當前，人工智能正在席卷全球科技產(chǎn)業(yè)，越來越多的行業(yè)和市場都在人工智能領域進行深耕，作為當今輔助人類進行創(chuàng)新和變革的重要生產(chǎn)力工具和技術驅(qū)動力，人工智能技術當前已經(jīng)發(fā)展到什么階段了呢?未來人工智能產(chǎn)業(yè)又將會走向何方呢?本期我們一起來聊聊。

對于人工智能技術來說，我們?nèi)粘＝?jīng)常看到的或許是機器算法的應用、又或是對于自然語言的處理等內(nèi)容，對于人工智能來說，現(xiàn)在已經(jīng)收集了海量的最優(yōu)算法，其中涵蓋了計算機視覺、游戲、自然語言處理、網(wǎng)絡圖、知識庫等很多內(nèi)容。

計算機視覺感知

其中值得一提的是計算機視覺，對于計算機視覺來說，3d技術是最受青睞的一類，2017年的cvpr，mit、馬薩諸塞大學阿默斯特分校和谷歌deepmind的研究人員展示了一項成果，使用自動編碼器(vae)，構建了一個名叫singlevpnet的框架，能從多個視角的深度圖或其相應的輪廓(silhouette)學習生成模型，并使用渲染函數(shù)從這些圖像生成細節(jié)精致的3d形狀。

對于計算機識別感知框架來說，通過一系列不同視角的2d深度圖當中，研究人員就能夠去生成新的3d形狀和3d圖片，其中的平均誤差將會縮小到0.35左右，也就是說計算機視覺所帶來的3d圖片將會是非常逼真的一張圖。

動作識別

在人工智能領域當中，動作識別是整個視頻識別當中最為關鍵的一項組成部分，整個動作可能會貫穿視頻當中，對于動作識別來說，很有可能成為圖像識別的重要組成部分，2017年的neurips，cmu機器人學院的研究人員rohit girdhar 和 deva ramanan 利用注意力機制(attentional pooling)，在保持網(wǎng)絡復雜度和計算量基本不變的情況下，在三個靜態(tài)圖像和視頻標準動作識別數(shù)據(jù)集上提升了動作識別的基準。其中，在mpii人體姿態(tài)數(shù)據(jù)集上取得了12.5%的相對改進。

人臉識別技術

在今年的市場研究數(shù)據(jù)報告顯示，在被譽為工業(yè)界“黃金標準”的全球人臉識別算法測試(frvt)中，依圖科技以千萬分之一誤報下的識別準確率超過99%，繼續(xù)保持全球人臉識別競賽冠軍。

千萬分位誤報下的識別準確率超過99%，意味著更多核心關鍵的安防場景被解鎖。相比于去年同期，全球人臉識別性能提升了80%。在整個報告當中對于很多國內(nèi)的人工智能企業(yè)進行了重點的提及和展示，而中國的人工智能企業(yè)也的確在業(yè)務領域和技術創(chuàng)新方面領跑全球。

人體姿態(tài)數(shù)據(jù)分析

在今年的9月份，alphapose系統(tǒng)升級，采用pytorch框架，在姿態(tài)估計標準測試集coco validation set上，達到 71map的精度比openpose 相對提升17%，mask-rcnn相對提升8%，同時，速度達到了20fps比openpose相對提高66%，mask-rcnn相對提高300%。

圖像分類

計算機對于圖像處理來說其實早就已經(jīng)超越了人類的原有技術應用，當前圖像分類精度的最好成績，往往是其他研究的副產(chǎn)物。iclr 2017，谷歌大腦 barret zoph 和 quoc v. le 發(fā)表了“neural architecture search with reinforcement learning”，他們用強化學習自動搜索神經(jīng)網(wǎng)絡結構，最終ai自己設計出的模型，在 cifar-10數(shù)據(jù)集上做圖像分類取得了96.35%的精度。

gan在今年不斷發(fā)展，今年iclr deepmind 提出的 biggan，可謂當前最強圖像生成模型，在128x128分辨率的imagenet上訓練，biggan的 inception 分數(shù)(is)可以達到 166.3 ，frechet inception 距離(fid)9.6。