企业竞相布局人工智能

如今,很多大公司都会利用神经网络来完成一些模拟人类思维的任务。

最初实现的任务是语音识别,但是现在IBM的超级电脑沃森(Watson)及其他各种各样的神经网络正在不断实现各种认知过程,从诊断疾病到象棋、扑克以及围棋游戏,再到沃森计算系统,机器都战胜了人类。事实上,IBM已将一项名为CognizeR的扩展添加到了R数据库语言,从而使程序员能直接使用沃森的认知计算功能。

美国国际数据公司(IDC)的研究主任Dave Schubmehl指出:“神经网络技术已显著提升了各种各样的技术,有了神经网络,现在的语音识别要精确多了。图像和视频识别也得到大大改善,对视频和图片中的形状、物体及图案的识别能力主要也归功于神经网络。神经网络技术被用于分类和识别各种不同类型的数据,从电视节目列表到电子取证,还可用于预测一些问题的答案,如机器何时需要维护、油管何时需要清理。”

许多大型软件公司都配置了具有认知计算能力的、模拟人脑的神经网络软件。

微软的神经网络算法和深度学习工具包(Computational Network Toolkit)可以让程序员利用上面的资源学习一些手动编程很难完成的任务,例如识别照片中的人脸位置、哪些图像是同一个人。

美国苹果公司正利用它的“基础神经网络子程序”(Basic Neural Network Subroutines)寻找更多样的机会,让程序员利用它已经完善过的认知算法为Mac台式电脑和IOS移动智能手机及平板电脑开发他们自己的学习应用程序。基于苹果公司神经网络的一些应用在iTunes Store上有售,这些应用程序可完成多种识别任务,如识别iPhone摄像头拍摄的照片中花朵的种类。

“认知/人工智能系统正在逐渐取代企业应用中的表格和启发理论。”研究负责人指出,“人工智能正被嵌入到各种用于提供建议和预测的应用程序,从销售支持到预测下一步最佳行动,到自动化合同审查和物流方案优化。我们还能看到一波新型人工智能对话助理投入到市场,用于客户服务、销售、以及传统上属于交互式语音应答系统领域或人类领域的其他应用。这些助理应用可为工作人员提供关于各种事宜的协助和建议,从医疗诊断到汽车卡车故障诊断。办公室助理会为你的项目搜索信息、帮助组织报告框架、协调联系组织内部(外部)专家,总而言之,能够给你的日常工作提供帮助。几乎所有的企业软件都会囊括这些能力。”

许多公司都在吸引用户利用其提供的基于类脑神经网络的认知算法来开发过去无法实现的复杂应用程序。例如,脸谱网、谷歌、推特都在使用深度学习框架Torch,谷歌大脑团队还在使用深度学习框架Tensorflow。大学也在开放开源软件,例如美国加州大学伯克利分校的深度学习框架“快速特征嵌入的卷积结构”(Convolutional Architecture for Fast Feature Embedding)。

用户利用这些深度学习框架进行各种数据训练:语音、图像、数值数据、非结构化文本等,然后形成算法去识别和鉴定陌生材料。这意味着我们需要大量的数据进行训练,并且需要保留其中一部分用于后续测试,以便验证这种识别算法对过去从未遇到过的陌生材料是否起作用。

美国惠普公司为程序员完成普通识别任务提供了更简单的方法——Apache Hadoop Vertica技术。Vertica已经接受过普通任务训练,例如在图像中识别人脸,并且还配置了简单的子程序,可以为绝大多数识别任务进行数据库挖掘。

半导体行业巨头英特尔、高通、英伟达、IBM和ARM都在设计专门用于神经网络的硬件,旨在加速操作、缩小软件的大小(目前需要依靠云计算资源和超级计算机来执行数百万行代码)。

IBM的“真北(TrueNorth)”神经网络芯片引起了轰动,这种芯片已被用于与美国劳伦斯利弗莫尔国家实验室(Lawrence Livermore National Laboratory,LLNL)联合开发的美国核武库防御系统。从二十世纪九十年代开始就禁止地下核试验,世界上最大的超级计算机就开始用于模拟核爆炸(以确保美国老化的核弹头仍可使用)。但是,即使是最快的超级计算机也必须通过任务模拟确保能够在合理时间内完成任务。现在,真北神经网络作为劳伦斯利弗莫尔国家实验室红杉(Sequoia)超级计算机的附加处理器,旨在充分加速进程,对美国的核武库进行足够详细的模拟。

英特尔也不甘示弱,2016年,英特尔因为青睐类脑Nervana Engine处理器芯片收购了创业公司Nervana,从而获得了神经网络领域的专业技术。英特尔保证为至强(Xeon)及至强融核(Xeon Phi)超级计算机处理器优化数学核心函数库(Math Kernel Library),从而让其能够直接访问Nervana Engine。

从超级计算机转到智能手机领域,高通已发布了骁龙神经处理引擎(Snapdragon Neural Processing Engine)以及用于编程的机器学习软件开发包。利用“Zeroth”认知计算平台,高通公司可让其最新的骁龙处理器在手机上执行语音识别等认知功能,而无需像现在一样需要通过宽带连接到云端计算机。

英国芯片设计公司ARM最近被日本的软银公司(SoftBank)收购了。ARM允许用户创建其微处理器核的神经网络版本,其本身并不生产版本而仅仅是发放许可。举个例子,利用英国曼彻斯特大学(University of Manchester)的研发成果,尖峰神经网络架构(Spiking Neural Network Architecture,SpiNNaker)可在ARM处理器上执行。受欧盟“人脑工程”(Human Brain Project)项目资助,曼彻斯特大学计划整合一百万个ARM微核来模拟人脑表现。

同样,设计大规模并行图形处理器(GPU)的英伟达公司自身也不创建神经网络,但它拥有很多机器学习工具,可以让用户利用它的图形处理器创建硬件驱动型神经网络及其他认知计算应用程序。

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2017-01-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

【头条】NVIDIA的Volta架构GV100大核心曝光;GPU终于可用于Google Compute Engine

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com ...

36140
来自专栏大数据文摘

为何机器学习识别声音还做不到像识别图片那么容易?

36440
来自专栏新智元

Ian Goodfellow:我最大的失败是用无监督解决计算机视觉的监督学习问题

18740
来自专栏新智元

【深度学习框架大PK】褚晓文教授:五大深度学习框架三类神经网络全面测评(23PPT)

【新智元导读】 香港浸会大学褚晓文教授团队在2016年推出深度学习工具评测的研究报告《基准评测 TensorFlow、Caffe、CNTK、MXNet、Torc...

45680
来自专栏AI科技大本营的专栏

Google发布“多巴胺”开源强化学习框架,三大特性全满足

强化学习是一种非常重要 AI 技术,它能使用奖励(或惩罚)来驱动智能体(agents)朝着特定目标前进,比如它训练的 AI 系统 AlphaGo 击败了顶尖围棋...

9620
来自专栏人工智能头条

五月人工智能博文Top10

9220
来自专栏量子位

TensorFlow产品经理:机器学习如何改变未来十年的软硬件?

王瀚宸 编译自 South Park Commons博客 量子位 报道 | 公众号 QbitAI 最近,Google Brain员工,TensorFlow产品经...

32050
来自专栏PPV课数据科学社区

TensorFlow产品经理:机器学习如何改变未来十年的软硬件?

本文为你分享Google产品经理关于机器学习工具的讲座概要。 最近,Google Brain员工,TensorFlow产品经理Zak Stone在硅谷创业者社群...

29840
来自专栏机器人网

这个机器人太牛了,陌生物体抓取识别成功率高达100%

给杂货拆包是一件简单但乏味的工作:手伸进包里,摸索着找到一件东西,然后把它拿出来。简单瞄一眼之后,你会了解这是什么东西,它应该存放在哪里 如今,麻省理工学院和普...

42580
来自专栏量子位

清华马少平教授详解:人工智能能做什么?

原文刊载于 明略数据(Minglamp_BigData) 量子位 | QbitAI 已获授权编辑转载 这是7月下旬,马少平老师在明略数据内部做的一个分享,基于此...

40060

扫码关注云+社区

领取腾讯云代金券