全面布局AI,IBM、Google是如何╳做的?
PC互聯網時代的企業核心競爭力為軟件產品的快速反應╱能力,移動互聯網時代是構建移動端的生態系統,人工智能時代則更為依賴 AI 核心技術。
AI技術擁有兩大要素:
核心技♂術平臺
數據循環
只有將 AI 技術與數據結合,才可形成實用性的業務。本文湊了上來主要側重於介紹IBM、Google在基礎層、技術層、應★用層全面布局AI,並對其擴展應用場景等內容進行介紹。
IBM——Watson
人』工智能是IBM在2014年後的重點關註領域,IBM在AI領甚至很是神秘域布局圍繞Watson 和類腦芯片展開,試圖打造AI生態系統。目前IBM已撤銷全球業務咨詢〓GBS和技術服務 GTS等部門,並轉型成認知解決方案和雲平臺公司。
IBM未來十年戰略核心是“智慧地球”計劃,IBM 每年在其投入研發↘投資約在 30 億美元以上。
未來 IBM 的創新解決方案在智∏慧能源、 智慧交通、智慧醫療、智慧零售、智慧能源和智慧水資源等領域全面開花,涵蓋節能減小路不長排、食品安全、環保、交通、醫療、現代服務業、軟件及㊣ 服務、雲計算、虛擬化等熱點方向。
2016 年Q3, 以沃森為代表的認知解決服務實現營收 128.89 億美元 ,營收增長迅速,占比高達 22. 17%,IBM在AI領域盈利開始爆發 。我們預計2016-2018年IBM認知解決●服務分別實現營業收入190.39 億元、218.95 億元 、240.84 億元
,屆時認知解決服務占IBM營收比╲例將達24.56% 、26.89% 、28.72%, 成為驅動IBM業喚作打鬼棒績增長的主要業務。
Watson引領認知商業:
目前,IBM 不再將沃森作為單一系統開展業務,而將其功能分割成不同組成部〓分,每個部分都可被租用出去以解決特定商業問題。以IBM沃森為代表的認知技術將商業帶入認知商業時ξ 代,幫助各行業挖掘商業價值,重塑產業格局卐卐。IBM在替客戶提供創新解決方案,客戶不斷向沃森輸入自己企業數據並對沃森進行訓練。
認知商業◇時代中,以認知計算、大數據分析、物聯網、異構計算、神經元芯片 Synapse、認知型機器系統等▓為代表的一批新興前沿技術應用逐步走進新能源利用、汙染防治、城市管理、生態改善、醫療、交通、食品安全追溯及社卐區服務等領域。
沃森在分析問題並確定最佳解答時, 運用了先動靜進自然語言處理、 信息檢索、 知識表達、推理和機器學習技術,來收Ψ 集大量證據、生成假設、並進行分析和估。目前,沃森已開發40 種不同產品,包括常見語言識別服▅務等。沃森善於認知,
專為理解、推理⊙和學習而設計,有機會戰勝從前無法完成挑戰,如智勝醫療挑這些招式已經超出了他戰、智勝水資源管理挑戰、智勝保險詐騙挑戰、智勝時尚挑∞戰、智勝環境挑戰、智勝並購風險挑戰等。
Watson+醫療構建智慧保健平臺:
沃森在醫療領域ζ 主要關註腫瘤和癌癥的診斷,其優勢在於自然語言處理,通過挖掘非結構化數據尋找♀深層關系。沃森醫療商不是說他生理方面不正常業戰略為:
1、深度聚焦腫瘤領域,並向其他領域擴展;
2、通過大規模收○購獲取數據資源;
3、通過合作等擴展使用場景,輸出生態能力。
匯聚了醫療保健數據、人力、能力、客戶後,Watson Health 將成︽為潛力巨大的醫療保健大平臺,沃森認知計算助力智慧醫療領域。沃森效率、精確〖度大幅高於人類,“認知計算+醫療”前景廣闊,IBM 深刻受益行業發展紅利。
此外,IBM 還憑借其強大的認知計算能力,應用於數字顧問、虛擬助理、雲計算、科¤學研究等多領域,大力研發量子計算電路,開放量子計算平臺,推出多款並行式類腦芯片,提升AI 算力。2015 年 11 月, IBM 開源了人工智能基◣礎平臺
SystemML,可支持描述性分析、分類、聚類、回歸、矩陣分解及生存分析☆等算法,沃森整合了諸多 SystemML 功能。
Google——軟硬件結短短幾十秒兩人就來到了那座大樓合,開源系統構建AI生態
谷歌大數據檢索核心技術領先於全世界,並建立了全球最大的①數據庫系統。廣告盈利是谷櫃子與抽屜都被翻了開來歌的主要盈利模式,目前九成以上營收來自其廣告系統。
2015年8月,谷歌宣布架構重組,設立№母公司 Alphabet,谷歌由搜索引擎公司全面轉向為覆蓋諸多領域♂的高科技企業。
谷歌在2011年成立 AI 部門,目前已經有100 多個團隊用上了機器學習技術,包括Google搜索、Google Now、Gmail 等, 並往其開源 Android 手機系統中註入大量機器學習功能※※ (如 用卷積神經網絡開發 Android 手機語音識別系統) 。谷歌目前產品和服務依靠主要AI
技術驅動,如谷歌使用深度學習技術改善搜↑索引擎、識別 Android 手機指令、鑒別其Google+社交網絡的圖像。
谷歌發展AI的途徑為:
1、覆蓋更多用戶使用場景】, 從互聯網、移動互聯網等傳統業務延伸到智能家居、自動駕駛、機器人等領還是忘記了拿呢域,積累更 多數據信息;
2、積累底層人工智」能技術,研發更高級的深度學習算法,增強圖形識別和語音識別能力,對信息進行更深層加工、處理。谷歌試◤圖將AI滲透到了旗下各產品,為用戶帶來更多使用場景、及更智能化功能。
2015年11月谷歌開源第二代深度學習系統 Tensorflow。Tensorflow 可編寫並編譯執行機器學習算法代碼,並將機器□學習算法變成符號表達的各類圖表,縮短重新寫代碼時間。TensorFlow 可模仿人類大腦工 作的方式並識別出模式,被用於語音識別或照片識別等多領域。另外,使TensorFlow
編寫的運算幾乎不用更改就能①在多種異質系統上運行。在開放源代碼後,所有工程師都將幫助谷歌修改和窗戶外完善這項技術,谷歌收到反饋以後,可推出更好地服務和◣產品,進而推動弄虛作假整個 AI 產業發展。
DeepMind
DeepMind創立於2010年,其將機器學習和系統神經科學最先進技術結合,建立起強大的通∴用機器學習算法。
2014年1月,谷歌耗資 2.63 億美元收購 Deepmind。
2014年12月,谷歌通過DeepMind與牛津大學的兩支AI研究隊伍建立了合作關系。
2015 年2月,Deepmind 系統學會了 49 款雅達利經典遊戲。
2016年3月,由 Deepmind 研發AlphaGo 以 4:1 嘉績擊敗世界圍『棋冠軍李世石,激發全世界對人 工智身體向一邊移去能的關註。
當前 AlphaGo 專註於棋賽發展,未來⌒ 還將應用於醫療診斷, 或投入無人駕駛等領域,以加速 AI 商業化進程。
虛擬助理融合智能家居,推進笑了笑生態建設
谷歌認為智能家居領域將是未來 AI 應用的 一▼個重要市場, 目前世界各國的智能家居滲透率均較低, 為此 Google 正加速以 Nest、Google Assistant 為基礎智能家居生態系統建設,通過一系列並購、開放平臺的〗建立、軟件硬件一體化來打造這個生態系統。
谷歌2016年5月推出語音智能助手Google Assistant,是語音識別、人工智能、自然語音理解的集大雙手正被牢牢地扣住成者。
Google Assistant 能完整地理解上下文語境並回答問題,將和Alexa, Siri和Hound等智能助手競爭。 相比 Google Now 主要用於手】機和 PC上,Google Assistant則開始融剛才在大廈又是什麽情況入各種設備(Google Home、Allo聊天機器人) 。根據
MarketsandMarkets 預測,自然語言處理市場規模將從2016年76.3 億美元ぷ增長至2021年的160.7 億美元, 年增速達16.1%。
2014年6月, 谷歌通過 Nest 耗資 5.55 億美元收購了基於雲端的家庭監控公司 Dropcam,10月又收購了智能家居中樞控制設備公司Revolv,Revolv 將參與 Nest “Works with Nest” 開放計劃。2016 年5月推出 Google Home (智能音箱) 。
Google Home是一個基於Google Assistant語音控制的智能音 箱。相比亞馬遜 Echo 而言,Google Home 將利∩用谷歌龐大數據庫去理解用戶需求。
傳竟然無聲無息感器結合AI算法研發無人駕駛原型車
谷歌無人駕駛汽車項目始於2009年,2011年為其收購◤◤510 Systems、Anthony's Robots等公司。目前無人駕駛行駛裏程達180萬英裏, 且成功發布了全球第一款完全能夠自動駕駛的原型車“豆莢車”,並宣稱到2020年谷歌自動車將█正式上市。
谷歌無人駕駛以技術驅動,側重於基礎技術◣研究及AI核心科技開發。在攻克相關深度學習及根源就是抄襲華夏五行術法來大腦技術開發等軟件算法基礎上,集成各種︻傳感器。2015年12月,谷歌和福特將成立一家合資公司,基於谷歌AI 技術研發自然先保命要緊無人駕駛汽車,可節省造車技術的時間和資金。
聯手NASA研發量子硬件,發布TPU進軍□ 芯片市場
谷歌已建立△量子人工智能實驗室(QuAIL),該實驗室由美國宇航局(NASA) 、大學空間研究協會共同承辦。2013年,谷歌已利用D-Wave機器在 Web 搜索、語音/圖像模式識別、規劃和行程安●排、空中交通管 理、 機器人外太空任務等應用中進行量子計算的探索心想自己現在要是有什麽要求,
並支持任務控制中心的¤操作。2014年,谷歌利用其在 D-Wave 機器上經驗來開發量子硬ξ件,通過聘任加州大學腦海裏多了條訊息物理學教授John Martinis及其團隊,來建立谷歌的專屬量子芯片。
2016年5月,谷歌發布為機器學習特別研發的 TPU(張量處理♀單元)芯片。TPU芯片在計算精度降低時更耐用,用更多精密且大功率機器學習模型。通過快速應用這些模型, 用戶▓得到更正確結果。Google 宣稱,TPU 將機器學習能力提高三代,TPU 將摩爾規律◥向前推進7年。
源自:http://mt.sohu.com/20161108/n472649193.shtml