江苏龙网

  1. 首页 > 资讯 > 资讯 > >

制高点|AI技术制高点之争，中国排哪里？( 二 )


制高点|AI技术制高点之争，中国排哪里？
文章图片

中国人工智能呈三阶段逐步推进 ， 重视与制造业和服务业的融合 。 自2015年起 ， 我国人工智能相关政策从智能制造时期、“互联网+”时期(以《“互联网+”人工智能三年行动实施方案》为代表) ， 到“智能+”国家战略时期(以《新一代人工智能发展规划》为代表)演变 。 政策重心从核心技术攻克到实际场景应用 ， 从特定行业到跨界融合 ， 从单项技术到人机协同 。 与美国和欧盟类似 ， 我国也强调建立相关试点项目 ， 包括技术示范试点、政策试验、社会实验 。
二、基础科研：美国最强 ， 中国快速追赶
中国人工智能领域论文数量增长较快 ， 但论文质量与美国依然存在差距 。 如图5.3所示 ， 全球累计发布人工智能论文超过70万篇 ， 中美两国是论文发表大国 ， 2018年中美两国分别发表论文2.5万篇和1.6万篇 ， 合计占全球比重达46.5% 。 从增长趋势来看 ， 美国保持匀速增长 ， 中国自2014年后增长较快 ， 中国论文数量占全球总量比重从1998年的8.9%上升为2018年的28.2% 。 从代表论文质量的FWCI(平均加权引用影响)指数来看 ， 如图5.4所示 ， 中国论文质量也在稳步提升 ， 从1998年的0.43提升至2018年的1.39 。 美国保持全球最高水平 ， 长年保持在2左右 ， 2018年FWCI指数达2.38 。
从论文发表机构类型来看 ， 包括中国、美国、欧盟27国等在内的各国和地区均以高校为核心科研力量 ， 2018年三者高校论文产出占各自总产出的92.1%、84.6%、90.7% 。 除高校外 ， 中美两国的主力科研主体有所不同 。 如图5.5所示 ， 2018年中国科研机构产出约为中国企业产出的3倍 。 如图5.6所示 ， 同期美国企业产出约为美国科研机构产出的1.6倍 。
制高点|AI技术制高点之争，中国排哪里？
文章图片

制高点|AI技术制高点之争，中国排哪里？
文章图片

制高点|AI技术制高点之争，中国排哪里？
文章图片

制高点|AI技术制高点之争，中国排哪里？
文章图片

三、数据量：人工智能时代的“原材料” ， 中国具有规模优势
电脑和智能手机的普及、互联网和移动互联网所累积的数据爆发 ， 是促进人工智能技术和应用突破的重要原因之一 。 人工智能需要做到“感知、思考、决策” ， 首先就需要足够多、足够好的原始数据对计算机进行训练 ， 犹如培育良驹 ， 必须喂足新鲜的牧草 。 “足够多”代表数据的数量要多 ， 电脑的发明使运算简化 ， 并让信息以电子化形式保存 ， 智能手机的普及使全球网民渗透率大幅提高 ， 两者令大量的数据被保存 。 “足够好”代表数据的质量要佳 ， 互联网的诞生极大地缩短了信息交流的物理距离 ， 提高了传播速度 ， 各类互联网类服务应用程序诞生 ， 其产生的数据类型也更加多样 ， 包括浏览网页喜好、外卖点单频率、行程记录等 ， 只有多元丰富的数据才能应对各种训练人工智能的要求 。 数据增长和应用依赖于信息及物理的基础设施构建 ， 中国将成为全球最大的数据中心 。 得益于人口数量、互联网渗透率、智 能手机渗透率、网速等因素 ， 如图5.7所示 ， 2018年中国拥有数据量7.6ZB ， 占全球数据总量的23.4% 。 随着5G、物联网等的发展 ， 通信设备接入数量和承载能力的提高 ， 终端消费者的增多 ， 预计中国的数据量将在2025年达48.6ZB ， 占全球数据总量的27.8%(见图5.8) ， 成为全球最大的数据集中地 ， 这将极大地促进和丰富人工智能训练 ， 相关模型结构和结果也会更精准 。
【制高点|AI技术制高点之争，中国排哪里？】制高点|AI技术制高点之争，中国排哪里？
文章图片

四、技术：深度学习推动本次人工智能热潮
足够多、足够好的数据支撑人工智能“感知”阶段 ， 而人工智能算法使计算机拥有思维 ， 从而达到“理解、决策” ， 深度学习在此过程中做出了巨大贡献 。 深度学习是一类模式分析方法的统称 ， 计算机通过学习样本数据来掌握内在逻辑和规律 ， 从而拥有分析能力 ， 这项研究最早可以追溯到1958年弗兰克·罗森布拉特发明的感知机(Perceptron) 。 利用感知机 ， 可以进行图像区分训练 ， 例如 ， 最常见的是从水果堆中选出“苹果”或者“香蕉” 。 然而由于当时缺少足量的数据 ， 该项研究陷入瓶颈 ， 并出现过度拟合(Overfitting)问题 。 例如学生希望通过练习相似的题目来掌握一种题型 ， 但是训练量不够大 ， 学生并没有理解题型背后的知识点 ， 因此试题一旦发生些许变化 ， 学生便无法解出答案 。 后来 ， 科学家通过研究人脑 ， 试图模仿脑神经网络机制来进行图像、声音等分类工作 ， 逐渐演化成如今的深度学习(见图5.9) 。


推荐阅读


上一篇：西井|人工智能+港口应用落地，上海这家企业在疫情期间逆行出海

下一篇：办事|“郑好办”APP上线新版本 政务服务“掌上办”开启2.0时代 多项设计优化 提升用户体验