人工智能,简称AI(ArtificialIntelligence),他的起源很早,在1956年夏天的美国汉诺斯小镇,有一群对计算机之父图灵提出的图灵测试非常感兴趣的科学家和热衷人士(图灵测试是指如果有超过30%的被测试者认为和自己交流的是人而非机器,那么就可以说是机器通过了测试),他们集聚在小镇上想通过这次集会讨论和解决关于人工智能的事情,但是经过会议的一两个月的讨论后,他们发现人工智能并没有他们想的那么简单,并且会议结束后也没有什么实质性的进展,那一年就是著名的人工智能元年。
1956年:达特茅斯会议启动了AI领域,并创造了“人工智能”一词。
但这群热衷者并没有放弃对人工智能的追求,而人工智能是一门随着计算机的发展而发展的科学,前期计算机的发展就好像是在为人工智能做铺垫一样。
人工智能发展的时间轴
随着计算机的发展,人工智能的发展历经了几次寒冬和高潮。在这个过程中人们因为看到人工智能的前景而欢呼,却因为它的技术天花板以及它的遥远变现而对它丢失关注度。
2016年,google的人工智能机器“阿尔法狗”(AlphaGo)以总比分4:1战胜围棋世界冠军李世石,自此人工智能开始被社会大众所熟知,人工智能的热浪开始一浪接一浪。到2018年开始依赖Data-Driven的深度网络的技术开始窥见天花板,纯AI企业的技术落地和商业变现能力日渐困难,技术和场景需要融合,没有使用场景,和配套服务流程的AI企业逐渐被淘汰,很多大企业在使用场景方面占据很大优势,比如海康监控,因为人工智能的加持,更是占尽行业优势。但是大企业也有大企业的烦恼,人工智能的研究投入是非常浩大的,但是为了市场先机和企业的估值,企业不得不为人工智能继续烧钱。
人工智能行业似乎进入了一个僵持期,接下来它该何去何从呢?要想打破人工智能技术和变现困难,就应该针对当前工业的发展,让人工智能逐步落地。比如随着5G的发展,世界似乎又进入了一个全新的发展里程。这个时候人工智能应该好好结合和利用5G这块基石,对其进行产业“赋能”,所谓的“赋能”就是要找准自己在行业里的定位。要想生存,必须回归盈利,毕竟能抓到老鼠的才是好猫。
要想回归盈利,那么人工智能终将应用于工程实践。在实践的工程里,具体用什么样的人工智能技术则要看工程的需求,以解决实际问题为主,往往需要将各种学术界的成果结合起来使用。在这个过程中,会不会用到某一种人工智能技术,决定因素非常多样,要看该技术能否支持需求解决以及公司资源的支持匹配。
人工智能在学术研究领域,最注重的是算法,但是在工程实践里,需要重新定位,所有的工程需求才是第一位,为了解决工程需求,能提供多个可实施的人工智能方案变得更至关重要。
国家将加快人工智能研究生培养
2020年3月国家又放开了100所可以培养人工智能专业方向人才的大学,并发布了《关于 “双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》的通知,从人工智能需要深入学习研究的方面来看,这似乎有悖培养优秀人才的宗旨,毕竟人工智能是一门复杂的交叉科学,需要有强大的工科知识背景支撑,才能作出更好的研究成果,但是新公布的大学都不是传统工科强势的重点大学。如果你再深入思考,你将不难发现,其实在工程实践方向上,更注重的是解决方案,是各个行业的解决方案,如果将有各个行业的知识的人培养出来,去从事人工智能,反而比专攻工科的研究方向的人才更有优势。
这样看来让人工智能回归市场、回归行业进行落地生产是必然趋势。
责任编辑:tzh
-
计算机
+关注
关注
19文章
7489浏览量
87870 -
AI
+关注
关注
87文章
30763浏览量
268905 -
人工智能
+关注
关注
1791文章
47208浏览量
238280
发布评论请先 登录
相关推荐
评论