https://epaper.shautonews.com/Img/2018/9/m20180930592d78388a83449d9cc507618b17d9cb.jpg
《麻省理工科技评论》(MIT Technology Review)于1899年在美国麻省理工学院创刊,是历史悠久、影响极大的技术商业类杂志,内容覆
http://wap.shautonews.com/content/2018-10/07/005660.html

等待处理…

《麻省理工科技评论》“全球十大突破性技术”精选

2018/9/30

《麻省理工科技评论》(MIT Technology Review)于1899年在美国麻省理工学院创刊,是历史悠久、影响极大的技术商业类杂志,内容覆盖范围广泛。自2001年起,《麻省理工科技评论》每年都会评选出“年度十大突破性技术”。对此,很多人经常会提出疑问:“突破性”指的是什么?尽管每年选出的“十大突破性技术”中,有些还未普及应用,有些已处于商业化应用的风口浪尖,但不论是哪一种类型的科技突破,其都是聚焦于将对人类生活产生巨大影响的一项或一类技术。这里摘选部分“十大突破性技术”简介,以飨读者。

人工智能

1.对抗性神经网络

Dueling Neural Networks(2018)

入选理由:人工智能识别物体的能力已经越来越强了,给它看100万张图片,它就可以用惊人的准确度来告诉你究竟哪张图片中有一位行人在过马路。但是AI几乎不可能独自生成行人的图片。如果AI可以实现这一点,那它将可以创造大量看似真实的合成图片。而自动驾驶系统或许足不出户就能使用这些图片进行训练。对抗性神经网络让两个AI系统可以通过相互对抗来创造超越真实的原创图像或声音,而在此之前,机器从未拥有这种能力。

主要研究者:GoogleBrain、DeepMind、英伟达、中科院自动化研究所、百度、阿里巴巴、腾讯、商汤科技、依图科技、云从科技、旷视科技等。

2.面向每一个人的人工智能

AI for Everybody(2018)

入选理由:人工智能一直以来都只是亚马逊、百度、谷歌和微软等大型科技公司,以及少数初创公司的玩物。对于其他领域的众多公司来说,人工智能太贵,也太难,无法全面普及。

这个问题该如何解决?基于云端的机器学习工具正在将人工智能带给更广泛的群体。但人工智能一旦与云技术相结合,那它将可以让许多人触手可及,从而实现经济的爆发式增长。

主要研究者:亚马逊、谷歌、微软、百度、腾讯、阿里巴巴、科大讯飞、第四范式等。

3.自动驾驶货车

Self-Driving Trucks(2017)

入选理由:自动驾驶货车的优势很明显,除了能够出色、高效完成运输任务外,有研究表明,它可降低15%的排放量,还能减少交通事故,避免交通拥堵。另外,自动驾驶货车行驶10万英里(16.1万公里)可以节约5000英镑(约合人民币43000元)。但自动驾驶货车的上位很可能会影响货车司机的就业,这也意味着要适应新的职业环境,货车司机得多学些相关技能。

主要研究者:Otto、沃尔沃、戴姆勒、皮特比尔特、百度等。

4.强化学习

Reinforcement Learning(2017)

入选理由:强化学习作为一种人工智能方法,它能使计算机在没有明确指导的情况下像人类一样自主学习,它又称为再励学习、评价学习。它能应用于智能控制机器人,以及分析预测等领域。本质上,强化学习技术是从自然界中学习的一种基本法则。它的意义在于,能够让机器自主通过环境经验磨练技能,如加快自动驾驶汽车或其他领域的智能进展速度。其中,最经典的案例是,去年打败李世石的AlphaGo就是大量应用了强化学习技术。

主要研究者:DeepMind、Mobileye、OpenAI、Google Uber、科大讯飞、阿里巴巴、微软亚洲研究院、中科院、百度。

5.知识分享型机器人

Robots That Teach Each Other(2016)

入选理由:如果机器人能够独立解决更多的问题,并互相分享这些内容,那会怎么样?通过该技术,可以让机器人学习任务的同时,将知识传送到云端供其他机器人学习。

该技术一旦成熟,则不需要再分别对所有类型的机器进行单独编程,由此可快速推进机器人工业的发展。

主要研究者:Brain of Things、布朗大学、加利福尼亚大学伯克利分校、德国达姆施塔特工业大学。

6.会话界面

Conversational Interfaces(2016)

入选理由:会话界面将语音识别和自然语言理解相结合,为世界上最大的互联网市场创造切实可用的工具。中国是发展会话界面的理想市场,因为使用微型触摸屏来进行汉字输入十分麻烦。不过,随着百度在语音技术方面的不断进步,会话界面变得更为实用和有效,人们可以更为便利地与身边的设备进行互动。百度的深度语音识别系统(Deep Speech2)包含了一个非常大的、“深”的神经网络,它引入了数以百万计的转录语音。有时,它在识别汉语语音片段方面要比人为识别更加准确。

主要研究者:百度、谷歌、苹果、Nuance通信公司、Facebook。

上篇:没有了
下篇:没有了
分享到

© 2019 上海汽车报社有限公司

备案号:沪ICP备16052313号-2

↑ TOP