从美国人工智能年会看2017世界人工智能最新研究成果

2018-03-19 16:31:47 3

网站关键词


这届美国人工智能年会(AAAI),利用举办地在旧金山的地利,特别开设了为期一天的“AI in Practice”的讨论,邀请了8家科技公司人工智能的技术主管,分享在各自领域的技术进展。

       从实际应用角度来看,关键性的应用几乎不允许发生错误,一旦发生故障可能造成人员和财产损失,所以对整体系统包括硬件和软件的可靠性要求非常高,实现难度也随之加大。

       而面向物理世界的应用,要求系统的鲁棒性强,能够处理物理世界的各种不确定性和复杂性。

网站关键词

       因此,从数字/物理世界、关键/非关键应用两个维度来分析,人工智能的应用分成四大类:

第一类,发生在物理世界的关键性应用,比如无人驾驶,毕竟人命关天。

第二类,发生在数字世界的关键性应用,比如涉及到金融领域和计算机安全领域的问题,可能直接造成财产损失。

第三类,发生在物理世界的非关键性应用,比如扫地机器人。

第四类,发生在数字世界的非关键性应用,比如推荐系统。就商业应用路线而言,一般规律是从数字世界的非关键应用开始,逐步渗透到物理世界的关键应用。

       总体而言,发生在物理世界的关键性应用技术难度非常大,比如高级别的无人驾驶,是需要长时间的培育和等待的领域。

      “AI in Practice”的演讲者之一,来自谷歌的Vincent Vanhoucke以及Waymo(谷歌的无人驾驶公司)的Dimitri Dolgov都分享了一些研发机器人和无人驾驶的经验和教训。

       Vincent所带领的Google Brain团队目前工作主要集中在三个领域:语音识别、计算机视觉、机器人。而Dimitri引用了加利福尼亚车管局(DMV)提供了2016年关于无人驾驶里程及失灵(Disengagements)的数据(失灵时需要人类司机来驾驶),这个数据也基本验证了无人驾驶的难度。