當(dāng)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(lǐng)域進(jìn)行深耕，作為當(dāng)今輔助人類進(jìn)行創(chuàng)新和變革的重要生產(chǎn)力工具和技術(shù)驅(qū)動力，人工智能技術(shù)當(dāng)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(shù)來說，我們?nèi)粘＝?jīng)�？吹降幕蛟S是機(jī)器算法的應(yīng)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(jì)算機(jī)視覺、游戲、自然語言處理、網(wǎng)絡(luò)圖、知識庫等很多內(nèi)容。

計(jì)算機(jī)視覺感知

其中值得一提的是計(jì)算機(jī)視覺，對于計(jì)算機(jī)視覺來說，3D技術(shù)是最受青睞的一類，2017年的CVPR，MIT、馬薩諸塞大學(xué)阿默斯特分校和谷歌DeepMind的研究人員展示了一項(xiàng)成果，使用自動編碼器（VAE），構(gòu)建了一個(gè)名叫SingleVPNet的框架，能從多個(gè)視角的深度圖或其相應(yīng)的輪廓（silhouette）學(xué)習(xí)生成模型，并使用渲染函數(shù)從這些圖像生成細(xì)節(jié)精致的3D形狀。

對于計(jì)算機(jī)識別感知框架來說，通過一系列不同視角的2D深度圖當(dāng)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(jì)算機(jī)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(lǐng)域當(dāng)中，動作識別是整個(gè)視頻識別當(dāng)中最為關(guān)鍵的一項(xiàng)組成部分，整個(gè)動作可能會貫穿視頻當(dāng)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(jī)器人學(xué)院的研究人員Rohit Girdhar 和 Deva Ramanan 利用注意力機(jī)制（Attentional Pooling），在保持網(wǎng)絡(luò)復(fù)雜度和計(jì)算量基本不變的情況下，在三個(gè)靜態(tài)圖像和視頻標(biāo)準(zhǔn)動作識別數(shù)據(jù)集上提升了動作識別的基準(zhǔn)。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(jìn)。

人臉識別技術(shù)

在今年的市場研究數(shù)據(jù)報(bào)告顯示，在被譽(yù)為工業(yè)界“黃金標(biāo)準(zhǔn)”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(bào)下的識別準(zhǔn)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(bào)下的識別準(zhǔn)確率超過99％，意味著更多核心關(guān)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(gè)報(bào)告當(dāng)中對于很多國內(nèi)的人工智能企業(yè)進(jìn)行了重點(diǎn)的提及和展示，而中國的人工智能企業(yè)也的確在業(yè)務(wù)領(lǐng)域和技術(shù)創(chuàng)新方面領(lǐng)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(jì)標(biāo)準(zhǔn)測試集COCO validation set上，達(dá)到 71mAP的精度比OpenPose 相對提升17％，Mask－RCNN相對提升8％，同時(shí)，速度達(dá)到了20FPS比OpenPose相對提高66％，Mask－RCNN相對提高300％。

圖像分類

計(jì)算機(jī)對于圖像處理來說其實(shí)早就已經(jīng)超越了人類的原有技術(shù)應(yīng)用，當(dāng)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(qiáng)化學(xué)習(xí)自動搜索神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，最終AI自己設(shè)計(jì)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(dāng)前最強(qiáng)圖像生成模型，在128x128分辨率的ImageNet上訓(xùn)練，BigGAN的 Inception 分?jǐn)?shù)（IS）可以達(dá)到 166．3 ，F(xiàn)rechet Inception 距離（FID）9．6。