www.6625msc.com_www.6625msc.com-【信誉来源】

来源:阿里数字经济体发布四个创新扶持200万小程序开发者  作者:   发表时间:2019-05-22 10:33:56

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

  人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。人工智能靠什么走向大众#标题分割#人工智能朗读:在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。光明日报2019年4月18日讯随着人脸识别、语音识别和自动驾驶日益成为关注焦点,人工智能(AI)与社会、人类生活融合程度正在快速演进。其实早在1956年,人工智能这个“术语”就被正式提出。但在有限且昂贵的计算能力、已有计算方法存在缺陷、缺乏数据量这些无法克服的基础性障碍面前,“模拟人类大脑”显得非常遥远。此后,一直到20世纪80年代初,随着一类名为“专家系统”的AI程序开始为全世界的公司所采用,人工智能才兴起了第二次热潮。各国开始投入大量资金,例如日本经济产业省雄心勃勃旨在打造“第五代计算机”的研究计划,目标是制造出能够与人对话、翻译语言、解释图像,并且能像人一样推理的机器。80年代后期,产业界对人工智能系统投入巨大但只产生有限的应用产生质疑,人工智能的泡沫逐渐破裂,投入大幅消减,人工智能再一次步入寒冬。那么,人工智能到底将靠什么走向大众?笔者认为,视觉AI技术将是发展方向。对人类而言,70%到80%的信息获取来自视觉。对人工智能来说,视觉AI也被视为目前最具应用价值的AI技术。它能够让机器具备“从识人知物到辨识万物”的能力,从而看懂、理解这个世界,帮助我们在生产和工作中,提升处理信息的效率。简单来说,视觉AI就是研究如何让机器会“看”,即用摄影机和电脑代替人眼对图像进行特征提取和分析,并由此训练模型对新的图像数据进行检测、识别等任务,建立能够从图像或者多模态数据中获取“信息”的人工智能系统。源于深度学习的突破,视觉AI的识别能力突飞猛进,2012年的两个轰动事件,更被视为视觉AI的发展拐点。当时,由多伦多大学GeoffreyHinton领导的团队,在一项名为ImageNet的图像识别竞赛中,利用深度学习和GPU的强大计算能力,将错误率降低了10%,震惊学术界,因为之前这项错误率每年只会降低1%—2%。同年,“谷歌大脑之父”吴恩达带领团队,利用10亿参数的神经网络,在没有任何先验知识的情况下,仅仅通过观看无标注的YouTube的视频,创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。视觉AI迅速成为人工智能领域最重量级的研究领域,源自于其在安防、医疗、无人驾驶等多个领域的应用前景。例如,在安防领域,视觉AI技术可进行人群分析、逃犯追捕,可通过城市中成千上万条路的摄像头对目标人群进行锁定与筛查,并做到实时告警,助力安防效率的提升;在手机领域,AI可提供刷脸解锁、刷脸支付等更加安全和便捷的体验,还可自动为面部美颜省去后期修图的时间;在自动驾驶领域,AI技术可以通过摄像头获取的图像,对车体的周围环境进行识别和分析,辅助做出精准的路径规划。在众多的视觉AI应用场景中,AI医学图像分析是近年来热度极高的一个细分领域。这主要得益于医院信息数字化建设的不断提速,以医学影像为核心的大数据不断丰富,为AI在医疗领域的发展提供了充足的养料。与此同时,优质医疗资源的稀缺和分配不均也不断催生着社会对人工智能的需求。当下AI+医疗的红火,对推动这个行业的发展起到了不可磨灭的作用,还有丰富的应用场景和海量的机会等待挖掘,例如个性化医疗、可穿戴智能医疗设备的实时监测与分析等。放眼未来,更多的应用前景都将贴上视觉AI的标签。比如,人脸识别技术有望在更多的物联网终端设备上应用,让安全便捷的身份认证无处不在,提升生活体验;在AI+工业领域,工业机器人、物流机器人将更多替代传统劳动力;在AI+文化领域,基于AI的增强现实技术,可以将古代文物、古代场景生动复原得以假乱真;在AI+教育领域,利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握,实现真正的因材施教。当然,AI掀起的新一轮产业浪潮不过短短几年,技术上需要持续不断的突破创新,行业需要不断的深耕和挖掘,大众也需要对其给予足够的耐心。

编辑:www.6625msc.com_www.6625msc.com-【信誉来源】

未经授权许可,不得转载或镜像
© Copyright © 1997-2017 by hktyhealth.com all rights reserved

百站百胜: 滤镜还是动刀?邓家佳近照变网红脸认不出 港以最高規格接待韓國瑜:頻稱「不敢當」 媒体:神秘“曹园”曝光三次处罚为何管不住违建 直击|全通教育拟收购吴晓波旗下巴九灵96%股权 马斯克说特斯拉“很愿意”今年或明年在印度生产 冰壶世锦赛中国女队完胜丹麦五战全胜高居榜首 巴黎发声明要和曼联名宿死磕指控他歧视同性恋 五龙动力五连跌挫近三成后现反弹14% 调查-你如何看国足再输泰国?卡帅要担多少责任? 将造福人类的创新治病方法:“加密药”杜绝假药泛滥 亚洲水泥纯利上升3倍股份现急涨16.96% 健身房猫腻:篡改体测报告推销健身课 趣店第四季度营收18.03亿元同比上涨20.9% 湖北鄂州市人大常委会副主任陈新林被查 私企工业增加值增速开年领跑钢材产量两位数增长 埃航失事客机语音黑匣子已破解 俄罗斯铝业大亨起诉美国财政部称美国政府\"有偏见\" 女人凭什么30岁前不结婚? 漢堡王隆重推出新版土豆培根芝士球,這是什麼神仙搭配啊! 传苹果要推新iPodtouch:升级处理器适配iO… 同样获北上资金“举牌”这批股票却大幅落后大盘 网易考拉加拿大鹅鉴定为正品?线女士回应未收到通知 空气质量连续倒数第一督察办直言这地须伤筋动骨 财经-子栏目-期市综合资讯",id:"",cType:"col B站挑战者:4000万月活无名小站均存版权隐患 曝切尔西已着手寻找萨里替身两大冷门候选人浮现 战斗民族的“安全通牒”:俄冻结波音737MAX采购合同 美国贫困率维持高位贫富差距持续扩大 江苏盐城爆炸事故48小时生死营救:与时间赛跑 波音737-8被紧急叫停的前夜到底发生了什么? 传软银及其他投资者拟对Uber自动驾驶部门投10亿美元 才发完折叠屏和S10+三星又要开新品发布会? 土地不够了香港政府砸5300亿填海 财政局长否认不雅聊天:系PS已向纪检说明情况 俄媒总结俄从印巴冲突所得教训:应重视对巴军事合作 这次3100点大有不同:北上资金今年累计净流入1300… 德银与德商行磋商合并提振两者股价但衍生裁员疑虑 \"拖\"与\"脱\"之间英议会三连投梅姨无惧两败再… 印度共享乘车企业Ola获3亿美元融资现代、起亚投资 法媒评选最伟大50名教练银狐&希丁克携卡佩罗入选 墨西哥将打造文化遗产游以吸引中国游客 韩警方申请拘捕郑俊英:涉非法拍摄并散布不雅视频 小米2018年报发布雷军致投资人公开信 牡丹江“曹园”主人:先后2次被列为限制消费人员 北京今有小雨夜间阵风7级明天最低温临近冰点 不满国会议案终结紧急状态特朗普首次行使否决权 库克谈创业寒冬:不畏浮云遮望眼创新有自己的周期 俄军在波罗的海沿岸部署S400瑞典智库:没那么可怕 雷军回应输10亿赌局:还没看格力财报董明珠就找我了 说球可不是穆帅的归宿齐祖回皇马狂人要去哪? 墨西哥将打造文化遗产游以吸引中国游客 日本奥运会超级粉丝“奥运爷爷”去世享年92岁 交银国际:中国平安目标价升7%至107元维持买入评级 美国跨境电商法律咨询五十问 预告-20:00直播中国杯半决赛中国男足VS泰国 英国下院议长打乱首相计划脱欧进程恐再延长一年 揭秘Facebook的一条特殊热线:允许员工为好友走后… 勇士提前锁定季后赛!考辛斯终于等到这一天 中财办副主任韩文秀:中国对外开放不开空头支票 神吐槽:科蜜众筹给科比买醋!酸儿辣女了解下 村民杀拆迁乡干部维持死缓法院:不存在非法拆除 特斯拉退款了!一名维权车主已成功办理退差额手续 英国监狱教囚犯编程以帮助他们在出狱后找到工作 中泰国际:光启科学预期年度净亏扩大至5亿-6亿港元 直销巨头如新陷风波人民日报曾三度发文直指涉传销 海莉·鲍德温间接回应与比伯推迟婚礼原因 安徽书协原主席诉书法家曹宝麟诽谤案达成调解 华为电视四月发布,还带双摄?相关人士称不予置评 奥运冠军在退役边缘徘徊曾击败过孙杨的他怎么了 学业体育不可兼得张本:先拿奥运冠军再考大学 不让同性恋入住违法!最高法院不受理夏威夷民宿老板上诉 花旗:金蝶国际目标价升至11.8元重申买入评级 网易考拉陷雅诗兰黛侵权门跨境平台怎解\"假货\"困扰 钱军任北京电影学院党委书记侯光明不再担任(图) 濠赌股逆市有追捧永利澳门及澳博控股同升近2% 新京报:“社保掌上通”下架保护个人隐私不手软 杨超越晒美照清纯可人调侃拍照要看天时地利人和 乒联最新排名丁宁樊振东领跑巴西新星跻身前10 因为这件事日韩要闹翻麻生扬言报复 官方:今年学校食品中毒事件要控制在万分之二以内 Naspers将在印度投资10亿美元意欲寻找第二个腾… 安全考量美海軍停止公開晉升軍官名單 新款GLE轿跑版谍照曝光已在瑞典开始路试 苹果输了iPhoneX等被判侵权需赔偿高通3100… 李克强谈就业:确保不出现零就业的家庭 5G商用升温:家电企业抢滩IoT战场TCL华为小米抢… 大摩:中国海外目标价升至34.84元维持增持评级 响水爆炸涉事企业天嘉宜化工厂曾停产整治去年复产 大股东借钱炒自家股票“全赔光”?深交所发7连问 喜欢一个人与爱上一个人的差别 梅西称赞C罗:本以为马竞更强但C罗的表现太棒了 上汽通用销量连降9月:卖2辆召回3辆 乐信Q4财报:营收连续五季双位数增长18年净利20亿 离开百度后,原渡鸦科技创始人吕骋“投奔”陆奇 真正放下一个人,最好的方式是做到这“四个”字 18位科学家呼吁:暂停人类生殖细胞系编辑临床应用 基石药业-B获药监局批准BLU-667(CS3009)… 花了4.6万看不到老詹,波普输给了一个拖把! 张柏芝彻底没有机会了?谢霆锋香港开唱,笑着摇头拒谈张柏… 风雨将至:华为海底电缆项目被美国盯上 国务院321调查组:相关负责人仍我行我素将一查到底 远洋去年销售额首次破千亿核心利润同比下降35% 易到不易拯救更难该谁背锅?风雨飘摇到办公地都没了 滴滴安全攻坚200天进展:积极推进合规124城市获证 瑞声科技现价转升近1%去年纯利跌近29% Lyft上市遇“拦路虎”:投资人不满双层股票结构 广东去年汽车销量28年来首现负增长官方力促消费 每千名儿童只有0.46名医师代表建议改善执业环境 美图公司:2018年营收27.9亿元同比降37.8% 北京互金协会:金融超市、互联网平台下架现金贷产品 拼多多2018年财报解读:增长与亏损齐飞 共享单车押金应于申请当日退回运营企业不得挪用 25岁患乳腺癌,43岁她却带着马甲线回归! 倪大红被侃没帮郭京飞分担火力回应:五月才有空 以色列大选前特朗普“送”内塔尼亚胡一片高地 移民局恢复所有H-1B加急服务:包括所有种类、不限提交… 中国1月增持美债31亿美元去年全年减持614亿美元 拼多多的“数字游戏” 又有人卷入?台媒曝言承旭曾参与胜利私人派对 歼15伙伴加油采用伊尔78同款吊舱比西方同系统更强 5个练胸的终极技巧! 特朗普据悉将提名达美航空前高管担任FAA负责人 抽驗市售米北區分署:1件不符合規定要求改正 內政部:身分證未定案國旗不該是個議題 波音737MAX机型自己做安全认证美国交通部介入调查 中国移动:杨杰已获委任为公司的执行董事兼董事长 要做游戏界的奈飞!谷歌闯入1400亿美元游戏市场 欧盟委员会主席:欧盟峰会不会就英国脱欧做决定 拼多多2018年财报解读:增长与亏损齐飞 央视315晚会点名现金贷乱象:714高炮要钱更要命 2019海帆赛半环组鸣金收帆总成绩冠军各归其主 “少年棋王”柯洁免试入清华有人说是清华赚了 38岁张柏芝素颜现身机场,网友:仗着颜值好瞎穿 港灯下跌3%跌穿多条平均线绩后遭里昂唱淡 国奥小将直言全力拿下预选赛希丁克带来很大变化 苹果印度重走高端线:砍掉最便宜iPhone不考虑小门店 被质疑模仿金大川前女友春夏怒怼:你是不是瞎? 巴萨官方宣布苏亚雷斯受伤恐无缘中国杯战国足 阿里对拼多多的防守反击战 脸书旗下应用程序停摆部分用户超过10小时无法使用 香港拟斥资800亿美元建人工岛以解决住房问题 韩国健美肌肉男,长了一张奶油脸,网友很不协调! 美股盘前:波音与FAA被调查道指小幅下跌 英伟达同软银等合作在日韩布署云游戏服务器 中国海外宏洋集团2018年度纯利增长91%至24.27… 青海西宁:购买公租房可提公积金 花旗:OPEC+巴库会议让布伦特油价可能达到每桶75美… 四月!火遍ins的HappyPlace來波士頓了!今… 传奇:以前曼联压抑又消极索帅扫空阴霾该转正 胜利否认女色交易案件调查受阻,要求入伍逃避法律惩罚可行… 互联网巨头“青春焦虑”:腾讯开刀“老干部” 准状元已经心有所属?他表态很乐意为这队打球 伊布:曼联不该总拿爵爷时代对比沉迷过去没意义 中方向美提严正交涉反对对中国实体实施\"长臂管辖\" 直击|FF出售内华达州超5000亩土地报价4000万… 猫眼娱乐跌幅继续扩大,跌超9%,报16.12港元。 亚马逊加强游说:涉政府实体数量超美国其它上市公司 BBA等豪华品牌纷纷大幅降价自主品牌却现冰火两重天 沈卓盈婚后首现身公开最新婚照回应婚纱照质疑 牛蛙火鍋魚,泡椒鮮魷卷,刀削(xue)面…LA的重慶重… 纪平梨花扎吉托娃成世锦赛冠军热门梅娃最大变数 蔡英文本周登记参选以寻求连任 对冲基金抛售美元多头头寸全球资金流向新兴市场 韵达股份2月快递服务业务收入12.2亿元同比增长20… 万洲国际:2018年纯利降16.77%至9.43亿美元 腾讯音乐四季度净亏损8.76亿元盘后先涨3%后跌7% 合和公路基建:辜庆永辞任委任唐激杨为非执行董事 符合硬汉形象奔驰G级E-NCAP碰撞解析 江苏爆炸工厂系农药厂爆炸将学校窗玻璃震碎 美代理防长谈特朗普增盟友驻军费:美国不是慈善家 花了4.6万看不到老詹,波普输给了一个拖把! 中国互金协会:不得开展高息现金贷等违规活动 东契奇狂打铁老司机3分榜眼22+12国王主场胜 数字时代为什么100美元钞票这么多? 超7成网购参评受访者遭遇“默认好评” 紐約甜品節植物園蘭花美酒夜哈德遜河谷餐館周色彩狂… 大溫網紅賞櫻地打卡圖鑑,順道品嘗限時供應的櫻花美食 穆帅:足坛身价最贵之人非梅西C罗他俩都太老了 野村:旭辉控股目标价升至6.15元维持买入评级 全加拿大房租均在漲?漲幅30年最高! 美食福利|紐約最正宗的台灣美食,燒仙草鹽酥鷄好驚艷! 央视315点名融360简普科技一度大跌15% 新西兰恐袭案一嫌犯被指\"白澳\"或与澳极右氛围有关 英国囤积大量卫生纸防备“硬脱欧”后撕旧报纸 如何看一个人是运动员还是健身者?看这4个地方就对了 里昂:太古地产评级降至跑输大市目标价33.5元 四大联盟最稳的老司机!进季后赛就像吃饭 3000点大震荡:产业资本减持意欲何为牛市还可期吗? 野村:旭辉控股目标价升至6.15元维持买入评级 中兴通讯终止与深圳市投资控股的合作框架协议 总冠军赔率更新:火箭飙升至前三湖人彻底出局 英议会将就推迟脱欧表决特雷莎-梅倾向短期延迟 萨摩耶金服再谈搜用户信息:系子公司员工与销售表演 2018我国玩具出口增长率回落大企业需创新头脑风暴 中国消协调查了一万人七成网购遭遇“默认好评” 鏈結再啟動!世代媒體對話框大解密 打马刺关键时刻连得13分!这波操作让你想起谁