资讯您现在的位置:首页 > 资讯 > 商务资讯 > 正文
以机器智能为核心的人工智能基础是未来智能制造的核心技术
http://www.50cnnet.com 物联中国
日期:2019-02-14 09:49:20来源:物联中国 作者: 收藏

很多时候科技的发展远比我们想象的要快,就在我们质疑无人驾驶的时候,多地的无人驾驶车进行了道路实测,甚至无人驾驶公交车已经上路了。新年伊始更是爆出了吉利量产飞行汽车Transition将于2019年十月份开启预售。

未来已来,我们唯有对科技心存敬畏,把握好未来的战略科技发展趋势,使其更好地服务于我们的生活。

今天我们就来仔细剖析下当今世界10大战略科技。

1. 人工智能基础

自从2017年高调入选国家战略以来,很多人对于人工智能都不陌生,但事实上真正重要,能够对人工智能技术及各项应用起到决定作用的却是以下7项人工智能基础。所谓人工智能基础包括数学基础、机器学习的主要方法、人工神经网络、深度学习、神经网络、深度学习之外的人工智能、还包括人工智能的各项应用场景等。这7大基础,从数学计算逻辑,到人工智能模拟算法,人工智能基础架构即人工神经网络,到计算机视觉、识别、对话、机器翻译等各项应用场景,构成了一个完整的人工智能技术闭环,实现了从技术到应用的价值过度。


未来10大战略科技发展趋势


基于此,以机器智能为核心的人工智能基础是未来智能制造的核心技术,是智能制造皇冠上的明珠。

2. 智能应用与分析

智能应用与分析的基础是智能感知技术。智能感知技术根据对象和目标的不同,可以分为基于人体分析的感知技术、基于行为分析的感知技术。

基于行为分析的技术有目标检测跟踪技术,该技术是指采用背景差分法或帧间差分法实现目标检测对象的提取和动态自动跟踪;异常行为分析技术:该技术是基于双目识别技术,获取到目标人员的深度及三维信息(目标高度信息,提升目标行为分析和多目标检测的准确率、目标位置信息,提升多目标检测,尤其是目标间距检测、目标深度信息,提升多目标位置远近的判断),实现越界、进入/离开区域、区域入侵、徘徊、人员聚焦、快速移动、非法停车、物品遗留/拿取等异常事件的自动侦测与报警,变被动监控为主动防控。

基于人体分析技术有人脸识别技术,该技术基于人的脸部特征信息进行身份识别。通过人脸图像采集及检测、人脸图像预处理和人脸图像匹配与识别,实现面部特征识别。人脸识别智能感知技术。人体特征提取技术,该技术基于计算机视觉、图象处理与模式识别技术,对人体属性特征(性别、年龄段、身高、戴眼镜与否等)进行提取分析,实现人员身份识别。

人工智能在模仿和替代人类的肢体运动能力、认知感官能力、思维判断能力已经有了大幅度的提升,取得了令人惊叹的发展,但显然人工智能不仅仅是依靠大量的运算和数据处理,从仿生方法拓展到人工神经网络——主要是深度学习领域是智能应用与分析的一大趋势。

甚至通过建立人工智能神经网络,在终端侧运行人工智能算法,不仅实现即时响应、可靠性提升、隐私保护增强,以及高效利用网络带宽等,还能实现一些增强现实应用,如风格转换与滤镜、情景探测、面部识别、自然语言理解、物体追踪与规避、手势和文本识别等。

3. 智能物件

智能物件使用AI和机器学习,以一种更智能的方式与人和环境进行交互。智能音箱、网络摄像头等只是很初级的智能物件,真正高级的智能物件会在一定的时间内自主运行或半自主运行,以完成某项任务,比如打扫房间或给田地施肥,有了这些智能物件,未来智能家居、智慧家电将不再只是设想和奢望。更重要的是消费级设备、工业系统和医疗器材都是适合运用AI的智能物件。智能物件的下一个层面将是,大批智能物件协同运行来实现某个目标。美国国防部在试验用于空中监视的Perdix微型无人机,本田公司在开发一种合作合并能力,好让自主车辆可以协调其活动。

4. 数字双胞胎技术

又称数字孪生,是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。在未来,物理世界中的各种事物都将可以使用数字孪生技术进行复制。在工业领域,通过数字孪生技术的使用,将大幅推动产品在设计、生产、维护及维修等环节的变革。数字孪生有望通过以数字化手段呈现真实世界的实体或系统,节省数十亿美元的维护修理和操作费用。数字孪生提供了真实世界对象的状况方面的信息,可以响应变化或改进操作。数字孪生的好多例子都在物联网领域,不过数字孪生对于不是“物件”的对象而言也越来越有潜力。比如说,面向人类的数字孪生能够提供生物特征和医疗数据,医生可以用来诊断疾病。面向整个城市的数字孪生可以为城市规划人员提供操作和维护方面的信息。

5. 从云到边缘

云计算和人工智能的应用以及数据价值的挖掘,以全面创新驱动企业数字化转型,为各行各业带来巨大价值。与此同时,云服务继续加速企业数字化转型。从数据中心到云边缘到移动终端,以更为先进的云服务,驱动商业世界不断前进。虽然人们常常认为云计算和边缘计算是两种相互竞争的方法,但这是对这两个概念的一种根本性误解。边缘计算指的是一种计算拓扑结构:它让内容、计算和处理更接用户/物件,或者说是网络的“边缘”。云是这样一种计算:弹性可扩展功能作为服务来加以提供,但确实要求集中化。若结合起来,云模式创建了一种面向服务的模型,采用了一种集中式控制和协调结构,云服务部署到中间服务器或实际边缘,从而支持分布式执行模型。Office 365和AWS Greengrass是如今这种统一概念的两个例子。

6. 会话式平台

对话式平台是能听懂用户,能够进行互动交流的AI开放平台。对话式平台的广泛应用会开启新的交互革命。随着语音识别和NLP(自然语言处理)技术的大热,声纹识别技术(识别说话人是谁的技术)也逐渐进入大众的视野,它将与人脸识别等生物认证技术一起在安全和个性化服务领域得到越来越多的普及。目前的语音识别和声纹识别等语音技术受背景噪音,多人同时说话等环境因素影响准确度依然有很大的提升空间。

对话式平台将改变人们与技术进行交互的方式。翻译/转换意图的负担由用户转移到计算机。对话式平台先获取用户提出/发出的问题或命令,然后通过执行某种功能、呈现某种内容或要求进一步的输入来进行响应。这可能是简单的应用场景,比如查询天气,也可能是较为复杂的应用场景,比如商务预订。在未来几年,对话式界面将成为用户交互的一个主要设计目标,将通过专用硬件、操作系统的核心功能、平台和应用程序来实现。

7. 沉浸式体验

沉浸式体验提供参与者完全沉浸的体验,使用户有一种置身于虚拟世界之中的感觉。可以通过利用头盔显示器等装备把用户的视觉、听觉封闭起来,产生虚拟视觉,同时,它利用数据手套把用户的手感通道封闭起来,产生虚拟触动感。系统采用语音识别器让参与者对系统主机下达操作命令,与此同时,头、手、眼均有相应的头部跟踪器、手部跟踪器、眼睛视向跟踪器的追踪,使系统达到尽可能的实时性。临境系统是真实环境替代的理想模型,它具有最新交互手段的虚拟环境。常见的沉浸式系统有:基于头盔式显示器的系统、投影式虚拟现实系统。

增强现实(AR)和虚拟现实(VR)在改变人们感知数字世界并与之交互的方式。结合并扩展AR和VR的混合现实俨然成了一种首选的沉浸式体验,它提供了一种界面,以便更好地匹配人们如何看待世界并与之交互的方式。结合对话式平台,用户体验会出现根本性变化,变成一种无形的沉浸式环境。

8. 区块链

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式,是一种共享的、分布式的、分散的、标记化的账本,它做到了独立于单个的应用或参与者,因而消除了业务摩擦。一般说来,区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中,数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法;网络层则包括分布式组网机制、数据传播机制和数据验证机制等;共识层主要封装网络节点的各类共识算法;激励层将经济因素集成到区块链技术体系中来,主要包括经济激励的发行机制和分配机制等;合约层主要封装各类脚本、算法和智能合约,是区块链可编程特性的基础;应用层则封装了区块链的各种应用场景和案例。该模型中,基于时间戳的链式区块结构、分布式节点的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术最具代表性的创新点。

区块链让不受信任的有关方可以相互达成商业交易。虽然区块链具有长远潜力,但是在至少今后两三年,区块链的现状比区块链承诺的前景慢一拍。企业需要清楚地了解潜在的商业机会,还要了解这项技术的能力和局限性。要是没有相应的技能组合,包括加密技能,则应慎重考虑是否投入区块链项目。

9. 事件驱动

事件驱动是指在持续事务管理过程中,进行决策的一种策略,即跟随当前时间点上出现的事件,调动可用资源,执行相关任务,使不断出现的问题得以解决,防止事务堆积。在计算机编程、公共关系、经济活动等领域均有应用。数字业务时刻驱动数字企业。这种时刻结合了体验或发现显著状态或状态变化的业务活动。这可能是很简单的事件,比如表明采购订单已完成的信号。事件代理和物联网以及其他新技术意味着,可以更迅速地检测这些事件,还可以更详细地分析它们。企业应该积极奉行“事件思维”(event thinking),作为数字企业战略的一部分。到2020年,事件来源的实时态势感知将成为80%的数字业务解决方案的一个必备特点,而80%新的业务生态系统将需要支持事件处理。

10. 持续自适应风险和信任

随着越来越多复杂工具的使用,组织需要更加紧密地处理和对抗像 Wannacry 勒索软件这样的威胁。通过 CARTA(Continuous Adaptive Risk and Trust Assessment),组织可以实时把握风险和受信任的决策。在数字世界中,组织需要将安全性集成到其 DevOps 中,以提供连续的“DevSecOps”过程。持续自适应风险评估是从防护的角度看问题,力图识别出坏人(攻击、漏洞、威胁等)。持续,就是指这个风险和信任的研判过程是持续不断,反复多次进行的;自适应,就是指我们在判定风险(包括攻击)的时候,不能仅仅依靠阻止措施,我们还要对网络进行细致地监测与响应;信任,是指判定身份,进行访问控制。持续自适应信任评估是从访问控制的角度看问题,力图识别出“好人”(授权、认证、访问)。

持续自适应风险和信任评估(CARTA)可实现实时的、基于风险和信任的决策机制,对安全赋能的数字企业实现自适应响应。随着威胁不断发展和演变,安全界在随着不断变化。将安全整合到贵公司的开发运维(DevOps)工作中,以打造持续的开发安全运维(DevSecOps)流程,以及探究诱捕技术(比如自适应蜜罐),旨在捉住渗入到网络中的坏人,这是有望让CARTA成为现实的其中两项新技术。


出处:物联中国作者:Semiconductor Engineering(责任编辑:zy)
郑重声明:本文仅代表作者个人观点,与物联中国(www.50cnnet.com)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
分享到:
  • 资讯
  • 产业
  • 服务
  • 应用
友情链接