0
| 本文作者： 張利 | 2017-04-28 20:13 | 專題：GMIC 北京 2017 |
雷鋒網按：4月27日，GMIC 2017（全球移動互聯網大會）北京站開幕。
雷鋒網4月28日消息，由專注連接中外創新者的DayDayUp承辦的AI+國際創新峰會召開，高通全球副總裁、創投董事總經理沈勁發表了《人工智能如何改變產業生態》的主題演講。
沈勁表示，人工智能已經進入下半場，下半場意味著其發展速度會比我們想象地快的多，人工智能已經能夠迅速變革各個行業。
“人工智能有三大推動力：數據、網絡、計算能力 ，它們各自都在以指數級的速度發展。”沈勁講道，“歷史上90%的數據是在過去兩年產生的，今后兩年的每個單元的三級管數量等于1972年發明半導體以來的數量總和，即今后的兩年的增長等于以前的總和。今后六年，手機、物聯網的連接數量等于以前60年的總和。”
以下演講原文，雷鋒網進行了編輯整理：
分析機構Tractica列出了15種人工智能應用場景，按創造的價值從高到低，前10種分別是：靜態圖像識別、分類和標記；算法交易策略改進；高效、可擴展的病人數據處理過程；預測性維護；地理空間圖像的物體識別、檢測、分類和跟蹤；圖像的文本查詢；地球物理特征自動檢測；社交媒體的內容分發；目標檢測和分類——導航；預防網絡安全威脅。
高盛則提到人工智能應用的5大領域：能源、零售、健康、金融和農業。
我做了一個對比：哪些場景可以應用到哪些領域中。其中一些是非常明晰的，比如大規模醫患數據的處理肯定要應用到醫療中。能源和農業領域均有大量的大型設備，這則是維修的精準預測場景，預測檢修的時間表能夠節約大量的成本。
目前，農業是5大領域中數據化最慢的領域，傳統的農業是靠天吃飯、靠經驗進行耕種，如今，有一些植入式的傳感器得到了應用，還有無人機承擔數據的搜集和農藥的噴灑工作，而將來以大數據為基礎的人工智能會給農業帶來巨大的變革，我這兒提出三個方面：
1、通過優化種子播種、灌溉、殺蟲和收割，提高作物產量和質量。北京郊區有個種植草莓的農場，通過實施生長曲線最優化，調節參數、溫度和水分等，使得產量最高、營養和口感最好。
2、蔬菜、水果智能整理。蔬菜、水果采摘完以后有很重的整理、分類工作，智能整理節約大量人力。
3、計算機視覺和是語音應用于農作物和家禽病蟲的預警。以色列公司Prospera公司用攝象頭計算機視覺持續觀察農作物葉子成長的情況，比如有毛蟲旱災或者皎白粉病時可以提前預警。另外，聲音也可以來采集。有這樣一個實驗，每天早晨在養雞場、養鴨場采集聲音，在大數據的模型里進行運行，預測其三天內是否有病菌感染，三天內預測準確度是66%，八天預測準確度則是100%，以此提前采取措施，雞的產量、質量都有所上升。
高盛的報告中沒提到教育，但是教育在中國一定是個非常大的領域，人工智能在教育領域有7方面的應用：
1、作業批改，省下老師助教工作量，機器人批改數學和科學作業一點兒問題沒有，作文批改正在進步中。
2、個性化學習的軟件。事實上，每個人學習方法都不一樣，但是我們每個人所受的教育確是一樣的。英國一家機構簡單地把學習方法分成了70種。比如我對自己進行了IQ測試，發現我形象思維非常發達，邏輯差一點，就可以用很多形象思維的方式幫助我學習。人工智能學習過程是從案例到原理，事實上我也是這樣的人，我更愿意從案例學習，所以每個人的學習方法都不一樣。現在我們投資的一家公司愛樂奇，已經有一千多萬的用戶，有八億多平時的練習和考試題，積累了大量的數據，這些數據可以分析出每個人不同的學習方法。
3、智能輔導系統。有機構研究發現，機器進行一對一的輔導效果已經比一對多的課堂教學好了，和人一對一的輔導相近。智能輔導中的人工智能進展很大，仿真游戲是非常好的學習工具，我有一個飛行員朋友，他不是在天空當中學習，而是在仿真器里學習的。另外，我們也會使用很多的仿真，我女兒用水文地理仿真軟件學習環保，我兒子用一個仿真軟件學習如何炒股票，通過虛擬貨幣學習如何炒股票。我覺得仿真教育游戲是非常大的人工智能應用場景。
除此之外，還有教育反饋和評測、智能招生、課堂和課后這四方面。
說到無人駕駛，大家可能聯想到自動駕駛的終極目標，這方面創業可能已經為時過晚了，但汽車的智能不僅體現在自動駕駛中。如今，車的減振器是被動的，如何通過事先預測路況將減振器變為主動呢？我們投資的一家美國公司就是從事這個方向的。這樣創業給大家指了一個方向，告訴我們并不是人工智能應用于汽車領域就意味著終級狀態的自動駕駛。
當然，要用人工智能去變革的領域還很多，包括人工樓宇、家居、醫療、工業、交通、零售、安防、智能IT等。
相關文章：
吳甘沙對話Tom Mitchell：人工智能如何顛覆我們的城市 | GMIC 2017
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
