新闻中心

当前页面: 首页 >新闻中心 >业界动态 >2016年,关于物联网、机器学习、AI等都发生了什么?

2016年,关于物联网、机器学习、AI等都发生了什么?

--[db:副标题]

供稿:中国工控网 2017/1/20 9:23:04
0 人气:425

       物联网领域

       2016年,亚马逊Echo和谷歌Home的成功,让我们目睹了语音用户识别系统的崛起。Oculus Rift, HTC, PTC、微软对AR/VR头显设备的频繁迭代以及Pokemon Go的大受欢迎,让我们感受到AR/VR的势头正劲。AlphaGo打败韩国围棋大师李世石,让全世界为机器强大潜力侧目。紧接着,在匹兹堡Uber的自动驾驶汽车开始接载乘客,将载人自动驾驶从愿景向现实拉近了一步,此外,Uber还收购了专注于无人驾驶货车的初创企业Otto。

       与此同时,2016年关于物联网,也有一些坏消息留给世界。由Mirai僵尸网络发动的针对DNS提供商Dyn的攻击,让Twitter和Netflix遭遇网络瘫痪,显示了物联网设备的安全漏洞会造成多么可怕的后果。力图在智能家居领域掀动变革的Nest被google以32亿美金收购。在可穿戴设备方面,智能手表鼻祖Pebble倒闭,被Fitbit收购。除此之外,碎片化问题无论在连通性上,还是在平台层面,都是物联网领域正面临的困境。

       Knud Lasse Lueth在《物联网分析》中,对2016年物联网的发展提出了高水准的总结。除了上述的概况之外,我们围绕物联网最重要的3个方面梳理了简明的要点:

2016年,关于物联网、机器学习、AI等都发生了什么?

       “物联网2016年回顾”——图片来源:IoT Analytics

       硬件领域

       ·

Nvidia以GeForce GTX 1080, 1070, 1060等支持VR视频的显卡产品继续占据GPU市场的领导地位。Facebook、IBM等互联网巨头应用Nvidia的Tesla系列GPUs产品来服务机器学习。

       ·

英特尔收购了做人工智能深度学习的创业公司Nervana Systems,并将完成对Movidius的收购,继而开启人工智能设备。英特尔近来的一系列举动——收购Altera, Nervana, Phi和Xeon,透露了其进军人工智能和机器语言(AI/ML)领域的决心。

       ·

高通公司以390亿美元的价格收购了汽车芯片制造商恩智浦半导体(NXP)。

       ·

日本软银以310亿美元收购了全球移动处理器领域最重要的企业ARM控股集团。

       ·

日本电子零件制造商TDK斥资13亿美元收购美国芯片制造商InvenSense。

       ·

9月份,为物联网提供硬件工具包和开发者工具的Particle.io开始支持与谷歌云平台直接集成,做出了物联网加速发展的表率。

       连接技术领域

       ·

世界领先物联网连接提供商Sigfox从英特尔投资(Intel Capital)、Air Liquide等投资者获得了1.6亿美元的E轮融资,继续研发低功耗广域网技术(LPWA)。SigFox近期宣布其已覆盖100个美国城市。

       ·

北美第一家且目前增长最快的公共LoRaWAN低功耗远距离物联网(LPWAN)技术提供商Senet发布了其网路覆盖地图,范围已包括旧金山和洛杉矶,但是全国范围内的覆盖尚未实现。

       ·

3GPP在2016年第二季度完成了三种蜂窝物联网的技术参数:LTE-M1, NB-IoT,EC-GSM。Verizon和AT&T都计划明年开启LTE-M1网络的商用。与此同时,沃达丰也在努力发展基于蜂窝的窄带物联网(Narrow Band Internet of Things, NB-IoT)。

       ·

10月,开放互连基金会(Open Connectivity Foundation,OSF)和AllSeen Alliance宣布合并。这样一来,就将竞争格局缩减到三方: intel和三星(合作牵头开源项目IoTivity),google(Weave技术)。

       平台领域

       ·

物联网平台这一领域一如IoT Analytics报告中所说的那样竞争激烈,提供商数目超过400个,思科在2月份以14亿美金的价格收购了平台供应商Jasper,引发业内瞩目。

       物联网平台第四季度,由Forrester Wave主导的物联网平台调查显示,IBM, PTC, GE和微软已成为占据物联网平台市场的主导企业。SAP, AWS, Cisco, LogMeln, Exosite, Ayla Networks和Zebra Technologies名列前11名。

       物联网平台继三星收购了人工智能和虚拟助手公司Viv(这间公司的创始人正是苹果的Siri的缔造者)之后,语音用户界面领域的竞争更加激烈了。亚马逊的Alexa仍然一枝独秀,谷歌、苹果和三星在奋力争夺新兴的语音界面的市场份额。

       物联网平台云计算领域的大佬们纷纷将关注点转移向了雾计算(fog/edge computing)。微软为Azure IoT Gateway SDK 提供了对自家无服务器事件驱动的平台Azure Functions的支持,这一支持为在Azure基础上构建物联网解决方案的开发者提供了基于云的扩展能力。亚马逊宣布AWS Greengrass可对物联网设备的Lambda Functions提供支持。Google推出了新物联网平台Android Things的开发者预览版。

       物联网在2016年初具雏形,尽管过程曲折,经历挫折。物联网平台和物联网连接方面的竞争将在2017年继续。由于物联网设备范围广仿,注定了不同的标准将并存,而不会出现一家独大的局面。人工智能热短时期内不会消失,这对于AR/VR甚至MR (混合现实),以及无人驾驶汽车、自动售卖的影响都还有待观察。如果对更详尽的研究感兴趣,不妨看一下Future Today Institute的“The Tech Trends You Need to Know for 2017.”(你应该知晓的2017科技趋势)

       机器学习领域

       从AlphaGo历史性的胜利到NIPS(神经信息处理系统大会)的出席者人数打破记录,继续成为产业大佬们的战略聚焦点。在第V13.0期的LWITF里,我们总结了Yann LeCun扬·勒丘恩(计算机科学家)的预测机器学习的演讲资料,以及Tryolab关于2016年无监督学习领域取得的进展的总结。深度学习获得了来自各方的关注,但实际上所有的参与者着手的研究项目都各不相同。以下我们梳理了这个领域最主要的几个参与企业,它们在2016年取得的进展:

2016年,关于物联网、机器学习、AI等都发生了什么?

       使用深度学习技术的60多个创业公司 图片来源:CB Insights

       Google DeepMind

       2016年,当AlphaGo的胜利占据头条的时候,DeepMind的应用领域也早已超过了挑战像星际争霸这样的游戏。可微神经计算机Differential Neural Computers (DNC)将深度学习与存储元素相结合,让计算机具备了推理以及简单判断的模式。(DNC将一个神经网络与传统电脑的海量存储数据结合,系统的智能已经可以自主分析并学习外部的存储数据。)这种只提供少量训练样本的学习方式(One-shot learning methods)可以基于很小的数据集合获得很高的精确度,这对于那些无法掌握海量数据集合的小公司来说,或许是一个从深度学习领域获利的契机。DeepMind 还推出了WaveNet,这是一个用于处理原始音频波形图的深度生成模型。

       Google Brain

       《纽约时报》发表了一篇关于Google Brain和人工智能的精彩文章,这篇文章也出现在了第V14.0期的LWITF上。给予深度学习的机器翻译正在与人工翻译一较高下。谷歌的关注点在与神经网络和深度学习。SyntaxNet这样的神经语言处理(NLP)工具以及基于谷歌TensorFlow 的图说生成模型都被开源。谷歌发表了一篇文章探讨人工智能的伦理问题,文章是关于对数据集合的一些固有偏见,这些偏见影响着机器学习的发展。

       FacebookAI研究院(FAIR)

       由计算机科学家Yann LeCun领导的这个实验室正专注于对卷积神经网络(Convolutional Neural Networks)和图像处理的研究。FAIR在2016年发布的最有趣的工具是Caffe2Go,这是一个可以用在移动设备实现实时风格的深度学习系统。鉴于Yann LeCun对生成式对抗网络Generative Adversarial Networks (GANs)公开表示赞扬,FAIR往后在深度卷积生成式对抗网络方面的进展将十分值得关注。

       OpenAI

       是一个非营利性的人工智能研究公司,由Elon Musk创立,赞助人包括大名鼎鼎的Reid Hoffman, Peter Thiel, 微软和AWS。OpenAI的研究人员在8月份的时候推出了InfoGAN模型,这个系统可以在无人监控的情况下,自动生成包含数据集相关信息的表征。

       微软

       微软和谷歌一样,在机器学习领域的方方面面都表现活跃。继2015年推出了用于图像识别的

       深度残差学习之后,微软在去年10月在语音识别方面祭出了大招。微软的研究人员宣布它们的系统达到了人类同等的会话语言识别。Azure的机器学习和认知工具包都是可供临时用户方便地使用的产品。

       被Salesforce收购的MetaMind

       和在Yann LeCun的影响下专注于卷积神经网络研究的FAIR相似,由Richard Socher领导的MetaMind专注于循环神经网络(RNN, Recurrent Neural Networks)以及神经语言处理程序的研究。这个Joint Many-Tasks (JMT)模型是一个端到端的可训练模型,它可以习得复杂的自然语言处理任务。

       在NIPS 上发表的“基于视觉监控程序Visual Sentinel的自适应聚焦”涉及了与卷积神经网络结合的自然语言处理,并显示了在自动图片说明方面的巨大进展。

       Uber

       被Uber收购自动驾驶货运车公司Otto的新闻盖去风头的是Uber成功收购了

       Geometric Intelligence。外界对Geometric Intelligence的所知甚少,但普遍预测这是一次针对人才团队的收购,目的是巩固Uber在人工智能领域的地位。2017年,我们可以期待这个由Otto和 Geometric Intelligence组合而成的智库贡献出顶尖的产品。

       百度

       人工智能领域的大部分玩家都来自美国,作为一家中国公司,百度取得的成就显得不容忽视。由Andrew Ng领导的百度,在去年9月发布了DeepBench,这个开源测试工具能对硬件平台训练出神经网络的效率进行评估。百度基于Python的深度学习框架PaddlePaddle在汉语音译方面表现优异。

       其他参与企业

       ·

苹果:除了雇佣CMU机器学习教授Russ Salakhutdinov之外,苹果刚刚开始出版自己的著作。在2016年初,苹果还收购了位于西雅图的人工智能初创企业Turi。

       ·

亚马逊:和谷歌、微软、Facebook相比,亚马逊在机器学习方面的成果有限,但是随着Alexa在语音市场的优秀表现以及2016年发布的一系列新产品的出现,亚马逊将在人工智能领域有更多投入。

       ·

IBM:可以公允地说,AlphaGo的风头已经盖过了此前IBM Watson引发的赞叹。有消息传出IBM的百万神经元类人脑芯片TrueNorth在图像识别方面表现突出,除此之外,还没有更多消息。

       人工智能与自动化领域

       2016年,自动驾驶汽车和Amazon Go(亚马逊在西雅图建立的自动售卖商店)引发了关于自动化的热烈争论。从科技界的领军者们开始裁员,到一项关于基本收入的调查,让大众开始忧虑人工智能会带来的后果。

       这个话题如此一言难尽,与其详细陈述方方面面,不如把我们的参考资料(书目)告诉大家。无论你对它持有何种态度,人工智能的时代都已经来了,而且我们必须做好准备。

更多内容请访问 中国工控网(http://www.gongkong.com)
新闻来源: 互联网/50cnnet

手机扫描二维码分享本页

工控网APP下载安装

工控速派APP下载安装

 

我来评价

评价:
一般