人工智能产业中的创新探索与研究.docx

?

?

人工智能产业中的创新探索与研究

?

?

姚霁岳颀

【摘要】人工智能深刻地影响着人类的生活，但其发展之路依然荆棘密布。本文提出了关于人工智能的基础层、技术层、应用层以及商业化进程中的创新思路，旨在为人工智能的发展提供新的动力。

【关键词】人工智能；基础层；技术层；应用层；创新

：TP309.7：A：2095-2457（2018）33-0016-003

DOI：10.19694/ki.issn2095-2457.2018.33.007

【Abstract】Artificialintelligenceaffectshumanlifeprofoundly，butitsdevelopmentpathisfullofobstacles.Theinnovativeideasaboutthebasiclayers，technicallayers，applicationlayersandtheprocessofcommercializationofartificialintelligenceareproposed，tryingtoprovidenewimpetusforthedevelopmentofartificialintelligence.

【Keywords】Transportationengineering；Pedestriandetection；Deeplearning；Twodimensionalprincipalcomponentanalysis

0引言

随着大数据的涌现、互联网的普及，数据和知识在信息空间、物理空间和人类社会之间交叉融合，促进人工智能在智能企业、智能生活、机器人、自动驾驶、电子商务、电子医疗等多方面形成深入的应用。然而我们要对人工智能的发展保持冷静的认知，人工智能所基于的深度学习仍有难以克服的缺陷，其商业应用之路荆棘密布。人工智能的进一步发展需要全产业链的深入创新。

人工智能产业链结构分为基础层、技术层与应用层。我国虽然已经成为全球AI中心之一，但数据环境、专业人才和底层硬件的不足，特别是芯片、CPU等产业的不成熟，制约着我国人工智能的深入发展。国内的AI企业需要认识到AI产业发展创新的困难性和战略意义，需要从人工智能产业链的各个环节（图1）全面布局、不断创新，才能实现人工智能发展的弯道超车。

1基础层创新

人工智能的基础层主要为AI技术和产业发展提供数据和计算能力，涉及到计算硬件、计算系统技术和数据。因此基础层的创新主要表现在数据的采集分析和计算硬件的发展。

随着人机物互联互通形成趋势，爆炸性增长的数据量不仅为基于深度学习训练人工智能提供了良好的土壤，同时也成为AI企业的战略性竞争优势。企业在数据采集的创新路上要逐步建立自筹数据、公共数据、产业协同数据等不同数据的来源途径；依靠积累的海量优质数据，为人工智能机器学习提供充足的样本，建立优质的算法平台；尤其要注意场景数据的积累分析，从而为提炼出更高效的人工智能应用场景的解决方案作准备。

在优质数据的基础上，企业要重点在计算能力上进行创新，开发具有深度计算能力的新型芯片。深度学习算法从软件层模仿人类大脑对底层信号的特征提取，使得学习目标更精准有效。然而当前的神经网络算法几乎全部基于传统的集中式硬件架构，无法发挥人工智能的技术优势，急切需要从硬件层加以解决。AI芯片加速了深层神经网络的训练迭代速度，极大地促进了AI行业的发展。目前，已经出现了NPU、GPU及各种各样的AI-PU专用芯片。企业在研究并行计算的架构前提下，進一步提高线性代数运算效率，同时降低功耗，这是AI芯片进一步创新的方向。

此外，近年来面向物联网应用的运动、生物、健康、医学、环境类智能传感器，以及面向工业互联网应用的微电器件等发展迅猛，AI发展的重心呈现出向硬件底层迅速渗透的趋势。各类用于环境感知和信息数据采集的传感器件、设备及系统是人工智能企业的发展重点，而相关开发工具与集成环境的优化是企业创新的另一方向。最终打造面向云、边缘和端等全场景的、独立的以及协同的全栈解决方案，提供充裕的、经济的算力资源是企业在基础层创新的终极目标。

2核心技术层创新

人工智能的发展是计算机软硬件技术交替前行、牵引演进的产物，其技术层的发展是AI发展的核心推动力。主要由深度学习和神经网络等技术组成，包括模式识别、机器学习、人机交互及智能的信息处理算法，乃至一切用于模拟人脑进行认知学习、分析的算法。

深度学习的研究推动了算法模型的持续优化。多伦多大学教授杰弗里·辛顿在2006年提出的深度学习的概念极大地促进了人工神经网络算法的发展，提高了机器自主学习的能力。随着算法模型的重要性