什么是人工智能？
未来 10 年是全球迈入智能经济和社会的重要时期,将为我国人工智能新型基础设施建设带来巨大的发展机遇。（一）内涵特征
人工智能新型基础设施以数据,算力和算法为核心要素资源,是赋能实体系统实现感知,理解和决策等任务目标的能力中心。人工智能作为新型基础设施的重要一环,具有三大动力互为促进的“正循环”特征,见图 3-2-1。原有算法在更多数据和更快算力支撑下,可以进一步优化为更强的算法;更好的算法会创新出更好的应用,而更好的应用又会积累下来更多的数据。具体来看：
一是算力的大幅提升和成本下降。IT行业大名鼎鼎的摩尔定律以及云计算和大规模并行计算等,让以前需要数月甚至数年时间才能完成的计算可以在数小时内完成。当前普通人使用的手机计算能力,已经超越了美国登月计划时国家航空航天局所拥有的全部计算能力的总和。二是深度学习算法的突破。相比传统机器学习,深度学习优势在于,随着数据量的增加,效果显著提升。三是互联网等新技术和应用带来的大数据爆发。预计 2025 年全球数据将从 2018 年的 33ZB 增至 175ZB。其中,中国数据增长最为迅速,到 2025年有望增至 48.6ZB,占比全球第一,达 27.8%。Q 算力,算法,数据几大因素互为促进,推进产业快速发展。
（二）发展现状
人工智能自诞生至今已走过 60 多年的历程,1950 年,图灵发表《计算机器与智能》论文,首次探讨了机器能否拥有智能,并提出著名的“图灵测试”。1956 年达特茅斯会议聚焦人工智能开展了重要研讨,这一年也被称作人工智能元年。此后,人工智能经历了多次高潮和低谷的交错,但始终在探索中前行。2012年,加拿大辛顿教授团队利用深度学习技术,在 ImageNa 比赛中将图像识别准确度大幅提升至 85%,再次掀起了人工智能的热潮。2018年,美国计算机协会宣布把图灵奖颁给辛顿,本吉奥和杨立昆三位人工智能科学家,以表彰他们在推动深度学习发展中作出的杰出贡献。
中美两国是国际人工智能领域中的领头羊,我国人工智能在全球处于并跑和领跑地位。从企业数量看,全球活跃人工智能企业达 5386 家,美国 2169家,中国大陆 1189 家。全球共41家AI独角兽,美国 18家,中国 17 家;从投融资看,中美两国份额共计约 60%。2016 年以来,中国在 AI 领域获得的大额投资累计达 114 次,居全球首位D:从技术水平看,中国在语音、图像识别、NLP 等领域达到国际一流水平,国际科技论文发表量和发明专利授权量居世界第二。以专利为例,根据 2019 年“日经人工智能专利 50 强”,上榜的中国企业增至 19 家。其中,百度全球第 4(1522 项专利),国家电网全球第 6(1173项专利),腾讯全球第 8(766 项专利);从应用看,中国企业更愿意采用人工智能,这是人工智能大规模落地的重要基础。波士顿咨询调研显示,中国积极采用人工智能的企业占被调研企业总数的 85%,而美国仅一半。
2017 年7月,国务院印发实施《新一代人工智能发展规划》,同月新一代人工智能产业技术创新战略联盟宣告成立,确立“一体两翼”战略部署。其中,“两翼”分别指以专家为主体的多个工作组和以企业为主体的应用推进组。“一体”则是指新—代人工智能开源开放平台(简称“启智”,英文为OpenI).截至2019年,我国人工智能开源开放平台初步形成。2020 年,新一代人工智能重大科技项目设置专门项目,支持在联盟组织下,打通开源开放平台称开放创新平台,构建新一代人工智能开源开放基础设施。
（三）体系架构
人工智能新型基础设施建设是“A1芯片+数据资源+深度学习平台+开源开放平台”软硬件一体的智能大脑,为我国智能经济和智能社会发展提供核心驱动力和关键支撑,是我国赢得全球科技竞争主动权,推动科技跨越发展、加速产业优化升级,实现生产力整体跃升的重要战略资源。
1.算力基础
AI芯片是人工智能基础设施的核心基础硬件和专用算力加速器,为算法提供更高性能、更低成本的海量计算能力。AI芯片是专门针对人工智能算法设计和优化的芯片,相比传统的 CPU、GPU等芯片,它计算速度更快,功耗更小,可高效实现特定场景应用的训练和推理任务。据 OpenAI 统计,自2012年至 2019 年,计算机视觉类人工智能应用的芯片算力需求每 3.4个月增长一倍。随着算法的成熟和应用深入,未来 5年,AI芯片需求将以更快速度增长。
智能传感器是推动 AI更快应用到各行各业的关键基础元器件,是具有信息采集,处理,交换、存储和分析等功能的集成电路。例如机器视觉智能传感器同时具备图像采集能力和图像 AI 分析能力,可以直接嵌入电视、台灯、冰箱等产品中,成为家电产品的“眼睛”。
2.数据资源
数据是人工智能新型基础设施的核心要素资源..各领域的公共数据集建设,将给计算机提供源源不断的资源,促进模型和算法的优化,进而让人工智能在各行业发挥更大的作用。这既包括语音数据集、图像数据集、自然语言数据集等,也包括工业、政府、医疗、交通、教育等各行各业的公共数据集。
3.算法平台
算法平台是人工智能新型基础设施的核心软件平台,是国际人工智能技术竞争的焦点,具有极高的战略意义。当前最为成熟的是深度学习平台,被称为“人工智能时代的操作系统”,不仅为各行各业生成海量的人工智能算法模型,还是连接AI 芯片和开放平台的桥梁纽带,发挥着承上启下的重要作用:向下直接影响芯片的指令设计,向上提供应用接口支持各类模型的开发,进而基于这些模型开发出各类 AI 应用。深度学习平台大大降低了人工智能技术的开发门槛,可有效提高深度学习的效率和质量。
典型的深度学习框架由核心训练和预测框架、系统调用接口等构成。国外巨头很早就意识到框架的重要性,希望从底层构筑对产业生态的控制力。谷歌 2015 年发布TensorFlow,已有超过4100万的下载量。目前我国深度学习平台的大部分份额被国外公司占据,可与国外对标的是 2016 年开源的百度的飞桨平台,以及 2020 年开源的华为 MindSpore 和旷视 Brain++「天元」深度学习开源框架等。其中,百度飞桨开源平台 4 年来已累计服务 150 多万开发者，同时支持稠密参数和稀疏参数场景的大规模深度学习并行化训练,支持万亿规模参数,数百个节点级的并行训练,可以在多种硬件上部署,支持服务器端,移动端等多种异构硬件设备的高速推理,预测性能优异。华为MindSpone AI 计算框架于 2020 年3月正式开源,支持端、边、云独立和协同的统一的 AI 领域训练和推理场景,支持不同的资源部署环境,以统一分布式架构支持机器学习和深度学习,提供跨平台、大规模,高并发的 AI算法运行软件环境。
工具是降低 AI 应用门槛、提升效率的关键技术,AI 领域的主要工具包括:AI开发工具、数据管理工具和 AI算法部署工具三大类。
4.人工智能开源开放平台
在新一轮工业革命中,数据,算法,算力等成为新的创新要素,开源开放平台也因此成为最高效的技术供给模式和创新模式,成为重要的新型基础设施。
人工智能开源开放平台从不同角度来看,可以分为四个层次和两大类别。其中,人工智能基础设施开源开放平台的四个层次分别是:开源社区层、开源创新平台层,开放创新平台层和开源开放节点层。开源社区层是指人工智能领域的科学研究,技术开发和应用开发活动,服务我国产学新基建数字时代的新结构性力量能产业化落地非常关键,其中,通过自动化引擎评测平台,可以开展统一和标准的自动化评测,全面,客观地评测引擎在不同样本集上的优劣势;标准对人工智能发展具有基础性、支撑性和引领性作用,2018 年国家标准化管理委员会正式成立国家人工智能标准化总体组,负责拟定我国人工智能标准化规划,协调人工智能相关国家标准的技术内容和技术归口,统筹相关标准化组织,企业及研究机构,建立人工智能基础共性标准与行业应用标准的传导机制,2020年 3 月在全国信息技术标准化技术委员会下成立了人工智能分技术委员会,对口国际 ISO/IEC JTCI SC42;伦理规则的建立是人工智能发展的“压舱石”,2019 年相继发布人工智能北京共识和新一代人工智能治理原则,我国对人工智能伦理和治理的重视已上升到国家层面。
声明：以上内容来源于网络，如有侵权请联系我们(123@shiyan.com)删除！
页:
[1]