《2018 人工智能全景报告》对我国人工智能发展的启示及建议

龙源期刊网 https://www.360docs.net/doc/d9665241.html,

作者：王哲

来源：《中国计算机报》2019年第03期

《2018 人工智能全景报告》（以下简称《报告》）由剑桥大学计算机工程学博士、人工

智能风险投资家 Nathan Benaich 和 Ian Hogarth 合作撰写。《报告》重点回顾了近一年来全球

人工智能领域的技术突破、产业应用、资本运作和国家支持情况。深入研究该报告对掌握全球人工智能技术和产业动向、研判人工智能竞争格局具有前瞻性价值。

《报告》的主要内容

（一）迁移学习正成为提升机器学习能力的有效方案。《报告》指出，将迁移学习方法与深度学习算法有机结合，会大大提升机器对算法模型的复用能力，可能引领新一轮人工智能发展高潮。所谓迁移学习技术，是指能够借助多个不同数据的相关性，将知识和模型从某些领域适配到其他相关领域，提高样本不充足任务的分类识别结果。迁移学习可通过半监督学习减少对标注数据的依赖，提高模型的稳定性和可泛化性，提升深度神经网络的持续学习能力。比如谷歌使用迁移学习方法训练的 ImageNet 基于有限的像素输入和疾病标签，即可检测和诊断超过 2000 种皮肤癌。迁移学习与深度学习算法最有前景的结合点是图像处理和机器人仿真领域。

（二）AI 芯片是人工智能研究和应用进步的重要驱动力。《报告》认为，深度学习作为当前人工智能的主流算法，训练过程对数据量的要求不断提高，推理过程对实时性需求不断增强，通过人工智能芯片大幅提升人工智能研发能力的时机已趋成熟。近一年来，IC 设计商、IP 供应商、平台型科技巨头、大型云服务商、初创技术公司纷纷进入人工智能芯片领域，大举投入定制 AI 芯片研发，不断尝试突破现有芯片设计架构，提升处理器芯片的并行计算能力和存储带宽，试图在 AI 芯片领域抢占先机。例如，在 2018年 5 月的 GPU 技术大会上，英伟达发布了可同时用于高精度科学计算和低精度 AI 负载任务的 HGX-2 芯片，并开发了基于图灵架构的全新 GPU 产品。谷歌在 Google I/O 2018 上发布了专门为低功耗、小体积、独立终端 AI 计算设计的专用向量处理器 TPU 3.0，使视觉搜索模型的训练时间从数月缩短到数天。

（三）全球常识性数据库将成为推动感知智能走向认知智能的 AI 基础设施。《报告》预计，全球常识性数据库将作为 AI 基础设施，有效促进人工智能认知模型构建，推动人工智能由感知智能阶段迈向认知智能阶段，成为突破莫拉维克悖论的有效路径。

（四）预测未来 12 个月全球人工智能领域可能在四个方面发生重大事件。一是在技术突破方面，深度学习仍然是人工智能的技术焦点，其中特别指出，中国某实验室将取得重大研究突破。二是在产业应用方面，预测 DeepMind 的强化学习技术将依托《星际争霸》游戏得以在