人（rén）工智能（néng）的发（fā）展愈来愈强大！

人工智（zhì）能（néng）是（shì）一（yī）个涵盖图像（xiàng）识（shí）别（bié）、自然语言处（chù）理（NLP）和机器人（rén）等多方（fāng）面维度的广泛（fàn）领域。AI也在（zài）以一种有时看似疯狂（kuáng）的速度发展，因此很（hěn）难跟上正在发生（shēng）的（de）一切。

不出所料，许多组织转向他们的IT供应商合作（zuò）伙伴，帮助他们开（kāi）发和部署AI解决方案，以（yǐ）最好地满足他们的需求。大卫·埃里森是联想公（gōng）司的（de）高级人工智能数据（jù）科学（xué）家，他（tā）的职责包（bāo）括使（shǐ）用先进（jìn）的人工（gōng）智能技术为客户组织提供（gòng）解（jiě）决方案，同时在（zài）内部（bù）支持联想全球数（shù）据中（zhōng）心集团的整体人工（gōng）智能战略。

联想已投入商（shāng）业运营（yíng）的（de）项目（mù）包括利用卷积神（shén）经（jīng）网络从（cóng）图像中提取（qǔ）特征，并将其归类为（wéi）缺（quē）陷，以（yǐ）检测工厂的制造缺陷。联想还（hái）为（wéi）一（yī）家赛（sài）车公（gōng）司开发（fā）了一套计算（suàn）机视觉（jiào）系统，以决定是否应该让特定（dìng）的汽车进入维（wéi）修站进行维修。

埃利（lì）森（sēn）表（biǎo）示，今年和不久的将来，人工智能的主要趋势（shì）包括（kuò）基于计算机视觉（jiào）的应用（yòng）程（chéng）序、用于训练人工智能模型的数据（jù）生成和数据标记算法（fǎ）的开发，以及基于转换模（mó）型的自然语言处理的（de）快速进展。

联想对人工智能近期主要趋（qū）势有如下展望：

计（jì）算（suàn）机视觉

在计算机（jī）视（shì）觉方面，开发（fā）人员（yuán）和研究人员（yuán）现在开始探索将这种能（néng）力与人工智能的（de）其他（tā）一些领域相结合的实用方法，比如机器（qì）人技术或自动应用图像字幕等应用的自（zì）然语言处（chù）理。据埃里森介（jiè）绍（shào），这部（bù）分是因为计算机视觉的一些基本问（wèn）题已经被（bèi）证明很难解（jiě）决，研究人员正在寻（xún）找新的方法来（lái）解决（jué）这些（xiē）问题，而不是简单地推动（dòng）研究领域向前（qián）发展。

埃里森：“我（wǒ）认为我们在解决一些核（hé）心的计算机视觉任务（wù）时遇到（dào）了问题，比（bǐ）如3D投影，当你看到一（yī）张图片，一栋建筑的（de）二维（wéi）图像，人类的大脑可以将其推断成三维形状，但机器很难做到这一点（diǎn）。”在这方面（miàn）已经有很多（duō）研究，但这是一个（gè）尚未解决的核心问题，我认为人们会感到（dào）沮丧，会尝试一些新东西，或者（zhě）尝试将（jiāng）它与其他领域相（xiàng）结合（hé），找到更好的用途。

埃里森认为，这就是为什么（me）机器人技术（shù）是目（mù）前最广泛研究的人工智（zhì）能（néng）领域之一（yī），因为它为人（rén）们（men）提供了一个明确的目标（biāo）。他列举的（de）例子包括（kuò）使人工智能能够使用视觉感应在其周围的空间中（zhōng）安全移动——无论是制（zhì）造工厂的机械臂，还是使用人工智能导航到目的地的自动车辆（liàng）。

训练数据

熟悉人工智（zhì）能的（de）人会（huì）知（zhī）道，成功训练一个（gè）模型的（de）关键因素之一是（shì）数据，这需要大量（liàng）的数据。事实上，它（tā）所（suǒ）训练的数据（jù）越多，就越能更（gèng）好地交（jiāo）付你所寻求（qiú）的结果。据埃里森不是，计算机（jī）视觉目前很困难，因为用于训（xùn）练模型的数据集没有包含足（zú）够多（duō）的样本。例如，吉（jí）布（bù）森三维空（kōng）间（jiān）数据库（Gibson Database of 3D Spaces）是一（yī）个广泛（fàn）使用的（de）数（shù）据集，用于训练模（mó）型在室内空间中导（dǎo）航，它包括572栋（dòng）完整的建筑（zhù），共1447层。虽然令人印象深刻，但这不太可能是（shì）一个（gè）人工（gōng）智能系统在现实（shí）世界中可能（néng）遇到的全面集（jí）合。

当物体的方向（xiàng）与（yǔ）计（jì）算（suàn）机视觉模型所训练（liàn）的方向不同时，也会出现类似（sì）的（de）问题（tí）。在被广泛用（yòng）于（yú）人（rén）工智能训练的ImageNet数据集中，埃（āi）里森：“一把椅子只是一张椅子的照片，面对着镜头。如果你把椅子翻（fān）过来（lái），电（diàn）脑视觉应（yīng）用程序突然就认不出（chū）它了。”

这个缺点是一个名为ObjectNet的新数据集的灵感来（lái）源，它以不同的配置（zhì）显示日常（cháng）项目（mù），例如（rú）椅子翻转或倒（dǎo）置（zhì）。这个训（xùn）练集被用来解决计算机视觉的一些（xiē）缺点，例如不能识别方向不正常或部分模糊的物体。

但是为人工（gōng）智能训练获（huò）取足（zú）够（gòu）大和多样化的数据集的问题（tí）仍然存在，这导致（zhì）了（le）埃里森发现的另一个主（zhǔ）要（yào）趋势，即首（shǒu）先使用人工智能（néng）来生成数据集。

自我监督和综（zōng）合数据

数据集需（xū）要（yào）大量的人工数据标签，因此越来越（yuè）多的研究项目现在都（dōu）集（jí）中在自我监督算（suàn）法上，它可以（yǐ）获取（qǔ）已经收（shōu）集到的数据，并让计算机自动给数据（jù）贴上标签。

埃里森解释：“一个典型的（de）例子就是一个具有计算机（jī）视（shì）觉（jiào）应（yīng）用和接近传（chuán）感器（qì）机器人（rén）。计算机（jī）视觉能够（gòu）比接近传（chuán）感器看（kàn）得更远。但（dàn）是（shì）当机器（qì）人向前移动时，出现在计算机（jī）视觉中的（de）东（dōng）西（xī）最终（zhōng）会以物（wù）体的形式出（chū）现在近距离（lí）传感（gǎn）器中。”根据传感（gǎn）器（qì）的（de）数据，回（huí）溯到物体第一次（cì）被发现的时间，然（rán）后对其进（jìn）行标记。

人工智能系统一（yī）旦（dàn）部署就不太可能遇到这样的问题，因此（cǐ）可（kě）能无（wú）法在训练数据集中表示出来，这是开发人员面临（lín）的另一个挑战。然而，如果这些边（biān）缘情（qíng）况（kuàng）代表（biǎo）了真实（shí）场景，那么就需（xū）要考（kǎo）虑这些情（qíng）况，以（yǐ）确保AI模（mó）型正确地处（chù）理它们。

“关键的例子是自动驾驶。在（zài）你（nǐ）的数（shù）据集（jí）中（zhōng）有多少次在昏暗的暴风雪中开车上山？你的（de）数据集（jí）中不会有很多（duō）这（zhè）样的情况（kuàng），所以（yǐ）他（tā）们本（běn）质上必须做模拟数（shù）据。”

换（huàn）句话（huà）说，边缘案例是通过使用合成数（shù）据来处理的（de），合（hé）成数据（jù）是使用各种（zhǒng）方法来（lái）创建（jiàn）的，例如生成模（mó）型。但这（zhè）也（yě）产生（shēng）了一个问题，即数（shù）据科学家或开发人员如何才能确保这些合成数（shù）据准（zhǔn）确地反映出人工（gōng）智能在现实生活（huó）中会（huì）遇到（dào）什么情况。