2018世界人工智能大会——类脑人工智能主题论坛,这些公司被要求在15种应用类型中进行选择

图片 1

电工电气网】讯

图片 1

电工电气网】讯

根据TECHnalysis
Research最近公开的AI在企业的调查报告了解到,在美国,超过500家公司都在积极参与AI应用的开发、试行或运行工作。这些公司被要求在15种应用类型中进行选择,从图像识别到垃圾邮件过滤到物联网分析等等以及从开发到试行再到全面生产的每个应用成熟度级别。

脑科学与人工智能的结合是现今的科技热点。脑启发智能算法的崛起催生出新一代类脑人工智能系统,为疾病诊断、智能机器人等产业带来新的发展机遇。9月18日,2018世界人工智能大会——类脑人工智能主题论坛:“脑智融合,合作创新”在复旦大学光华楼举行。

据外媒报道,考虑到AI的飞速发展,所以当听到它在商业领域的应用也在迅速发展也就显得不那么令人惊讶了。然而让人猝不及防的是,在现实世界里,很多早期工作都是在数据安全和网络安全等更加普通的后台应用程序中进行,而非如许多人所想的那样在语音UI等更炫酷的环境下进行。

该论坛由复旦大学类脑智能科学与技术研究院、中国科学院脑科学与智能技术卓越创新中心、复旦大学科学技术研究院等承办。伦敦大学高等研究院感知学习中心主任Colin
Blakemore、中国科学院脑科学与智能技术卓越创新中心主任蒲慕明、英国帝国理工学院教授陆永青等做了主旨报告。

根据TECHnalysis
Research最近公开的AI在企业的调查报告了解到,在美国,超过500家公司都在积极参与AI应用的开发、试行或运行工作。这些公司被要求在15种应用类型中进行选择,从图像识别到垃圾邮件过滤到物联网分析等等以及从开发到试行再到全面生产的每个应用成熟度级别。

复旦大学校长许宁生在致辞中表示,复旦大学将承担脑与类脑智能转化研究,建设脑与类脑智能领域的具有全球影响力的科创中心。他期待人文与社会科学与人工智能领域的结合。

如下图所示,被调查者中,应用排名前二的是数据安全和网络安全,它们的占比都达到了70%左右。

伦敦大学高等研究院感知学习中心主任、英国皇家学会会士、中国工程院外籍院士Colin
Blakemore作了“基因,可塑和神经计算”主旨报告。他首先阐释了不同动物大脑功能的进化和突变的基本情况。他提到,现代人类的大脑的很多功能,在过去的五百年里是很难想象的,那是因为我们的大脑容量不断增长。他认为4000至5000年前出现书写和阅读是人类大脑功能增长的非常重要的节点。

而当按照实现的成熟度级别来看的话,出来的结果则更引人注目。下图列出了全面生产下的AI应用,可以看到,排名最高的应用基本都可以被分到后台或基础设施类型中。

Colin
Blakemore认为,在基因上相似的人,他们的大脑也具有很强的相关性。有人对同卵和异卵双胞胎作了研究,发现大脑灰质厚度的相似性在同卵双胞胎中大得多,但是额外皮质的相似性在同卵双胞胎中并不高。这一现象与大脑可塑性有关。例如,在记忆过程中,大脑会不断地改变。

其中垃圾邮件过滤应用排在第二,设备安全排在第四。这两个应有都可以利用AI学习技术为部署带来更强大的好处,但它们跟许多人期望或害怕的AI人类智能功能没有关联。当查看试行中的应用排名中,一个非常不同的组合升到了顶部。可以看到,商业智能、语音UI/自然语言处理、图像识别分列前三。然而数据显示,这些“科幻”的应用目前还处在开发的早期阶段。

中国科学院脑科学与智能技术卓越创新中心主任、中国科学院院士、美国科学院院士蒲慕明作了“突触可塑性与机器学习”主旨报告。他指出,大脑中有海量的突触,有不同种类的神经元细胞,不同的神经元又有不同的结构和功能。大脑会随着外界的刺激做出改变,可塑性就是一个非常好的体现。一旦电信号进入人的神经网络,就会对神经元和突触产生结构改变,比如其物理性状和结构方式。他介绍了中国、加拿大等国科学家在神经突触领域的研究发现。

仍处在开发阶段的AI应用关注的则是更为遥远的未来,其中,机器人技术排在首位,然后是制造效率/预测维护、呼叫中心/聊天机器人。很明显,许多公司正在努力将这些类型的应用融入到他们组织,但现实的表现仍有些落后。

蒲慕明介绍,神经元有各种种类,有长时程和短时程的可塑性,部分调节性的神经元对强化学习十分有用。在神经网络中,突触的传输有很多的延迟情况。这对于未来的机器学习有很多学习意义。

通过了解公司在这一新兴领域的动向可以帮助设定更加现实的预期,即AI各方面将如何以及何时开始对商业世界产生影响。

英国帝国理工学院教授、英国皇家工程院院士、美国电子电气工程师协会会士陆永青做了“可重构系统的研究进展”主旨演讲。

“前面的嘉宾讲到大脑是可塑的,也是可重构的,但今天我要讲的是有可重塑性属性的计算机,希望能为计算机科学家和大脑研究者提供一些灵感”,陆永青说。

陆永青首先介绍了计算机科学中的FPGA系统(Field-Programmable Gate
Array,即现场可编程门阵列)。通过FPGA,研究者能够做基因数据的分析、金融数据的模拟,包括微软和亚马逊在内的很多大公司都在数据中心使用FPGA。他还展示了卷积神经网络(Convolutional
Neural
Network,CNN)在图像识别领域的应用。他希望能开发出一种工具,为对计算机不了解、对硬件不熟悉的神经科学家设计出适合他们的类神经网络系统。