炼数成金 门户 商业智能 人工智能 查看内容

IBM Research 2019 AI预测

2018-12-20 10:39| 发布者: 炼数成金_小数| 查看: 25937| 评论: 0|来自: 乌镇智库

摘要: 整个2018年,AI虽略有降温和负面新闻,但热度依旧,芯片、平台、算法频频更新,各家研究人员们都在加速机器学习训练,在预测网络安全攻击和消除偏见等方面取得突破。上周四Dario Gil(COO and VP of AI and quantum ...

工具 算法 安全 人工智能 芯片 量子

整个2018年,AI虽略有降温和负面新闻,但热度依旧,芯片、平台、算法频频更新,各家研究人员们都在加速机器学习训练,在预测网络安全攻击和消除偏见等方面取得突破。

上周四Dario Gil(COO and VP of AI and quantum at IBM Research)发表文章说,2019年会将今天“狭隘”的人工智能带进更“广泛”的人工智能新时代,开发商、企业和消费者都能充分利用这项技术的潜力,进入产业互联网下半场。

广泛的人工智能的特点是能够进行更广泛的学习,并进行推理,整合多种形式的交互,接收不同领域的信息,同时更兼具可解释性、安全性、公平性(没有偏见,这事儿闹得沸沸扬扬)、可审计性以及可扩展性。

根据Gil的观点,以下是IBM研究人员在新的一年里要寻求推动行业发展的三个方向和趋势。

因果关系关系将越来越取代相关关系
Gil在文章中写到,今天的人工智能理论方法基本上是基于相关性,缺乏对因果关系的深刻理解。新兴的因果推理方法让我们能够从数据中推断出因果结构,从而选择有效的干预措施来检验因果关系,同时利用因果结构做出更智慧的决策。

Gil表示,在2019年,因果建模将成为AI研究的核心之一。

而Gil的观点和舍恩伯格(Viktor Mayer-Schönberger)在他的《大数据时代》描述的观点相左,书中部分章节提及“数据更好不是因果关系,而是相关关系”,在海量数据中,不必深究其本质,重点要关注相关性。“全样而非抽样,效率而非较精确,相关而非因果”,这是舍恩伯格的总结。

其实二人观点在深究之下并没有很强烈的冲突,至少都是在清楚认识数据(人和人,人和物,人与事,物和物,物和事,事和事)之间的联系,更清晰的看待世界。

可信任的AI抢占C位
隐私泄露事件今年爆出不少,很多公司在面对数据泄露的回应方式,都是建立一个伦理咨询委员会(ethics advisory boards),也有更多的公司在“算法公平性”上加大投资,即算法的可解释性、透明度。

Gil写到,在2019年,我们会慢慢看到“公司如何建立、培训和部署AI技术”成为核心问题,我们希望在AI领域研究的进展能够逐渐转化为落地的产品和平台,同时鼓励技术团队的多样性和包容性,能确保不同观点的整合,最终指导发展。

量子助力AI
Gil表示,量子计算实验和研究将在2019年崛起,同时还有关于量子如何在训练和运行AI模型中发挥作用的新研究。

本月8号相关报道,中科院郭光灿院士的团队基于对半导体及超导量子比特的长期研究,近期成功研制出一套精简、高效的量子计算机控制系统,可以实现对量子芯片的操控并发挥其性能优势。

随着人工智能问题的复杂性的增加,量子计算——数千家企业已经通过IBM的云量子计算服务访问——可能会改变我们处理AI计算任务的方式。

声明:文章收集于网络,如有侵权,请联系小编及时处理,谢谢!

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2019-3-25 06:02 , Processed in 0.111311 second(s), 23 queries .