机器学习与各学科的相关性普遍较高,机器人则相反。
计算机科学与四类细分领域紧密相关,而生物学与四类细分领域的相关性均不高。
机器学习与计算机科学、数学及逻辑学相关性最近,与各学科的相关性各年间虽有起伏,但整体上呈现上升趋势,也即相关性越来越高。
计算机科学与计算机视觉的相关性明显高于其它各学科。
在2007-2016年间,除计算机科学有较明显提高外,其余各学科与自然语言处理的相关性有起伏,但最终前后变化不大。
在2007-2016年间,除计算机科学与物理学有显示提高外,其余各学科与机器人的相关性前后基本一致。
全球人工智能申请专利数量,美国、中国、日本位列前三,且数量级接近,三国占总体专利的73.85%。位列第四的德国人工智能专利数量仅为中国的27.8%,美国的16.8%。
中国自2004年以来,专利申请数呈现爆发趋势;美国整体上保持稳定的增长速度;日本自2001年以来,没有太大的起伏,甚至在2010年之后呈现下滑趋势。
15年来,中国人工智能每年新增专利数增幅较大,申请数、授权数增长了40倍左右;专利申请、授权数在2012年开始超过美国;美国整体上保持稳定增长趋势,在2011年开始加速,这与资本开始涌入该领域的节奏相近。
中国人工智能专利申请数集中于北京、长三角、珠三角,中西部以重庆、成都为中心。整体上集中于一线、省会城市。
2000年互联网泡沫破灭、2008年美国金融危机爆发后,专利、论文增长趋势转缓。
不出意料,清华大学排名第一。
微软、IBM等老牌企业位列前茅并不让人意外,值得关注的是达芬奇机器人(INTUITIVE SURGICAL),2000年就通过美国食物药品管理局(FDA)认证,成为了美国FDA批准的第一个腹腔镜微创手术的自动控制机械系统。
除了互联网企业对人工智能比较关注外,近半传统企业的上榜,意味着它们对这一领域的重视程度不亚于互联网公司。
人工智能历史虽然只有六十年左右,但已经大起大落几回,这是一个飞速发展的学科和产业。即使是内行,也无法凭一己之力对学科历史现状做总结,对未来做展望。数据和知识为我们全面客观地了解这一领域提供了工具,我们期待和大家分享我们的洞见。
—— 乌镇智库理事长 张晓东
人工智能要从牛顿时代跳到默顿时代,从大定律小数据向大数据小定律进军,今天这个会如此成功就是默顿时代的有力证明。我们相信,知识自动化和软件定义的一切将成为未来社会最重要的实力。
—— 中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任 王飞跃
人工智能的研究和应用应该聚焦于解决人类的核心命题,其中一个关键点就是如何跨越工作和生活两个核心场景提升效率。聚焦在关键点上,才能积跬步而至千里。
—— 微软亚洲互联网工程院常务副院长兼产品及开发总经理 幺宝刚
人工智能下一阶段的热点在于从大数据驱动的蛮力计算和刺激式学习到数据驱动与知识引导相结合的深度推理和探索式学习迈进,为此,整合传统人工智能中逻辑推理以及神经科学中记忆机理,高效利用无标注数据和人类已有先验知识,是值得关注的热点。
—— 浙江大学计算机学院副院长 吴飞
“科学”本身无法回答“科学的本质”,是有“科学哲学”。同样“人工智能”本身也无法回答“人工智能的本质”这样的基本问题。在这个理解上,“智能哲学”可看成是“科学哲学”的最新版本。所有对人工智能发展的希望、恐怖、合理的预期或计划与设计都可以看作是“智能哲学”的一种有限表现。
—— 法国儒尔.凡尔纳大学教授 柳渝
“奇点人”可能涉及:心与脑、形式与质料、个体与互联网大脑,以及舞台与演员的关系。奇点人与人类间主要是进化与退化的关系,取决于人类参与的立场、途径与方式。
—— 东南大学教授、科技哲学专家、中国自然辩证法研究会理事 吕乃基
AI科研方兴未艾,也就是说深度学习的浪潮应该还有几年。一方面是DL继续往各个应用方面的渗透, 另一个重要的方向是网络的轻量化发展。
—— 图灵机器人创始人兼CEO 俞志晨
围绕人的行为轨迹(如可穿戴、车载、家居等应用场景),打造面向大众的,有自主品牌的软硬结合的AI产品,并形成一定的规模,将是目前人工智能从技术到产品,并实现商业化的靠谱之路。
—— 出门问问创始人兼CEO 李志飞
AI是一个宽泛的概念,现在还是一个非常初级的阶段。……即便当下火热的机器学习,也还未解决数据采集和标注的难题。除了无监督学习和迁移学习的概念,AI未来仍需要基础研究和产业验证来迭代更新技术。
—— SoundAI CEO 陈孝良
联系客服