人工智能机器人佳佳接受媒体“采访”,资本看好哪点?
"你喜欢我吗?"这是全球首个高仿真智能机器人佳佳,与美国《连线》杂志创始人、多年关注人工智能发展的凯文·凯利进行跨洋对话中的提问。"是的。"沉默几秒后,凯利回答。"我也这么想。"佳佳冷静地回应。
佳佳是中国科技大学研发的中国首台特有体验交互机器人,其具有人类外表,内涵已远远超越苹果语音助手Siri,体内基于机器学习的AI技术让她可以在与人类对话时随机、不可预测地回答甚至反问。因此,有网友惊叹,我们现在是否就身处科幻电影之中了?人工智能已经变得无所不能?
在首届"太和文明论坛"举行期间,联想创投董事总经理王光熙博士在接受媒体记者专访时表示,今天的人工智能只是一个辅助的工具,要它具有自己思维、自己进化、超越自己的能力,甚至变成一个不可控的爆发或者增量,这当中不仅需要时间窗口,且是一个相对比较缓慢的渐进过程。
AI全球资本热度不减
"人工智能是一个工具,如果一个工具还不能超越人类,你要这个工具干什么?"微软亚洲研究院副院长潘天佑在太和文明论坛演讲中指出,有一天这个工具在某些功能上面超越人类才能够服务我们,变成有用的工具,这个比赛才会继续进行下去。
潘天佑透露,前文提到的机器人佳佳正是融合了微软情感计算框架,才使其看似具有了人类的"思维"。而微软近期发布的对话型人工智能系统"第五代微软小冰",已经率先进入高级感官阶段。
可以说,自谷歌"阿尔法狗"横空出世屡次挑战人类以来,全球众多科学家正在为让机器更加智能而奋斗,以期望人类生活更加美好。一个新的世界即将到来,资本也嗅到了赚钱的味道。
腾讯研究院近日推出的《中美两国人工智能产业发展全面解读》指出,自1999年美国第一笔人工智能风险投资出现以后,全球AI加速发展,在18年内,投资到人工智能领域风险资金累计1914亿元。此背景下,苹果、谷歌、微软、亚马逊、脸书,这五大科技巨头无一例外投入越来越多资源抢占人工智能市场,甚至整体转型为人工智能驱动的公司。国内互联网领军者BAT积极布局人工智能领域,各细分领域也涌现了不少初创企业。
截至2017年6月,全球人工智能企业总数达到2542家,其中美国拥有1078家,占据42%;中国其次,拥有592家,占据23%。可以说,从人工智能产业在全球的实际发展看,相关报告显示,人工智能领先的国家主要有美国、中国及其他发达国家,中国近些年正在奋起直追。
王光熙认为,相对美国来说,中国很多基础技术积累存在一定的差距,但是中国在AI上也是一个大的潜在市场。同时,中国在移动时代已经比互联网和信息化时代好很多,国内也开始涌现出很多较好的核心技术,甚至世界一流的核心技术。
蕴藏机会也催生泡沫
王光熙指出,中国现在不管从软件算法,还是后面的商业应用已经非常靠前,尤其在商业模式上更加领先。从创业投资领域角度来看,美国面向全产业投资,投资领域遍及基础层、技术层和应用层,而中国接受融资的企业主要集中在应用层。
当下,人工智能产业出现了九大发展热点领域,分别是芯片、自然语言处理、语音识别、机器学习应用、计算机视觉与图像、技术平台、智能无人机、智能机器人、自动驾驶。美国全产业布局,而中国只在局部有所突破。其中,在中国AI创业公司中排名前三的领域为:计算机视觉与图像146家,智能机器人125家以及自然语言处理92家。
"iRobotCity的机器人和解决方案已在金融、烟草、电力等行业得到应用,我感受到了人工智能对社会带来的冲击。"信帧机器人(iRobotCity)CEO贺江涛在太和文明论坛上表示,"机器人运动控制、室内外导航、图片识别、视频识别、语音语义识别、声音重建、大数据技术等每一个技术都是一个非常复杂的深度学习技术体系,如何把这些复杂的技术组合在一起协调工作,我们花了5年时间。"
在一片唱好的声音下,也有冷静的声音认为,人工智能这个词出现在公众面前的频率越来越高,但综合技术演进和应用等来看,并不会出现爆发式发展,反而要警惕出现泡沫。
对于泡沫,王光熙表示,最热的东西总是会有一些泡沫产生,"我们会愿意投有核心技术、基础技术的公司,当然也会重视商业应用,看重会把AI技术加上智能互联网运用到传统产业的公司。"
在王光熙看来,中国产业的机会多,传统产业本身相对来说落后,在这种情况下如果能够运用像AI这样的技术很快地从一个相对落后的程度成为世界领先的产业,实现跨越式发展。这当中蕴藏的机会和经济效益越大,大家就会更重视,泡沫也就会相应的存在。
- 传感器让植物“开口”,渴了冷了全知道(11-15)
- iKair转型传感器厂商发布Maxense 撬动物联硬件领域(05-29)
- Fairchild FIS1100评估套件登陆Mouser,内置全球首款高精度、低功耗MEMS IMU(07-07)
- 投资者最喜欢这样的传感器和人工智能项目(02-24)
- Touch Taiwan 2016智慧显示与触控展览会(07-19)
- 这个语音识别领域最牛的人,这样揭秘深度学习与语音识别(03-02)