业场景稳定运作,这也是本文所探索及论述的重点。
随着我国机动车保有量的不断增大,交通拥堵问题不断凸显,如何更好地控制交通信号,使其适应国民经济的高速发展,变得尤为重要。传统交通信号控制,大多基于人工调整信号时长,人力成本高,控制效果较差。因此,业界研发出多种基于AI算法的信号控制解决方案。本文对业界不同的AI信号控制方案进行分析,阐述了百度飞桨框架的PARL组件在深度强化学习领域的应用,并对交通信号控制领域的未来进行了展望。
本文先总结概述了以神经网络为核心的人工智能发展历程及其中的关键时间节点,然后具体介绍了深度学习技术在放疗自动勾画和肺炎筛查及病情预评估两个医学影像场景下的具体应用,再围绕深度学习神经网络模型在以上两个场景中的应用所存在的问题开展了针对深度学习及其所在产业局限性的以点及面的讨论。最后,本文对于未来包括深度学习在内的人工智能技术如何积极借鉴认知神经科学领域的前沿研究成果做了介绍和展望。
如何设计一款"听得清、解决好、监察快、运营易"的智能客服产品是极有挑战的,不同企业的智能客服产品离该目标还存在或大或小的距离。通常,我们会标注海量数据来训练机器模型,以提升算法的准确性、建设高度自助化的工具,减少用户与智能客服的交互轮数。但即便如此,智能客服产品还会经常显得不那么智能。经过最近几年的不断摸索总结,腾讯智能客服发现通过人机协同,可以较好地解决这个问题。人机协同或成为未来智能客服的趋势。
近年来,深度学习推动着人工智能技术和产业发展浪潮迭起。然而,随着技术的不断前进和应用的大规模增长,产业开发者们面临的挑战也日渐突出。作为人工智能实现跨越发展的重要突破口,深度学习框架引起了科技界、产业界的高度重视。