江苏龙网

  1. 首页 > 资讯 > 科技 > >

『』为什么已经步入人工智能时代，还不了解人工智能的基本常识？( 五 )


上述例子表明 ， 认识技术的潜在商业收益远大于自动化带来的成本节约 ， 这主要体现在：
更快的行动与决策（比如 ， 自动欺诈检测 ， 计划和调度）
更好的结果（比如 ， 医学诊断、石油探测、需求预测）
更高的效率（亦即 ， 更好的利用高技能人才和昂贵设备）
更低的成本（比如 ， 自动电话客服减少了劳动成本）
更大的规模（亦即 ， 开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年 ， 认知技术在商业领域的影响力将显著增长 。原因有二 ， 首先 ， 近些年来 ， 技术性能有了实质进步 ， 并处于持续研发状态 。其次 ， 数亿美元已经投入到技术商业化中 ， 许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案 ， 以使这些技术更易购买和配置 。虽然并非所有的技术提供商都能幸存 ， 但他们的努力将共同推动市场前进 。技术性能的改善和商业化正在共同扩大着认知技术的应用范围 ， 这种情况在未来几年都将持续下去 。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多 。比如Google的语音识别系统 ， 一份报告显示 ， Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98% 。计算机视觉技术也取得了突飞猛进的发展 。如果以计算机视觉技术研究者设置的技术标准来看 ， 自2010年到2014年 ， 图像分类识别的精准度提高了4倍 。Facebook的DeepFace技术在同行评审报告（译者注：同行评审 ， 是一种学术成果审查程序 ， 即一位作者的学术著作或计划被同一领域的其他专家学者评审 。）被高度肯定 ， 其脸部识别率的准确度达到97% 。2011年 ， IBM为了让Watson在智力节目《危险边缘》中获胜 ， 曾对Watson进行优化 ， 提升两倍的答案精确度 。现在 ， IBM又宣称如今的Watson比当时“智能”了2400% 。
随着技术的改进和提高 ， 技术应用的范围也在不断扩大 。比如 ， 在语音识别方面 ， 机器曾经需要大量训练才能在有限词库里勉强识别出来 ， 由语音识别技术延伸出的医疗应用程序也很难得到真正普及 。而现在 ， 每个月互联网上都会有数以百万次的语音搜索 。另外 ， 计算机视觉技术过去被狭隘的理解为部署在工业自动化方面 ， 但现在 ， 我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里 。IBM如今正拓展Watson在竞赛游戏之外的应用 ， 从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心 。
并不是所有的认知技术都有如此令人瞩目的发展 。机器翻译有了一定发展 ， 但幅度很小 。一份调查发现 ， 从2009年到2012年 ， 将阿拉伯语翻译到英语的精确度仅仅提升了13% 。尽管这些技术还不完美 ， 但他们已经可以影响到专业机构的工作方式 。很多专业翻译人员依靠机器翻译提升翻译精准度 ， 并把一些常规翻译交给机器 ， 自己专注在更具挑战性的任务上 。
很多公司正努力将认知技术做进一步研发 ， 并逐步将其融入到更多产品尤其是企业级产品里 ， 以方便企业用户购买和部署 。
2、对商业化进行的大规模投资
从2011年到2014年5月 ， 超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里 。与此同时 ， 超过100家的相关公司被兼并或收购 ， 其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购 。所有这些投资都在培育一个多样化的公司图谱 ， 这些公司正在加速认知技术的商业化进程 。
在这里 ， 我们并不会提供关于某公司在认知技术商业化方面的细节 ， 我们希望说明 ， 认知技术产品拥有丰富的多样性 。下面就是致力于认知技术商业化的公司名单 ， 这个名单既不是完整无缺也非固定不变 ， 而是一个动态的 ， 用于推动和培育市场的指标 。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术 。这些工具利用自然语言处理来从非结构化的文本中提取出意思 ， 或者借助机器学习帮助分析人员从大规模数据集中发现深层含义 。这个领域的公司包括ContextRelevant（译者注：美国的一家大数据挖掘和分析公司）、PalantirTechnologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司） 。


推荐阅读


上一篇：『』iPhone12将如期而至！配置全面曝光，果粉：价格很伤人

下一篇：[]“砍单”过后又“抢单” 国内手机产业链机会来了？